Дипломы, курсовые, рефераты, контрольные...
Срочная помощь в учёбе

Разработка методологии построения экспертных систем для диагностики цифровой РЭА

Диссертация: Разработка методологии построения экспертных систем для диагностики цифровой РЭА
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Актуальность проблемы Одним из эффективных методов повышения надежности РЭА в процессе эксплуатации является ее рациональная техническая диагностика, которая позволяет организовать поиск и локализацию неисправности. Особое значение эта проблема приобретает при эксплуатации и обслуживании сложных радиотехнических комплексов специального назначения, для которых главными показателями качества… Читать ещё >

Содержание

  • Список обозначений
  • Список сокращений
  • Глава 1. Анализ состояния проблемы
    • 1. 1. Обзор традиционных методов диагностики РЭА
    • 1. 2. Обзор ЭС в области диагностики
    • 1. 3. Архитектура экспертных систем
    • 1. 4. Представление знаний в ЭС
      • 1. 4. 1. Логическая модель представления зшшш
      • 1. 4. 2. Семантические модели
      • 1. 4. 3. Фреймы
      • 1. 4. 4. Продукционные модели
      • 1. 5. Классификация методов поиска решений в ЭС
      • 1. 5. 1. Поиск решения в одном пространстве
      • 1. 5. 2. Поиск в иерархии пространств
      • 1. 5. 3. Поиск в альтернативных пространствах
  • Глава 2. Применение нейронной сети для описания объекта диагностики
    • 2. 1. Построение диагностических моделей объекта диагностики
    • 2. 2. Исследование возможности применения нейросети для описания схем цифровых дискретных устройств
    • 2. 3. Преобразование принципиальной электрической схемы в нейронную сеть
  • Глава. 3, Разработка базы знаний экспертной системы
    • 3. 1. Анализ и выбор модели представления знаний
    • 3. 2. База знаний
    • 3. 3. База данных
    • 3. 4. Формализация неопределенных знаний
  • Глава 4. Механизм поиска решений
    • 4. 1. Анализ и выбор метода поиска решений
    • 4. 2. Процесс управления
    • 4. 3. Механизм приспособления фрейма к реальной ситуации
    • 4. 4. Принятие решения в условиях неопределенности
  • Глава 5. Применение нейросети для поиска неисправности в цифровых схемах
    • 5. 1. Адаптация методики анализа нейронной сети для решения задач диагностики
    • 5. 2. Стратегия поиска
    • 5. 3. Методика локализации неисправности в объекте диагностики

Разработка методологии построения экспертных систем для диагностики цифровой РЭА (реферат, курсовая, диплом, контрольная)

Усложнение РЭА предъявляет высокие требования к ее надежности и ремонтопригодности, а также повышает требования к методам диагностики при производстве и эксплуатации. С увеличением сложности изделия его надежность неизбежно снижается, что в свою очередь требует квалифицированного обслуживания и диагностики [28,70].

Вопросам диагностики посвящены работы таких известных специалистов" как С. П. Ксенз [64,65], С. А. Ельяшкевич [41−47], Л.Г. Дубиц-кий [13], Д. Д. Брюлле [19], И. А. Биргер [16], П. С. Давыдов [35] и др.

В диагностике обычно присутствуют следующие совокупности явлений и действий [30,35]:

• совокупность несовместимых, взаимоисключающих явлений и действий;

• совокупность соответствующих каждому состоянию отличительных признаков (значений, параметров, симптомов);

• совокупность процедур просмотра и сопоставления этих признаков, каждая из которых и есть, собственно, вариант процедуры поиска и принятия решения в условиях начальной неопределенности.

Область диагностики неисправностей РЭА сложна для проектировщиков систем диагностики в связи с тем, что данная задача является недостаточно формализованной. Кроме того, существуют определенные затруднения в передаче и освоении опыта экспертов в данной предметной области.

С развитием «искусственного интеллекта» и одного из его направлений — «систем основанных на знаниях», появилась возможность накопления и передачи знаний и опыта экспертов в рассматриваемой предметной области [90,104].

Привлечение экспертных систем в область диагностики РЭА позволяет значительно увеличить эффективность поиска неисправностей. Такие системы в данной предметной области существуют, например СОНЭТ, IN-ATE, CRIB, Maintex и др.

Большой вклад в решение данной проблемы внесли такие известные специалисты в области искусственного интеллекта как Э. В. Попов [104], Д. А. Поспелов [113,114], Г. С. Поспелов [115], Д. Уотерман [130], А. Эндрю [140], Д. Ленат [158], и др.

В соответствии с существующими подходами к диагностике РЭА можно выделить две тенденции. Первая — это уклон в сторону «математизации» процесса поиска неисправностей. Вторая связана с тем, что делается акцент на знания и опыт экспертов в данной предметной области. Что касается первой тенденции, то она не учитьюает неформальных аспектов задачи, и этот факт во многом снижает эффективность решения. Во втором случае привлечение экспертных знаний и эвристического опыта вносит большую долю субъективности в процесс решения и, как следствие, влияет на результат [2,3,18,50].

