Системы информационной поддержки (СИП) - это комплекс программно-аппаратных средств, выполненных с использованием новых информационных технологий и предназначенных для поддержки процесса принятия решений оператором в нормальных и аварийных ситуациях [1].
Входную информацию СИП можно разделить на параметрическую и непараметрическую. К параметрической относятся текущие значения технологических параметров объекта управления (ОУ) и их производные: скорость, направление изменения, факт нахождения в допустимом диапазоне и т.п.
Непараметрическая информация - субъективная оценка оператором значений, тенденций изменения признаков состояний ОУ, которые не обрабатываются системой контроля либо автоматический контроль которых затруднен, невозможен или нецелесообразен.
Характерной особенностью большинства судовых ОУ является нечеткость и/или противоречивость проявления признаков состояний. Нечеткость проявления признака характеризует его свойство находится в наперед заданном диапазоне в одном и том же состоянии ОУ (характеризуется степенью интенсивности проявления признака R). Противоречивость проявления признака характеризует свойство отдельных признаков принимать значения, противоположные фактическому состоянию ОУ (характеризуется - степенью противоречивости проявления признака R-.
Информация о состоянии ОУ, поступающая в СИП различается по своей физической природе, способам передачи в СИП и является нечеткой. Эти обстоятельства предопределяют необходимость шкалирования входной информации - приведения всех признаков состояний ОУ к обобщенному безразмерному показателю.
Таким
образом, важной становится проблема создания шкал, для решения которой
целесообразно применять функции принадлежности [5,6], которые ставят в
соответствие числовым значениям признака состояния числа из диапазона шкалы L=[RMIN;RMAX].
Примеры графического представления признаков показаны на рис. 1 и 2.
|
Рис.1. Графическое представление признака |
|
Рис.2. Графическое представление признака |
Оба признака различной с помощью функции принадлежности приводятся к единому обобщенному безразмерному показателю R=[0;1], в результате чего признаки приобретают свойство сравнимости между собой.
Основными проблемами шкалирования являются выбор приемлемой шкалы L и выбор функции принадлежности.
При выборе шкалы необходимо учитывать ряд требований, важнейшие из которых:
1. Шкала должна быть числовой и безразмерной для обеспечения сравнимости признаков различной физической природы.
2. Шкала должна быть универсальной, т.е. применимой к параметрической и к непараметрической входной информации.
3. Шкала должна иметь область определений для любых значений всех признаков состояний ОУ.
При оценке человеком интенсивности проявления признаков учитывается [5]:
1. Качественность оценок.
2. Приблизительность оценок.
3. Использование противоположных, биполярных оценок: «быстро - медленно», «опасно - безопасно».
4. Наличие нейтральной оценки.
5. Использование модификаторов оценок: «очень», «чрезвычайно», «почти».
6. Симметричность градаций противоположных оценок.
7. Использование 5ё7 градации при оценке свойств.
Отмеченные особенности используемых шкал позволяют выделить обобщенную универсальную структуру для лингвистической оценки степени интенсивности проявления признаков состояний.
В выражении (1)
использованы следующие значения градаций лингвистической шкалы: С - обладание признаком (свойством); А - анти; Н - нейтрально; П -
почти; О - очень; Э - экстра (очень-очень).
При исключении модификатора «почти» шкала может быть приведена к виду:
(2)
Каждой градации от ЭАC до ЭС может быть поставлен в соответствие ее номер Rj=[‑6...+6] или Rj=[-3...+3] (нижние индексы в шкалах L1 и L2). В общем случае, шкала является лишь порядковой, но номера градаций можно использовать как балльные оценки интенсивности проявления признаков. В общем случае «балльность» шкалы может быть произвольной:
L=[RMIN,RMIN+1,...0,...RMAX-1,RMAX] (3)
С использованием лингвистической шкалы возможно численное определение степени интенсивности и противоречивости проявления признаков.
Степень входной неопределенности признаков (СВН) - комплексная величина, численно определяющая интенсивность проявления признаков в ходе сеанса распознавания:
, (4)
где n - количество проведенных тестов; Rj – интенсивность проявления признака; L - максимальная балльность шкалы оценки.
Степень входной неопределенности может изменяться от 0 до 1 (1 - соответствует полной неопределенности, 0 - полной определенности признаков (неопределенность отсутствует)).
Степень входной противоречивости признаков (СВП) – комплексная величина, численно определяющая противоречивость проявления признаков в ходе сеанса распознавания гипотезе, принятой в качестве вывода:
, (5)
где 
- интенсивность проявления j-го признака, подтверждающего гипотезу;
- интенсивность проявления j-го признака, противоречащего гипотезе.
СВП может изменяться в диапазоне от 0 до 1. СВП=0 означает, что в ходе тестирования признаки, противоречащие гипотезе, принятой в качестве вывода, отсутствовали. При СВП=1 все признаки противоречат гипотезе.
Величины СВП и СВП могут быть использованы для оценки правдоподобия принятого заключения о состоянии ОУ.
Другой подход [4], представляет собой формирование шкалы соответствий между отношениями предпочтений в эмпирической и числовой системах в виде стандартных отметок (шкалы предпочтений, таблица 3). Указанные в табл. 1 зоны предпочтений показаны на рис. 1 и 2 горизонтальными линиями.
Таблица 1.
