Диагностика текущего состояния сложных динамических объектов с использованием параметров имитационной модели тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Вершинин, Дмитрий Викторович

• Вершинин, Дмитрий Викторович
• кандидат технических наук
• 2011

Оглавление диссертации кандидат технических наук Вершинин, Дмитрий Викторович

ВВЕДЕНИЕ.

1. ИМИТАЦИОННЫЕ МОДЕЛИ ДЛЯ ДИАГНОСТИКИ ТЕКУЩЕГО СОСТОЯНИЯ СЛОЖНЫХ ДИНАМИЧЕСКИХ ОБЪЕКТОВ И ПРОБЛЕМЫ PIX ПОСТРОЕНИЯ.И

1.1. Существующие подходы к построению систем диагностики текущего состояния сложных динамических объектов.

1.2. Примеры построения и использования имитационных моделей.

1.2 Л. Имитационные модели отдельных режимов пространственного перемещения динамического объекта.

1.2.2. Проблема построения имитационной динамической модели газоперекачивающего агрегата (ГПА).1 б

1.2.3. Имитационная модель биоэлектрической активности сетчатки глаза

1.2.3.1 Зрительный анализатор как сложный динамический объект.

1.2.3.2 Существующая модель, имитирующая общую ЭРГ.

1.3. Постановка задач исследований.

1.4. Выводы.

2. ДИАГНОСТИКА ТЕКУЩЕГО СОСТОЯНИЯ СЛОЖНОГО ДИНАМИЧЕСКОГО ОБЪЕКТА ПО ПЕРЕХОДНОМУ ПРОЦЕССУ С ИСПОЛЬЗОВАНИЕМ НЕЧЕТКОГО ЛОГИЧЕСКОГО ВЫВОДА.

2.1. Особенности диагностируемых объектов.

2.2. Основные признаки, извлекаемые из общей ЭРГ и области их локализации для разных патологий.

2.3. Функции принадлежности для анализируемых признаков и построение матрицы логического вывода.

2.3 Система диагностики на основе нечеткого логического вывода, результат ее самотестирования для разных логических базисов и проверки ее на работоспособность для конкретных пациентов.

2.4. Выводы.

3. ПОСТРОЕНИЕ ИМИТАЦИОННОЙ МОДЕЛИ ДИНАМИЧЕСКОГО ОБЪЕКТА ПАРАЛЛЕЛЬНОЙ СТРУКТУРЫ С ЦЕЛЬЮ ПОЛУЧЕНИЯ ДОПОЛНИТЕЛЬНЫХ ПРИЗНАКОВ.

3.1. Проблема идентификации параллельных каналов (компонент).

3.2. Разработка подстраиваемой модели.

3.3. Результаты работы модели и основные признаки, извлекаемые из модели биоэлектрической активности сетчатки и области их локализации для разных патологий.

3.4. Выводы.

4. СИСТЕМА ДИАГНОСТИКИ ПАТОЛОГИЙ СЕТЧАТКИ ГЛАЗА НА БАЗЕ НЕЧЕТКОГО ЛОГИЧЕСКОГО ВЫВОДА ПО ОБЩЕЙ ЭРГ С ИСПОЛЬЗОВАНИЕМ ДОПОЛНИТЕЛЬНЫХ ПРИЗНАКОВ В ВИДЕ ПАРАМЕТРОВ ДИНАМИЧЕСКОЙ МОДЕЛИ БИОЭЛЕКТРИЧЕСКОЙ АКТИВНОСТИ СЕТЧАТКИ.

4.1. Использование дополнительных признаков в виде параметров динамической модели биоэлектрической активности сетчатки при построении диагностической системы.

4.2. Повышение качества диагностики при одновременном использовании результатов работы нескольких диагностических подсистем на ограниченное количество признаков.

4.3. Прототип системы диагностики патологий сетчатки глаза по общей ЭРГ, базирующейся на нечетком логическом выводе.

4.4. Принципы построения диагностической системы сложного динамического объекта на базе нечеткой логики с использованием параметров имитационной модели.

