Функциональное построение интеллектуальной системы: последовательное шкалирование данных в ее трактах

Рассмотрены проблемы архитектурно-функционального построения и гетерогенная сетевая структура интеллектуальной системы управления производственно-технического назначения. Комплексное исследование интеллектуальной системы основано на современной парадигме конвергенции технических, алгоритмических и программных решений. Концепция конвергенции системных решений в технологии построения интеллектуальных систем предполагает оцифровку значений физических величин при сенсорных измерениях, а также однотипное отображение и последовательное преобразование значения каждого контролируемого пара- метра на определенном наборе шкал. Для решения этой задачи предложен функционально полный набор шкал: естественных значений измеряемых физических параметров; результатов сенсорных преобразований физических величин; результатов измерения параметров в формате целочисленных двоичных кодов; значений параметров в формате вещественных масштабированных двоичных чисел. На указанном наборе шкал построены унифицированные алгоритмы цифровизации результатов прямых измерений непрерывных параметров и их представления в форматах ρ-разрядных целочисленных двоичных кодов, а также преобразования измеряемых параметров в форматы вещественных масштабированных двоичных чисел и их отображения на шкалу естественных значений физических параметров. Специфицированы операции с оцифрованными физическими параметрами в трактах интеллектуальной системы: калибровка результатов косвенных измерений; оцифровка дискретных сенсорных сигналов; цифровая фильтрация результатов измерений; юстировка измерительных трактов; интеллектное управление исполнительными механизмами. Следствием применения положений конвергенции является схожее морфологическое строение, а также схематическая однотипность реализации информационных процессов и циклов управления в системах. Результаты анализа проблемы функционального построения интеллектуальной системы могут быть использованы при создании, например, гибридных систем промышленной автоматизации.

1. Hant, E. Artificial Intelligence / E. Hant. – New York: Academic Press, 1975. – 864 p.

2. Russel, S. Artificial Intelligence: A Modern Approach / S. Russel, P. Norvig. – New Jersey: Pearson Education, 2020. – 1136 p.

3. Сергиенко, А. Б. Цифровая обработка сигналов / А. Б. Сергиенко. – СПб.: Питер, 2002. – 608 с.

4. Smit, S. Digital Signal Processing: A Practical Guide for Engineers and Scientists / S. Smit. – San-Diego: Technical Publishing, 2002. – 643 p.

5. Гулай, А. В. Архитектура интеллектуальных систем / А. В. Гулай, В. М. Зайцев. – Минск: ИВЦ Минфина, 2018. – 367 с.

6. Гулай, А. В. Интеллектуальные мехатронные системы с дистанционной организацией транзакций: особенности построения / А. В. Гулай, В. М. Зайцев // Доклады БГУИР. – 2015. – № 7. – С. 92–98.

7. Федотов, А. В. Использование методов теории автоматического управления при разработке мехатронных систем / А. В. Федотов. – Омск: Из-во ОмГТУ, 2007. – 84 с.

8. Гулай, А. В. Дистанционное отображение сенсорной информации в базе данных интеллектуальной мехатронной системы / А. В. Гулай, В. М. Зайцев // Электроника-инфо. – 2015. – № 2. – С. 51–55.

9. Гулай, А. В. Программное управление исполнительными органами в интеллектуальных мехатронных системах / А. В. Гулай, В. М. Зайцев // Теоретическая и прикладная механика. – 2015. – Вып. 30. – С. 161–168.