Моделирование знаний в задаче поиска причин неисправностей

Валерий Петрович Димитров; Людмила Викторовна Борисова; Капрел Луспаронович Хубиян

Валерий Петрович Димитров ФГБОУ ВО «Донской государственный технический университет» https://orcid.org/0000-0003-1439-1674
Людмила Викторовна Борисова ФГБОУ ВО «Донской государственный технический университет» https://orcid.org/0000-0001-6611-4594
Капрел Луспаронович Хубиян ФГБОУ ВО «Донской государственный технический университет» https://orcid.org/0000-0001-8743-6672

Ключевые слова: интеллектуальная информационная система, принятие решений, зерноуборочный комбайн, диагностика неисправностей, продукционные правила, база знаний

Аннотация

Введение. В статье изложено описание подхода к решению задачи поиска причин неисправностей в сложных технических системах на основе моделирования знаний экспертов. Для решения задач диагностики многоуровневых систем, к которым относятся и зерноуборочные комбайны, широко применяются интеллектуальные информационные системы. Формальное описание знаний предметной области является основой построения базы знаний таких систем. Рассмотрена последовательность построения базы знаний экспертной системы, основанной на продукционных правилах.
Материалы и методы. Подход базируется на использовании таблицы функции неисправностей. В качестве объекта диагностирования рассмотрена одна из подсистем электрооборудования зерноуборочного комбайна – «открытие створок крыши бункера». Основой построения последовательности элементарных проверок является система логических уравнений, описывающих как исправное, так и возможные неисправные состояния подсистемы.
Результаты исследования. Сформирована структурно-логическая модель. В результате анализа таблицы функции неисправности определены совокупности элементарных проверок. Выполнен анализ весомости данных проверок на основе четырех критериев. Определена оптимальная последовательность проверок и построено дерево решений для поиска причины неисправности, которое является основой формирования базы знаний интеллектуальной информационной системы. Приводится фрагмент базы знаний.
Обсуждение и заключение. Предложенный подход моделирования экспертных знаний повышает результативность работы блока поиска причин неисправностей интеллектуальной системы поддержки принятия решений. Он позволяет структурировать базу экспертных знаний и устанавливать оптимальную последовательность элементарных проверок. Это позволяет определить оптимальную последовательность применения продукционных правил базы знаний, что обеспечивает сокращение времени восстановления работоспособности комбайна.

Биографии авторов

Валерий Петрович Димитров, ФГБОУ ВО «Донской государственный технический университет»

заведующий кафедрой управления качеством ФГБОУ ВО «Донской государственный технический университет» (344000, Российская Федерация, г. Ростов-на-Дону, пл. Гагарина, д. 1), доктор технических наук, профессор, Researcher ID: E-4908-2018, ORCID: https://orcid.org/0000-0003-1439-1674, Scopus ID: 57195505958, kaf-qm@donstu.ru

Людмила Викторовна Борисова, ФГБОУ ВО «Донской государственный технический университет»

заведующий кафедрой менеджмента и бизнес-процессов ФГБОУ ВО «Донской государственный технический университет» (344000, Российская Федерация, г. Ростов-на-Дону, пл. Гагарина, д. 1), доктор технических наук, профессор, Researcher ID: E-4863-2018, ORCID: https://orcid.org/0000-0001-6611-4594, borisovalv09@mail.ru

Капрел Луспаронович Хубиян, ФГБОУ ВО «Донской государственный технический университет»

доцент кафедры управления качеством ФГБОУ ВО «Донской государственный технический университет» (344000, Российская Федерация, г. Ростов-на-Дону, пл. Гагарина, д. 1), кандидат технических наук, ORCID: https://orcid.org/0000-0001-8743-6672, intelagro-edu@rambler.ru

Литература

1. Выбор стратегии в задаче корректировки регулировочных параметров комбайна / Л. В. Борисова, И. Н. Нурутдинова, В. П. Димитров [и др.]. – DOI 10.15507/2658-4123.030.202001.060-075 // Инженерные технологии и системы. – 2020. – Т. 30, № 1. – С. 60‒75. – Рез. англ.

2. Research of Vibroacoustic Diagnostics of Fuel System of Engines of Combine Harvesters / I. Rogovskii, L. Titova, A. Novitskii, V. Rebenko. – DOI 10.22616/ERDev2019.18.N451 // Proceedings of International Scientific Conference “Engineering for Rural Development” (22–24 May 2019). – Jelgava, 2019. – Pp. 291–298.

3. Research of Diagnostic of Combine Harvesters at Levels of Hierarchical Structure of Systems and Units of Hydraulic System / I. L. Rogovskii, B. S. Liubarets, S. A. Voinash [et al.]. – DOI 10.1088/1742-6596/1679/4/042038. – Текст : электронный // Journal of Physics: Conference Series. – 2020. – Vol. 1679.

4. Дунаев, А. В. Актуальность стандартов по техобслуживанию и ремонту сельхозтехники / А. В. Дунаев, В. А. Казакова, В. А. Шинкевич // Стандарты и качество. – 2018. – № 1. – С. 36–38. – URL: https://ria-stk.ru/stq/adetail.php?ID=165761 (дата обращения: 12.03.2021). – Рез. англ.

