Анализ состояния технологических процессов на основе нечётких экспертных знаний тема диссертации и автореферата по ВАК РФ 05.13.17, кандидат технических наук Сакулин, Сергей Александрович

• Сакулин, Сергей Александрович
• кандидат технических наук
• 2009

Оглавление диссертации кандидат технических наук Сакулин, Сергей Александрович

Введение. б

1. Современное положение в области анализа состояния технологических процессов производств протяжённых изделий.

1.1. Общая характеристика производств протяжённых изделий, анализ состояния технологических процессов.

1.2. Основные обозначения и определения.

1.3. Анализ состояния технологического процесса на основе обработки результатов ручных измерений параметров продукции.

1.4. Анализ состояния технологического процесса на основе автоматизированного измерения и обработки его параметров.

1.4.1. Логический подход к анализу состояния.

1.4.2. Аналитический подход к анализу состояния.

1.4.3. Вероятностный подход к анализу состояния.

1.5. Сравнительный анализ подходов к анализу состояния технологических процессов производств протяжённых изделий.

1.6. Применение лингвистического подхода к анализу состояния технологических процессов производств протяжённых изделий.

1.7. Виды неопределённостей и методы их формализации.

1.8. Выводы к главе 1.

1.9. Постановка задачи.

2. Формализация экспертных знаний на основе нечёткого лингвистического представления.

2.1. Традиционные нечёткие подходы к формализации экспертных знаний.

2.2. Элементы нечёткого подхода к формализации экспертных знаний, касающихся анализа состояния технологического процесса.

2.2.1. Выбор лингвистических переменных.

2.2.2. Меры близости.

2.3. Обобщённая методика анализа состояния технологических процессов.

2.3.1. Процедура формализации экспертных знаний.

2.3.2. Процедура установления фактического состояния технологического процесса.

2.4. Визуализация построения средневзвешенного оператора агрегирования с использованием модифицированной модели баланса.

2.5. Формализация знаний эксперта об особенностях классов состояний.

2.6. Визуализация построения интеграла Шоке 2-го порядка на основе модифицированной модели баланса.

2.6.1. Выявление ограничений на пороги безразличия посредством их визуализации.

2.7. Выводы к главе 2.

3. Идентификация параметров операторов агрегирования нечётких критериев.

3.1. Идентификация параметров операторов агрегирования без учёта зависимостей между критериями.

3.2. Идентификация параметров операторов агрегирования с учётом зависимостей между критериями.

3.2.1. Метод идентификации на основе вычисления наименьших квадратов.

3.2.2. Метод идентификации на основе принципа максимального разделения.

3.2.3. Метод идентификации на основе минимальной дисперсии.

3.3. Реализация идентификации параметров операторов агрегирования на примере из прикладной области.

3.3.1. Идентификация параметров операторов агрегирования без учёта зависимостей между критериями.

3.3.2. Идентификация параметров операторов агрегирования с учётом зависимостей между критериями.

3.3.2.1. Идентификация нечёткой меры на основе вычисления наименьших квадратов.

3.3.2.2. Идентификация нечёткой меры на основе методов максимального разделения и минимальной дисперсии.

3.3.2.3. Ограничения, накладываемые экспертом на индексы

Шепли критериев.

3.3.2.4 Ограничения, накладываемые экспертом на индексы взаимодействия критериев.

3.3.2.5. Идентификация нечёткой меры при ограничениях, наложенных экспертом на параметры интеграла Шоке.

3.4. Сравнительный анализ методов идентификации нечёткой меры и выбор метода идентификации параметров операторов агрегирования.

3.5. Выводы к главе 3.

4. Практическая реализация системы анализа состояния технологического процесса (на примере участка хлопкопрядильного производства).

4.1. Приготовительный участок хлопкопрядильного производства. Неисправности, возникающие в процессе работы оборудования.

4.2. Классы состояний технологического процесса на приготовительном участке.

4.3. Аппаратная часть системы анализа состояния технологического процесса.

4.4. Программная часть системы анализа состояния технологического процесса.

4.5. Программа испытаний системы анализа состояния технологического процесса.

4.6. Проведение испытаний системы анализа состояния и результаты испытаний.

4.7. Опытная эксплуатация системы анализа состояния.

4.8. Выводы к главе 4.