4.5. Выводы.

Введение диссертации (часть автореферата) на тему «Диагностика текущего состояния сложных динамических объектов с использованием параметров имитационной модели»

Диссертационная работа посвящена разработке системы диагностики текущего состояния сложного динамического объекта на базе нечеткой логики с использованием параметров имитационной модели.

Актуальность работы. Диагностика неисправностей в функционирующих сложных динамических объектах и системах является известной проблемой. К сложным объектам может быть отнесено большое число объектов разной природы. Для этих объектов характерно отсутствие достаточно полного математического описания, ограниченное число регистрируемых координат, большая размерность, нелинейность статических характеристик, параллельность структуры, отсутствие описания динамических свойств. Часто бывает, что имеющихся параметров объекта явно недостаточно для диагностики. Для диагностики подобных объектов используются различные подходы, базирующиеся на методах искусственного интеллекта. В основу этих методов закладывается знания и опыт экспертов, анализирующих текущее состояние объекта по виду наблюдаемых переходных процессов. Причем эти знания могут быть как на уровне интуиции, а так же и в виде формализованных признаков. При этом большое распространение получили мягкие вычисления. Однако в случае недостатка формализованных признаков эти подходы оказываются малоэффективными, а в случае избыточности повышается размерность, а эффективность тоже падает из-за того, что области изменения параметров для многих неисправностей оказываются пересекающимися. Подобная ситуация характерна для объектов параллельной структуры, когда в переходных процессах наблюдается суммарное проявление параллельно работающих компонент объекта. Примерами таких объектов могут выступать как технические, так и некоторые биологические объекты. Так входные и выходные контролируемые параметры газа компрессорного цеха с параллельно работающими компрессорами в стационарном режиме не позволяют оценить текущее техническое состояние каждого конкретного компрессора. Пока такая оценка делается расчетным путем и далека от совершенства. Сейчас делаются попытки провести диагностику текущего состояния компрессора путем анализа переходных процессов в режиме запуска его в работу. Примером биологического объекта служит сетчатка человеческого глаза, которая может быть представлена в виде динамического объекта с параллельной структурой, определяемой клеточным строением сетчатки. Диагностика патологий (неисправностей) сетчатки производится по характерным точкам переходного процесса или электроретинограммы (ЭРГ) в ответ на воздействие светового импульса. В ЭРГ так же регистрируется суммарный отклик всех параллельных слоев сетчатки, вклад каждого из которых зафиксировать технически невозможно. По виду этой суммарной реакции сложно определить вклад каждого слоя и соответственно состояние этих слоев.

В связи с этим является актуальным вопрос построения имитационных моделей динамических объектов параллельной структуры, достаточно точно воспроизводящих наблюдаемый процесс на выходе объекта. Значения параметров такой модели могут служить дополнительными признаками, используемыми для функционирования диагностической системы с целью повышения эффективности ее работы.

В данной работе под диагностическими системами подразумеваются системы, использующие для своего функционирования формализованные признаки, характеризующие состояние объекта, и математические описания реакции диагностируемого объекта на определенные входные воздействия. Предполагается ограниченное число возможных неисправностей (патологий) и их сочетаний. В такой постановке подобные диагностические системы оказываются эффективными в применении, как для технических объектов, так и для медицины.

Поэтому актуальным является разработка методов построения диагностической системы на базе нечеткой логики с использованием имитационной модели, позволяющей расширить базу диагностических признаков для повышения эффективности диагностики и разработка методики выделения групп признаков, позволяющих выявлять те или иные виды неисправностей (патологий), не увеличивая чрезмерно размерность диагностической системы.

Данная система является системой диагностирования в условиях неопределенности с расширенными возможностями анализа недоступных для прямого наблюдения сигналов системы. Это позволяет сужать множество возможных неисправностей. Такие системы применимы, когда количество возможных неисправностей не слишком большое, доступное для перечисления.

