Рассматриваются некоторые аспекты представления нечетких экспертных знаний в задачах принятия решений по технологической регулировке машин. Предлагается методика, основанная на использовании различных критериев согласованности при представлении нечетких знаний, в том числе с учетом различной иерархии экспертных знаний. Данная методика позволяет определять рациональное терм-множество лингвистической переменной для построения обобщённых функций принадлежности при описании входных и выходных параметров системы. Обоснованный выбор термов лингвистических переменных позволяет оптимизировать параметры базы знаний, основанной на нечетких продукционных правилах. Методика применена в предметной области «Комбайновая уборка зерновых культур», рассмотрено несколько входных лингвистических переменных, на их примере проиллюстрированы этапы формирования нечёткой базы знаний, рассчитаны показатели согласованности моделей, выбраны оптимальные терм-множества каждой из переменных, получены параметры обобщённой функции принадлежности.
нечеткие знания, функции принадлежности, согласованность экспертных знаний, коэффициенты Фишберна
Введение. Подсистема приобретения и редактирования знаний является важнейшей частью интеллектуальных информационных систем (экспертных систем) [1]. В полной мере это относится и к системам поддержки принятия решений в сфере эксплуатации сложных машин сельскохозяйственного назначения [2].
Экспертная информация, как правило, трудно формализуема в рамках традиционных математических подходов, что обусловило применение в этой области теории нечетких множеств и широкое использование баз знаний, основанных на нечетких знаниях, т. е. нечетких продукционных систем [3 - 4]. Система принятия решений оперирует нечёткими знаниями и понятиями. Это позволяет делать выводы на основе правил нечёткой логики, что делает актуальной задачу адекватного представления нечеткой экспертной информации. Для формирования такой информации (на этапе фаззификации) необходимо определить функции принадлежности (ФП) лингвистических переменных (ЛП) модели предметной области, в том числе установить оптимальное число термов ЛП. При этом возникает вопрос о критериях при оценивании того или иного признака, по которым должен производиться выбор оптимального множества значений лингвистической шкалы.
1. Уотермен, Д. Руководство по экспертным системам : Пер с англ. / Д. Уотермен. — Москва : Мир, 1989. — 388 с.
2. Димитров, В. П. Теоретические и прикладные аспекты разработки экспертных систем для тех-нического обслуживания машин / В. П. Димитров, Л. В. Борисова. — Ростов-на-Дону : ДГТУ, 2007. — 202 с.
3. Zadeh, L. A. Fuzzy sets / L. A. Zadeh, // Fuzzy sets and systems. — 1965 — №8. — Рp. 338–353.
4. Тугенгольд, А. К. К вопросу построения нечеткой экспертной системы продукционного типа для технологической регулировки машин/ А. К. Тугенгольд, В. П. Димитров, Л. В. Борисова // Вестник Дон. гос. техн. ун-та. — 2008. — Т.8, № 3 (38). — С. 419 – 426.
5. Аверкин, А. Н. Нечеткие множества в моделях управления и искусственного интеллекта / А. Н. Аверкин [ и др]; под ред. Д. А. Поспелова. — Москва : Наука, 1986. — 312 с.
6. Борисов, А. Н. Обработка нечёткой информации в системах принятия решений/ А. Н. Борисов, А. В. Алексеев, Г. В. Меркурьев и др. — Москва : Радио и связь, 1989. — 312 с.
7. Димитров, В. П. Методика оценки согласованности моделей нечётких экспертных знаний / В. П. Димитров, Л. В. Борисова, И. Н. Нурутдинова //Вестник Дон. гос. техн. ун-та. — 2010. — Т.10, № 2 (45). — С. 205 – 216.
8. Пивкин, В. Я. Нечёткие множества в системах управления. Методическое пособие / В. Я. Пив-кин, Е. П. Бакулин, Д. И. Кореньков. — Новосибирск : НГУ, 1997. — 42 с.
9. Димитров, В. П. Оценка параметров лингвистических переменных факторов внешней среды / В. П. Димитров, Л. В. Борисова // Искусственный интеллект в XXI веке. Решения в условиях неопределен-ности : сб. ст. V Междунар. науч.-техн. конф. — Пенза, 2007. — С. 30 – 32.
10. Димитров, В. П. Программная система для ввода экспертных знаний / В. П. Димитров, Л. В. Борисова, И. Н. Нурутдинова, Е. В. Богатырёва // Вестник Дон. гос. техн. ун-та. — 2011. — Т. 11,№ 1 (52). — С. 83 – 90.
11. Nedosekin, A. Fuzzy Financial Management / A. Nedosekin. — Moscow : AFA Library, 2003. — 183 p.
12. Борисова, Л. В. Механические системы модельного ряда продукции ОАО «Ростсельмаш» Дон-680, СК-5М-1, Дон-1500Б. Конструкция, техническое обслуживание, регулировки и диагностика неис-правностей / Л. В. Борисова, В. П. Димитров, К. Л. Хубиян. — Ростов-на-Дону : БелРусь, 2003. — 116 с.
13. Кофман, Л. Введение в теорию нечетких множеств / Л. Кофман. — Москва : Радио и связь, 1982. — 432 с.
