9.4.5 Меры защиты от поражения электрическим током. 52

9.4.6 Меры защиты от статического электричества. 53

9.5 Инструкция по охране труда. 54

Заключение. 56

Список использованных источников. 58

1 Введение

На начальном этапе разработки систем управления, проектирования и конструирования новых технических систем, необходимы исследования в области искусственного интеллекта. Среди множества направлений искусственного интеллекта есть несколько ведущих, которые в настоящее время вызывают наибольший интерес.          Перечислим направления, по которым ведутся исследования в области искусственного интеллекта [1]:

1.   Представление знаний и разработка систем, основанных на знаниях (разработка моделей представления знаний, создание баз знаний, образующих ядро экспертных систем, извлечение и структурирование знаний).

2.   Разработка специальных языков для решения интеллектуальных задач, программного инструментария искусственного интеллекта и создание пакетов прикладных программ, ориентированных на разработку интеллектуальных систем.

3.   Разработка естественно-языковых интерфейсов и машинный перевод.

4.   Создание интеллектуальных роботов, способных автономно совершать операции по достижению целей, поставленных человеком.

5.   Моделирование на ЭВМ отдельных творческих процессов (интеллектуальные игровые задачи: шахматы, шашки и др.), автоматическое доказательство теорем, анализ и синтез музыкальных произведений и др.

6.   Модели, методы и алгоритмы, ориентированные на автоматическое накопление и формирование знаний на основе анализа и обобщения данных.

7.   Распознавание образов, при котором используются специальные математические процедуры и функции, разделяющие объекты на классы.

Первое направление является основным направлением в области разработки систем искусственного интеллекта. Это направление позволяет программисту разрабатывать экспертные системы (ЭС), обеспечивающие высокое качество решений задач на реальных примерах при минимизации требуемого времени и памяти.

Современное состояние разработок в области ЭС можно охарактеризовать как стадию все возрастающего интереса среди специалистов в разных областях - финансистов, преподавателей, инженеров, медиков, психологов и др. Разработка ЭС направлена на использование ЭВМ для обработки информации в тех областях науки и техники, где традиционные математические методы моделирования малопригодны [2]. В этих областях важен опыт экспертов.

Главное отличие интеллектуальных и экспертных систем от других программных средств - это наличие базы знаний (БЗ), в которой знания хранятся в форме, понятной специалистам предметной области, и могут быть изменены и дополнены также в понятной форме. При этом этап анализа знаний и проектирования БЗ вызывает наибольшие трудности при разработке ЭС.

Перед проектированием БЗ необходимо определить проблемную область и задачи, и обозначить предварительный подход к решению проблемы. Анализ работоспособности элементов металлоконструкций из стали можно отнести к проблемной области, в которой необходимо получение, структурирование и формализация знаний.

На этапе получения и структурирования знаний специалистов для  последующей разработки базы знаний центральным понятием является так называемое поле знаний.

Поле знаний - условное описание понятий и взаимосвязей между ними предметной области, выявленных из системы знаний эксперта, в виде графа, диаграммы, таблицы или текста.

Особенности предметной области могут оказать существенное влияние на форму и содержание компонентов структуры поля знаний. Поэтому необходимо более подробно рассмотреть физические процессы в деталях металлоконструкций.

2 Постановка и анализ задачи

В процессе эксплуатации металлоконструкции подвергаются воздействию как статических, так и динамических нагрузок. При этом структура металлов претерпевает различного рода изменения, что определяет изменение их механических свойств и надежность конструкций. Важнейшим условием правильной эксплуатации металлоконструкций является своевременное проведение планово-предупредительной диагностики. Определение напряжений и анализ состояния материала непосредственно в процессе эксплуатации является одной из самых актуальных задач.

Появление в материале зон с повышенным уровнем внутренних напряжений при нагружении приводит к изменению скорости ультразвука. Контроль и анализ изменения скорости распространения ультразвука позволяет идентифицировать различного рода структурные изменения в металлоконструкциях.