Цель диссертационной работы — разработка общих принципов создания системы диагностики текущего состояния сложного динамического объекта параллельной структуры по характерным точкам (признакам) наблюдаемого общего переходного процесса на базе нечеткой логики и с использованием параметров подстраиваемой имитационной модели такого объекта

Задачи исследования:

1. Анализ возможностей реализации и выработка требований и основных подходов к построению систем диагностики для оценки текущего состояния сложных динамических объектов с параллельной структурой по наблюдаемому общему переходному процессу.

2. Исследование эффективности и качества функционирования диагностической системы на базе нечеткого логического вывода для оценки текущего состояния сложного динамического объекта с параллельной структурой, с использованием в качестве характерных признаков определенного, ограниченного числа точек наблюдаемого общего переходного процесса.

3. Анализ возможных подходов и построение динамической модели объекта параллельной структуры, имитирующей с определенной точностью наблюдаемый общий переходный процесс на выходе реального объекта, с целью получения дополнительных признаков текущего состояния неконтролируемых компонент этого реального объекта.

4. Исследование эффективности и качества диагностических систем на базе нечеткого логического вывода для оценки текущего состояния сложного динамического объекта параллельной структуры с различными сочетаниями и количествами используемых характерных признаков, извлекаемых как из наблюдаемого общего переходного процесса, так и в виде параметров имитационной модели объекта.

Научная новизна:

1. Разработан принцип диагностики сложного динамического объекта параллельной структуры на основе нечеткой логики с использованием параметров имитационной модели объекта, расширяющей базу формализованных признаков.

2. Предложена и обоснована структура диагностической системы в виде одновременно действующих групп (ансамблей) частных подсистем с ограниченным числом признаков, ориентированных на выявление определенных видов неисправностей (дефектов, патологий) объектов.

На защиту выносятся:

1. Обоснование возможности использования методов нечеткой логики для построения диагностической системы оценки текущего состояния динамического объекта параллельной структуры при отсутствии достаточной статистики.

2. Разработка подхода к построению диагностической системы на базе нечеткой логики для динамических объектов параллельной структуры с использованием параметров подстраиваемой имитационной модели объекта в качестве дополнительных признаков.

3. Результаты исследований по учету специфики построения и настройки имитационной модели динамического объекта параллельной структуры, на которой с помощью подстраиваемых параметров, по возможности, точно воспроизводится реакция реального объекта на тестовый сигнал.

4. Обоснование принципа выявления групп признаков для построения диагностических подсистем на базе нечеткого логического вывода, разброс значений параметров которых не всегда четко характеризует отдельные категории состояния объекта.

Достоверность и обоснованность научных результатов и положений диссертации подтверждается их совпадением с результатами математического моделирования и натурных экспериментов.

Практическая значимость результатов

1. Разработана имитационная динамическая модель суммарной биоэлектрической активности сетчатки, в виде динамического объекта параллельной структуры, параметры которой определяются по результатам подстройки переходного процесса на выходе модели под вид реакции объекта на схожие тестовые воздействия.

2. Построен прототип диагностической системы патологий сетчатки глаза по результатам электроретинографических исследований, базирующийся на нечетком логическом выводе и использующий параметры имитационной динамической модели сетчатки в качестве дополнительных признаков.

Реализация результатов

Участие в грантах Российского фонда фундаментальных исследований:

Исследование и разработка методов и моделей диагностики сложных проблемных ситуаций на основе методов искусственного интеллекта» (проект 07-01-00762).

Методы диагностики объектов и систем сложной структуры с использованием параметров имитационных моделей» (проект 10-01-00049).

Апробация работы.

Основные результаты диссертационной работы докладывались и обсуждались на Международных научно-технических конференциях «Информационные средства и технологии» 2009 - -2010гг., Москва, МЭИ (ТУ); 16, 17, 18 и 19 Международных научно-технических семинарах «Современные технологии в задачах управления, автоматики и обработки информации». 2007 - 2010 г., Украина, г. Алушта; на 13 Всероссийской конференции «Математические методы распознавания образов». Ленинградская обл., г. Зеленогорк, 2007 г.