Введение диссертации (часть автореферата) на тему «Анализ состояния технологических процессов на основе нечётких экспертных знаний»

Характерным свойством многих технологических процессов являются значительные трудности, связанные с непосредственным измерением большинства их параметров. Поэтому анализ состояния таких процессов осуществляется по косвенным признакам. В частности, этим свойством обладают технологические процессы производств протяжённых изделий [1]. К производствам протяжённых изделий относятся прядильные, прокатные и трубопрокатные, кабельные, проволочные, бумажные, картонные, производства профилированных резиновых изделий, корда, а также слоистых, пропитанных (импрегнированных) изделий из различных материалов, производства оптоволокна и некоторые другие. На практике встречаются различные синонимы этого определения, например, длинномерные, рулонные, погонажные, профилированные, шприцованные и пр., в зависимости от специфики выпускаемых изделий и полуфабрикатов. При этом характер изменения параметров выпускаемой продукции по её длине (по времени) несёт информацию не только о качестве продукции, но и о состоянии технологического процесса в целом.

В условиях современной конкуренции необходимо стремиться к обеспечению максимально достижимого качества продукции при минимуме затрат. Достигнуть этого можно посредством принятия следующих мер:

- обеспечить своевременное выявление и устранение причин возникновения состояний технологического процесса, приводящих к снижению качества изделий или браку;

- перейти на менее затратное обслуживание оборудования по фактическому, а не плановому состоянию.

Реализовать эти меры можно на основе анализа состояния технологического процесса. Задачами анализа состояния являются проверка исправности и правильности функционирования оборудования, а также поиск дефектов оборудования и продукции на основе измерений параметров технологического процесса. Результатом такого анализа является отнесение состояния процесса к тем или иным заранее определённым классам состояний. Каждый- класс состояний соответствует либо исправному и правильному протеканию технологического процесса, либо одному из видов отклонений от его исправного и правильного протекания.

При этом, однако, эффективность методов анализа состояния технологических процессов ещё остается относительно низкой.

Над решением проблем повышения эффективности анализа состояния технологических процессов работают многие специалисты как у нас в стране, так и за рубежом, в частности, Коновалов В.И., Алтунин А.Е., Беленький А.Г., Алиев Р.А., Bocklisch S.F., Grabisch М., Murofiishi Т., Detyniecki М., и другие, о чём свидетельствуют многочисленные источники [1-28,38,41, 45,62,63,86,87].

Общий вывод, который прослеживается в этих работах, состоит в том, что для успешного решения задачи повышения эффективности анализа состояния технологических процессов необходимо обеспечить такие его свойства, как системность, экономичность, массовость, точность и оперативность.

Системность необходима для создания автоматизированной системы анализа состояния технологического процесса.

Экономичность предполагает относительно небольшую стоимость практической реализации процедур анализа состояний.

Массовость связана с возможностью применения его в различных производствах.

Точность позволяет определить состояние процесса с определённой степенью уверенности

Оперативность предполагает достаточно быстрое (порядка нескольких минут) определение вида нарушения технологического процесса, а также мест его возникновения для принятия решения о необходимых воздействиях, направленных на его устранение.

Существующие подходы к анализу состояния технологических процессов производств протяжённых изделий не обладают всеми этими свойствами в совокупности. Основная причина, по которой они оказываются недостаточно эффективными, заключается в том, что для их реализации требуется либо дорогостоящая установка большого числа датчиков для измерения параметров процесса по всей технологической цепочке, либо накопление достаточно большого статистического материала, учитывающего все особенности эксплуатации, что требует большого объёма экспериментальных исследований, либо больших затрат рабочего времени.

При низком среднем уровне оснащённости производств протяжённых изделий средствами автоматического контроля и измерения реализация таких подходов для анализа состояния технологических процессов затруднена.

В этих условиях предприятия часто встают на путь решения задач анализа состояния технологических процессов экспертным способом: использованием для анализа состояния технологических процессов накопленных в испытательных лабораториях предприятий знаний о параметрах выпускаемой продукции, характеризующих её качество, и связи этих параметров с состояниями технологического процесса, включая знания и опыт специалистов-технологов.

Для того, чтобы обеспечить объективность анализа состояния технологических процессов, а также выполнение перечисленных выше свойств, необходимо решить задачу создания комплексной формализованной t методики, объединяющей в единый процесс процедуры формализации накопленных испытательных лабораторных знаний и знаний эксперта и все последующие процедуры анализа вплоть до завершающих процедур установления фактического состояния технологического процесса для принятия последующих решений по устранению отклонений от его нормального хода. Настоящая работа посвящена решению этой актуальной задачи.

Известно достаточно большое количество попыток создания подобных методик. Большинство из них [3,4,7,9,11,13,21] основано на традиционных (чётких) подходах к анализу состояния технологического процесса, и только некоторые [28,38,41,45] основаны на нечётких подходах, которые гораздо более адекватны реальным условиям, чем чёткие. Однако все известные методики анализа состояния технологических процессов, основанные на нечётких подходах, обладают следующими существенными недостатками:

1. Отсутствием применимых на практике методов формализации знаний экспертов о зависимостях нечётких критериев агрегирования;

2. Отсутствием семантической интерпретации задания экспертом порогов безразличия, используемых для идентификации параметров операторов агрегирования в случае взаимозависимости критериев;

3. Отсутствием обоснованного выбора того или иного метода идентификации параметров операторов агрегирования для случая взаимозависимых критериев.

