Подход и методика автоматизации решения задач нейроуправления в системе ГАММА-3

М.Ф. Степанов,
д.т.н., mfstepanov@mail.ru,
СГТУ, г. Саратов,

А.М. Степанов,

к.т.н., ripkilobyte@gmail.com,
ИПТМУ РАН,

А.А. Жеронкина,

студ.,
СГТУ, г. Саратов,

Л.С. Михайлова,

к.т.н., lsmixx@rambler.ru,

ЭПИ МАМИ, г. Электросталь

Система ГАММА-3 обладает возможностями решать задачи, как в процедурной, так и в непроцедурной (декларативной) постановке. Однако для типовых задач (с известной процедурой решения) предпочтительнее использование процедурного подхода с представлением на языке ГАММА. Рассмотрен подход к созданию пакета программ в составе системы ГАММА-3 для автоматизации решения задач нейроуправления. Предложены три варианта представления процедур решения задач, используя средства пакета: совокупность команд языка ГАММА (программа на языке ГАММА), исполняемых в пакетном режиме; программа на языке ГАММА, использующая интерактивные операции; укрупненная интерактивная операция, реализующая процедуру решения задачи в целом. Показана целесообразность интерактивных реализаций проектных операций для процедур с недостаточно высоким уровнем формализации, что приводит к необходимости постоянного участия специалиста-проектировщика. Приведен пример решения задачи построения нейроэмулятора объекта управления.

The GAMMA-3 system possesses opportunities to solve problems, both in procedural, and in nonprocedural (declarative) statement. However use of procedural approach with representation in the GAMMA language is more preferable to standard tasks (with known procedure of the decision). Approach to creation of the software package as a part of GAMMA-3 system for automation of the solution of tasks of neurocontrol is considered. Three options of representation of procedures solutions of tasks are proposed, using means of a package: set of the commands of the GAMMA language (the program in the GAMMA language) executed in batch mode; the program in the GAMMA language using interactive operations; the integrated interactive operation realizing procedure of the solution of a task in general. Expediency of interactive realization of design operations for procedures with insufficiently high level of formalization that results in need of continuous participation of the specialist designer is shown. The example of the solution of a problem of creation of the neuroemulator of object of control is given.

В процессе развития теории автоматического управления, как и любой проблемной области, для всё более широкого класса задач разрабатываются процедуры их решения. М. Минский [1] классифицировал задачи, для которых неизвестны план, порядок, процедура их решения как новые (интеллектуальные), т.е. непроцедурно (декларативно) поставленные. Процесс их решения требует формализации знаний проблемной области и методов планирования действий, что относится к области исследований, называемой «искусственный интеллект», или, как её стали в последнее время называть «вычислительный интеллект». Решение новых задач не всегда может привести к успеху. Это обусловлено рядом факторов. Так поставленная задача может выходить за рамки класса задач, охватываемого моделью проблемной области, внесенной в базу знаний системы автоматизации решения задач. С другой стороны, используемый формализм планирования действий может не обеспечивать решение задач с подобной структурой. Например, может не предусматриваться учет требований к результату решения задачи. Либо в качестве искомого результата не допускается более одного объекта. В таких случаях поставленная задача не будет решена, даже процедура решения задачи в принципе существует. Для типовых задач (с известным для системы автоматизации планом решения задачи) дело обстоит иначе. Процедур решения задачи известна, апробирована, сферы её применения определены. Как следствие, решение задачи гарантируется при определенных условиях, которые заранее известны.

Обобщим известные в области автоматизации (поддержки разработки и исследования) систем автоматического управления (САУ) принципы построения средств проектирования и исследования САУ [2], [3]:

1) Открытость к расширениям;

2) Классификация пользователей: (Пользователи-разработчики САУ, Разработчики пакетов расширения, Исследователи-эксперты);

3) Интерактивный режим работы для каждой категории пользователей с возможностью организации коллективной работы;

4) Гибкость архитектуры и критериев эффективности разрабатываемых систем управления;

5) Средства моделирования и исследования САУ в целом и их компонентов по отдельности, как традиционных, так и интеллектуальных с учетом вариации параметров объекта управления, внешней среды, цели управления и т.д.;

6) Интерактивный режим работы слабоформализованных операций построения и исследования компонентов САУ;

7) Виртуализация средств проектирования.

Обобщенная системная структура средств информационной поддержки решения задач проектирования и исследования систем управления

(1)

где , – набор функциональных компонентов,

, – набор алгоритмов их функционирования;

, – схема (граф) взаимосвязей компонентов системы;

, , , – множество задач,

где – исходные данные,

– искомые результаты,

– требования к искомым результатам решения задачи ;

– множество видов информационных структур данных, используемых в решаемых задачах;

, , – множество отношений, используемых в постановках решаемых задач;

, – множество действий (операций), используемых при решении задач.

Однако конкретная реализация рассмотренных принципов в различных средствах автоматизации осуществляется по-разному.

Рассмотрим это на примере решения задач управления с использованием методов теории искусственных нейронных сетей (ИНС).

Сферы применения ИНС, как вычислительных моделей непрерывно расширяется. Известны и продолжают развиваться методики решения задач в нейросетевом формализме, например [4]. Однако, несмотря на их разнообразие, решение конкретных задач часто вызывает затруднения. Это обусловлено не только трудностями определения значений многочисленных параметров, но и проблемой выбора типа и структуры искусственной нейронной сети (ИНС). Направление исследование, связанное с применением методов искусственных нейронных сетей в задачах управления получило название «нейроуправление» [5]. Оно унаследовало все проблемы разработки ИНС и при решении конкретной задачи управления. Следование известным методикам решения задач в нейросетевом базисе при исходном выборе структуры сети и алгоритма определения её параметров (обучения) может не обеспечить достижение желаемых результатов. В результате процесс решения задачи становится итерационным, а достижение результата зависит ещё и от квалификации проектировщика, его способности подобрать как структуру ИНС, так и наиболее адекватный в конкретном случае алгоритм её обучения.

Система автоматизации решения задач призвана, как минимум, освободить пользователя от выполнения рутинных действий, но и помочь в трудных случаях выбора вариантов продолжения решения задачи.

В области нейроуправления разработан целый ряд структур ИНС, реализующих известные принципы управления. В частности, например, [5]:

· последовательная схема нейронного управления;

· параллельная схема нейронного управления;

· нелинейный алгоритм наблюдения для ИНС;

· нелинейный контроллер для ИНС;

· и т.д.

Тем не менее, проектировщик системы управления должен сам определить конкретные параметры структуры ИНС, к которым относятся: тип ИНС, количество слоёв ИНС, количество искусственных нейронов в каждом слое, вид активационной функции искусственных нейронов в каждом слое; начальные значения весовых коэффициентов синаптических связей искусственных нейронов в каждом слое и т.д.

Далее, также проектировщик должен определить алгоритм и параметры алгоритма обучения (процедуры подбора параметров весовых коэффициентов синаптических связей искусственных нейронов) ИНС.

Настройки «по умолчанию» не всегда оказываются приемлемыми, т.е. могут не обеспечивать достижение желаемого результата нейронного управления – обеспечение желаемых инженерных показателей точности и качестве управления заданным объектом.

Процесс построения искусственной нейронной сети, осуществляющей решение заданной конкретной задачи нейроуправления осуществляется в виде итерационной процедуры, предусматривающей часто многократное повторение этапов:

· геометрической постановки задачи (выбор архитектуры сети);

· нейросетевой постановки задачи (определение исходных данных и обучение сети);

· тестирования до достижения желаемого значения заданного функционала качества.

Как следствие, решение задач нейронного управления скорее является искусством, а не привычной инженерной практикой. В целях поддержки принятия решений и создания комфортной среды для проектировщика систем управления в системах автоматизации решения задач создаются пакеты программ, предоставляющие возможности в пакетном или в интерактивном режиме автоматизирования построение ИНС. Однако, как правило, интерактивная версия соответствующих операций, фактически, представляет собой интерактивные формы задания исходных данных и визуализации результатов. При этом решение задачи осуществляется с использованием функций, реализующих операции пакетного варианта реализации. Как следствие, если допускается визуализация промежуточных результатов, проектировщик имеет возможность лишь прервать процесс, а затем, задав, новые исходные данные заново начать решение задачи. Итерационный процесс может занять достаточно длительное время.

Итерационные процессы решения задач пока проще задать процедурно, чем порождать с помощью машины вывода. Поэтому, в дополнение к возможностям решения декларативно поставленных задач, в системе ГАММА-3 [6] для типовых задач (задач с известным планом решения) используются записи процедур их решения на языке ГАММА. Его синтаксис близок к входному языку пакета МАТЛАБ.

В системе ГАММА-3 в дополнение к описанным способам автоматизации решения задач нейронного управления предоставляются возможности оперативной корректировки параметров в ходе решения задачи, сохраняя историю процесса, что может сократить общее время решения задачи.

Укрупнённая структурная схема распределённой системы автоматического решения задач ГАММА-3 приведена на рис. 1.

Рис.1 структурная схема распределённой системы автоматического решения задач ГАММА-3

В развитие известной методики решения задач в нейросетевом логическом базисе [4] необходимо:

· в рамках этапа геометрической постановки задачи в целях сокращения шагов итерационного подбора конфигурации ИНС учитывать априорную информацию о характере свободной и желаемой динамики объекта управления, что может помочь при определении используемой глубины истории (задержанных данных) поведения объекта и управляющих воздействий, а, следовательно, количества нейронов во входном слое ИНС.