Публикации. Основные положения диссертации опубликованы в 12-ти печатных работах, в том числе в 4-х статьях в журналах, рекомендованных ВАК для защиты кандидатских диссертаций.

Структура и объем работы. Диссертация состоит из введения, 4 глав, заключения, списка литературы из 63 наименования и приложения, изложенных на 132 страницах машинописного текста, содержит 49 рисунков, 45 таблиц.

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Вершинин, Дмитрий Викторович

4.5. Выводы

1. Специфика диагностики глазных заболеваний по ЭРГ, а именно по общей ЭРГ, заключается в довольно широком разбросе параметров ЭРГ для различных патологий, в том числе и для нормы. В клинической практике используются 4 параметра ЭРГ, а именно значения абсцисс и ординат точек минимума и максимума. Использование параллельной динамической самоподстраиваемой модели позволяет добавить еще 5 параметров, характеризующих конкретные компоненты. Модельные параметры дополняют основные электроретинограммные, при этом конкретизируя отдельные компоненты.

2. Показано, что диагностические системы на базе нечеткой логики, построенные для 4 временных параметров ЭРГ оказываются недостаточно эффективными для диагностики. Система, которая диагностировала по всем 9 параметрам оказалась избыточной в силу большого диапазона разброса параметров. Система по 3-м признакам оказывается недостаточной для диагностики, так как важно не только верное диагностирование пациентов, но и отсутствие ложноположительных результатов.

3. При исследовании диапазонов разброса параметров были выявлены параметры, разброс значений которых весьма четко характеризует отдельные категории состояния сетчатки. Но при этом также не все параметры могут работать в одной диагностической системе, имеет место нежелательное сочетание параметров. Поэтому предполагается использование групп простых систем (не более 3-х параметров в каждой) для различения диагнозов.

4. При разбиении 9 признаков на группы по 3 получаем 84 сочетания параметров. И из этих сочетаний формируются группы наиболее успешно диагностирующие патологии. Фактически работа группы таких сочетаний представляется как рассматривание проблемы под разными углами, с разным сочетанием параметров, что позволяет увидеть суммарную степень близости к предполагаемому диагнозу.

5. Были сформированы 5 групп систем диагностирования. В каждой группе по 8-17 систем сочетаний признаков. Системы в эти группы подбирались таким образом, чтобы можно было различать конкретный диагноз (а в некоторых случаях и не один) и при этом наличие ложноположительных результатов было бы минимальным.

6. Работа предложенной диагностической системы обеспечила различимость (степень близости) патологий не хуже 0.9 для выборки из 180 ЭРГ.

7. Сформулирован обобщающий принцип построения трехуровневых диагностических систем для выявления неисправностей сложных динамических объектов, базирующийся на нечетком логическом выводе, и использующий параметры подстраиваемой модели объекта в качестве дополнительных признаков для диагностики.

ЗАКЛЮЧЕНИЕ

В диссертационной работе получены следующие существенные результаты:

1. Показана возможность использования методов нечеткой логики для построения диагностической системы оценки текущего состояния динамического объекта параллельной структуры при отсутствии достаточной статистики.

2. Сформулирован обобщающий принцип построения трехуровневых диагностических систем для выявления неисправностей сложных динамических объектов, базирующийся на нечетком логическом выводе, и использующий параметры подстраиваемой модели объекта в качестве дополнительных признаков для диагностики

3. На примере построения имитационной модели БЭАС продемонстрирована специфика построения имитационной модели динамического объекта параллельной структуры, на которой с помощью подстраиваемых параметров, по возможности, точно воспроизводится реакция реального объекта на тестовый сигнал.

4. Показано, что диагностические системы, на базе нечеткой логики, использующие ограниченное число признаков из наблюдаемого процесса, могут оказаться недостаточно эффективными для диагностики.

5. Показан принцип выявления параметров признаков, разброс значений которых весьма четко характеризует отдельные категории состояния объекта.

6. Были сформированы группы подсистем диагностики, работающих по трем признакам, позволяющие со степенью приближения выше 0,9 диагностировать конкретные патологии сетчатки.