Цель диссертационной работы заключается в разработке, исследовании и реализации формализованной методики анализа состояния технологических процессов на основе нечётких экспертных знаний, обеспечивающей системность, экономичность, массовость, точность и оперативность анализа состояния технологического процесса и не имеющей указанных недостатков.

Краткое содержание работы по главам.

В первой главе рассмотрены общие свойства технологических процессов производств протяжённых изделий, существующие подходы к решению задач анализа состояния технологических процессов и их характерные особенности; показана актуальность подхода к обеспечению качества изделий посредством анализа состояния технологического процесса на основе экспертных знаний и последующего обслуживания оборудования по результатам этого анализа; обоснован выбор пути решения задачи анализа состояния технологического процесса на основе нечёткого лингвистического представления экспертных знаний, в связи с этим рассмотрены виды неопределённостей, возникающих при формализации экспертных знаний об особенностях протекания технологических процессов; введены необходимые определения, сформулированы задачи исследований как задачи создания и исследования методов формализации экспертных знаний на основе их нечёткого лингвистического представления.

Во второй главе рассмотрены известные подходы к формализации экспертных знаний на основе их нечёткого лингвистического представления, выявлены их недостатки, предложен новый подход к формализации экспертных знаний, введены понятия нечётких классов состояний технологических процессов, сформулированы условия полноты и непротиворечивости анализа состояния технологического процесса; обоснован выбор функций принадлежности термов эталонных образов классов; обоснованы дополнительные ограничения на функции принадлежности; рассмотрена обобщённая методика анализа состояния технологических процессов; предложены механизмы визуализации для средневзвешенного оператора агрегирования и интеграла Шоке 2-го порядка, используемого при формализации и обеспечивающие эксперту ясную интерпретацию выбираемых параметров; на основе визуализации предложен метод формирования ограничений на параметры интеграла Шоке 2-го порядка, а также выявлены ограничения на значения порогов безразличия, используемых при идентификации нечёткой меры.

В третьей главе рассмотрены известные методы идентификации параметров операторов агрегирования, применяемых при формализации экспертных знаний; на конкретном примере описана компьютерная реализация рассмотренных методов идентификации; проведён сравнительный анализ полученных с использованием различных методов результатов идентификации; обоснован выбор метода на основе минимизации дисперсии нечёткой меры для идентификации параметров операторов агрегирования.

В четвёртой главе описана аппаратно-программная система, реализующая методику анализа состояния технологического процесса на основе нечёткого лингвистического представления экспертных знаний на примере приготовительного участка хлопкопрядильного производства; описана программа испытаний и приведены результаты этих испытаний; приведены результаты опытной эксплуатации системы анализа состояния технологического процесса.

В заключении перечислены основные результаты, полученные в диссертации.

Методы исследований: теория нечётких множеств; теория нечётких мер и интегралов, теория полезности.

Научная новизна.

Разработана новая комплексная методика анализа состояния технологических процессов на основе нечёткого лингвистического представления экспертных знаний. В рамках этой методики получены следующие новые результаты.

Предложен метод формирования ограничений на параметры оператора агрегирования взаимозависимых критериев на основе его визуализации. В отличие от известного двухкритериального метода на основе графической интерпретации предложенный метод обладает возможностью рассмотрения любого числа агрегируемых критериев.

Выявлены ограничения на задаваемые экспертом пороги безразличия, необходимые для идентификации параметров оператора агрегирования. Показано, что пороги безразличия имеют смысл только при выполнении соответствующих ограничений, а выход за рамки этих ограничений может приводить к невозможности получения решения задачи идентификации параметров оператора агрегирования.

Обоснован выбор метода идентификации параметров операторов агрегирования взаимозависимых критериев на основе минимизации дисперсии нечёткой меры. Показано, что применение этого метода позволяет избежать субъективизма при идентификации параметров операторов агрегирования.

На основе экспериментов показано, что применение интеграла Шоке 2-го порядка позволяет повысить точность анализа состояния технологического процесса в сравнении с применением средневзвешенных операторов до 6,5 %.

Работоспособность подтверждена испытаниями в производственных условиях.

Достоверностьполученныхрезультатов подтверждена теоретическим обоснованием основных положений предлагаемой методики и испытаниями в производственных условиях.

