Разработка микропроцессорного устройства управления

На этапе выполнения осуществляется наполнение экспертом  базы знаний. В связи с тем, что  основой ЭС являются знания, данный этап является наиболее важным и наиболее трудоемким этапом разработки ЭС. Процесс приобретения знаний разделяют на извлечение знаний из эксперта, организацию знаний, обеспечивающую эффективную работу системы, и представление знаний в виде, понятном ЭС. Процесс приобретения знаний осуществляется инженером по знаниям на основе анализа деятельности эксперта по решению реальных задач.

3.1 Идентификация

На данном этапе нам необходимо определить тип и широту постановки задачи, а также цели и задачи создания экспертной системы.

Целью создания экспертной системы является желание повысить компетентность консультантов, размножить опыт специалистов работы с клиентами, повысить не только качество предоставляемых услуг, но и удобство для самих клиентов при получении консультаций и получении помощи при выборе заказа, а также сокращение времени, затрачиваемого клиентом на выбор подходящего фена.

В качестве входных  данных для решения задачи используется информация о требованиях клиента, запрашиваемая у него с помощью интерфейса программы, реализующего процесс интерактивного диалога. На основе информации, полученной от пользователя, формируется запрос к базе знаний, осуществляется поиск и выдается множество решений, удовлетворяющих введенным условиям.

3.2 Концептуализация

На этапе концептуализации решают, какие понятия, отношения и механизмы управления нужны для описания решения задач в избранной области.

В качестве модели представления  знаний для разрабатываемой экспертной системы была выбрана семантическая сеть. Семантическая сеть – это ориентированный граф, вершинами которого являются понятия, а дугами – отношения между ними. Объектами семантической сети могут быть понятия, события, процессы, свойства класса. Между объектами может существовать родовая или видовая (обратная) связь.

Существуют следующие типы отношений в семантических сетях:

• «класс – элемент класса»;
• «свойство – значение»;
• «пример элемента класса».

Основные  типы связей в семантических сетях:

• структурные;
• функциональные;
• количественные;
• временные;
• атрибутивные.

Здесь необходимо выявить основное понятие разрабатываемой экспертной системы и выделить его атрибуты.

В качестве входных  данных используются параметры интересующие пользователя. Пользователь может указывать, какие из параметров использовать при поиске решения. Выбор всех составляющих осуществляется из списка доступных значений.

Выходными данными экспертной системы является список параметров, удовлетворяющих требованиям пользователя. Этот список может содержать один или несколько вариантов, близко расположенных к требованиям пользователя.

3.3 Формализация

База знаний экспертной системы представляет собой  таблицу базы данных. Основу современной  информационной технологии, обеспечивающей сегодня управление информацией,  составляют базы данных (БД). БД – набор фактов, утверждений и заключений, используемых при сопоставлении с правилами в системе, основанной на правилах. БЗ – часть системы, основанной на знаниях, или экспертной системы, содержащая экспертные знания.

Получаем формализованную  задачу: на основе введенной клиентом информации необходимо составить и выполнить запрос, который извлечет из базы данных информацию, интересующую клиента.

 

 

 

4 Создание экспертной системы  по выбору фена

4.1 Идентификация

Необходимо разработать экспертную систему, которая поможет пользователю осуществить выбор фена, для уменьшения ширины поставленной задачи в исходах учитывается только ассортимент одного магазина, исходя из требований предъявляемых пользователем.

Таким образом, в качестве входных данных для решения задачи будет использоваться информация о требованиях пользователя, запрашиваемая у него посредством интерфейса программы. На основе введенной пользователем информации будет осуществляться поиск и выбор фена.

4.2 Концептуализация

В качестве модели представления  знаний для разрабатываемой экспертной системы была выбрана семантическая сеть. Семантическая сеть – это ориентированный граф, вершинами которого являются понятия, а дугами – отношения между ними. Объектами семантической сети могут быть понятия, события, процессы, свойства класса. Между объектами может существовать родовая или видовая (обратная) связь. Семантическая сеть понятия «Модель» представлена в приложении А, под понятием модель, конечно же, подразумевается «Модель фена».

Связи графа представляют собой два типа отношений: структурные отношения «множество-подмножество» и атрибутивные «множество-элемент». На графе структурные отношения обозначены  S, атрибутивные – E.

В качестве входных данных используются параметры интересующие пользователя. Пользователь может указывать, какие из параметров использовать при выборе кольца. Выбор всех составляющих осуществляется из списка доступных значений.

Выходными данными экспертной системы является список моделей фенов, удовлетворяющих требованиям пользователя. В экспертной системе используются все основные параметры, используемые при составлении выбора фена, поэтому у клиента не должно возникнуть сложностей с выбором.

4.3 Формализация

Формализованная задача: на основе введенной клиентом информации необходимо составить и выполнить  запрос, который извлечет из базы данных информацию, интересующую клиента.

4.4 Реализация

Для создания экспертной системы был использован программный  продукт «Малая экспертная система 2.0», который представляет собой  простую экспертную систему, использующую байесовскую систему логического вывода. Данная программа предназначена для проведения консультации с пользователем в какой-либо прикладной области (на которую настроена загруженная база знаний) с целью определения вероятностей возможных исходов и использует для этого оценку правдоподобности некоторых предпосылок, получаемую от пользователя. Она запрашивает у пользователя оценку истинности самого важного свидетельства, на основе ответа корректирует вероятности исходов и переходит к следующему свидетельству, выбрав снова самое актуальное. Таким образом, достигается наискорейшее получение результата при минимальном количестве запросов.

