ИННОВАЦИИ БИЗНЕСУ

01

Результат выполнения конструкторской разработки.

Человеко-машинные системы управления реализуются в настоящее время на сугубо формальной машинной технике, в то время как для заполнения баз знаний часто используется эвристическая, неформальная информация и логика. Высокая степень формализма ПЭВМ снижает эффективность таких систем, если применяются только традиционные методы математического моделирования. Указанный недостаток может быть преодолен при использовании одновременно с обычными нейронных моделей технологических процессов. Нейронные модели в процессе управления формируют необходимые образы, понятия, дают интерпретацию явлений в форме, удобной для эмоционального восприятия оператором или экспертом. Например, в доменном процессе с помощью нейронной модели, реализованной на компьютере, может быть сформировано понятие "тепловое состояние" печи. Для генерации понятий нейронные модели следует объединять в активные семантические сети, например "М-сети". В таком виде появляется дополнительная возможность интерпретации результатов управления в объектах высокой интеллектуальной сложности. В основе нейронной модели целесообразно использовать компьютерный аналог человеческого нейрона в виде нелинейного суммирующего устройства с последующим преобразованием информации с помощью "функции активации". Искусственный нейрон в этом случае имеет один выход и несколько входов "синапсов", на которые поступает внешняя информация. Нейрон умножает входное воздействие на весовой коэффициент "проводимости синапсов" и суммирует взвешенные входы. Далее найденный суммарный сигнал подвергается преобразованию с помощью функции активации, являющейся аналогом передаточной функции. При обучении нейронной модели на ее входы подают информацию, соответствующую эталонной ситуации.

Распознавание понятия или образа "выполняют итерационным способом путем изменения весов синапсов по заранее заданному алгоритму. Процесс обучения заканчивают при достижении на выходе нейронной модели величины, соответствующей ожидаемой с принятой степенью точности. Мощность современной вычислительной техники, используемой в системах управления технологическими процессами, позволяет легко преодолевать традиционные недостатки нейронных моделей, заключающиеся в относительно длительном процессе обучения и отсутствии теории выбора необходимого алгоритма настройки весовых коэффициентов синапсов.

"Натренированные нейронные" модели технологических процессов можно использовать в системах управления реального времени.

Применяется на АООТ металлургическое П.О.