Привлечение экспертных систем (ЭС) для решения задач диагностики РЭА позволяет в значительной степени перенести процесс поиска неисправности из области технической (я-ое количество контрольных измерений) в область интеллектуальную (с минимальным количеством контрольных измерений). В идеале это диагностика «без снятия задней панели» .

Известно [52,54,145], что слабым местом ЭС является их ориентированность на конкретное изделие или класс изделий. Этот факт часто делает нецелесообразным создание ЭС для диагностики широкого спектра РЭА, так как достаточно трудоемкий процесс их создания может перечеркиваться появлением принципиально новых изделий. Решением этой проблемы должны стать такие ЭС, которые были бы инвариантны по отношению классу и типу РЭА.

На возможность построения такой ЭС указывает то, что любая.

РЭА на низшем иерархическом уровне состоит из множества элекгро-радиоэлемеитов (ЭРЭ), связанных между собой в базовые функциональные единицы (усилители, фильтры, умножители и т. д). При этом можно отметить, что скорость изменения множества базовых иерархических единиц (БИЕ) существенно меньше скорости совершенствования аппаратуры, т. е. любая принципиально новая аппаратура является «комбинацией» таких базовых иерархических единиц.

Другой существенный недостаток существующих экспертных систем для диагностики РЭА — недостаточная глубина локализации неисправности на элементном уровне. Если на структурном уровне локализация неисправности осуществляется достаточно эффективно на основе экспертных знаний, то на уровне элементов такие знания практически отсутствуют, а экспертная система решает задачу на основе традиционных методов, которые также не свободны от недостатков.

Исходя из всего этого, можно сделать следующие выводы. Во-первых, необходимо использовать накопленный опыт и достоинства традиционных подходов к диагностике РЭА. Во вторых, необходимо дальнейшее развитие и совершенствование экспертных систем, работающих в данной области. В третьих, представляется перспективным привлечение к решению данной проблемы других перспективных направлений теории искусственного интеллекта, например, теории формальных нейронов и нейронных сетей.

Актуальность проблемы Одним из эффективных методов повышения надежности РЭА в процессе эксплуатации является ее рациональная техническая диагностика, которая позволяет организовать поиск и локализацию неисправности. Особое значение эта проблема приобретает при эксплуатации и обслуживании сложных радиотехнических комплексов специального назначения, для которых главными показателями качества процесса диагностики являются надежность установления диагноза и время поиска дефектных компонентов.

В настоящее время РЭА с цифровой обработкой сигнала широко используется, что привело к существенному повышению уровня ее надежности, но в целом не сняло проблему обеспечения высокой работоспособности. Это значит, что разработка методов эффективного поиска возникающих неисправностей остается актуальной.

Кроме того, развитая и эффективная технология решения задач диагностики далека от совершенства. Это можно объяснить тем, что данная задача является слабо формализованной, что в свою очередь вызывает определенные затруднения в передаче и освоении опыта экспертов в области диагностики РЭА.

С развитием систем искусственного интеллекта появилась возможность решения подобных задач. Привлечение экспертных систем (систем, основанных на’знаниях) в область диагностики РЭА позволило значительно увеличить эффективность поиска неисправности, а также дало инструмент для накопления и передачи опыта экспертов.

Однако, если на структурном уровне экспертные системы (ЭС) позволяют достаточно эффективно локализовать неисправность, то на элементном уровне они вынуждены обращаться к традиционным методам диагностики. Это объясняется тем, что экспертные знания на этом иерархическом уровне практически отсутствуют.

Кроме того, существующие экспертные системы ориентированы, как правило, на определенный тип или класс РЭА, а иногда и на конкретное изделие. При этом сложный и трудоемкий процесс построения такой системы перечеркивается моральным старением и появлением новой РЭА. Возникает проблема построения инвариантных экспертных систем.

Анализ статистических данных отказов показал, что 40% отказов связано со сферой производства и разработки РЭА, 40% отказов связаны с комплектующими электро-радиоэлементами и 20% - ошибки обслуживающего персонала и другие различные причины.

Известно, что эффективный контроль РЭА на этапе производства позволяет резко повысить надежность изделия, поэтому важное значение имеет контроль комплектующих э л ектро-р, а ди оэлем ентов, особенно ИС, БИС, СБИС, в которых могут существовать не только одиночные, но и множественные ошибки.

Таким образом, актуальными являются следующие задачи: • разработка метода локализации единичных и множественных ошибок в схемах с цифровой обработкой сигналаразработка методологии построения экспертных систем для диагностики цифровой РЭА с высокой степенью инвариантностииспользование современных направлений теории искусственного интеллекта и разработка на их основе эффективных методов решения поставленной задачи.

