Опыт создания и применения в САПР автоматически развивающейся базы знаний

Тип работы:
Реферат
Предмет:
Общие и комплексные проблемы технических и прикладных наук и отраслей народного хозяйства


Узнать стоимость

Детальная информация о работе

Выдержка из работы

УДК 004. 896
Н. Н. Филатова, А. Г. Требухин
ОПЫТ СОЗДАНИЯ И ПРИМЕНЕНИЯ В САПР АВТОМАТИЧЕСКИ РАЗВИВАЮЩЕЙСЯ БАЗЫ ЗНАНИЙ
Тверской государственный технический университет
trebuchin2010@yandex. ru
Рассмотрен программный комплекс, расширяющий возможности САПР систем автоматизации технологических процессов средствами автоматического расширения базы знаний САПР и ее применения для проектирования схемотехнических решений.
Ключевые слова: база знаний САПР, интеллектуальная САПР, обобщение схем.
N. N. Filatova, A. G. Trebukhin
EXPERIENCE OF CREATION AND APPLICATION AUTOMATICALLY DEVELOPING CAD KNOWLEDGE BASE
Tver State Technical University
The software package that enhances CAD process automation systems of automatic increase knowledge of CAD and its application to design circuit decisions has been considered.
Keywords: CAD knowledge warehouse, intelligent CAD, schemes generalization.
На современном этапе развития база знаний (БЗ) в САПР аккумулирует информацию о классах технических решений и причинно-следственных связях между отдельными видами проектных ситуаций и методами их преобразования. Обычно Б З создается в ходе разработки системы проектирования, и вопросы ее коррекции решаются только с помощью экспертов или лица, принимающего решения. Этот традиционный подход к интеллектуализации САПР, получивший развитие в виде экспертных подсистем или подсистем поддержки принятия решений, полностью оправдан в рамках интерактивных стратегий формирования проектных решений. Однако в современных САПР схем систем автоматизации значительно расширилась область решений, генерируемых без корректирующих действий инженера — проектировщика [1, 2]. Создание генераторов проектных решений ведет к перераспределению функций между инженером и информационно-программными компонентами САПР, а также позволяет расширить понятие «проектный опыт».
Опыт инженера проектировщика всегда связан с формированием и оценкой множества технических решений (ТР). Но расширение САПР генераторами ТР означает, что система приобретает возможность формирования архива собственных решений. Дополнив эти процедуры средствами анализа и автоматического обобщения решений, можно получить имитацию механизма формирования собственного опыта системы проектирования. Учитывая тесную взаимосвязь моделей представления зна-
ний и алгоритмов их использования с предметной ориентацией САПР, рассмотрим реализацию изложенных выше концептуальных утверждений на примере системы проектирования схем систем промышленной автоматики [3].
В состав САПР «Соп1гоПс8″ (рис. 1) включены специальные генераторы функциональных (8Б) или принципиальных электрических (8Р) схем автоматизации (систем контроля, сигнализации и управления технологическими параметрами). Множество схемотехнических решений создается для заданного варианта структурной схемы системы (СС) и слабых ограничений (О), определяющих общие требования к вариантам ее технической реализации
Схемы из множества реализованные на одной модели регулятора, могут различаться незначительно, в частности:
если (3/) в/ е, в/? (?Р ^), то е ^^,
где Е = [в1} - множество технических средств автоматики (ТСА).
Учитывая этот факт, алгоритм генерации функциональных схем основан на последовательном формировании допустимого множества цепей (2), из которых далее создаются так называемые шаблоны (8Ь), а затем искомое множество функциональных схем (8Б).
Для компактного представления сгенерированного множества цепей (2) используется специальная структура — дерево схемотехнических решений (ДСР). ДСР — связанный ациклический неориентированный граф Б8Я=(Е, и),
объединяющий варианты цепей функциональ- зования с одной моделью регулятора. В сово-ных схем, которые предназначены для исполь- купности и ДСРг- = Ъ.
