классификации и многомерного статистического анализа данных, характеризующих состояние ДВС,
относятся:
Рис. 2. Схема взаимодействия блоков АТК ЭУ
- необходимость учета существенной многомерности данных;
- возможность лаконичного объяснения природы анализируемых многомерных структур;
- максимальное использование «обучения» в настройке математических моделей идентификации и
снижения размерности исходных данных;
- возможность оптимизации задач классификации и снижения размерности.
Первые два принципа определяются природой обрабатываемых данных, а следующие два – логикой
построения технических средств. При решении задач экспертизы состояния ДВС применяются два
основных класса моделей: математические (аналитические) и семантические, требующие для реализации
разные аппаратные и программные средства. Для моделей первого типа применяются преимущественно
методы статистического и дискриминантного анализа, а для моделей второго типа – классификация
состояний без обучения (таксономия, эвристические алгоритмы, иерархические методы и др.).
Определение фреймовой модели представления знаний. Ядром ИЭСД является база знаний (БЗ) –
модель предметной области. От качества ее реализации зависит эффективность работы ЭС. Поэтому
важно использование в полной мере опыта специалистов в этой предметной области, их знаний,
интуиции, практических навыков. При этом особое место при создании ИЭСД занимает подготовка
методики работы со знаниями (инженерия знаний), которая предусматривает приобретение,
представление и использование знаний для насыщения ими Б3. Опыт применения только продукционных
правил для организации знаний в ИЭСД [2-4] выявил у них ряд недостатков: низкая оперативность
выработки результата экспертизы по управлению объектом экспертизы (ОЭ); отсутствие учета временной
зависимости процессов функционирования ОЭ и возмущающих воздействий; сложность и громоздкость
структуры базы знаний, формализующей древовидную технологическую процедуру экспертизы
двигателей.
Электронная Научная СельскоХозяйственная Библиотека