Размещено на http: //www. allbest. ru/

Особенности объединения экспертной системы и технологии имитационного моделирования

Чувиков Д.А.



Аннотация

Чувиков Д.А. Московский автомобильно-дорожный государственный технический университет (МАДИ)», Москва, Россия (125319, Москва, Ленинградский пр-кт, д. 64), e-mail: d.chuvikov@mivar.ru

В работе рассматривается роль использования синтеза систем имитационного и экспертного моделирования. Дается определение имитационному и экспертному моделированию. Рассмотрены два типа синтеза систем имитационного и экспертного моделирования - взаимодополняющий и взаимозаменяющий. Приведен пример объединения системы имитационного моделирования и экспертной системы на базе предметной области анализа дорожно-транспортного происшествия (ДТП). Так же, в качестве примера, решена задача по определению величины тормозного пути автомобиля при экстренном торможении. При этом проведен подробный анализ полученных данных в экспертной системе и системе имитационного моделирования.

Ключевые слова и фразы: экспертная система, экспертное моделирование, имитационное моделирование, ситуационное моделирование, ДТП, интеллектуальные системы, мивар, КЭСМИ, Wi!Mi 2.1, Virtual CRASH 3.0.

Abstract

THE FEATURES OF UNION EXPERT SYSTEM AND SIMULATION TECHNOLOGY

The paper deals with the role of using synthesis of simulation modelling systems and expert modelling systems. The paper presents the definition of simulation modeling and expert modeling. Two types of synthesis of simulation modeling systems and expert modeling systems: complementary and interchangeable have been considered. The paper provides the example of combining a simulation modelling system and an expert system on the basis of subject domain of analysis of road traffic accident (RTA). As an example, we solved the problem of determining the value of the braking path of the vehicle during emergency braking. At the same time carried out a detailed analysis of the data obtained in the expert system and simulation system.

Key Words: expert system, expert modeling, simulation, situational modeling, RTA, intelligent systems, mivar, KESMI, Wi!Mi 2.1, Virtual CRASH 3.0.



Введение

В настоящее время в информатике решаются задачи сбора, передачи, накопления, обработки и представления информации. Перспективные миварные технологии создания логического искусственного интеллекта решают задачи накопления и обработки информации. Однако полученную информацию надо представлять человеку для принятия решений. Для этого необходимо перейти на новое направление разработок, а именно на представление информации для принятия решений человеком.

В статье рассматривается синтез систем имитационного и экспертного моделирования. Имитационное моделирование является весьма широким и недостаточно четко определенным понятием. Роберт Шеннон дает следующее определение имитационному моделированию: «Имитационное моделирование есть процесс конструирования модели реальной системы и постановки экспериментов на этой модели с целью либо понять поведение системы, либо оценить (в рамках ограничений, накладываемых некоторым критерием или совокупностью критериев) различные стратегии, обеспечивающие функционирование данной системы» [1]. Также стоит отметить, что некоторые научные школы объединяют понятия имитационного моделирования и ситуационного.

Что стоит понимать под экспертным моделированием - это процесс создания модели знаний, которая способна частично заменить специалиста-эксперта в разрешении проблемной ситуации.

имитационный тормозной искусственный интеллект



1. Синтез систем имитационного и экспертного моделирования

Существует два типа синтеза систем имитационного и экспертного моделирования: взаимодополняющий и взаимозаменяющий. В первом случае экспертная система (ЭС) и система имитационного моделирования (СИМ) выполняют абсолютно различные функции, которые необходимы для решения общей, глобальной задачи. Во втором случае они могут решать одни и те же задачи, но при этом для них необходимо будет разработать соответствующие критерии выбора. При этом взаимодействие ЭС и СИМ может быть различным в зависимости от поставленных задач, необходимости использования существующих программных продуктов, параметров технических средств и возможности автоматизации передачи информации. Выделим два основных варианта взаимодействия.