Соответствия шкалы
предпочтений
|
Эмпирическая система |
Числовой |
|
Очень
хорошо |
1,00ё0,80 |
|
Хорошо |
0,80ё0,63 |
|
Удовлетворительно |
0,63ё0,37 |
|
Плохо |
0,37ё0,20 |
|
Очень
плохо |
0,20ё0,00 |
Объединение этих двух подходов позволяет получить универсальный способ шкалирования, учитывающий психологические особенности человека в оценке интенсивности признаков состояний и удовлетворяющий всем указанным выше требованиям.
Объединение шкал производится функцией принадлежности. Представленные на рис. 1 и 2 функции принадлежности являются кусочно-линейным и в некоторых, простейших ситуациях позволяют произвести оценку текущего состояния признака.
Для адекватного выбора функции принадлежности необходимо сформулировать требования, предъявляемые к таким функциям:
1. Функция должна быть непрерывной, гладкой и монотонной.
2. Вид функции должен соответствовать реальным решениям операторов по оценке состояния признаков.
3. Чувствительность функции в областях, близких к 0 и 1 должна быть существенно ниже, чем в средней зоне.
Указанным требованиям соответствует функция принадлежности Харрингтона [4], которую в общем виде можно записать:
, (6)
где d - значения шкалы предпочтений, R - значения лингвистической шкалы L.
На рис. 3 показана функция Харрингтона для лингвистической шкалы L=[-5;5]. Функция непрерывна, гладка и монотонна во всей области определений; ее чувствительность в средней зоне равна 0,34, а в крайней 0,01, т.е. существенно ниже, что соответствует реальным решениям операторов [4]. Характерными точками кривой являются точки перегиба:
(7)
(8)
Рис.3. Функция принадлежности Харрингтона
для лингвистической шкалы L=[-5;5]
Функция Харрингтона как функция принадлежности обладает такими свойствами как адекватность, статистическая чувствительность и эффективность. Сравнение лингвистических значений шкалы предпочтений d и лингвистической шкалы R (см. рис. 3) позволяют выявить их адекватность друг другу.
При использовании шкалы предпочтений и лингвистической шкалы возникает вопрос перевода текущих значений технологического параметра (признака состояния ОУ) из фактического значения в значения шкал. Как правило, в зависимости от вида диапазона допустимых значений, существуют следующие классы признаков состояний судовых ОУ:
1.С односторонним ограничением вида:
АНОМЈАЈАНОМ+D+ (ограничение сверху), либо
АНОМ-D-Ј
АЈАНОМ
(ограничение снизу)
2.С двухсторонним ограничением вида АНОМ-D-Ј АЈ АНОМ+D+
где АНОМ - номинальное значение признака; D+ - правая граница «полосы точности»; D- - левая граница «полосы точности»
Кроме того, для технологических параметров могут быть определены следующие предельные значения: АСMIN - минимальная уставка срабатывания аварийной сигнализации; ПСMIN - минимальная уставка срабатывания предупредительной сигнализации; ПСMAX - максимальная уставка срабатывания предупредительной сигнализации; АСMAX - максимальная уставка срабатывания аварийной сигнализации.
Таким образом может быть сформирована шкала характерных значений:
· для технологических параметров с односторонним ограничением:
АНОМ<АНОМ+D+<
ПСMAX < АСMAX (9)
АСMIN < ПСMIN < АНОМ-D- < АНОМ (10)
· для технологических параметров с двухсторонним ограничением:
АСMIN < ПСMIN < АНОМ-D- < АНОМ <АНОМ+D+ < < ПСMAX < АСMAX (11)
Рассмотрим алгоритм
распознавания текущего состояния ОУ.
Учет интенсивности проявления признаков для уточнения величин 
, 
осуществляется
следующим образом
1. Вычисляются
значения апостериорных вероятностей 
, 
, , здесь Sj
- степень интенсивности проявления признаков; Hi - рассматриваемые гипотезы; Значения вероятностей
откладываются на шкале предпочтений d.
2. Производится
модификация функции принадлежности Харрингтона вида (в осях x‑y). Модификация функции принадлежности включает два этапа: сжатие
исходной функции Харрингтона в диапазон [;
] и сдвиг сжатой кривой по оси x.
3. С использованием модифицированной функции принадлежности, по величине R уточняется значение апостериорной вероятности гипотез.
Преимуществами такого подхода является относительная простота и более точный учет степени интенсивности проявления признаков состояний ОУ по сравнению с линейным подходом пересчета величин апостериорных вероятностей.
Литература
1.
Кобзев В.В., Мироненко Г.М., Шилов В.А. Военно-морские экспертные системы. –СПб.: Изд. ВВМИУ им.
Дзержинского. - 1993.
2.
Трапезников Ю.М. Бортовая
система информационной поддержки борьбы за живучесть // Судостроение. 1996.
№2-3. С.20-25.
3.
Грунтович H.В.,
Бубнов Е.А., Бондарев Д.И. Создание автоматизированных систем информационной
поддержки оператора на основе систем централизованного контроля судовой
энергоустановки. // Судостроение. 1993. № 1. С. 24 - 25.
4.
Адлер Ю.П.,
Маркова Е.В., Грановский Ю.В. Планирование эксперимента при поиске оптимальных
условий. - М: Наука. - 1976.
5.
Заде Л.А. Понятие
лингвистической переменной и его применение к принятию приближенных решений.
Пер. с англ. - М: Мир. -1976.
6.
Чернышов Ю.
Нечеткие компьютеры // Компьютер. Сборник статей. Вып.3. - М: Финансы и
статистика. - 1990.