В основе разработки любой экспертной системы (ЭС) не зависимо от предметной области лежит выбор модели базы знаний.
В настоящее время выделены следующие классы моделей представления знаний [1]:
‒ продукционная модель;
‒ семантические сети;
‒ фреймы;
‒ формальные логические модели;
‒ объектно-ориентированные модели.
Каждая из этих моделей имеет свои преимущества и недостатки.
Разрабатываемая ЭС предназначена для поддержки принятия решений при определении причин неисправностей подсистем автоматизированного станочного модуля (АСМ) ТПАРМ-100. ЭС работает следующим образом: при возникновении неисправности в одном из узлов автоматизированного станочного модуля пользователь обращается к системе, система принимает запрос пользователя и производит опрос пользователя в режиме диалога. После опроса ЭС в соответствии с базой знаний выдает пользователю рекомендации по способу устранения возникшей проблемы. База знаний системы содержит в своей структуре неисправности и способы их устранения, она также может использовать данные из внешней базы данных (БД).
База знаний (БЗ) состоит из двух компонент: декларативной и процедурной. Построение декларативной компоненты БЗ проводилось на основе экспериментальных данных о функциональной и параметрической надежности АСМ.
Декларативная компонента БЗ реализована объектно-ориентированной моделью, представленной в виде реляционной базы данных. Объектно-ориентированная модель ЭС содержит информацию об отказах функциональных блоков АСМ ТПАРМ-100 и способах их устранения, а также основные диагностические параметры.
Процедурная компонента представлена продукционными правилами вида:
Если ПРЕДПОСЫЛКА, то ЗАКЛЮЧЕНИЕ
Правило состоит из двух частей: предпосылки и заключения. Предпосылка и заключение являются фактами. Для представления фактов используется пара сущность-значение. Сущность представляет физические объекты проблемной области, такие как подсистемы АСМ, диагностические параметры, значение параметров. Сущность в БЗ объединено с понятием атрибут в БД (декларативная компонента). Заключение содержит только один факт, а предпосылка может содержать как один, так и несколько фактов, которые одновременно имеют место. База знаний содержит около двухсот правил.
Таким образом, для формализации БЗ выбраны два типа моделей представления знаний: объектно-ориентированная и продукционная. Для формирования БЗ данные об отказах и способах их устранения сгруппированы в соответствии с иерархической структурой АСМ. Представление декларативных знаний о АСМ в виде объектно-ориентированной модели позволяет учитывать иерархическую структуру АСМ и особенности его функционирования. Процедурные знания в виде продукционной модели имеют более гибкий механизм вывода.
В работе [2] был произведен обзор инструментальных средств разработки ЭС. Рассмотрим реализацию продукционной модели ЭС поддержки процесса диагностирования при помощи оболочек ЭС. На рисунке 1 представлен логический блок реализации знаний ЭС, построенный с помощью оболочки ЭС Exsys Corvid. Содержимое логического блока представлено на рисунке 2.
На рисунке 3 представлен редактор БЗ реализованный в оболочке ЭС Expro. На рисунке 4 представлен результат опроса ЭС.
Интерфейс ЭС позволяет просмотреть диалог пользователя с ЭС и рекомендацию системы по устранению возникшей неисправности.
На рисунке 5 представлена часть нечеткой БЗ, разработанной при помощи пакета Fuzzy Logic. В разрабатываемой системе два входа и один выход. На вход подаются возникшие неисправности, на выходе системы — причины возникновения неисправностей (способы устранения).
Рис. 1. Логический блок базы знаний экспертной системы
Рис. 2. Содержимое логического блока
Рис. 3. Редактор баз знаний
Рис. 4. Результат опроса экспертной системы
Рис. 5. Реализация нечеткой базы знаний в редакторе Rule Editor
Одним из преимуществ использования оболочек построения экспертных систем является то, что они позволяют программно реализовать базу знаний экспертной системы без привлечения программистов. Но далеко не все оболочки дают возможность разработки других не менее важных компонентов экспертной системы. Одним из таких компонентов является блок объяснения полученных решений. Также одним из недостатков оболочек является привязка знаний экспертной систем к механизму логического вывода, что затрудняет процесс обновления и редактирования базы знаний. Можно выделить еще один недостаток — зависимость от среды разработки. Таким образом, применение оболочек целесообразно на стадии создания прототипа ЭС. Необходимо учесть, что представленные оболочки не позволяют реализовать выбранную объектно-ориентированную модель декларативной компоненты. Для создания рабочего программного продукта такой вариант необходимо исключить.
Литература:
- Системы искусственного интеллекта. Практический курс: учебное пособие/ [В. А. Чулюков, И. Ф. Астахова, А. С. Потапов и др.; под редакцией И. Ф. Астаховой]. — М.:БИНОМ. Лаборатория знаний, 2008. -292с.
- Козлова Т. Д. Обзор инструментальных средств для построения экспертной системы поддержки принятия решений для определения причин неисправностей технологических систем// Межвузовский сборник трудов «Прогрессивные технологии, материалы и режущие инструменты в машиностроении» — Саратов, СГТУ — 2010
- Гаврилова Т. А., Хорошевский В. Ф. Базы знаний интеллектуальных систем / Т. А. Гаврилова, В. Ф. Хорошевский. — СПб: Питер, 2000–384с.