Практическая ценность. Разработанная методика, реализующее её программное обеспечение и технические средства, образующие в совокупности систему анализа состояния технологического процесса на основе нечёткого лингвистического представления экспертных знаний могут быть использованы на любых производствах протяжённых изделий. В частности, методика была апробирована на приготовительном участке прядильного производства, а также на целлюлозо-бумажном производстве и может быть использована на существующих прядильных и целлюлозо-бумажных производствах, обеспечивая сокращение простоев оборудования, предотвращение аварийных ситуаций, повышение доли выпуска продукции с заданными качественными показателями. Всё это подтверждено испытаниями системы на производстве.

Основные положения, выносимые на защиту.

1. Методика анализа состояния технологических процессов на основе нечёткого лингвистического представления экспертных знаний;

2. Метод выбора ограничений, накладываемых на классы состояний технологического процесса и лингвистические переменные при формализации экспертных знаний;

3. Метод формирования ограничений на параметры оператора агрегирования взаимозависимых критериев на основе его визуализации;

4. Ограничения, накладываемые на задаваемые экспертом пороги безразличия, необходимые для идентификации параметров операторов агрегирования;

5. Метод идентификации параметров операторов агрегирования на основе минимизации дисперсии нечёткой меры для случая взаимозависимых критериев;

6. Аппаратно-программная реализация методики анализа состояния технологических процессов на основе нечёткого лингвистического представления экспертных знаний на примере приготовительного участка хлопкопрядильного производства и результаты её испытаний;

7. Результаты опытной эксплуатации аппаратно-программной реализации методики анализа состояния технологических процессов в реальных производственных условиях.

Апробация работы. Основные положения и результаты диссертационной работы докладывались и обсуждались на всероссийской научно-технической конференции «Современные технологии и оборудование текстильной промышленности» (Текстиль-2003 и Текстиль-2004) .

Публикации. Основные положения изложены в печатных работах:

1. Сакулин С.А. Прибор для измерения ЛПМ чёсальной ленты на основе пневматического датчика//Вестник ДИТУД.-2003.- № 3(17).-С.58-63.

2. Сакулин С.А. Система автоматизированного контроля качества чёсальной ленты// Современные технологии и оборудование текстильной промышленности: Сб. трудов Всерос. конф.-М.,2003.-С.266.

3. Сакулин С.А. Диагностика технологического процесса получения чёсальной ленты на основе анализа сигнала линейной плотности // Современные технологии и оборудование текстильной промышленности: Сб. трудов Всерос. конф.-М.,2004.- С.234.

4. Сакулин С.А. К вопросу контроля качества полуфабриката и диагностики оборудования в хлопкопрядении методами искусственного интеллекта// Вестник ТТТУ.-2004.-Т.10, № 4А.-С.985-993.

5. Сакулин С.А. Контроль и диагностирование технологических процессов производств протяжённых изделий на основе лингвистического подхода // Вестник ТТТУ.-2006.-Т. 12, № 2А.-С.377-391.

6. Сакулин С.А. Визуализация оператора агрегирования на основе интеграла Шоке по нечёткой мере 2-го порядка// Вестник ИРГТУ.-2007.-Т.2,№ 2(30).-С.45-50.

7. Сакулин С.А. Операторы агрегирования в нечётких диагностических моделях технологических процессов производств протяжённых изделий // Вестник ТГТУ.-2007.-Т.13, № 2.-С.57-69.

8. Сакулин С.А. К вопросу об идентификации параметров интеграла Шоке 2-го порядка// Вестник ИРГТУ.-2008.-№ 3(35).-С.205-208.

Структура и объём диссертации. Диссертационная работа состоит из введения, четырёх глав, заключения, списка используемой литературы (109 наименований) и пяти приложений на 167 страницах.

Заключение диссертации по теме «Теоретические основы информатики», Сакулин, Сергей Александрович

Выводы и заключение

В диссертации рассмотрены вопросы, касающиеся анализа состояния технологических процессов на основе нечётких экспертных знаний и получены следующие результаты.

1. Обосновано использование лингвистического подхода в виде методики анализа состояния ТП. Лингвистический подход не обладает недостатками, характерными для традиционных подходов.

2. Предложен метод формирования ограничений на параметры оператора агрегирования (интеграла Шоке) на основе его визуализации. В отличие от известного двухкритериального метода графической интерпретации предложенный метод обладает возможностью рассмотрения любого числа критериев.

3. Выявлены ограничения на пороги безразличия, необходимые для идентификации параметров интеграла Шоке 2-го порядка. Показано, что выход за рамки этих ограничений может приводить к невозможности получения решения задачи идентификации параметров операторов агрегирования.

