ПРИКЛАДНЫЕ СИСТЕМЫ ИДЕНТИФИКАЦИИ

Эта глава содержит описание программной оболочки, реализующей модели и алгоритмы, рассмотренные в предыдущих главах, а также результаты ее применения к решению прикладных задач. Глава базируется на авторских работах [33,39,41,45,67]. С другими приложениями можно познакомиться по работам [70,74].

Система FUZZY EXPERT

Программная оболочка FUZZY EXPERT предназначено для проектирования и настройки экспертных систем на базе нечеткой логики. Авторы системы: Ротштейн А.П. (постановки задач и руководство разработкой) и
Кательников Д.И. (про-граммирование).

Задача оболочки состоит в сборе, хранении и использовании знаний, полученных от экспертов, с целью решения прикладных задач идентификации и принятия решений. Оболочка состоит из двух основных частей: программной среды, позволяющей создавать экспертные системы в выбранной предметной области, и собственно экспертной системы, которая является конечным продуктом.

Система FUZZY EXPERT разработано с использованием языка программирования С++ (компилятор Microsoft Visual C++) для операционных систем Windows версии 3.1 и выше и Windows 95.

Структура системы

Структура системы FUZZY EXPERT изображена на рис. 8.1. Она содержит 16 программных блоков, 8 из которых составляют собственно экспертную систему, а остальные, - среду разработки нечетких экспертных систем. Поясним назначение тех блоков системы, которые не упоминались ранее.

Блок модификации нечеткой базы знаний и дерева вывода содержит все экранные формы, необходимые для внесения изменений в блоки экспертной системы: дерево логического вывода, базу знаний и функции принадлежности. Это основной блок среды разработки нечетких баз знаний. Он выполняет следующие функции:

a) формирование дерева логического вывода;

б) задание функций принадлежности лингвистических термов:

· модифицированным методом Саати,

· методом статистической обработки экспертной информации,

в) заполнение нечетких баз знаний;

г)сохранение (извлечение) вариантов экспертных систем из библиотеки.

Блок моделирования используется для получения графиков и поверхностей, отражающих зависимость выходной переменной от одной или двух входных переменных при фиксированных значениях остальных переменных. Цель подобного моделирования состоит в исследовании поведения объекта в различных областях факторного пространства.

Блок настройки предназначен для решения задач оптимизации нечеткой базы знаний с целью повышения качества идентификации нелинейных объектов. Этот блок выполняет следующие функции:

а) запрос обучающей выборки;

б) решение задач оптимизации нечетких баз знаний градиентным методом;

в) решение задач оптимизации нечетких баз знаний с параметрическими функциями принадлежности при помощи генетического алгоритма;

г) решение задач оптимизации нечетких баз знаний с -уровневыми функциями принадлежности при помощи генетического алгоритма.

Блок тестирования экспертной системы предназначен для выполнения следующих действий:

а) запрос тестирующей выборки;

б) оценка качества идентификации в точках тестирующей выборки.

Блок документирования осуществляет выдачу информации о построенной экспертной системе в виде, удобном для инженера по знаниям.

Библиотека экспертных систем используется для хранения созданных экспертных систем на различных этапах их разработки (до настройки и после настройки).

Библиотека функций принадлежности содержит набор стандартных моделей функций принадлежности:

а) трапециевидные;

б) треугольные;

в) колоколообразные (с параметрами и );

г) экспоненциальные.

Архив расчетов позволяет хранить результаты выполняемых расчетов на различных этапах создания и функционирования системы.

Экранные формы

Процесс построения нечеткой экспертной системы выполняется по следующему алгоритму:

А°. Определение характеристик системы.

На этом шаге выводится информация о назначении системы, определяется выходная переменная идентифицируемого объекта (с непрерывным или дискретным выходом).

Б°. Формирование дерева логического вывода.

Дерево логического вывода формируется путем последовательного выполнения операций добавления и/или удаления узлов. При добавлении нового узла запрашивается информация о названии (например, температура), обозначении (t), количестве термов для оценки и их названиях (<низкая>, <нормальная>, <высокая>). При добавлении узла, соответствующего входной переменной, запрашивается информация о диапазоне ее изменения. Сформированное дерево логического вывода изображено на рис. 8.2.

В°. Определение функций принадлежности лингвистических термов.

На этом шаге определяются модели функций принадлежности, используемые для формализации термов - оценок переменных. На рис. 8.3 показано соответствующее диалоговое окно. Этот шаг соответствует этапу фаззификации переменных.

Г°. Определение экспертных правил ЕСЛИ-ТО, описывающих поведение объекта. Экспертные правила ЕСЛИ-ТО вносятся в соответствующие матрицы знаний (рис. 8.4).

Д°. Настройка нечеткой экспертной системы путем решения задач оптимизации с использованием обучающей выборки.

Ввод значений входных переменных при выполнении расчетов осуществляется в количественной или качественной форме, а также по шкале термометра (рис. 8.5).

В результате нечеткого логического вывода получаются функции принадлежности выходной переменной каждому из классов решений. Соответствующее диалоговое окно содержит так же интерпретированный результат.

В ходе одно- и двухфакторного моделирования инженер по знаниям может наблюдать за поведением объекта в разных областях пространства входных переменных. Настройка по имеющимся экспериментальным данным позволяет повысить адекватность нечеткой экспертной системы.

Не нашли, что искали? Воспользуйтесь поиском: