Дипломная работа: Использование алгоритмов искусственного интеллекта в процессе построения UFO-моделей
Характерные черты подземного транспорта:
– сравнительно небольшие расстояния транспортирования в подземных условиях при значительных объёмах перевозки;
– неравномерность грузопотоков;
– широкая разветвлённость транспортных магистралей;
– наличие в одной магистрали нескольких видов транспорта и необходимость перегрузок в местах сопряжения;
– многозвенность транспорта, работающего в горизонтальных и наклонных выработках в стеснённых условиях при значительной запылённости, влажности и загазованности окружающей среды.
Основные виды подземного транспорта: конвейерный и локомотивный.
Конвейерный транспорт характеризуется:
– высокой производительностью, связанной с поточностью;
– низкой трудоёмкостью обслуживания;
– высокой надёжностью;
– низким уровнем травматизма обслуживающего персонала;
– способностью транспортировать груз, как по горизонтальным, так и по наклонным выработкам;
– удобством сопряжения с очистными забоями.
Недостатки конвейерного транспорта:
– относительно высокие капитальные и эксплуатационные затраты;
– неприспособленность к транспортированию крупнокусковых и абразивных грузов;
– низкая технологическая гибкость.
Локомотивный транспорт характеризуется
– многофункциональностью;
– практически неограниченной производительностью;
– высокой экономичностью;
– маневренностью;
– высоким коэффициентом готовности.
Недостатки локомотивного транспорта:
– цикличность
– зависимость производительности от уровня организации
– ограниченность применения по углам наклона
– наличие сложного аккумуляторного хозяйства при использовании аккумуляторных электровозов.
Существуют различные системы подготовки и вскрытия шахтного поля. Одной из них является панельная система подготовки с отработкой длинными столбами по простиранию.
При панельной системе подготовки применяется следующая схема транспорта. Отбитый уголь по призабойному скребковому конвейеру через перегружатель доставляется на ярусный штрек. В зависимости от мощности забоя, могут быть применены 2 последовательно соединённые конвейера 2ЛТ80 и 2Л80 или один 1ЛТ100 на всю длину ярусного штрека. Далее уголь подаётся на панельный конвейерный уклон, где, в зависимости от нагрузки, могут быть применены уклонные ленточные конвейеры 1ЛУ100, 2ЛУ100 или 2ЛУ120В. В месте сопряжения уклона и главного полевого транспортного штрека оборудуется горный бункер ёмкостью 100-150 т. По главному штреку транспортирование осуществляется локомотивной откаткой. Для доставки материалов и оборудования к очистному забою по ярусным штрекам предусматривается установка грузо-людской монорельсовой дороги ДМКМ. Для обслуживания конвейера на конвейерном уклоне устанавливается монорельсовая дорога.
4.3 UFO-модель шахтной транспортной системы
Контекстная модель шахтной транспортной системы показана на рис. 4.1.
Рисунок 4.1 – Контекстная модель шахтной транспортной системы
В процессе построения декомпозиции контекстной модели шахтной транспортной системы муравей может пользоваться библиотекой компонентов, основные элементы которой представлены на рис. 4.2.
Рисунок 4.2 – Основные элементы библиотеки компонентов
Первоначально муравей находится в добывающем забое. Если муравей выбрал для транспортировки отбитого угля компонент "Конвейер 1ЛТ100", то диаграмма декомпозиции контекстной модели шахтной транспортной системы примет следующий вид (рис. 4.3).
Рисунок 4.3 – Первый шаг муравья
Далее муравей может выбрать уклонный ленточный конвейер 1ЛУ100. В этом случае диаграмма декомпозиции контекстной модели шахтной транспортной системы примет такой вид, как показано на рис. 4.4.
Рисунок 4.4 – Второй шаг муравья
На последнем шаге муравей выбирает локомотивную откатку. В результате получается такая диаграмма декомпозиции контекстной модели шахтной транспортной системы, как показано на рис. 4.5.
Рисунок 4.5 – Третий шаг муравья
Если бы на первом шаге муравей выбрал вместо конвейера 1ЛТ100 конвейер 2ЛТ80, а вместо конвейера 1ЛУ100 конвейер 2ЛУ120В, то в результате получилась бы диаграмма декомпозиции контекстной модели шахтной транспортной системы, показанная на рис. 4.6.
Рисунок 4.6 – Диаграмма декомпозиции контекстной модели
Выводы
В процессе выполнения магистерской аттестационной работы получены следующие результаты:
– проанализированы современные технологии построения систем;
– проанализированы прикладные методы и технологии искусственного интеллекта:
1) нейронные сети;
2) генетические алгоритмы;
3) системы, основанные на продукционных правилах;
4) нечеткая логика;
5) умные агенты;
6) алгоритм муравья.