Постановка задачи Основной целью диссертационной работы является разработка методологии диагностики цифровой радиоэлектронной аппаратуры посредством систем искусственного интеллекта.

Для реализации поставленной цели необходимо решить следующие задачи.

1. Разработка д и, а гн о сти ч еских моделей объекта диагностики (ОД).

2. Разработка метода моделирования неисправности.

3. Разработка базы данных и базы знаний ЭС.

4. Разработка механизма поиска решений.

5. Разработка метода локализации неисправности.

Задача диагностики РЭА посредством ЭС, состоит в: а) определении неисправности объекта диагностики, основываясь на системе правил, опираясь на набор признаков и фактов, проявление которых наиболее точно отражают состояние объекта диагностикиб) в выдаче рекомендации по устранению возникшей неисправности, на основании поставленного диагноза.

Диссертация содержит введение, пять глав с выводами, заключение, список литературы п приложения, включающие в себя акты внедрения и фрагменты программ. В начале каждой главы, кратко формулируется проблема, решению которой посвящена глава, а в конце каждой глаьы приводятся краткие вывода.

Выводы:

1. Показана возможность применения нейронной сета для описания диагностической модели и схем цифровых устройств.

2. Показана возможность поиска неисправностей в цифровых схемах, методом анализа нейронных сетей. Разработаны соответствующие алгоритмы, позволяющие локализовать неисправность на различных уровнях диагностики.

3. Предложены методы сокращения перебора при наличии множественных неисправностей.

4. Усовершенствован метод поиска кратных дефектов, основанный на использовании ориентированных булевых дифференциалов и производных. Предложена методика определения эталонных выходных значений и вычисления тестовых наборов основанная на использовании нейросетевой модели ОД.

5. Предложенная поэтапная организация процесса локализации неисправности в объекте диагностики позволяет на ранних этапах процесса диагностики отсекать множество заведомо ложных решений, благодаря выдвижению и проверке гипотез.

ЗАКЛЮЧЕНИЕ

.

Таким образом, в данной работе предложена методология построения систем искусственного интеллекта для диагностирования электронных устройств с цифровой обработкой сигнала. При этом получены следующие основные результаты:

1. На основе анализа состояния проблемы диагностики показана необходимость разработки новых эффективных методов локализации неисправностей в цифровой РЭА, основанных на привлечении возможностей систем искусственного интеллекта.

Проанализированы основные недостатки существующих методов диагностирования РЭА посредством ЭС, которые обусловлены отсутствием экспертных знаний о неисправностях на элементном уровне. Это вызывает необходимость обращения ЭС к традиционным методам диагностики, которые в свою очередь не всегда обеспечивают достаточную глубину локализации неисправности, а также очень трудоемки.

2. Предложены три диагностические модели в соответствии с различными представлениями объекта диагностики и различными этапами процесса диагностики. Сформулированы правила построения диагностических моделей. Предложенные модели содержат всю необходимую для процесса диагностики информацию в соответствии с предлагаемой в работе методикой. Данные модели согласуются с моделью данных НВОЗ, использованной в предлагаемой методике для организации рабочей памяти системы.

3. Показана возможность описания элементов цифровой техники с помощью формальных нейронов (ФН), причем как на структурном, так и на элементном уровне. ФН обладает рядом достоинств по сравнению с пороговым элементом, в том числе Н-полнотой.

Нейронная сеть, полученная соединением (в соответствии с принципиальной схемой) формальных нейронов — моделей схемных элементов, позволяет моделировать любую неисправность, имеющую место в реальном объекте диагностики. Этот факт используется при проверке гипотез, выдвинутых системой относительно возможного диагноза.

4. Создан банк нейронных моделей базовых логических элементов, позволяющий описать большинство известных принципиальных схем цифровой техники. Так как большинство элементов цифровой техники являются унифицированными, наличие банка моделей ФН в диагностической системе позволит быстро преобразовать электрическую принципиальную схему в нейросетевую модель объекта диагностики.

5. Разработаны инвариантная (по отношению к различным объектам диагностирования) структура объекта диагностики и соответствующая ей структура базы знаний. В соответствии с системным подходом к проектированию РЭА большинство изделий имеет иерархическую структуру. Представление экспертных знаний в БЗ системы и в рабочей памяти в соответствии с такой иерархией позволяет использовать экспертную систему для различных объектов диагностирования.

6. Разработан генератор частичных решений для выдвижения гипотез экспертной системой с целью последующей их проверки на нейросетевой модели объекта диагностики. Для выдвижения гипотезы система преобразует мограф (лежащий в основе модели данных НВОЗ) в диаграмму Хассе (задающую некоторый частичный порядок на множестве потенциальных диагнозов) и выдвигает гипотезу в соответствии с этим порядком.

7. Показана возможность поиска неисправностей в цифровых схемах (на примере комбинационных устройств) методом анализа нейросетевых моделей реального объекта диагностики. Причем, анализ сети возможен для: комбинационных устройств;

• 11 о следов, а тел ь 11 о стны х устройстводиночной ошибки и множественной ошибки.

Разработаны соответствутощие алгоритмы, позволяющие локализовать неисправность на различных уровнях диагностики.

8. Предложены следующие методы сокращения перебора при наличии множественных неисправностей:

• использование моделей ошибокприменение аппарата ориентированных булевых дифференциалов для выделения неисправных ветвей и шунтирующих путей (для определения кратных ошибок) — введение искусственной ошибки.

9. Усовершенствован метод-поиска кратных дефектов, основанный на использовании ориентированных булевых дифференциалов и производных. В данной работе предложена методика определения эталонных выходных значений и вычисления тестовых наборов, основанная на использовании нейросетевой модели объекта диагностики.

10. Предложена методика построения диагностической экспертной системы, содержащей в себе два «инструмента»: систему, основанную на знаниях, и нейросетевую экспертную систему, в которых отражены результаты исследований по двум направлениям теории искусственного интеллекта.

В отличие от традиционных подходов к решению данной задачи, предлагаемая методология позволяет эффективно локализовать неисправность как на структурном, так и на элементном уровне. Причем, при локализации неисправности на элементном уровне отпадает необходимость в экспертных знаниях, выявление которых является основной трудностью при построении таких систем.

Показать весь текст

Список литературы

  1. Г. В. Эвристические методы в распознавании образов.-Тбилиси: Мецниереба, 1988. -76 стр.
  2. А.И. Нечеткие множества в моделях искусственного интеллекта". Вопросы кибернетики: Ситуационное управление: теория и практика/ Под ред. Поспелова Д.А.-М.:Научный совет по комплексной проблеме «Кибернетика», Вып.#68,1980.-стр79−86.
  3. А.Н., Нгуен M X. «Использование нечетких отношений в моделях представления знаний"// Изв. АН СССР. Серия „Техническая кибернетика“, 1989,#5.
  4. Ю.П., Маркова Е. В., Грановский Ю. В. Планирование эксперимента при поиске оптимальных у слов ий. М.: Н, а у ка, 1976.-278с.
  5. Л., Чекки К., Сартини Д. „Представление и использование метазнаний“. ТИИЭР, 1986 #10−12.
  6. Е.Ф., Стефашок В. Л ."Экспертные системы состояние и перспектива"// Изв. АН СССР. Серия „Техническая кибернетика“, 1984, #5.-153−167 стр.
  7. P.A., Церковный А. Э. Мамедов Г. А. „Управление производством при нечеткой исходной информации“. -М.: Энергоатомиздат, 1991.
  8. Алиев P.A.», Абдикеев Н. М., «Производственные системы с искусственным интеллектом».- М.: Радио и связь, 1990.- 264стр.
  9. М., Танака Ю."Архитектура ЭВМ и искусственный интеллект": Пер. сяпон.- .:Мир, 1991.
  10. A.A. Косолапов О. И. «Архитектура ЭВМ и основы операционных систем». М.:-Радио и связь, 1988.-316 стр.
  11. Н.П., Кузьмин И. В., Шпиловой В. Т. «Микропроцессорные системы поэлементного диагностирования РЭА». М.: Радио и связь". 1987−256 стр.
  12. Р., Заде Л. «Принятие решений в расплывчатых уеловиях». В кн.: «Вопросы анализа и процедуры принятия решений „.-М.: Мир, 1976.-228 стр.
  13. В.П., Дубицкий Л.Г.“ Выявление причин отказов РЭА» // Под ред.Л.Г. Дубицкий Л.Г.-М.: Радио и связь, 1983−231 ст.
  14. Л.С., Коровин С. Я., Мелихов А. Н. Проектирование инструментальных средств экспертной системы с нечеткой логи-кой'7/Изв. АН СССР. Серия «Техническая кибернетика», 1989,#2.
  15. И.Г. и др. «Представление знаний в системах решения задач.7/Изв.АН СССР. Серия „Техническая кибернетика“, 1982,#6-стр.170−176.
  16. И.А. „Техническая диагностика“. М. :Ма шиностроение, 1978.-239стр.
  17. А.Н., Кокле Э. А. „Распознавание размытых образов по признакам“. Кибернетика и диагностика. Рига/'Зинатне», 1970.-стр.135−147.
  18. А.Н. «Модели принятия решений на основе лингвистической переменной».- Рига,"3инатне", 1982. 256стр.
  19. Д.Д. «Отыскание неисправностей в технических устройствах» // Зарубежная радиоэлектроника. 1961 .-#7.- стр.27−34.
  20. В. М. Блинов Д.М. «Классификационная экспертная система. Микропроцессорные средства и системы», 1988,#2.
  21. В.Н. Дедукция и обобщение в системах принятия решений. М.: Наука. Гл. ред. физ.-мат. лит. 1988.-384 стр.
  22. В.Ф. «Системы гибридного интеллекта: Эволюция, психология, информатика.- М.: Машиностроение, 1990.- 446 стр.
  23. А.М., Ломнев В. С. «Классификация способов извлечения опыта экспертов’У/Изв.АН СССР. Серия «Техническая кибернетика», 1989., #5. стр.34−44.
  24. Вопросы применения экспертных систем: Сб. Науч.тр. / Под. ред. Соломатина В. В., Марковой Е. В.:М-во приборостроения, средств автоматизации и систем упр. НПО «Центросистем».-Минск, 1988−219стр.
  25. Вычислительная техника. Системы. Управление. Вып.2. Экспертные системы, 1990.-95 стр.
  26. Вычислительная техника. Системы. Управление. Вып.З. Экспертные системы, 1990.-90 стр.
  27. Выявление экспертных знаний/ О. И. Ларичев, и др.- Отв.ред. С.А. Емельянов- АН СССР, ВНИИ системных исследований.-М.: Наука, 1989.- 127 стр.
  28. A.B., Голинкевич Т. А., Мозгалевский A.B. Прогнозирование технического состояния и надежности РЭА.-М.: Сов. радио, 1974.-222с.
  29. Ю.М. «Ремонт цветных переносных телевизоров."-М.:Радио и связь, 1990.-192 стр.
  30. Л. П. Смирнов А.Н. «Проектирование технических систем диагностирования." — Л. гЭнегоатомиздат, Ленинград, отд., 1982.232 стр.
  31. Г. М., Розенбаум О. В., Шумов Ю. А. «Проектирование систем контроля ракет, — М.?Машиностроение, 1975,-224 стр.
  32. Гор бань А.Н., Россиев Д. А. «Нейронные сети на персональном компьютере». -Новосибирск: Наука. 1996.-276стр.
  33. В.А. «Теория частично упорядоченных систем» М.: Сов. радио, 1976.-336стр.
  34. Граф III., Гессель М."Схемы поиска неисправностей»:Пер. с нем. М.:Энергоатомиздат, 1989.- 144 стр.
  35. П.С. «Техническая диагностика радиоэлектронных устройств и систем».- М.: Радио и связь, 1988.-256стр.