Экспорт в AutoCAD Рис. 1. Проектирование схем автоматизации в САПР Controlics
Особенности этого алгоритма, изложенные в работах [1, 2, 3], приводят к последовательному формированию схемотехнических решений, которые можно рассматривать как некоторые подмножества объемов понятий, заданных фрагментами или полной структурной схемой системы (СС):
(СС* и О*) ^ {ДСР}, (3*) ДСР ^ 5И* ^ БЦ, ^ = иУ. (1)
г
Стратегия вида (1) реализуется с помощью двух видов эвристических правил, которые определяют начальное содержание БЗ САПР „Соп1хоПс8″:
— правила формирования связи между двумя блоками ТСА-
— правила генерации функциональных схем.
Проектирование схем автоматизации с использованием генераторов приводит к быстрому расширению архива проектных решений [4]. Структура этого архива неявно определена методикой (1). Действительно, получаются множество цепей {ДСР*}, множество шаблонов Бк и множество функциональных схем. Очевидно, что если для характеристики каждого множества использовать некоторые наборы при-
знаков, каждому такому множеству можно поставить в соответствие некоторую логическую функцию, которая будет использоваться как форма представления понятия о соответствующем классе объектов. Задача формирования понятий о множествах схемотехнических решений относится к общей проблеме обобщения результатов проектирования, которая рассматривается в разных постановках в зависимости от предметной области САПР [3, 5, 6, 7].
Обобщение схемотехнических решений
Использование понятий о классах близких
*
объектов ({ДСР*} Бк) позволяет унифицировать процедуры поиска технических аналогов схем, а также приводит к расширению БЗ САПР новыми правилами. В работах [3, 4] рассмотрена задача формирования обобщений на множестве схемотехнических решений (СТР). В зависимости от вида элементов множества СТР представлены алгоритмы формирования обобщенных описаний классов функциональных схем и отдельных типов цепей (измерительных, исполнительных и т. д.). Учитывая, что создаваемые обобщения должны использоваться для коррекции и расширения имеющегося набора правил БЗ САПР, при их формирова-
нии используются не только объективные данные (выборка функциональных схем, заданная описаниями в пространстве дискретных признаков), но и субъективные оценки эксперта. При этом специалиста не знакомят с системой признаков К, и для оценки функциональной схемы он использует лингвистическую переменную dэ: „целесообразность использования функциональной схемы (ФС)“. Множество значений dэ задано тремя термами: Т1: :="Боль-шая“ (целесообразность использования ФС) или краткая форма Т1: :="Эффективная ФС») — Т2: :="Малая" (ц…) или краткая форма Т2: :="Неэффективная ФС") — Т3: :="Средняя" (ц…) или краткая форма Т3: :="Возможно эффективная ФС"). Необходимо отметить, что эксперт выделяет в обучающей выборке только множества Т1 и Т2, а множество Т3 формируется автоматически.
В процессе работы алгоритма обобщения для всех трех типов множеств создаются логические функции, определяющие общие свойства схем этого класса (например, РОШ1 — понятие об эффективных ФС вида. ?-го, а Т1 — объем этого понятия). Таким образом, знания о ре-
зультатах проектирования будут представляться понятиями трех типов. Введение такого сильного ограничения приводит к возникновению непустых классов эквивалентности на множестве схем. Очевидно, что две разные функциональные схемы, имеющие одинаковое описание в пространстве признаков К, входят в один класс эквивалентности и являются объектами из объема одного и того же конъюнктивного понятия Opj. Учитывая, что в каждом множестве Т1 может существовать несколько классов эквивалентности, получим:
Opj = (ы К{
л тг K2j л.
PON1 = vM1Ор,.
. л
шг К^)
Таким образом, в качестве объема понятия РОШ можно рассматривать не описания отдельных ФС, а описания соответствующих классов эквивалентности. Распространение этого подхода на РОШ2 и РОШ3 позволяет создавать иерархическую сетевую структуру [4], представляющую декларативные знания о результатах проектирования (рис. 2).