5. Liang, Z. Grain Sieve Loss Fuzzy Control System in Rice Combine Harvesters / Z. Liang, Y. Li, L. Xu. – DOI 10.3390/app9010114. – Текст: электронный // Applied Sciences. – 2019. – Vol. 9, Issue 1.

6. Research of Daubechies Wavelet Spectrum of Vibroacoustic Signals for Diagnostic of Diesel Engines of Combine Harvesters / L. L. Titova, Yu. M. Chernik, Yu. O. Gumenyuk, M. M. Korobko. – DOI 10.1088/1755-1315/548/3/032030. – Текст : электронный // IOP Conference Series: Earth and Environmental Science. – 2020. – Vol. 548, Issue 3.

7. Blockage Fault Diagnosis Method of Combine Harvester Based on BPNN and DS Evidence Theory / J. Chen, K. Xu, Y. F. Wang [et al.]. – DOI 10.1117/12.2265524. – Текст : электронный // Proceedings of 17th International Conference on Electronics and Information Engineering (23 January 2017). – Nanjing, 2017.

8. Evaluation of Bearing Reliability of Combine Harvester Straw Chopper / E. Jotautiene, A. Juostas, A. Janulevicius, A. Aboltins. – DOI 10.22616/ERDev2019.18.N332 // Proceedings of International Scientific Conference “Engineering for Rural Development” (22–24 May 2019). – Jelgava, 2019. – Pp. 625–629.

9. Чеботарев, М. И. Экспертный метод факторного анализа эксплуатационной надежности зерноуборочных комбайнов / М. И. Чеботарев, Б. Ф. Тарасенко, Е. А. Шапиро. – DOI 10.21515/1990-4665-136-006 // Научный журнал КубГАУ. – 2018. – № 136. – С. 71–86. – Рез. англ.

10. Гумелёв, В. Ю. Оптимизация поиска неисправностей электрооборудования автомобиля / В. Ю. Гумелёв. – Текст : электронный // Исследования в области естественных наук. – 2014. – № 4. – URL: http://science.snauka.ru/2014/04/6722 (дата обращения: 12.03.2021). – Рез. англ.

11. Афоничев, Д. Н. Повышение эффективности использования систем технического диагностирования в сельском хозяйстве / Д. Н. Афоничев, И. И. Аксенов // Вестник Воронежского государственного аграрного университета. – 2015. – № 4 (47). – С. 109–114. – URL: https://www.elibrary.ru/item.asp?id=24986080 (дата обращения: 12.03.2021).

12. Operation Faults Monitoring of Combine Harvester Based on SDAE-BP[J] / X. Chenbo, Y. Guangyou, L. Lang [et al.]. – DOI 10.11975/j.issn.1002-6819.2020.17.006 // Transactions of the Chinese Society of Agricultural Engineering. – 2020. – Vol. 36, Issue 17. – Pp. 46–53.

13. Design of Fuzzy Logic Control System Incorporating Human Expert Knowledge for Combine Harvester / M. Omid, M. Lashgari, H. Mobli [et al.]. – DOI 10.1016/j.eswa.2010.03.010 // Expert Systems with Applications. – 2010. – Vol. 37, Issue 10. – Pp. 7080–7085.

14. Разработка диагностических интеллектуальных систем на основе онтологий / М. А. Грищенко, Н. О. Дородных, С. А. Коршунов, А. Ю. Юрин. – DOI 10.18287/2223-9537-2018-8-2-265-284 // Онтология проектирования. – 2018. – Т. 8, № 2 (28). – С. 265–284. – Рез. англ.

15. Chen, J. Remote Fault Information Acquisition and Diagnosis System of the Combine Harvester Based on LabVIEW / J. Chen, P. Wu, K. Xu. – DOI 10.1142/9789814733878_0041 // Applied Mechanics, Mechatronics and Intelligent Systems. – 2016. – Pp. 285–292.

16. Development on Electrical System Performance Test Stand for Combine Harvester / D. Sun, D. Chen, S. Wang, X. Wang. – DOI 10.1016/j.ifacol.2018.08.195 // IFAC-PapersOnLine. – 2018. – Vol. 51, Issue 17. – Pp. 363–367.

17. Electrical Modification and Experimental Study of Combine Harvester Reaping Unit / P. Wang, M. Tian, H. Wang [et al.]. – DOI 10.1088/1757-899X/790/1/012168. – Текст : электронный // IOP Conference Series: Materials Science and Engineering. – 2020. – Vol. 790.

18. Khan, A. U. Аnalytical Hierarchy Process (AHP) and Analytic Network Process Methods and Their Applications: A Twenty Year Review from 2000–2019 / A. U. Khan, Y. Ali. – DOI 10.13033/ijahp. v12i3.822. – Текст : электронный // International Journal of the Analytic Hierarchy Process. – 2020. – Vol. 12, Issue 3.

19. Рябов, С. Ю. Интеллектуальный подход к автоматизации технологических и производственных процессов / С. Ю. Рябов. – DOI 10.15827/0236-235X.133.106-113 // Программные продукты и системы. – 2021. – № 1. – С. 106–113. – Рез. англ.