· в рамках этапа нейросетевой постановки задачи иметь возможность оперативно (в том числе и в ходе обучения ИНС) корректировать не только исходные данные для обучения (входные и целевые наборы), но и параметры алгоритмов обучения и архитектуру создаваемой ИНС.

В связи с этим в системе ГАММА-3, в дополнение к соответствующим командам на языке ГАММА (реализуют отдельные этапы построения нейроконтроллера) разработаны также их интерактивные аналоги, позволяющие более гибко настраивать параметры создаваемой искусственной нейронной сети, а также проводить её исследование.

В системе ГАММА-3 реализованы в виде пакета команд языка ГАММА следующие этапы методики решения задач нейроуправления:

1) разработка ИНС (например, нейроэмулятора сложного объекта);

2) разработка ИНС для идентификации параметров объекта управления;

3) разработка структуры ИНС, например, нейроконтроллера;

4) настройка параметров ИНС (обучение);

5) тестирование ИНС.

Основной состав рассматриваемого пакета:

· создание ИНС (операция NNWnew);

· визуализация параметров ИНС (операция NNWview);

· загрузка и предварительная подготовка исходных данных для обучения ИНС (операция NNWdatPrep);

· обучение ИНС классическим методом обратного распространения ошибки (операция NNWLearn1), известными и модифицированными методами для ускорения сходимости и повышения точности (с учетом истории процесса, реализации эффекта «отжига» и т.п.);

· тестирование обученной ИНС (операция NNWtest);

· и т.д.

Порядок использования операций пакета задается программой на языке ГАММА, например, как представлено на рис. 2. Выполнение отдельных операций иллюстрируют рис. 3-5.

Рис.2 Программа на языке ГАММА для построения ИНС Рис.3 Задание структурных параметров создаваемой ИНС

Рис. 4. Обучение ИНС: Изменение ошибки обучения Рис. 5. Тестирование ИНС: подтверждается высокая степень

совпадения целевого сигнала и выхода ИНС для тестового примера

Рис. 6. Загрузка данных и обучение нейронной сети Рис. 7. Тестирование построенной нейронной сети

В состав пакета входят также ещё ряд специализированных операций, в частности, к ним относится и операция NNemulator, обеспечивающая построение нейроэмулятора сложного объекта по экспериментальным данным (рис. 6-7). В интерактивных операциях исходные данные (экспериментальные данные) более удобно размещать в файлах.

Применительно к операции NNemulator каждый такой файл включает данные одного эксперимента (наборы входных воздействий на объект управления и выходные сигналы, предоставляемые измерительной подсистемой систем автоматического управления).

Обобщены и сформулированы принципы построения средств проектирования и исследования САУ, включающие как общеизвестные принципы построения информационных систем, так и учитывающие особенности проектируемых систем, содержащих интеллектуальные компоненты. Показаны варианты использования указанных принципов в системе ГАММА-3. Рассмотрена усовершенствованная методика решение задач нейронного управления в системе ГАММА-3.

Работа выполнена при финансовой поддержке РФФИ (проект 15-07-99684-а).

Литература

1. Минский М. Фреймы для представления знаний / Пер. с англ.- М.: Энергия, 1979, 152 с.

2. Системы автоматизированного проектирования: Учеб. пособие для втузов: В 9 кн. / Под ред. И.П. Норенкова.- М.: Высш. шк., 1986.

3. Степанов А.М. Принципы построения, архитектура средств проектирования, моделирования и исследования интеллектуальных систем управления / А.М.Степанов, М.Ф.Степанов // Восьмая Всероссийская мультиконференция по проблемам управления: Материалы 8-й Всероссийской мультиконференции: в 3 т. – Ростов-на-Дону: Издательство Южного федерального университета, 2015. Т.1. С. 109-112.

4. Галушкин А.И. Теория нейронных сетей. Кн. 1 / Под ред. А.И.Галушкина.- М.: ИПРЖР, 2000.- 272 с.: ил. (Нейрокомпьютеры и их применение).

5. Сигеру Омату. Нейроуправление и его приложения. Кн. 2. / Сигеру Омату, Марзуки Халид, Рубия Юсоф; Пер. с англ. Н.В.Батина; Под ред. А.И.Галушкина, В.А.Птичкина. – М.: ИПРЖР, 2000.- 272 с.: ил. (Нейрокомпьютеры и их применение).

6. Александров А.Г. Система ГАММА-3 и ее применение / А.Г.Александров, Л.С.Михайлова, М.Ф.Степанов // Автоматика и телемеханика, 2011, № 10. С. 19 – 27.