Подмножество обучающей выборки Рис. 2. Иерархия понятий о классах эффективных функциональных схем
В результате работы алгоритма формирования обобщений о некотором множестве цепей создаются автоматически генерируемые правила (АГП) вида:
М Ni
Pv =& lt- u, б, Fv ^ dk (К, dэ) & gt-, Fv = JJej (1)
г=1 j=1
где и — индекс (имя) правила- Fv — упорядоченный перечень элементов, определяющих структуру и состав цепей X- г — номер цепи- М — число измерительных и исполнительных цепей в Fv- N — длина (количество элементов) г-й це-
пи- j — номер элемента г-й цепи- еу — идентификаторы j-го элемента г-й цепи.
В правой части правил используется вычисляемый признак эффективности dк, который вводится для согласования принятия решений при расхождении оценок эффективности эксперта ^э) и системы ^эс) — dэ — экспертная оценка эффективности схемы {1, если эксперт считает схему перспективной- 0 — нет}- dк={1, (если dэ=1 и dэc=1) — 0 (если dэ=0 или если между dэ и оценкой dэс есть противоречие)}.
Выделение наиболее (2+) и наименее (2) перспективных цепей и их регистрация в БЗ
и
в виде правил позволяет, с одной стороны, создавать средства для ускорения генерации ФС, но, с другой стороны, это может привести к быстрому росту в БЗ числа правил с пересекающимися условиями применений. Пересечения условий правил (и) возникают:
— если в БЗ существует множество правил {И} с одинаковым значением? к-
— в? у для каждого из них имеется описание цепей, подобных с точностью до истока (стока), число элементов в цепи не менее двух-
— все истоки (стоки) цепей в входят в одну ветвь W таксономии ТСА и имеют общую родительскую вершину-
— в ветвь W не входят никакие другие ТСА.
К правилам (И) можно применить операцию агрегирования, если в качестве истока цепей принять «все элементы ветви W», а все оставшиеся в цепи ТСА элементы объединить под одним идентификатором. Эта операция, являющаяся обобщением правил БЗ, позволяет в автоматическом режиме выявить определенные закономерности — «скрытые» устойчивые неформальные правила генерации цепей функциональных схем, не отраженные в БД ТСА в явном виде. Например, в БЗ присутствуют N положительных правил ^к=1), включающих в качестве посылок описания измерительных цепей одноконтурных схем регулирования параметра И1. Число элементов в каждой такой цепи М=3:
Р1: Fv=& lt-e1^eV^eW>--P2: Fv=& lt-e2^eV^eW>--. ,. Р№ Fv=& lt-eN^eV^eW>-.
Элементы — истоки цепей e1 — eN входят в одну ветвь таксономии W1, другие элементов в W1 нет. В каждой цепи присутствует сочетание eV^¦eW. Алгоритм обобщения правил выполнит процедуру агрегирования и сформирует новое (замещающее) правило:
РЖ1: Fv=& lt-любой из W1^[Sochet1]& gt-, ак=1, Sochet1=& lt-eV^eW>-
То есть реализуется неполная индукция: на основании e1 — eN, являющихся частью содержимого W1, делается вывод о распространении правила PN+1 на все элементы из W1.
Особенностями предложенного способа обобщения правил генерации цепей ФС являются:
— сокращение числа правил в БЗ без потери информации-
— отсутствие в описаниях истоков и стоков цепей идентификаторов конкретных ТСА об-
легчает задачу усечения ДСР. Нет необходимости определять эквивалентность элементов, так как достаточно сравнить отраженные в правилах функции преобразования с характеристиками ТСА-
— одно правило может отражать не одну, а множество цепей, так как содержащимся в правилах ограничениям на истоки (стоки) цепей может удовлетворять не одно ТСА, а несколько-
— сложность выделения правил, являющихся предметом обобщения, при большом объеме БЗ-
— необходимость при каждом вводе в БД нового элемента проверять, не противоречит ли его описание правилам, сформированным в БЗ для ветви таксономии, включающей этот элемент.