Список литературы диссертационного исследования кандидат технических наук Вершинин, Дмитрий Викторович, 2011 год

1. Arita S. (1991) Development of an ultrasonic cancer diagnosis system using fuzzy theory. Japanese Journal of Fuzzy Theory and Systems, vol. 3, № 3, pp 215-23.

2. Armington, J. C. The Electroretinogram// Academic Press.- 1974.- New York.

3. Heynen, H. & van Norren, D. Origin of the electroretinogram in the intact macaque eye. I. Principal compound analysis// Vision Research.- 1985.-25.-P.697-707.

4. Miller R.F., Dowling J.E. Intracellular responses of the Muller (glial) cells of the mudpuppy retina: their relation to b-wave of the electroretinogram // J. Neurophysiol. 1970. - V. 33. - P. 323-339.

5. Murakami, M. & Kaneko, A. Subcomponents of P3 in cold-blooded vertebrate retinae//Nature.- 1966.-210, P.103-104.

6. Newman E.A., Odette L.L. Model of electroretinogram b-wave generation: test of the K-hypothesis // J. Neurophysiol. 1984. - V. 51. - P. 164-182.

7. Perlman I. The Electroretinogram: ERG. http://www.webvision.ERG

8. Von Alltrock C. (1993) Fuzzy logic: Band 1 — Technologies Rl Oldenburg; Verlag GmbH, Munchen. Germany.

9. Witkovsky, P., Dudek, E. F. & Ripps, H. Slow P-III component of the carp electroretinogram:// Journal of General Physiology 1975.-65, P. 119-134.

10. Zueva M., Tsapenko I., Vaskov S. The components of human and rabbit 8Hz and 12-hz flicker ERG as a function on intensity, size and position of stimuli // Abstracts of 42nd ISGEV Symposium (San Juan). 2004. - P. 132.

11. Анисимов Д.Н. Дифференциация патологий сетчатки глаза на основе нечеткой логики / Д.Н. Анисимов, Ю.Ю. Астахова, Д.В. Вершинин, О.С. Колосов, М.В. Зуева, ИВ. Цапенко // Мёхатроника, автоматизация, управление. 2010. - № 2. — С. 56-60.

12. Анисимов Д:Н. Идентификация линейных динамических объектов методом- экспоненциальной модуляции: Автоматика, вычислительная техника и информатика. МЭИ, 1995. G. 74-78

13. Анисимов Д.Н! Идентификация линейных динамических объектов методом экспоненциальной модуляции./ Вестник МЭИ. 1994, №2. С.68-72.

14. Анисимов Д.Н., Вершинин Д.М., Колосов О.С., Зуева М., Цапенко И.В. Построение систем диагностики патологий сетчатки глаза методами искусственного интеллекта с учетом параметров динамической модели сетчатки. // Вестник МЭИ.- 2010. №4.- С.26 - 33.

15. Анисимов Д.Н., Колосов О.С., Вершинин Д.В., Зуева М.В., Цапенко И.В. Диагностика динамических объектов методами нечеткой логики с использованием параметров имитационных моделей. // Мехатроника, автоматизация, управление — 2010. №10. — С. 45—50

16. Анисимов, Д.Н. Нечеткие алгоритмы управления: Учебное пособие / Д.Н. Анисимов. М.: Издательство МЭИ, 2004. - 80 с.

17. Анисимов, Д.Н. Использование нефункциональных соответствий при построении нечетких систем управления / Д.Н. Анисимов, Ю.Ю. Пискунова // Мехатроника, автоматизация, управление. — 2007 — № 3. -С. 18-21.

18. Анисимов, Д.Н. Использование нечеткой логики в системах автоматического управления / Д.Н. Анисимов // Приборы и системы. Управление, Контроль, Диагностика. 2001 - № 8 - С. 39-42.

19. Асаи К. Прикладные нечеткие системы: пер. с яп. / Под ред. Т.Тэрано, К. Асаи, М. Сугэно. М.: Мир, 1993. 368 с.