4. Обосновано применение метода минимизации дисперсии нечёткой меры для идентификации параметров интеграла Шоке 2-го порядка при формализации экспертных знаний в рассматриваемой прикладной области. Этот метод позволяет получать единственное решение в виде параметров интеграла Шоке, совместимое с предпочтениями эксперта.

5. Реализована система анализа состояния ТП на примере приготовительного участка хлопкопрядильного производства. Испытания системы показали, что применение интеграла Шоке позволяет повысить точность анализа до 6,5 % в сравнении с применением средневзвешенного оператора.

6. Осуществлена опытная эксплуатация системы анализа состояния ТП. По результатам эксплуатации сделаны выводы о наличии экономического эффекта от использования системы, а также о целесообразности развития работ в данном направлении.

Список литературы диссертационного исследования кандидат технических наук Сакулин, Сергей Александрович, 2009 год

1. Тагирова К.Ф. Оптоэлектронные устройства контроля геометрических характеристик для систем управления технологическими процессами производства протяжённых изделий: Дисс. канд. техн. наук.-Уфа,1994.-199с.

2. Амбарцумян А. А. Событийное логическое управление производственными процессами поточного типа.-М.: Изд-во ИПУ,2006.-99 с.

3. Создание и исследование систем автоматизации и контроля для повышения производительности и качества проката и труб: Сб. науч. тр. /Под ред. Н.Н. Дружинина.-М.:ВНИИметмаш, 1985.-129с.

4. Боев М.А. Автоматические средства контроля кабельных изделий, установленные на технологическом оборудовании.-М.:Изд-во МЭИ, 2002.-43с.

5. Черников А. Н. Управление технологическим процессом в хлопкопрядильном произволстве.-М.:Изд-во Моск. гос. текст, акад. им.

6. A. Н. Косыгина, 1999.-24с.

7. Румянцев К.Е., Зибров В.А., Балабаев C.JI. Бесконтактное измерение геометрических размеров изделий прокатно-металлургического производства/ Под ред. К.Г. Румянцева.-Шахты:Изд-во ЮРГУЭС,2004.-155с.

8. Технические средства и методы виброакустической диагностики оборудования текстильной и легкой промышленности/ В.В. Сигачева,

9. B.А. Климов, С.И. Лукичев и др.-М.:Легпромбытиздат, 1993.-159с.

10. Применение современных методов и средств контроля линейной плотности продуктов прядильного производства/ М.И. Сапронов, Л.С. Шайбель, А.Л. Таточенко, А.Л. Шайбель.-Рига: ЛатНИИНТИ,1990.-66с.

11. Кудрявцева Т.Н. Техническая диагностика шерстопрядильного производства.-М.: Легпромбытиздат, 1987.-109с.

12. Техническая диагностика машин текстильной и лёгкой промышленности / В.А. Климов, К.А. Лавров, JI.C. Мазин и др.; Под ред. В.А. Климова.-М.: Легпищепром,1982.-246с.

13. Гусев Б.Н. Развитие концепции диагностирования объектов прядильного производства// Изв. вузов. Технология текстильной промышленности.2001.-№3-C.33-36.

14. Слесарев Д.А., Барат В.А. Использование вейвлет-преобразования для анализа сигналов при контроле стальных тросов// Измерительная техника.-2001 .-№ 1-С Л1 ■-43.

15. Hlava J. Stable model of textile drafting process// Intelligent manufacturing & automation: learning from nature: The 13th international symposium.-Vienna,2002.-P.207-208.

16. Гусев В.А. Обеспечение стабильности технического состояния кардочесальных машин. Кострома.: КГТУ,2001.-197с.

17. Борзунов И.Г. Прядение хлопка и химических волокон.-М.: Легпромбытиздат, 1986.-3 89с.

18. Коновалов В.И. Коваль A.M. Пропиточно-сушильное и клеепромазочное оборудование.-М.: Химия, 1989.-224с.

19. Оборудование для охлаждения и усадки профилированных резиновых заготовок/ В.И. Коновалов, Л.В. Прудник, А.Г. Постернак, В.Н. Шашков.-М. :ЦИНТИхимнефтемаш, 1988.-41 с.

20. Азаров А.В. Система автоматического контроля параметров оптических волокон и волоконно-оптических кабелей: Автореф. дисс.канд. техн. наук.-М.,2001 .-21 с.

21. Косенчук Н.А. Контроль качества изоляции обмоточных проводов: Автореф. дисс. канд. техн. наук.-Томск, 1992.-24с.

22. Автоматизированные широкополосные станы, управляемые ЭВМ / М.А. Беняковский, М.Г. Ананьевский, Ю.В. Коновалов и др.-М.: Металлургия, 1984.-23 5 с.

23. Кирюхин С.М., Соловьев А.Н. Контроль и управление качеством текстильных материалов.-М.: Лёгкая индустрия, 1977.-312с.