Применение автоматически расширяющейся БЗ в САПР Соп^оНез
В САПР СоПхоНе8 принята стратегия, в соответствии с которой в БЗ сохраняется не только информация об условиях создания эффективных вариантов схемотехнических решений, но и сведения о неудачных схемах.
Рассмотрим особенности методик применения положительных и отрицательных правил для генерации новых вариантов ФС.
1. Использование положительных правил (Ри=& lt-ы, д, Е^сЦК, dэ)& gt-, ?"=1).
Методика основана на реализации механизма обратного вывода, то есть вывода от цели (нахождения перспективных вариантов цепей) к данным (описанию этих вариантов). Находятся подходящие посылки правил, подтверждающие гипотезу «перспективная цепь, ?к=1». Вариантами цепей функциональной схемы являются описания посылок правил, заключение которых согласуется с данной гипотезой. Регулятор выбирается из числа аналогов д.
Главное достоинство этой методики состоит в отсутствии необходимости построения и анализа деревьев схемотехнических решений, т. е. выполнения перебора множества ТСА.
К недостаткам методики относятся:
— зависимость правил от содержания БД по элементам ТСА- при вводе нового элемента необходима ревизия БЗ (или коррекция БЗ с новой обучающей выборкой) —
— зависимость результата от объема БЗ.
2. Использование отрицательных правил
(Ри=& lt-п, д, ?э)& gt-, ?к=0).
Методика основана на реализации механизма прямого вывода. Если какая-либо связь элементов ТСА согласуется с посылками более
одного отрицательного правила (т. е. отклоняется несколькими правилами), то в соответствии с отрицательными заключениями этих правил отражающее данную связь ребро можно не включать в ДСР. Это приведет к сокращению числа ветвей дерева, а следовательно, и к сокращению количества анализируемых шаблонов путем автоматического исключения наименее перспективных вариантов.
Достоинствами методики являются:
— возможность усечения ДСР в процессе его построения-
— автоматическое выделение и исключение наименее перспективных функциональных схем еще до их непосредственной генерации.
Главный недостаток методики видится в том, что из ДСР не исключатся ветви, оценка перспективности которых не дана. В результате
этого на основе анализа полученного ДСР могут быть сформированы схемы, которые по своим характеристикам в дальнейшем также будут признаны неэффективными.
СоПхоПс8 обеспечивает автоматическую генерацию вариантов технической реализации схем автоматизации в виде множества альтернатив функциональных схем. При достаточно полной БД ТСА это множество может иметь достаточно большую мощность.
Например, на рис. 3, а задана структурная схема двухконтурной системы автоматизации. Ограничения на техническую реализацию ее блоков приведены на рис. 3, б.
С помощью «СоПхоПс8″ генерируется множество технических реализаций данной схемы, в том числе с применением положительных и отрицательных АГП (см. таблицу).
Структурная схема (СС)
ИП1 РУ1 -» ИУ1



ИП2 — -> ИУ2
Область поиска в БД ТСА
Элемент С С Все Ограниченное
множество
ИП1, ИП2 Датчики 1 —
Р У Микропроц.
регуляторы
ИУ1 Усгр-ва свет, сигн. -
ИУ2 МЭО —
а б
Рис. 3. Структурная схема системы автоматизации (а) — ограничения на техническую реализацию блоков
структурной схемы (б)
Характеристики результатов генерации
Характеристика Без использования АГП С применением отрицательных АГП С применением положительных АГП
Число вершин ДСР 42 20 —
Число шаблонов 72 15 —
Число функциональных схем 324 36 4
Процент исключенных схем — (324−36) / 324 *100%=89% (324−4)/324*100%=98%
Автоматическое расширение БЗ САПР требует постоянной согласованности продукционных правил и содержания БД ТСА. В САПР «СоПгоНс8» предусмотрены средства ревизии информационного обеспечения. Основными из них являются алгоритм коррекции таксономии ТСА и правил генерации ФС.