– осуществлена адаптация алгоритма муравья к задаче построения UFO-модели из заданных компонентов:
1) начальное размещение муравья;
2) правила соединения муравьем UFO-компонентов;
3) перемещение муравья из входа и выхода контекстной диаграммы;
4) перемещение муравья из входа и выхода UFO-компонента;
5) разрешение конфликтов при перемещении нескольких муравьев.
– разработан пример использования Microsoft Excel в процессе построения UFO-модели из заданных компонентов на основе алгоритма муравья;
– полученные результаты применены в процессе UFO-моделирования шахтной транспортной системы.
Полученные результаты можно использовать в процессе UFO-анализа.
Среди возможных направлений развития следует отметить перспективность исследования возможности применения других алгоритмов искусственного интеллекта в процессе UFO-анализа. Также направлением развития может быть внедрение полученных результатов в CASE-инструментарии, используемые в процессе моделирования систем.
Результаты работы апробированы на IV-м Международном научно-практическом форуме "Информационные технологии и кибернетика 2006", который проходил в Днепропетровске 27-28 апреля 2006 г., и опубликованы в сборнике докладов и тезисов этого форума [44].
Перечень ссылок
1. Лямец В.И., Тевяшев А.Д. Системный анализ. Вводный курс. – Харьков: ХТУРЭ, 1998. – 252 с.
2. Давыдов А.Н., Судов Е.В., Якунина О.В. Применение расширенной идеологии IDEF для анализа и реинжиниринга бизнес-процессов в производственных и организационных системах // Проблемы продвижения продукций и технологий на внешний рынок. Специальный выпуск, 1997. – С. 23-27.
3. Информационные технологии организационного управления сложными социотехническими системами / О.Е. Федорович, Н.В. Нечипорук, Е.А. Дружинин, А.В. Прохоров. – Харьков: Нац. аэрокосм. ун-т "Харьк. авиац. ин-т", 2004. – 295 с.
4. Емельянов В.В., Урусов А.В. IDEF-RDO: имитационный анализ функциональной структуры сложных систем // Программные продукты и системы. – 1997. – № 3. – С. 13-18.
5. Калянов Г.Н. Консалтинг при автоматизации предприятий. – М.: Синтег, 1997. – 316 с.
6. Вендров А.М. CASE-технологии. Современные методы и средства проектирования информационных систем. – М.: Финансы и статистика, 1998. – 176 с.
7. Бондаренко М.Ф., Маторин С.И., Ельчанинов Д.Б. Системная технология моделирования информационных и организационных систем: Учебное пособие. – Харьков: ХНУРЭ, 2005. – 116 с.
8. Емельянов В.В., Попов Э.В. Интеллектуальное имитационное моделирование в реинжиниринге бизнес-процессов // Программные продукты и системы. – 1998. – № 3. – С. 3-10.
9. Маклаков С.В. Моделирование бизнес процессов с BPwin 4.0. – М.: Диалог-МИФИ, 2002. – 224 с.
10. Маклаков С.В. BPwin, ERwin. CASE-средства разработки информационных систем. – М.: Диалог-Мифи, 1999. – 295 с.
11. Маторин С.И. Анализ и моделирование бизнес-систем: системологическая объектно-ориентированная технология. – Харьков: ХНУРЭ, 2002. – 322 с.
12. Бондаренко М.Ф., Соловьева Е.А., Маторин С.И., Ельчанинов Д.Б. Системологическая технология моделирования информационных и организационных систем: Учебное пособие. – Харьков: ХНУРЭ, 2005. – 136 с.
13. Маторин В.С., Маторин С.И., Полунин Р.А., Попов А.С. Знаниеориентированный CASE-инструментарий автоматизации UFO-анализа // Проблемы программирования. – 2002. – №1-2. – С. 469-476.
14. Маторин С.И., Ельчанинов Д.Б. Применение теории паттернов для формализации системологического УФО-анализа // Научно-техническая информация. Серия 2. – 2002. – №11. – С. 1-8.
15. Джонс М.Т. Программирование искусственного интеллекта в приложениях. – М.: ДМК Пресс, 2004. – 312 с.
16. Хьюбел Д. Глаз, мозг, зрение. – М.: Мир, 1990. – 239 с.
17. Pulsed neural networks / by W. Maas and C.M. Bishop eds. – MIT Press. – 1999. – 408 p.
18. Lin C.T. Neural fuzzy systems: a neuro-fuzzy synergism to intelligent systems. – Upper Saddle Rever, New Jersey: Prentice Hall PTR, 1997. – 786 p.
19. Цыпкин Я.З. Основы теории обучающихся систем. – М.: Наука, 1970. – 252 с.