  36. Данилов В. В, Филипов Ф. В. «Построение полных проверяющих тестов для автоматов».- Известия ЛЭТИ. Статистическая радиотехника и обработка сигналов РТС, 1975, вып. 174, с.68−71.
  37. Г. Д. Проектирование реляционных баз данных для использования с микроЭВМ. Пер. с англ.- М.: Мир, 1991. 252стр.
  38. .И. «Техническая диагностика сложных радиоэлектронных средств».- Киев: Знание, 1978.-32 стр.
  39. Ю.А., Травкин С. И., Якимец В. Н. Многокритериальные модели формирования и выбора вариантов систем. М.:Наука. Гл. Ред. Физ. -Мат. лит., 1986.-296 стр.
  40. . Денат Д. «Искусственный интеллект». В сб.: Современный компьютер: Пер. с англ. / Под ред. Курочкина В.М.-М.: Мир, 1986.- 174−186 стр.
  41. С.А. «Отыскание неисправностей и настройка цветных телевизоров».- М.: Энергия, 1976.-271 стр.
  42. С.А. «Неисправности и настройка цветных телевизоров».- М. .'Энергия, 1980.-231 стр.
  43. С.А., Кишеневский С. Э. «Блоки и модули цветных унифицированных телевизоров». Справ. пособие М.: Радио и связь, 1982.-191 стр.
  44. С.А. и др. «Ремонт и регулировка цветных телевизоров блочно-модульной конструкции».-М.: 1985.
  45. С.А. «Цветные стационарные телевизоры и их ремонт».- М.: Радио и связь, 1986.-222 стр.
  46. С.А., Пескин А. Е. «Устройство и ремонт цветных телевизоров «. М.: ДОСААФ, 1987.-302 стр.
  47. С.А. «Цветные телевизоры ЗУ С ЦТ»: Справ, пособие.- М.:Радио и связь, 1989−144 стр.
  48. C.B. и др. «Многокритериальные метода принятия решений».- М.: Знание, 1985.
  49. А.П. «Человек и машина «.-М.:3нание, 1985,#4.-32стр.
  50. Л.А. «Основы нового подхода к анализу сложных систем и процессов принятия решений»:В кн.: «Математика сегодня».- М.: Знание, 1974−5-49 стр.
  51. Л.А. «Понятие лингвистической переменной и его применение к принятию приближенного решения»,— М.:Мир, 1976.-165 стр.
  52. Кн. 2. «Модели и методы».-М.: Радио и связь, 1990.-304 стр.
  53. Кн. 3. «Программные и аппаратные средства». -М.: Радио и связь, 1990.-362 стр.
  54. В.И. «Диагностика неисправностей цифровых ав-томатов"7-М.:Сов.радио, 1975.-336стр.
  55. Калявин В.П., Мозгалевский А.В."Технические средства диагностирования».-JI.: Судостроение, 1984.-208 стр.
  56. В.В., Кон E.JI., Шеховцов О. И. «Автоматизация поиска дефектов в цифровых устройствах».-Л.: Энергоатомиздат.1986.-96стр.
  57. E.H., Попов С. А., Сахаров В. В. «Индентификация и диагностика судовых технических систем».- Л.: Судостроение, 1978.-248 стр.
  58. О.В., Смольянов Н. Д., Чмырь А. Я. «Экспертные диагностирующие медицинские системы»// Изв. АН СССР. Серия «Техническая кибернетика», 1982#5−199−216стр.
  59. Р. «Диагностирование механического оборудования / Пер. с анг.- Л.: Судостроение, 1980.-296 стр.
  60. Кофман А."Введение в теорию нечетких множеств». -М.:Радио и связь, 1982.
  61. Ксенз С.П."Поиск неисправностей в радиоэлектронных системах методом функциональных проб».- М.:Сов. радио, 1965.-135 стр.
  62. Ксенз С. Г1."Диагностика и ремонтопригодность радиоэлектронных средств».~М.:Радио и связь, 1989.-248 сгр.
  63. П.И., Пчелинцев Л. А., Гайденко А. С. «Кошроль и поиск неисправностей в сложных системах». -М.:Сов. радио, 1969−240 стр.
  64. В.А. «Функционально-логические узлы ЭВМ». М.:-Наука, 1991.157 стр.
  65. О., Мечитов А. И., Мошкович Е. М. «Системы выявления экспертных знаний в задачах классификации'7/Изв. АН СССР. Серия «Техническая кибернетика», 1987,#2.-74−84 стр.
  66. Р., Дроанг Д., Эделсон Б. «Практическое введение в технологию искусственного интеллекта и экспертных систем с иллюстрациям на Бейсике»: Пер. с анг.- Предисловие М. Л. Сальникова, Ю. В. Сальниковой.- М.: Финансы и статистика, 1990.- 239 стр.
  67. B.C. «Экстенсиональная база данных на основе семантических сетей 7/Изв. АН СССР. Серия «Техническая кибернетика», 1982, #5.-23−42 стр.
  68. Ю.Я. «Интеллектуальные информационные системы. -М.:Наука, 1990. -227 стр.
  69. Дж., Хайес Р., Некоторые философские проблемы в задаче построения искусственного интеллекта // Кибернетические проблемы бионики. М. Ж Мир, 1972. — с.40−87.
  70. И.С., Шахнов Ф. П. «Упорядочение альтернатив на основе расплывчатых оценок. -М.: ВЦ АН СССР, 1989.-42 стр.
  71. Л.И. «Проблемы создания экспертных систем» // «Ученые записки Тартуского госуниверситета». -Тарту, 1985. -Вып.714. Теория и модели знаний (теория и практика создания систем искусственного интеллекта).- 87−114 стр.