Существует возможность включать в описания продукций наименования ветвей таксо-
номии ТСА вместо описаний элементов ТСА. При этом правило справедливо для всех элементов, входящих в указанную ветвь. Если для вновь добавленного в БД элемента в некоторых правилах возникают противоречия, то этот факт отмечается в дополнительном атрибуте. Множество элементов таксономии, удовлетворяющих правилам, обозначим как {Pos}, а -неудовлетворяющих правилам как {Neg}. Если
мощность Neg превысит Pos, то целесообразно решить вопрос о выделении всех элементов из {Neg} в отдельную ветвь.
Для проектирования современных решений систем автоматизации таксономия ТСА постоянно должна поддерживаться в актуальном состоянии. В частности, набор управляющих устройств (регуляторов, ПЛК и др.) постоянно расширяется и совершенствуется. Необходима периодическая ревизия БЗ САПР, в ходе которой для каждого отраженного в БЗ управляющего устройства Ru проводится поиск более новых модификаций {/Ru}, расположенных с ним в одной ветви таксономии. Если такие элементы найдены, то в автоматическом режиме рассчитываются критерии K для функциональных схем, построенных на Ru и каждом элементе из {/Ru}. Используются соотношения, по которым ФС принимается лучшей или худшей по критериям K по сравнению с другими схемами.
Реализованные механизмы ревизии БЗ заключаются в применении стратегий замещения одних правил другими, автоматически сгенерированными на основе содержимого базы данных ТСА.
Предложенный вариант программного комплекса расширяет возможности САПР систем автоматизации технологических процессов на этапах проектирования, предшествующих разработке принципиальных электрических схем.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Филатова, Н. Н. Структурный синтез схем автоматизации в условиях неполных требований к технической реализации / Н. Н. Филатова, А. Г. Требухин // Известия ВолгГТУ: межвуз. сб. науч. ст. № 4(91) / ВолгГТУ. — Волгоград, 2012. — Вып. 13. — С. 72−79.
2. Филатова, Н. Н. Генерация решающих правил для проектирования функциональных схем систем автоматизации / Н. Н. Филатова, А. Г. Требухин // Известия Южного федерального университета. Технические науки. -2012. — Т. 136. — № 11. — С. 206−211.
3. Филатова, Н. Н. Автоматическое построение и обобщение схемных решений при проектировании систем управления / Н. Н. Филатова, А. Г. Требухин // Программные продукты и системы. — 2012. — № 1(97). — С. 138−141.
4. Ханеев, Д. М. Пирамидальная сеть для классификации объектов, представленных нечеткими признаками / Д. М. Ханеев, Н. Н. Филатова // Известия Южного федерального университета. Технические науки. — 2012. -Т. 134. — № 9. — С. 45−49.
5. Вагин, В. Н. Обобщение и классификация знаний /
B. Н. Вагин, Н. П. Викторова // Искусственный интеллект. Кн. 2. Модели и методы: Справочник / под ред. Д. А. Поспелова. — М.: Радио и связь, 1992. — С. 82−89.
6. Панфилов, А. Э. Методика формального описания объектов технологического процесса для автоматизированной системы конструирования АСУТП / А. Э. Панфилов, В. А. Камаев // Известия ВолгГТУ: межвуз. сб. науч. ст. № 9(35) / ВолгГТУ. — Волгоград, 2007. — Вып. 3. -
C. 94−97.
7. Шевченко, С. В. Применение нечетких продукционных правил и нейронных сетей для прогнозирования потребления электроэнергии в регионе / С. В. Шевченко, В. А. Камаев, Р. И. Манева // Известия ВолгГТУ: межвуз. сб. науч. ст. № 10(97) / ВолгГТУ. — Волгоград, 2012. -Вып. 14. — С. 108−112.

ПоказатьСвернуть
Заполнить форму текущей работой