Первый вариант: передача данных между отдельным программным комплексом (ПК) ЭС и ПК СИМ осуществляется полностью через эксперта или через нескольких экспертов. То есть создается модель по заданной предметной области в ЭС, далее по этой предметной области создается имитационная модель. Эксперт получает данные из ПК ЭС и вносит их в ПК СИМ для получения новых данных и решения поставленных задач.

Второй вариант: полностью автоматизированная система, которая включает в себя объединенный программный комплекс ЭС и СИМ. То есть создается общая модель по заданной предметной области в комплексе ПК ЭС и СИМ. Все данные обрабатываются внутри единого программного комплекса.



2. Пример синтеза СИМ и ЭС

В качества примера синтеза СИМ и ЭС рассмотрим предметную область анализа дорожно-транспортного происшествия (ДТП).

В качестве примера рассмотрен первый вариант взаимодействия СИМ и ЭС - передача данных между отдельным ПК ЭС и ПК СИМ, которая осуществляется через эксперта.

За основу ЭС был взят Конструктор Экспертных Систем Миварный - КЭСМИ (Wi!Mi 2.1), который позволяет создавать модели знаний, с неограниченным количеством связей, параметров и отношений, обладающий логическим выводом [2]. Выбран данный конструктор по причине того, что данная система моделирования, позволяет эффективно использовать все преимущества и возможности существующих инструментов работы со знаниями, таких как онтологии, когнитивные карты, ER-моделей и семантические сети.

За основу СИМ была взят программный продукт Virtual CRASH 3.0, который является средой для создания моделей дорожных происшествий. Стоит отметить, что моделирование происходит в реальном времени.

В первую очередь была параметризирована модель ДТП по методическим пособиям [3-4], далее все полученные данные были занесены в программный продукт Wi!Mi 2.1. На данном этапе модель состоит из таких разделов как определение тормозных качеств транспортного средства (ТС), определение скорости ТС на прямолинейном участке дороги, определение скорости ТС на участке дороги при подъеме и определение скорости ТС на участке дороги под уклоном.

Для примера рассмотрим решение задачи:

Определить величину тормозного пути автомобиля при экстренном торможении с начальной скоростью 70 км/час.

Исходные данные задачи представлены в таблице 1.



Таблица 1 Исходные данные экспериментальной задачи.

V0, км/ч	а, дел	в, дел	с, дел	б, град	mt, с/дел	mj, м/с2·дел
70	10	1,5	3	70	0,1	1

Найти: Sт

Ответ: Sт = 28,7 м.

Внесенные данные в модель, представлены на Рис. 1.

Рис. 1 Определение величины тормозного пути автомобиля при экстренном торможении по заданному условию

На рисунке 2 представлено решение в виде графа.



Рис. 2 Решение задачи в виде графа

Для данной задачи был построен алгоритм из 6 шагов:

Шаг № 0

Отношение: e - длина отрезка максимального замедления

Правило: e - длина отрезка максимального замедления

Входные параметры:

c (дел)=3;

б (град)=70;

Формула:

y=x1*Math.tan(x2*Math.PI/180)

Результат: e (дел)=8.24243225836386;

Шаг № 1

Отношение: t1, t2, t3, t4, jmax, jmax (без Kэ), S1, S2

Правило: jmax - величина замедления

Входные параметры:

mj (м/с2 *дел)=1;

e (дел)=8.24243225836386;

Формула:

y=x1*x2

Результат: jmax (м/с2)=8.24243225836386;

Шаг № 2

Отношение: t1, t2, t3, t4, jmax, jmax (без Kэ), S1, S2

Правило: t3 - время нарастания замедления

Входные параметры:

c (дел)=3;

mt (с/дел)=0.1;

Формула:

y=x1*x2

Результат: t3 (с)=0.3;

Шаг № 3

Отношение: t1, t2, t3, t4, jmax, jmax (без Kэ), S1, S2

Правило: t2 - время запаздывания срабатывания тормозного привода

Входные параметры:

b (дел)=1.5;

mt (с/дел)=0.1;