20. Блейклок Д.Г. Автоматическое управление самолетами и ракетами. -М.: Машиностроение. 1969 г.

21. Боднер В.А. Системы управления летательными аппаратами. М.: Машиностроение: 1973 г.

22. Борисов, В.В. Нечеткие модели и сети / В.В. Борисов, В.В. Круглов, A.C. Федулов. М.: Горячая линия - Телеком, 2007. - 284 с.

23. Вершинин Д.В. Разработка подстраиваемой модели сетчатки глаза. Магистерская диссертация. МЭИ. Москва 2008г.39:Гранит Р. Электрофизиологические исследования рецепции//М. 1947 (перев. с англ. 265).

24. Гроп Д. Методы идентификации систем. М.: Мир, 1979 - 302 с.

25. Еремин Д.М., Гарцеев И.Б. Искусственные нейронные сети в интеллектуальных системах управления. — М.: МИРЭА, 2004. — 75 с.

26. Зуева М.В., Цапенко И.В., Пак Н.В., Васьков С.О. Источники генерации ритмической ЭРГ в сетчатке кролика // Материалы Первого Международного Междисциплинарного Конгресса «Достижения нейронауки для современной медицины и психологии», 2005. С. 79

27. Карабутов H.H. Структурная идентификация статических объектов: Поля, структуры, методы. — М. :Книжный дом «Либроком», 2011. — 152 с.

28. Колосов О.С., Лепешкин С.Н., Сухецкий А.П. Специфика параллельной работы динамических объектов и систем на общую нагрузку. // Мехатроника, автоматизация, управление 2010. - №10. — С. 27-33.

29. Леоненков, A.B. Нечеткое моделирование в среде MATLAB и fuzzyTECH / A.B. Леоненков. СПб.: БХВ-Петербург, 2003. - 719 с.

30. Льюинг Л. Идентификация систем. Теория для пользователя. М.: Наука, 1991.432с.

31. Мелихов, А.Н. Ситуационные советующие системы с нечеткой логикой / А.Н. Мелихов, Л.С. Бернштейн, С.Я. Коровин. М.: Наука, 1990. -272 с.

32. Павлов В.А., Понырко С.А., Хованский Ю.М. Стабилизация летательных аппаратов и автопилоты. — М.: Высшая школа. 1964 г.

33. Пархоменко П., Согомонян Е. С. Основы технической диагностики/Под ред. П. П. Пархоменко.- М.: Энергоиздат, 1981.

34. Пегат А. Нечеткое моделирование и управление; пер. с англ. М.: БИНОМ. Лаборатория знаний, 2009 - 798 с.

35. Рассохин Н.Г. "Парогенераторные установки атомных электростанций" М.: Энергоатомиздат, 1986 г.

36. Резвых C.B. Биотехническая система электроретинографических исследований диабетической ретинопатии. Кандидатская диссертация. МВТУ им. Н.Э. Баумана, Москва 2010.

37. Семенов А. Д., Артамонов Д. В., Брюхачев А. В. Идентификация объектов управления: Учебн. пособие. Пенза: Изд-во Пенз. гос. ун-та, 2003.-211 с.

38. Слободчиков К.Ю. Математическое и информационное обеспечение системы управления компрессорного цеха газоперекачивающих агрегатов// Автоматизация в промышленности. ИПУ РАН. 2004. №7-С 38-42.

39. Слободчиков К.Ю. Методи та модел1 розподшу навантаження м1ж газоперекачувальними агрегатами компресорного цеху.// Науковий вюник 1ФНТУНГ 2008 №2(18) 2008. - С. 106-114.

40. Тулупьев A. JI Алгебраические байесовские сети. Логико вероятно-стый подход к моделированию баз данных с неопределённостью. Российская академия наук, Санкт - Петербургский институт информатики и автоматизации, Санкт - Петербург, 2000 г.

41. Хрипков A.B. Исследование и применение интегрально-модуляционных методов идентификации линейных динамических объектов. Кандидатская диссертация. МЭИ. Москва 2009.

42. Цыпкин Я.З.Основы теории информационной теории идентификации.