24. Иванов Л. Н. Производство пряжи из волокон растительного происхождения.-М.: Информ-Знание,2004.-207 с.

25. Лямбах Р.В., Шишкинский В.И. Автоматизация технологических процессов холодной прокатки листов.-М.: Металлургия, 1981.-264с.

26. Процесс прокатки/ М.А. Зайков, В.П. Полухин, A.M. Зайков, Л.Н. Смирнов;МИСИС.-М.,2004.-639с.

27. Основы технической диагностики /Под ред. П.П. Пархоменко.-М.: Энергия, 1976, Кн. 1.-464с.

28. Биргер И.А. Техническая диагностика.-М.: Машиностроение, 1978.- 240с.

29. Слесарев Д.А. Методы анализа нестационарных диагностических сигналов с использованием времячастотных и времямасштабных представлений/ Под ред. В.П. Лунина.-М.:Изд-во МЭИ,2004.-55с.

30. Маринов П. Системи и устройства за распознаване на сигнали и диагностични състояния.- София: Държавно издателство «Техника», 1980.-371с.

31. Вятченин Д.А. Нечёткие методы автоматической классификации. — Минск:Изд-во «Технопринт», 2004.-216с.

32. Киселев Н.В., Сечкин В.А. Техническая диагностика методами нелинейного преобразования.-Л.: Энергия, 1980.-110с.

33. Мироновский Л.А. Функциональное диагностирование динамических систем (обзор)// Автоматика и телемеханика.- 1980.-№8-С.96-121.

34. Мозгалевский А.В. Гаскаров Д.В. Техническая диагностика (Непрерывные объекты).-М.: Высшая школа, 1975.-208с.

35. Гинзбург Л.И. Динамика основных процессов прядения.-М.: Лёгкая индустрия, 1976.-303с.

36. Дятлов В.А., Кабанов А.Н., Милов Л.Т. Контроль динамических систем.-Л.: Энергия,!978.-88 с.

37. Вентцель Е.С. Теория вероятностей и её инженерные приложения. М.: Наука, 1988.-480с.

38. Мелихов А.Н., Берштейн JI.C., Коровин С.Я. Ситуационные советующие системы с нечёткой логикой.- М.: Наука, 1990.-271с.

39. Заде JI.А. Основы нового подхода к анализу сложных систем и процессов принятия решений// Математика сегодня. — М.: Знание, 1974.-45с.

40. Алиев Р.А., Абдикеев Н.М., Шахназаров М.М. Производственные системы с искусственным интеллектом.- М.: Радио и связь,1990.-213с.

41. Заде Л.А. Понятие лингвистической переменной и его применение к принятию приближённых решений. М.: Мир, 1976.-165с.

42. Серов В.В. Логическое представление нечётких знаний и его применение для решения прикладных задач качественного характера.-М.: Рос. заоч. ин-т текстил. и легкой пром-сти,2001.-107с.

43. Алтунин А.Е., Семухин М.В. Модели и алгоритмы принятия решений в нечётких условиях.-Тюмень: Изд-во Тюменского государственного университета,2000.-3 52с.

44. Поспелов Д.А. Ситуационное управление: теория и практика,—М.: Наука, 1986.-284с.

45. Севостьянов А.Г. Методы и средства исследования механико-технологических процессов текстильной промышленности.-М.: Легкая индустрия, 1980.-392с.

46. Севостьянов А.Г. Современные методы исследования неровноты продуктов хлопкопрядения. -М.:Легкая индустрия, 1966.-88с.

47. Bocklisch S.F., Priber U. Сетка размытых классификаторов как диагностическая система (перевод ГПНТБ)// Technische Kochschule Karl-Marx-Stadt.-1983.-№5-S.711-716.

48. Bocklisch S.F. A diagnosis system based on fuzzy classification// Computers in industry.-1986.-Ж7.-Р.73-82.

49. Твердохлебов В.А. Аксиоматический подход к диагностированию систем в целом// Методы и системы технической диагностики (Саратов).-1980.- Вып.1. С.40-50.

50. Борисов А.Н., Крумберг О.А., Федоров И.П. Принятие решения на основе нечётких моделей: примеры использования.-Рига: Знание, 1990.184 с.

51. Модальность// Лингвистический энциклопедический словарь. — М.: Советская Энциклопедия, 1990.-С.303-304.

52. Ushold М., Gruminger М. Ontologies: principles, methods and applications // Knowledge engeneering review. 1996.-Vol.l 1,№2-P.52.

53. Альфред Г., Херцбергер Ю. Введение в интервальные вычисления.-М.: Мир,1987.-360с.