  72. М. «Фреймы для представления знаний»: Пер. с анг./ Под ред. Кулакова Ф.М.-М.Энергия, 1979.-151 стр.
  73. С.О. «Нейроны и нейронные сети.(Введение в теорию формальных нейронов и нейронных сетей)». -М.Энергия, 1971.232стр.81 «Моделирование и экспертные системы»: Межвуз. сб.научн.тр./ Под ред. Нечаева В.В.-М.: МИРЭА,-147 стр.
  74. A.B., Гаскаров Д.В.» Диагностика судовой автоматики методам планирования эксперимента».- Л.: Судостроение, 1977.-95стр.
  75. A.B. Калявин В. П., «Диагностирование электронных систем» Под ред. А. В. Мозгалевского.-Л.: Судостроение, 1984.-224 стр.
  76. Мозгалевский .A.B., Койда А. Н. «Вопросы проектирования систем диагностирования» Л. :Энерго ато м из дат, 1985. -112 стр.
  77. Мюллер И."Эвристические методы в инженерных разработках (Методы нужно применить)» Пер. с нем.-М.: Радио и связь, 1984.-142 стр.
  78. Нариньяни А.С."Неопределенность в системе представления и обработки знаний"// Изв. АН СССР. Серия «Техническая кибернетика», 1986,#5.-14−19 стр.
  79. Нильсон Н.» Искусственный интеллект. Методы поиска решений»:/ Пер. с анг.- М.:Мир, 1973.-270 стр.
  80. Н. «Принципы искусственного интеллекта»: / Пер. с англ.-М.: Радио и связь, 1985.-373 стр. 92 «Обеспечение качества РЭА методами диагностики и прогно-зирования'УН.С.Данилин, Л. И. Гусев, Ю. И. Загорский и др.-М.: Радио и связь, 1989.- 304 стр.
  81. С. «Обработка знаний «: Пер. с япон.-М.:Мир, 1989.-293стр.
  82. Пашковский Г. С.» Задачи оптимального обнаружения и поиска отказов в РЭА7/Подред.И. А. Ушакова.-М.: Радио и связь, 1981.-280стр.
  83. В.В. «Ремонт и обслуживание радиотелевизионной аппаратуры». М.: Высш.шк., 1991−303 стр.
  84. Э.В. «Общение с ЭВМ на естественном языке (Проблемы искусственного интеллекта).-М.:Наука, 1982.-360 стр.
  85. Э.В. Экспертные системы: Решения неформализованных задач в диалоге с Эвм. -М.: Наука, 1987.-283 стр.
  86. Том В: «Инструментальные средства разработки систем, ориентированных на знания (Г.Ангелова и др.).-236 стр.
  87. Том С: «Прикладные человеко-машинные системы, ориентированные на знания. -380 стр.
  88. Д.А. О «человеческих"рассуждениях в интеллектуальных системах. Вопросы кибернетики: Логика рассуждений и ее моделирование.-М.?Научный совет по коплсксной проблеме «Кибернетика», Выпуск #95, 1983−5-37 стр.
  89. Д.А., Стефанюк В, Л ."Искусственный интеллект в зарубежных исследованиях"// Информационный материал #3 Научного совета по комплексной проблеме «Кибернетика», 1986.-3−33 стр.
  90. Д. А.» Ситу, а ци о н, но е управление: теория и практика». М.: Наука, 1986.-284 стр.
  91. Поспелов Г. С., Поспелов Д.А."Иску сствснныи интеллект -прикладные системы».-М.: Знание, 1985.#9−48стр.
  92. Г. С. «Искусственный интеллект-основа новой информационной технологии». / АН СССР.-М.:Наука, 1988.-278 стр.
  93. Г. С. «Системный анализ и искусственный интел-лект».-М.: АН СССР, 1980.-47 стр. 118 «Приобретение знаний»: Пер. с япон./ Под ред. С. Осуга, Ю. Саэки.- М.: Мир, 1990−303 стр.
  94. Разработка диагностического обеспечения и построение автоматизированных систем диагностирования и восстановления техники связи и управления/ Под.ред. С. П. Ксенза.-Л.: ВАС, 1984.-226с.
  95. Разработка ЭВМ нового поколения: архитектура, программирование. Под ред. Ершова А. П. М.:-Наука, 1986. 231стр.
  96. Ф. «Принципы нейродинамики». М.:Мир, 1965. -480стр.
  97. В.Ш. «Представление и анализ смысла в интеллектуальных информационных системах».М.:Наука. Гл. Ред. Физ.-мат. лит., 1989.-192 стр.
  98. В.В. «ИНТЕРЭКСПЕРТ инструмент построения экспертных систем».М.: Наука, 1992.-297стр.
  99. Ф. «Методы обнаружений ошибок в работе ЭЦВМ». -М.: Мир, 1972.-310 стр.
  100. Ю.А. «О применении булевых дифференциальных операторов при построении проверяющих последовательностей».- Автематика и телемеханика, 1978, #9"с.136−148.
  101. Ю.А. «Построение множества проверяющих тестов доя заданной неисправности в цифровых устройствах».- В кн.: Дискретные системы, формальные языки и сложность алг оритмов.- Киев: ИК АН УССР, 1977,
  102. М. и др. Организация экспертных систем.// Кибернетический сборник. М.:Мир, 1985 Вып.22.- Стр. 170−220.
  103. К., Фохт /{."Проектирование и программная реализация ЭС на ПЭВМ» / Пер. с анг.-М.: Финансы и статистика, 1990. -318 стр.
  104. Т., Фрай Дж. «Проектирование структур баз данных», в 2-хкн. Кн.1.-М.:Мир, 1985.-287 стр. 130 Кн.2. М., 1985.-320 стр