Для рассматриваемой предметной области актуальна разработка экспертной системы (ЭС). Она необходима материаловеду при решении задач в этой области, например, для ответа на вопрос “возможна ли дальнейшая эксплуатация исследуемой конструкции”.

Перед разработкой ЭС, предназначенной для пользователя, необходимо разработать модель предметной области. Она включает два основных этапа:

·    разработка базы знаний на языке представления знаний;

·    реализация базы знаний с помощью программирования или с использованием инструментальных средств разработки ЭС.

Основными требованиями к базе знаний являются:

-    корректность (полнота и непротиворечивость);

-    минимальное количество правил;

-    широта охвата предметной области;

-    простота изменения и дополнения;

-    максимальная наглядность при структурировании знаний.

Проектирование БЗ состоит из нескольких этапов, каждый из которых представляет собой важную задачу. В случае обнаружения ошибок или недочетов, на каждом из этапов возможен возврат на ранние этапы с целью устранения выявленных ошибок. Поэтому процесс  создания БЗ является итерационным.

3 Обзор языков представлений знаний

Знания - это закономерности предметной области (принципы, связи, законы), полученные в результате практической деятельности и профессионального опыта, позволяющие специалистам ставить и решать задачи в этой области [1]. Для хранения знаний используются базы знаний, которые составляют основу любой интеллектуальной системы.

На сегодняшний день знания приобрели чисто декларативную форму, то есть знаниями считаются предложения, записанные на языках представления знаний, понятных неспециалистам.

Существуют десятки языков (моделей) представления знаний для различных предметных областей [1, 2, 5].

Большинство из них могут быть сведены к следующим классам:

·    продукционные модели;

·    семантические сети;

·    фреймы.

Продукционная модель- модель, основанная на правилах, которая позволяет представить знания в виде предложений типа “ЕСЛИ (условие), ТО (действие)”.

То есть, когда текущая ситуация (факты) в задаче удовлетворяет или согласуется с частью правила ЕСЛИ, то выполняется действие, определяемое частью ТО.

Под “условием” (антецедентом) понимается некоторое предложение-образец, по которому осуществляется поиск в базе знаний, а под “действием” (консеквентом) - действия, выполняемые при успешном исходе поиска.

Правила обеспечивают естественный способ описания процессов, управляемых сложной и быстро изменяющейся внешней средой.

Продукционная модель привлекает разработчиков своей наглядностью, высокой модульностью, легкостью внесения дополнений и изменений, простотой механизма логического вывода.

Имеется большое число программных средств, реализующих продукционный подход - язык OPS 5; “оболочки” или “пустые” ЭС- EXSYS Professional, ЭКСПЕРТ; инструментальные системы ПИЭС и др.

Семантическая сеть- это ориентированный граф, вершины которого - понятия, а дуги - отношения между ними.

Характерной особенностью семантических сетей является обязательное наличие следующих типов отношений:

-     класс - элемент;

-     свойство- значение;

-     пример элемента класса.

Проблема поиска решения в базе знаний типа семантической сети сводится к задаче поиска фрагмента сети, соответствующего некоторой подсети, отражающей поставленный запрос к базе.

Для реализации семантических сетей существуют специальные сетевые языки, например NET, язык реализации систем SIMER+MIR и др.

Фрейм- это минимальное смысловое описание в словесной структурно-классифицированной форме иерархических знаний о каком-либо понятии (объект, субъект, операция, явление, состояние, событие).

Термин фрейм (от английского frame, что означает “каркас” или “рамка”) был предложен Марвином Минским в 70-е годы для обозначения структуры знаний для восприятия пространственных сцен.

Традиционно структура фрейма может быть представлена как список свойств (слотов):

(ИМЯ ФРЕЙМА:

(имя первого слота: значение первого слота),

(имя второго слота: значение второго слота),

 (имя N-ого слота: значение N-ого слота)).

Ту же запись можно представить в виде таблицы 3.1, дополнив ее двумя столбцами.

Таблица 4.1- Структура фрейма