Методы и модели оперативного контроля состояния сложных динамических объектов на основе измерительной информации с использованием алгоритмов интеллектуального анализа данных

Актуальность темы

Современный этап развития техники и технологий характеризуется быстрым ростом сложности создаваемых технических систем. Такие системы как ракетно-космические комплексы, сложные производственные системы содержат многие тысячи датчиков, с которых поступает огромный объем информации. Информация должна обрабатываться в реальном или близком к реальному масштабу времени. Для решения этой задачи в течение многих лет успешно используются системы сбора и обработки телеметрической информации (ТМИ), которые позволяют достаточно эффективно решать задачи, связанные со сбором, первичной обработкой и накоплением информации, поступающей от сложных динамических объектов (СДО). Обычно собранная информация накапливается в базах данных (БД). Для ее обработки могут использоваться средства OLAP (online analytical processing), экспертные системы.

Типовой задачей, решаемой системами сбора и обработки ТМИ, является задача контроля состояния СДО, в частности, автоматическое выявление аномальных и преданомальных ситуаций, возникающих в процессе функционирования объектов. В настоящее время уже создано и используется достаточно много систем такого типа.

К сожалению, существующие системы обладают рядом недостатков, такими, как высокая стоимость разработки и эксплуатации и относительно низкая эффективность функционирования. Это обусловлено тем, что, с одной стороны, каждая из создаваемых систем является, по существу, уникальной, а, с другой стороны, все более или менее сложные системы предполагают активное участие экспертов в процессе обработки и анализа ТМИ. Таким образом, важными задачами являются задачи уменьшения стоимости и повышения эффективности систем контроля состояния СДО.

Действенным средством решения проблемы повышения эффективности функционирования систем контроля состояния СДО является переход от систем обработки данных к системам обработки знаний. На сегодняшний день это одно из магистральных направлений развития информационных технологий, в рамках которого уже созданы достаточно эффективные средства работы со знаниями и инструментальные средства, необходимые для построения прикладных систем. В первую очередь, это касается таких технологий, как data mining и семантический веб. Использование интеллектуальных технологий, ориентированных на работу со знаниями, позволяет решать следующие задачи:

— автоматизация процесса обработки всего комплекса ТМИ;

— упрощение процесса настройки системы на конкретный объект контроля посредством занесения в базу знаний (онтологию) информации об объекте.

Для использования преимуществ, которые дает переход от работы с данными к работе со знаниями, необходимо решить ряд задач, связанных с разработкой процедур извлечения, хранения и использования знаний из накопленной в БД ТМИ, в частности, необходимо разработать онтологию для работы с ТМИ.

Целью диссертационной работы является разработка методов интеллектуальной обработки измерительной информации, разработка основанного на работе со знаниями комплексного подхода к автоматическому выявлению аномальных и преданомальных ситуаций, возникающих в процессе функционирования СДО.

В соответствии с указанной целью в работе сформулированы и решены следующие задачи:

1. Анализ современных методов контроля состояния СДО, оценка применимости методов интеллектуального анализа данных для контроля состояния СДО, классификация методов интеллектуального анализа.

2. Разработка принципов построения систем контроля состояния СДО на основе методов интеллектуального анализа, включая разработку модели сигналов и базовых алгоритмов анализа эталонных и поступающих сигналов, описание методов принятия решения о наличии аномальной ситуации на основе результатов сопоставления шаблонов сигналов.

3. Разработка алгоритмов, ориентированных на использование в интеллектуальных системах контроля состояния СДО, включая разработку метода сокращения числа анализируемых параметров (сокращение размерности признакового пространства) и разработку метода визуализации состояния СДО.

4. Исследование вопросов проектирования и программной реализации систем контроля состояния СДО, включая выделение типовых архитектурных решений систем и описание условий их применения.

Предмет и методы исследования. Предметом исследования являются системы контроля состояния СДО. При решении поставленных задач использовался аппарат математической статистики, теория цифровой обработки сигналов, теория искусственного интеллекта.

Научную новизну работы составляют следующие положения:

1. Подход к анализу ТМИ, позволяющий автоматизировать процесс анализа за счет перехода от обработки данных к обработке знаний. В соответствии с подходом выделяется пять основных этапов: предварительная обработка, сегментация, кластерный анализ, секвенциальный анализ, визуализация результатов.