  105. Уинстон П."Искусственный интеллект»: Пер с англ.- М.: Мир, 1980.
  106. .Ф., Сакалути Т. «Искусственный интеллект в управлении энергосистемами». ТИИЭР, 1987,#12,150−158 стр.133Уотерман Д. «Руководство по экспертным системам»: Пер. с англ. -М.: Мир, 1989. 388 стр.
  107. Ф. Теория графов: Пер. с англ./ Пер. В.П. Козырева- Под ред.Г. П. Гаврилова.-М.: — Мир, 1973.-300 стр.
  108. Хайес-Рот Ф., Уотерман Д., Ленат Д. «Построение экспертных систем Пер. с англ.- М.:Мир, 1987. -441 стр.
  109. Г., Меннинг Е., Мети Г. «Диагностика отказов вычислительных систем».-М, — Мир, 1972.-232 стр.
  110. А.И. «Обнаружение неисправностей радиоэлектронного оборудования». -М.: Энергия, 1970. -88 стр. 138 «Экспертные системы»: Материалы семинара. -М.: МДНТП, 1986. 138 стр.
  111. Д., Кумбс М. «Экспертные системы»: концепции и примеры: Пер. с англ. М.: Финансы и статистика, 1987.-190 стр.
  112. А. Искусственный интеллект: Пер. с англ. -М.: Мир, 1985.-265 стр.
  113. Экспертная система: роль консультанта / ВЦП.-# Н -31 933−25 стр. Пер. ст. Yaghmai N.S., Maxin J.A. из журн.: American Society for Information Sciense.-1984. Vol.35,#5, pp.297−305.
  114. С.Б., Чегис И.А."О тестах для электрических схем»: Успехи математических на}тс.-М.: 1995.-т.10,Вып.4 (66).-182−184 стр.
  115. A.B. «Гибкая экспертная система.»: Материалы семинара.- М.: МДНТП, 1990.
  116. Т.М. «Создание экспертных систем на основе систем продукций». В сб.: «Теоретические проблемы системы систем обработки информации.- Новосибирск, ВЦ СО АН СССР, 1986.- 144−152 стр.
  117. A case study: acquiring strategic knowledge for expert system development / Sharman Duane, Kendall E. J. M. // IEEE Expert.-19 883,#3.-pp.32−42.
  118. A diagnostic expert system for aircraft Generator Control Unit (GCU) / Ho-Ting-Long, Bayles Rober A., Havlisek Bruce L.// Proc IEEE Nat. Aerosp. and Elcctro+n.Conf.(NAECON), Dayton, May 23−27, 1980, Vol. 4 NewNew York (N.Y.), 1988. -pp. 1355−1362.
  119. AI in the power plants: PERF-EXS, a PERF-ormance diagnostics Expert System/ D: Abrosio A., Oriati M., Serventi A.// 4 th Conf.Artif. Intell. Appl., San Diego, Calif., March 14−18, 1988: Proc .-Washington (D.C.), 1988.-pp.11−17.
  120. An Al-based fault diagnosis aid for complex electronic systems / Day P.O., Hook M.K.//AIAA/IEEE 8th Digital Avianics Syst.Conf., San Jose, Calif., Oct. 17−20, 1988: Collect. Teclin. Pap. Pt2.- Washington (D.C.), 1988.-pp. 839−841.
  121. A structured knowledge elicitation methodology for building expert systems/Gard Janordan chaya, Salvendy Gavriel //Int.J. Man-Mach.Stud.-l988.-29,#4.-pp. 377−406.
  122. Cantone, R.R., Pipitone, F.J.,. Lander, W.B. and Man-one M.P.Model-wased probalistic reasoning for electronics troubleshooting. Proceedings IJCAI-83, Karlsruhe, West Germany, August1983.
  123. Davis R., Lenat D. Knowledge Based systems. in artificial intelligence.- N.Y.: Mcbraw-Hill, 1982.
  124. Finin, Tim, Mc Adams J., and Keinosky, P. FOREST: an expert system for automatic test equipment. Proceeding of the First Conference on Artificial Intelligense Applications, IEEE Computer Society, December1984.
  125. Kahn G., McDarmott J.:"The Mud system"// Proc. IEEE Conf. AI, Appl, Denver, Cal, 1984.
  126. Newell A., Simon M.: «Human problem solving». -New-Jersey: Prentjce-Hall, 1972.
  127. RothJ.P., Bouricius W.G., Schneider P.R.: «Programmed Algorithms to Compute Tests to Detect and Distinguish Between Failures in Logic Circuits.» IEEE Trans, on Electronic Computers, 1967, ES-16,#5, pp.567−579.
  128. Thayse A.: «A Variational Diagnosis Method for Stuck Fault in Combinatorial Networks» Philips Res. Reports, 1972, c-27,#l, pp.409−420.
  129. Thayse A., Davio M.: «Boolean differential Calculus and It’s Application to Switching Theory"/ IEEE Trans. on comput. 1973, c-2 2 ,#4,pp .409−420.
  130. Dodd N.: «Using neural networks to optimise gas turbine aero engines», IEE Computing & Control, 1997, v-8, pp. 129−135.
  131. DTnverno M., Priestley M., Luck M.: «Formal framework for hypertext systems». IEE proceedings// Software Engineering, 1997, v-144, pp.175−184.
  132. Reeves A., Marashi M., Budgen D.: «A software design framework or how to support real designers». IEE Software Engineering, 1995, v-10, pp.141−155.
Заполнить форму текущей работой

Заказал и сдал!