Использование байесовской  системы логического вывода означает, что информация, обрабатываемая экспертной системой, не является абсолютно точной, а носит вероятностный характер. Пользователь не обязательно должен быть уверен в абсолютной истинности или ложности свидетельства, он может отвечать на запросы системы с какой-то степенью уверенности. В свою очередь система выдаёт результаты консультации в виде вероятностей наступления исходов.

Основной задачей является создание базы знаний, для этого  используется «Редактор баз знаний», который предназначен для создания и редактирования баз знаний «Малой экспертной системы».

База знаний представляет собой текстовый файл, включающий три секции со следующей структурой:

___ ___ ___ ___ ___

Описание базы знаний, имя автора, комментарий и т.п.

___ ___ ___ ___ ___

Свидетельство №1 (любой  текст, заканчивающийся переносом  строки)

Свидетельство № 2

Свидетельство № 3

...

Свидетельство № N

___ ___ ___ ___ ___

Исход № 1, P [ , i, Py, Pn ]

Исход № 2, P [ , i, Py, Pn ]

Исход № 3, P [ , i, Py, Pn ]

...

Исход № M, P [ , i, Py, Pn ]

___ ___ ___ ___ ___

 

Смысл первых двух секций вполне понятен из приведённой схемы. Последняя секция требует более подробного рассмотрения. В ней перечисляются правила вывода: каждое задаётся в отдельной строке.

В начале описания правила  вывода задаётся исход, вероятность  которого меняется в соответствии с данным правилом. Это текст, включающий любые символы, кроме запятых. После запятой указывается априорная вероятность данного исхода (P), т.е. вероятность исхода в случае отсутствия дополнительной информации. После этого через запятую идёт ряд повторяющихся полей из трёх элементов. Первый элемент (i) – это номер соответствующего вопроса (свидетельства). Следующие два элемента  
(Py = и Pn = ) – соответственно вероятности получения ответа «Да» на этот вопрос, если возможный исход верен и неверен. Эти данные указываются для каждого вопроса, связанного с данным исходом.

Значения  и , подставленные в теорему Байеса, позволяют вычислить апостериорную вероятность исхода, т.е. вероятность, скорректированную в соответствии с ответом пользователя на данный вопрос:

(4.1)

или

(4.2)

Вероятность осуществления  некой гипотезы H при наличии определенных подтверждающих свидетельств E вычисляется на основе априорной вероятности этой гипотезы без подтверждающих свидетельств и вероятностей осуществления свидетельств при условиях, что гипотеза верна или неверна.

Для работы с базой  знаний, ее необходимо загрузить в «Малую экспертную систему», являющуюся интерфейсом взаимодействия с пользователем, окно программы представлено на рисунке 4.1.

Рисунок 4.1 – Начало экспертной системы по выбору фена

После ответов на все  вопросы в области результатов  выстраивается список всех моделей (исходов), с соответствующими вероятностями их пригодности требованиям пользователя. Окно программы после завершения диалога с пользователем представлено на рисунке 4.2.

Рисунок 4.2 – Выбор  фена

Протокол консультации с Малой Экспертной Системой представлен в приложении Б.

 

 

 

5 Создание экспертной системы диагностики состояния работоспособности фена

5.1 Идентификация

Необходимо разработать  экспертную систему, которая поможет  определить пользователю этой системы состояние работоспособности его фена, исходя из соответствующих признаков.

Таким образом, в качестве входных данных для решения задачи будет использоваться информация о состоянии работоспособности фена, запрашиваемая посредством интерфейса программы. На основе введенной пользователем информации будет осуществляться поиск и выбор из базы данных поломки, которая соответствует данным признакам неработоспособности.

5.2 Концептуализация

В качестве входных  данных используются возможные причины поломки.

Выходными данными  экспертной системы являются возможный поломки и последующие рекомендации.

В приложении В представлен алгоритм функционирования экспертной системы. В алгоритме все связи – функциональные, то есть указывающие на возможность выполнения какой-либо функции или действия.

5.3 Формализация

Формализованная задача: на основе введенной пользователем информации необходимо составить и выполнить запрос, который извлечет из базы данных информацию, интересующую пользователя.

5.4 Реализация

В качестве среды для  разработки оболочки экспертной системы, обеспечивающей работу с базой данных, было решено использовать CLIPS v.624. CLIPS v.624 обладает большой гибкостью, в этой системе можно написать приложение, отвечающее любым требованиям клиента. Листинг программы представлен в приложении Г

Ниже на рисунках 5.1 и 5.2 приведены некоторые примеры функционирования экспертной системы в области диагностики состояния работоспособности фена.

Рисунок 5.1 – Начало работы экспертной системы по диагностике состояния работоспособности фена

Рисунок 5.2 – Пример работы ЭС

 

 

Заключение

В данной курсовой работе были разработаны две экспертные системы. Одна в предметной области выбора фена, другая в предметной области диагностики состояния работоспособности фена. Для создания первой экспертной системы был использован программный продукт «Малая экспертная система 2.0», который представляет собой простую экспертную систему, использующую байесовскую систему логического вывода. Для создания второй экспертной системы был использован программный продукт CLIPS 6.241, который подставляет собой экспертную систему имеющую делу с правилами и фактами.

Таким образом, в результате выполнения данной курсовой работы были приобретены навыки создания экспертных систем путем использования реализаций двух различных основополагающих идей.