2. Многоуровневая модель представления телеметрических сигналов, соответствующая различным этапам анализа ТМИ, алгоритмы построения моделей различных уровней. Использование предлагаемой модели позволяет использовать все множество разработанных средств работы со знаниями.

3. Метод сокращения размерности анализируемых признаков и их ранжирование.

4. Метод визуализации зависимостей телеметрических параметров, основанный на построении решетки понятий.

Научные положения, выносимые на защиту:

1. Подход к анализу ТМИ, в соответствии с которым выделяется пять основных этапов: предварительная обработка, сегментация, кластерный анализ, секвенциальный анализ, визуализация результатов.

2. Многоуровневая модель представления телеметрических сигналов и методы формирования описания сигналов в соответствии с предлагаемой моделью. К методам формирования описания модели первого уровня относятся: модификация метода сегментации медленно меняющихся телеметрических параметров (ММП), метод сегментации быстро меняющихся телеметрических параметров (БМП). К методам формирования описания модели второго уровня относится модификация метода секвенциального анализа.

3. Метод формирования набора значимых признаков из множества поступающих признаков и способ ранжирования значимых признаков.

4. Метод визуализации зависимостей телеметрических параметров, основанный на построении решеток понятий.

Практическая значимость работы заключается в том, что предложен ряд моделей и методов, которые могут быть использованы при создании реальных систем контроля состояния СДО, включая метод формирования набора значимых признаков из множества поступающих признаков, метод ранжирования значимых признаков и метод визуализации зависимостей телеметрических параметров, основанные на построении решетки понятий.

Достоверность результатов исследования подтверждается корректным использованием математического аппарата, результатами экспериментальных исследований на программных моделях и результатами испытаний реальных систем, при создании которых использовались предложенные модели и методы.

Внедрение результатов работы заключается в использовании разработанных моделей и методов при проведении в Научно-инженерном центре СПбГЭТУ (г. Санкт-Петербург) 4 НИР и 1 ОКР, в рамках которых разработано 3 макета и 1 программный комплекс. Созданные программные продукты успешно используются для решения практических задач. Работа поддержана персональным грантом ректора СПбГЭТУ среди студентов и аспирантов за 2005 г., персональным грантом фонда содействия развитию малых форм предприятий в научно-технической сфере по программе УМНИК на выполнение НИОКР по теме «Разработка системы контроля состояния сложных динамических объектов» (№ У-2007;3/3−1 «Объект», 2007) за 2007 г.

Апробация результатов исследования. Основные положения и результаты работы докладывались и обсуждались на следующих конференциях:

1. Двенадцатая международная конференция «Математика. Компьютер. Образование», г. Пущино, 17−22 янв. 2005 г.

2. Научная сессия МИФИ-2005, М., 24−28 янв. 2005 г.

3. Технологии Microsoft в теории и практике программирования, СПб., 1−2 марта 2005 г.

4. Научная сессия МИФИ-2006, М., 23−27 янв. 2006 г.

5. Тринадцатая международная конференция «Математика. Компьютер. Образование», г. Дубна, 23 — 28 янв. 2006 г.

6. Четвертая региональная конференция по научному программному обеспечению «Практика применения научного программного обеспечения в образовании и научных исследованиях», СПб., 2−3 февр. 2006 г.

7. 61-я научно-техническая конференция, посвященная дню радио, СПб., 29−31 марта 2006 г.

8. Международная конференция по мягким вычислениям и измерениям, СПб., 27−29 июня 2006 г.

9. Десятая национальная конференция по искусственному интеллекту с международным участием КИИ-2006, г. Обнинск, 25−28 сент. 2006 г.

10. Научная сессия МИФИ-2007, М., 22−26 янв. 2007 г.

11. Технологии Microsoft в теории и практике программирования, СПб., 13−14 марта 2007 г.

12. Девятая международная научно-техническая конференция и выставка «Цифровая обработка сигналов и ее применение», М., 28−30 марта 2007 г.

13. Международная конференция по мягким вычислениям и измерениям, СПб., 25−28 июня 2007 г.