Формула:

y=x1*x2



Результат: t2 (с)=0.15;

Шаг № 4

Отношение: Перевод V (км/ч) > V (м/с)

Правило: Vо (км/ч) > Vо (м/с)

Входные параметры:

Vо (км/ч) - результат=70;

Формула:

y=(x*1000)/3600

Результат: Vo (м/с)=19.4444444444444;

Шаг № 5

Отношение: Sт - длина тормозного пути

Правило: Sт - длина тормозного пути

Входные параметры:

Vo (м/с)=19.4444444444444;

jmax (м/с2)=8.24243225836386;

t2 (с)=0.15;

t3 (с)=0.3;

Формула:

y=(x1+0.5*x2)*x3+(Math.pow(x3,2)/(2*z))

Результат: Sт (м)=28.7687004617334;

Полученные данные заносим в Virtual CRASH 3.0 и строим имитационную модель. На рисунке 3 представлена полученная имитация тормозного пути автомобиля при экстренном торможении с начальной скоростью 70 км/час.



Рис. 3 Имитация тормозного пути автомобиля при экстренном торможении

Таким образом, в ЭС были получены определенные данные по условию задачи, которые были переданы в СИМ для представления визуальной информации [5-9] для принятия решений человеком.



Заключение

Можно сделать следующий вывод - использование синтеза систем имитационного и экспертного моделирования [10-20] сыграет важную роль в решении всевозможных интеллектуальных задач [21-22], связанных с моделированием различных ситуаций. Объединение этих технологий играет важную роль, а также является важнейшим условием для формирования и развития новых инновационных решений в области интеллектуального моделирования в целом.



Список литературы

1. Shannon R.E. «Systems Simulation: The Art and Science» // Prentice-Hall. 1975. С. 368.

2. Варламов О.О., Чибирова М.О., Хадиев А.М., Антонов П.Д., Сергушин Г.С., Протопопова Д.А., Жданович Е.А., Збавитель П.Ю., Сараев Д.В., Шошев И.А., Петерсон А.О. «Практикум по миварному моделированию и созданию экспертных систем. На примере программного комплекса «Конструктор экспертных систем МИВАР 1.1» (КЭСМИ 1.1) Под редакцией О.О. Варламова» // Научно-исследовательский институт "МИВАР", 2015. 246 c. ISBN: 978-5-905714-51-1.

3. С.А. Назарко. «Исследование столкновений автомобилей на перекрёстке. Методические указания к курсовой работе по дисциплинам «Экспертиза ДТП» и «Расследование и экспертиза ДТП»»// ГОУ ВПО СибАДИ. - Омск. - 2009. - 66 с.

4. «Задания для контрольных работ по учебной дисциплине «Основы управления и безопасность дорожного движения» ГБОУ ВО НГИЭУ». - Княгинино. - 2015. URL: http://ngiei.ru/

5. Чувиков Д.А., Феоктистов В.П. «Сравнительный анализ 3D форматов хранения данных в интеллектуальных системах и системах виртуальной реальности» // Автоматизация и управление в технических системах. 2014. № 4(12). С. 3-14. DOI: 10.12731/2306-1561-2014-4-1.

6. Чувиков Д.А., Феоктистов В.П. «Применение 3D технологий в Web при решении интеллектуальных задач» // Автоматизация и управление в технических системах. 2015. № 1(13). С. 130-138. DOI: 10.12731/2306-1561-2015-1-15.

7. Чувиков Д.А., Феоктистов В.П., Остроух А.В. «Исследование 3D форматов хранения данных в интеллектуальных системах виртуальной реальности» // Международный журнал экспериментального образования. 2015. № 3-3. С. 416-420.

8. Чувиков Д.А., Казакова Н.А., Варламов О.О., Хадиев А.М. «Анализ технологий трехмерного моделирования и создания 3D объектов для различных интеллектуальных систем» // Автоматизация и управление в технических системах. 2014. № 2.1. С. 84-97. DOI: 10.12731/2306-1561-2014-2-9.