20. Hertz J. Introduction to the theory of neural computation. – Redwood City: Addison-Wesley Publishing Company, 1996. – 327 p.
21. Kohonen T. Self-organizing Maps. – Berlin: Springer-Verlag, 1995. –363 p.
22. Приобретение знаний / Под ред. С. Осуги, Ю. Саэки; Пер. с япон. – М.: Мир, 1990. – 304 с.
23. Огнев И.В. Интеллектуальные системы ассоциативной памяти. – М.: Радио и связь, 1996. – 176 с.
24. Kung S.Y. Digital Neural Networks. – Engewood Cliffs, New Jersey: PTR Prentice Hall, 1994. – 418 p.
25. Корнеев В.В., Гареев А.Ф., Васютин С.В., Райх В.В. Базы данных. Интеллектуальная обработка информации. – М.: "Нолидж". 2000. – 352 с.
26. Люгер Д.Ф. Искусственный интеллект: стратегии и методы решения сложных проблем. – М.: "Вильямс", 2003. – 864 с.
27. Goldberg D.E. Genetic algorithms in search, optimization and machine learning. – Adison Wesley, Reading, MA, 1989. – 308 p.
28. Эволюционные вычисления и генетические алгоритмы. Обозрение прикладной и промышленной математики. Выпуск 5.– М.: "ТВП".– Т.3.– 1996.– 204 с.
29. Ельчанинов Д.Б., Кривуля Г.Ф., Лобода В.Г., Механа Сами Применение генетических алгоритмов и многоуровневых сетей Петри при проектировании компьютерной техники // Радиоэлектроника и информатика, 2002. – № 1. – С. 89-97.
30. Петросов Д.А. Лобода В.Г., Ельчанинов Д.Б. Представление генетических алгоритмов сетями Петри в задачах проектирования компьютерной техники // Материалы научно-практической конференции "Информационные технологии – в науку и образование". Харьков: ХНУРЭ, 2005. – С. 48-51.
31. Ельчанинов Д.Б., Петросов Д.А., Механа Сами Применение генетических алгоритмов при проектировании компьютерной техники // Вестник Херсонского государственного университета. № 2 (18). 2003. – С. 35-38.
32. Григорьев А.В. Представление генетических алгоритмов сетями Петри в задаче размещения. Автореф. дис. канд. техн. наук. – Казань, 2002. – 20 c.
33. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности / Г.К. Вороновский, К.В. Махотило, С.Н. Петрашев, С.А. Сергеев. – Х.: ОСНОВА, 1997. – 112 с.
34. De Jong K.A. Genetic Algorithms: A 10 Year Perspective // In: Procs of the First Int. Conf. on Genetic Algorithms, 1985. – P. 167-177.
35. Искусственный интеллект [В 3-х кн.]. – Кн. 2. Модели и методы: Справочник / Под. ред. Д.А. Поспелова. – М.: Радио и связь, 1990. – 304 с.
36. Бакаев А.А., Гриценко В.И., Козлов Д.Н. Экспертные системы и логическое программирование. – Киев: Наук. думка, 1992. – 220 с.
37. Бондарев В.Н., Аде Ф.Г. Искусственный интеллект. – Севастополь: Изд-во СевНТУ, 2002. – 615 с.
38. Обработка нечеткой информации в системах принятия решений / А.Н. Борисов, А.В. Алексеев, Г.В. Меркурьев. – М.: Радио и связь, 1989. – 304 с.
39. Поспелов Д.А. Ситуационное управление: теория и практика. – М.: Наука, 1986. – 288 с.
40. Джексон П. Введение в экспертные системы. – М.: "Вильямс", 2001. – 624 с.
41. Sycara P.K. Multiagent Systems // AI MAGAZINE. – 1998. – V. 19. – № 2. – P. 79-93.
42. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. – СПб: Питер, 2000. – 384 с.
43. Marco Dorigo, Vittorio Maniezzo, Alberto Colorni. The Ant System: Optimization by a colony of cooperating agents. // IEEE Transactions on Systems, Man and Cybernetics – Part B, Vol. 26, No.1, 1996. – P. 1-13.
44. Сергиенко И.Н. Алгоритмы искусственного интеллекта в процессе организационного моделирования // Информационные технологии и кибернетика 2006: Сборник докладов и тезисов IV-го Международного научно-практического форума (Днепропетровск, 27-28 апреля 2006 г.). – Днепропетровск: ИТМ, 2006. – С. 62-63.
45. Петров В.Н. Информационные системы. – СПб.: Питер, 2002. – 688 с.
46. Подземный транспорт шахт и рудников: Справочник / Под общей редакцией Г.Я. Пейсаховича, И.П. Ремизова. – М.: Недра, 1985. – 304 с.