Публикации. По теме диссертации опубликованы 19 научных работ, включая 6 статей (1 статья опубликована в изданиях, определенных ВАК) и 13 работ в материалах международных, национальных и региональных конференций.

4.5. Выводы по главе 4.

Ниже перечислены основные результаты, полученные в главе 4.

1. Показана обобщенная модель функционирования интеллектуальных систем ОКССДО и основные пути реализации модели, приведены основные достоинства и недостатки каждой из возможных реализаций.

2. Описаны принципы построения систем ОКССДО с использованием базы данных. В рамках системы все данные и знания о контролируемом объекте хранятся в таблицах базы дынных.

3. Описаны принципы построения систем ОКССДО с использованием экспертных систем. Показаны пути наполнения базы знаний знаниями в ручном, автоматическом и полуавтоматическом режимах.

4. Описаны принципы построения систем ОКССДО с использованием онтологического подхода, предложена и описана модель знаний СДО. Приведено описание системы ОКССДО, основанной на применении онтологического подхода.

5. Разработан прототип системы ОКССДО на основе онтологического подхода, с использованием разработанного прототипа проведены эксперименты на реальных данных.

ЗАКЛЮЧЕНИЕ

.

Ниже перечислены основные результаты работы.

1. Выполнен анализ современных подходов к обработке ТМИ и принципов построения систем контроля состояния СДО. Установлено, что современные системы работают в полуавтоматическом режиме и жестко привязаны к объекту контроля. Выполнен анализ существующих групп методов интеллектуальной обработки данных, показано, что основной интерес представляют методы сегментации, кластерного анализа, секвенциального анализа. Показано, что основные пути совершенствования систем контроля состояния СДО связаны с автоматизацией процесса обработки всего комплекса ТМИ, уменьшением трудоемкости работы эксперта в процессе принятия решений и упрощением процесса настройки системы на конкретный объект управления.

2. Предложен обобщенный подход к построению систем контроля состояния СДО, в соответствии с которым выделяется четыре основных этапа: предварительная обработка, сегментация, кластерный анализ, секвенциальный анализ. Подход основан на работе со знаниями и позволяет автоматизировать процесс анализа ТМИ. Рассмотрен процесс обработки ТМИ как в статическом, так и в динамическом режимах.

Предложена многоуровневая модель сигнала, которая позволяет описать сигнал на различных уровнях представления. Каждый уровень представления соответствует одному из этапов обработки. Предложены методы формирования описания сигнала в соответствии с предлагаемой моделью, в частности, предложены модификация алгоритма сегментации медленно меняющихся параметров, оригинальный алгоритм сегментации быстро меняющихся параметров, модификация алгоритма секвенциального анализа. Применение предлагаемого подхода позволяет автоматизировать процесс обработки, сократить время обработки до 10 раз, а также открывает возможность использования методов и инструментов работы со знаниями для обработки ТМИ.

3.Предложен метод формирования набора значимых признаков из множества поступающих признаков и способ ранжирования значимых признаков, основанный на использовании алгоритмов кластерного анализа и методов построения ассоциативных правил. Применение данного метода позволяет в автоматическом режиме проанализировать набор признаков и выявить те признаки, которые позволяют наиболее точно определить состояние контролируемого объекта, установить порядок их анализа. Предлагаемый метод позволяет сократить число анализируемых параметров при проведении оперативного анализа до 2 раз.

4. Предложен метод визуализации зависимостей телеметрических параметров, основанный на построении решеток понятий. Описана вычислительная модель и соответствующая ей решетка понятий применительно к решению задачи визуализации зависимостей телеметрических параметров, приведены методы упрощения модели. Метод позволяет наглядно представить зависимости в поведении параметров по результатам нескольких экспериментов.

5. Предложена обобщенная модель функционирования интеллектуальной системы контроля состояния СДО, выполнен анализ типовых подходов к программной реализации системы контроля состояния СДО. Выделяются три основных типа программных архитектур: архитектуры, основанные на использовании БД, архитектуры, основанные на использовании экспертных систем, и архитектуры, основанные на использовании онтологий. Выполнен сравнительный анализ различных подходов к реализации. Определены основные достоинства и недостатки каждой из возможных реализаций.