9. Chuvikov D.A., Kazakova N.A., Varlamov O.O., Goloviznin A.V. «3D modeling and 3D objects creation technology analysis for various intelligent systems» // International Journal of Advanced Studies. 2014. Т. 4. № 4. С. 16-22. DOI: 10.12731/2227-930X-2014-4-3.

10. Чувиков Д.А., Варламов О.О. «Использование миварного подхода в решении задач, связанных с имитационным моделированием» // Седьмая всероссийская научно-практическая конференция «Имитационное моделирование. Теория и практика» (ИММОД-2015). - 2015. - C. 280-284.

11. Чувиков Д.А. «Применение миварного логического ядра в решении задач, связанных с имитационным трехмерным моделированием» // Теоретические и прикладные проблемы развития и совершенствования автоматизированных систем управления военного назначения. Тезисы докладов II Всероссийской научно-технической конференции. - 2015. - С. 213.

12. Чувиков Д.А. « Роль процедурной анимации в решении интеллектуальных задач, связанных с ситуационным трехмерным моделированием» // Труды Конгресса по интеллектуальным системам и информационным технологиям «IS&IT'15». - 2015. - Т. 2. - С. 170-173.

13. Чувиков Д.А. « Роль использования синтеза систем имитационного и экспертного моделирования» // Труды Конгресса по интеллектуальным системам и информационным технологиям «IS&IT'16». - 2016. - Т. 2. - С. 125-128.

14. Чувиков Д.А. «Применение процедурной анимации в решении интеллектуальных задач и проблем, связанных с ситуационным трехмерным моделированием» // Радиопромышленность. - 2015. - № 3. - С. 184-190.

15. Чувиков Д.А. «Применение физического движка в решении задач, связанных с ситуационным трехмерным моделированием в реальном времени» // Радиопромышленность. - 2015. - № 3. - С. 191-199.

16. Чувиков Д.А. «Применение графического движка в решении интеллектуальных задач, связанных с ситуационным трехмерным моделированием» // Радиопромышленность. - 2015. - № 3. - С. 200-209.

17. Чувиков Д.А., Петерсон А.О. «Применение миварных технологий в интеллектуальном имитационном моделировании» // Автоматизация и управление в технических системах. - 2015. - № 4.1. URL: auts.esrae.ru/16-346

18. Чувиков Д.А., Назаров К.В. Автоматическое конструирование алгоритмов решения задач по физике в программной среде КЭСМИ // Труды Конгресса по интеллектуальным системам и информационным технологиям. «IS&IT'16». - Т. 2. - 2015. - С. 38-41.

19. Чувиков Д.А. Применение миварного логического ядра в решении задач, связанных с ситуационным трехмерным моделированием // Наукоемкие технологии в космических исследованиях Земли. - 2016. - Т. 8. - № 6. - С. 53-58.

20. Чувиков Д.А. Разработка игрового виртуального симулятора // - М.: БИБЛИО-ГЛОБУС, 2017. 164 с. ISBN: 978-5-9909278-5-8. DOI: 10.18334/9785990927858.

21. Чувиков Д.А., Теплов Е.В., Сараев Д.В., Варламов О.О., Джха П. Методика автоматизации системы диспетчерского контроля на основе экспертной системы городского пассажирского транспорта // Радиопромышленность. - 2016. - № 4. - С. 80-90.

22. Чувиков Д.А. Исследование когнитивных возможностей IBM Watson при помощи инструмента Node-RED и библиотеки AlchemyAPI // Промышленные АСУ и контроллеры. - 2016. - № 11. - С. 40-49.

23. Чувиков Д.А., Юрчик П.Ф., Москалёв А.Г., Голубкова В.Б. Оценка применимости трехмерных игровых ядер для создания систем дистанционного обучения // Промышленные АСУ и контроллеры. - 2015. - № 10. - С. 14-23.

Размещено на Allbest.ru

...