54. Zadeh L.A. Fuzzy sets us a basis for theory of possibility// Fuzzy sets and systems. 1978. - Vol. 1, № l.-P. 3-28.

55. Дюбуа Д., Прад А. Теория возможностей. Приложения к представлению знаний в информатике/ Под ред. С.А. Орловского.- М.: Радио и связь, 1990.-286 с.

56. Кофман А. Введение в теорию нечётких множеств: Пер. с франц.-М.: 1982.-432 с.

57. Zadeh L.A. Test-score semantics for natural languages meaning representation via PRUF// Technical Note (California).-198l.-P. 281-349.

58. Zadeh L.A. A Theory of approximating reasoning// Machine Intelligence. -1979-Vol. 9.-P. 149-194.

59. Zadeh L.A. Calculs of fuzzy restrictions// Fuzzy sets and their applications to cognitive and decision process. — California: Academic press, 1975.-P. 1-39.

60. Круглов В.В., Дли М.И., Голунов Р.Ю. Нечёткая логика и искусственные нейронные сети.-М.: Изд-во физико-математической литературы, 2001.-224с.

61. Тэрано Т., Асаи К., Сугэно М. Прикладные нечёткие системы/ Под ред. Т. Тэрано и др.; Перевод с яп. Ю. Н. Чернышова.-М.: Мир, 1993.-368с.

62. Detyniecki M. Mathematical Aggregation Operators and their Application to Video Querying: Thesis for the degree Docteur de l'Universite.- Paris, 2000, 185 p. (Artifical Intelligence).

63. Беленький А.Г. Выбор шкал и операторов агрегирования при построении нечётких интеллектуальных информационно-управляющих систем.- М.: МЭИ, 1999.-23 с.

64. Mayor G., Trillas Е. On the representation of some Aggregation functions //Proceeding of ISMVL.- 1986.-P. 111-114.

65. Ovchinnikov S. On Robust Aggregation Procedures, Aggregation Operators for Fusion under Fuzziness/Вouchon-Meunier В. (eds.), 1998.-P. 3-10.

66. Mesiar R., Komornikova M., Aggregation Operators// Proceeding of the XI Conference on applied Mathematics PRIM' 96/ Herceg D., Surla K. (eds.).-Novi Sad, 1997.-P. 193-211.

67. W. Cholewa, Aggregation of fuzzy opinions—an axiomatic approach// Fuzzy Sets & Systems.-1985.-№ 17.-P. 249-258.

68. Мулен Э. Кооперативное принятие решений: Аксиомы и модели.-М.: Мир, 1991.-463с.

69. Малышев Н.Г., Берштейн Л.С., Боженюк А.В. Нечёткие модели для экспертных систем в САПР.- М.: Энергоатомиздат, 1991.-136с.

70. Модели принятия решений на основе лингвистической переменной /А.Н. Борисов, А.В. Алексеев, О.А. Крумберг и др.- Рига: Зинатне, 1982.-256с.

71. Нечёткие множества в моделях управления и искусственного интеллекта //А.Н. Аверкин, И.З. Батыршин, В.Б. Тарасов и др.; Под ред. Д.А. Поспелова. -М.: Наука, 1986.-312 с.

72. Технические средства диагностирования: Справочник/ В.В. Клюев, П.П. Пархоменко, В.Е. Абрамчук и др.; Под ред. В.В. Клюева.-М.: Машиностроение, 1989.-671 с.

73. Поспелов Д.А. Серые и/или чёрно-белые шкалы // Прикладная эргономика. Рефлексивные процессы.-1994.-№ 1 (Специальный выпуск). С.29-33.

74. Поспелов Д.А. Знания и шкалы в модели мира// Модели мира: Сб. /Под ред. Д.А. Поспелова. М.: Издат-во Российской ассоциации искусственного интеллекта, 1997.-С.69-84.

75. Тарасов В.Б. Послесловие к круглым столам// Новости искусственного интеллекта.-2001 .-№ 2-3.- С.29-36.

76. Ruspini Е. Numerical Methods for Fuzzy Clustering// Inf. Sci.-1970.-Vol. 2 .P. 319-350.

77. Bezdek J.C. Pattern Recognition with Fuzzy Objective Function Algorithms.-, New York: Plenum Press, 1980.- 216 p.

78. Grabisch M. k-order additive discrete fuzzy measures and their representation// Fuzzy Sets & Systems.-1997.-№ 92.- P. 167-189.

79. Sugeno M. Theory of fuzzy integrals and its applications: Ph.D. Thesis.-Tokyo, 1974.- 237 p.

80. Shapley L.S. A value for n-person games// Contributions to the Theory of Games/ H.W. Kuhn and A.W. Tucker (eds.), Princeton: Princeton University Press, 1953.-P.307—317.

81. Wakker P. A behavioral foundation for fuzzy measures// Fuzzy sets & Systems.-1990.-№ 37.-P. 327-350.

82. Murofushi Т., Soneda S. Techniques for reading fuzzy measures (III): interaction index// 9th Fuzzy System Symposium-Sapporo.-1993.-P. 693696.

83. Grabisch M., Roubens M. An axiomatic approach to the concept of interaction among players in cooperative games// Int. Journal of Game Theory.- 1999.-№ 28.-P. 547-565.

84. Шметтерер JI. Введение в математическую статистику.-М.:Наука,1976.-520с.

85. Choquet G. Theory of capacities// Annales de l'lnstitut Fourier.-1953.-№ 5.-P. 131-295.

86. Grabisch M. The application of fuzzy integrals in multicriteria decision making// European Journal of Operation Research.-1996.-№ 89.-P. 445-456.

87. Murofushi Т., Sugeno M. Non-additivity of fuzzy mesures representing preferential dependence// 2nd Int. Conf. On Fuzzy Systems and Newral Networks. -Iizuka, 1992.-P. 617-620.

88. Стенли P. Перечислительная комбинаторика.- M.: Мир, 1990.-440с.

89. Marichal J.-L. An axiomatic approach to the discrete Choquet integral as a tool to aggregate interacting criteria// IEEE Transactions on Fuzzy Systems.-2000.-№ 8(6).-P. 800-807.

90. Tanaka K., Sugeno M. A Study on Subjective Evaluation of Color Printing Images// Int. J. Of Approximate Reasoning.-1991.-№ 5.-P. 213-222.

91. Inoue K., Anzai T. A study on the industrial design evaluation based upon non-additive measures// 7th Fuzzy System Symp. -Nagoya, 1991.-P.521-524.

92. Sicilia M., Garsia E., Calvo T. An Inquiry-Based Method for Choquet Integral-Based Aggregation of Interface Usability Parameters// Republica Checa Kybernetica.-2003.-№ 39(5).-P. 601-614.

93. Pham Т., Wagner M. Similarity normalization for speaker verification by fuzzy fusion// The Journal of the Pattern Recognition Society.-2000.-№ 33.-P. 309-315.

94. Grabisch M. A Graphical Interpretation of the Choquet Integral// IEEE Transactions on Fuzzy Systems.- 2000.-№ 8.-P. 627-631.

95. Mori Т., Murofushi T. An analysis of evaluation model using fuzzy mesurethand the Choquet integral// 5 Fuzzy System Symposium, Kobe, Japan, 1989.-P. 207-212.

96. Marichal J.-L., Roubens M Determination of weights of interacting criteria from a reference set// European Journal of Operational Research.-2000.-№ 124.-P. 641-650.

97. Kojadinovic I. Minimum variance capacity identification// European Journal of Operational Research.- 2007.-№ 177 (l).-P. 498-514.

98. Фишберн П. Теория полезности для принятия решений.- М.: Наука, 1978.-227 с.

99. Трухаев Р.И. Модели принятия решений в условиях неопределённости.-М.: Наука, 1981.-258с.

100. Jaynes Е.Т. Information theory and statistical mechanics// Phys. Rev.-1957.-№ 106.-P. 620-630.

101. Kojadinovic I., Marichal J-L., Roubens M. An axiomatic approach to the definition of the entropy of a discrete Choquet capacity// Information Sciences.-2005.-№ 172.-P. 131-153.

102. Marichal J-L. Entropy of discrete Choquet capacities// European Journal of Operational Research.-2002.- № 137 (3).-P. 612-624.

103. Grabisch M., Kojadinovic I., Meyer P. Kappalab: Non additive measure and integral manipulation functions, R package version 0.3, 2006 (Описание программного продукта), http://www.polytech.univ-nantes.fr/kappalab/, 92 с.

104. Хосровян Г.А., Красик Я.М. Теория и практика очистки и подготовки полуфабриката к прядению.-Иваново: Иван. гос. текстил. акад., 1998.255 с.

105. Механическая технология текстильных материалов/ Под ред. А.Г. Севостьянова.-М.: 1989.-410с.

106. Плеханов Ф.М. Технологические процессы пневмомеханического прядения. -М.: Легпромбытиздат, 1986.-104с.

107. Сакулин С.А. Прибор для измерения ЛПМ чесальной ленты на основе пневматического датчика// Вестник ДИТУД.-2003.-№ 3(17).-С.58-63.

108. Кисин Б.М., Карпинский В.В. Анализ существующих способов измерения толщины волокнистых материалов,- М.: ЦНИИТЭИЛегпищемаш, 1972.-63с.