Разработка методов и алгоритмов построения деревьев решений для систем управления на железнодорожном транспорте

Актуальность работы. В условиях рыночной системы хозяйствования основным способом повышения эффективности производства является усовершенствование методов управления и организации. Очевидно, в этой связи особая роль отводится внедрению передовых компьютерных технологий в задачи управления и контроля.

Железнодорожный транспорт является одной из тех отраслей, где совершенствование управления невозможно без широко применения современных информационных технологий. Во многих технологических процессах на транспорте уже завершен первый этап автоматизации /80/. Однако, большинство информационно-управляющих систем выполняют лишь вспомогательную функцию, когда наиболее сложные решения по прежнему принимаются человеком. Во многих случаях на то есть совершенно объективные причины. Например, ни одна современная управляющая система не способна функционировать с надежностью достаточной для поручения ей таких задач, ошибка в которых может создать угрозу здоровью или жизни человека. Вместе с тем, существует множество процессов, к которым предъявляются сниженные требования по надежности, но уровень их автоматизации по прежнему не высок.

В работах /81, 67/ выделяются следующие первоочередные задачи информатизации на транспорте:

— перенос основных функций управления с операторов на автоматические вычислительные системы, с возложением на оператора контролирующих пассивных функций;

— применение современных средств аналитической обработки информации для поддержки принятия решений;

— переход на ремонтно-восстановительные методы обслуживания;

— создание системы автоматизированной комплексной диагностики с прогнозированием предотказных ситуаций;

— создание экспертных систем, регламентирующих действия оперативного персонала в нештатных ситуациях.

Многие технологические задачи на железнодорожном транспорте чрезвычайно сложны, и их полная структуризация и формализация практически невозможна. Такие задачи невозможно решить обычными аналитическими методами. Традиционно ответственность за принятие решений в таких ситуациях возлагается на человека-специалиста. Вычислительная система здесь все же применяется, но выполняет лишь вспомогательную роль в подготовке данных. К примеру, задача диагностики предотказных состояний горочных замедлителей полностью ложится на дежурного электромеханика /54/. Существующие вычислительные системы проводят нормировку и пересчет основных показателей состояния замедлителя в другие более удобные единицы измерения. Окончательный диагноз ставится электромехаником по совокупности всех факторов доступных из Контрольно-Диагностического Комплекса и с учетом его опыта и других факторов, полученных иными способами.

Следует отметить, что в технике, в отличие от экономики и медицины, очень часто существует альтернатива «слепому» анализу объекта управления или диагностики по внешним признакам 121. Требуемая информация об объекте может быть получена путем его разборки. В этом случае причины неисправности могут быть получены путем непосредственных наблюдений или измерений. Однако, такие операции как правило сопряжены со значительными затратами времени и ресурсов. К примеру, для внешнего осмотра замедлителя необходимо как минимум приостановить процесс роспуска состава, что неизбежно приведет к материальным потерям из-за нарушения графика /54/. Другим примером может служить задача диагностики тяговых двигателей локомотивов. Его разборка — дорогостоящий процесс. Однако, предварительная информация о состоянии двигателя может быть получена без разбора путем виброакустической диагностики /97/. Решение о проведении дальнейших ремонтных работ в подобных задачах может быть принято по неким внешним признакам. К примеру, в случае с замедлителем по результатам анализа таких признаков, как замедление конкретного типа отцепов, инерционность, погодные условия может быть принято решение о продолжении текущего роспуска и проведении визуального осмотра во время следующего технологического окна. Таким образом, анализ технических систем по внешним признакам может способствовать экономии времени и средств за счет более оптимального планирования ремонтно-восстановительных работ /81/.

Ввиду таких свойств, как трудноформализуемость и неполнота входной информации, решением подобных задач, как правило, занимается человек-специалист в данной области. Автоматизация процесса принятия решения в таких задачах невозможна посредством обычных аналитических методов и линейных алгоритмов. Следовательно, для их решения необходимо применять подходы, разработанные в искусственном интеллекте.

В своих рассуждениях специалист пользуется различными типами знаний. Часть из них получены из технической литературы и содержат информацию о внутреннем устройстве и принципах функционирования объекта управления или диагностики. Однако, в таких трудноформализуемых задачах окончательное решение базируется в большей степени на опыте специалиста, который он приобрел при решении подобных задач в прошлом. Для формализации таких опытных знаний и моделирования поведения человека-эксперта в искусственном интеллекте используются экспертные системы /113/.

Развитие теории экспертных систем началось в 60−70-х годах с появлением первых вычислительных систем. Большая часть исследований велась в направлении поиска новых моделей представления знаний и стратегий управления выводом /64/. При этом противоборствовало два стремления. С одной стороны, исследователи стремились найти более универсальные способы представления знаний, с помощью которых можно было бы представить знания из самых разных областей науки, техники и жизни. Такое универсальное представление могло бы предоставить очень привлекательную возможность ассоциативного переноса знаний или метазнаний, накопленных в одной предметной области на другие. С другой стороны, для использования в задачах практического масштаба необходимо было найти такие модели, поиск решений на которых осуществлялся бы достаточно быстро /64/.

Баланс между требованиям к универсальности и вычислительной сложности постоянно сдвигался в сторону первого. Сейчас, при нынешнем уровне быстродействия вычислительных систем и, в особенности, темпах его роста, второе стремление отошло на второй план /59/. В связи с этим, в настоящее время основные усилия исследователей направлены на совершение методов и инструментария разработки экспертных систем (ЭС). Изначально, для построения ЭС применялось три типа специалистов /116/: программисты, эксперты в данной предметной области и инженеры по знаниям. При этом основная нагрузка ложилась именно на инженеров по знаниям, в задачи которых входило извлечение, структуризация и формализация знаний, имеющихся у экспертов. Этот процесс был чрезвычайно долгим и дорогостоящим. При этом нередко приходилось отказываться от выбранной модели представления знаний, разрабатывать новую, и повторять этапы структуризации и формализации заново /116/.

В последние годы очень активно развиваются новые подходы к построения баз знаний ЭС. В этих подходах исследователю отводится менее активная роль. Основная работа по извлечению знаний осуществляется автоматически /116/. Помимо резкого сокращения времени извлечения знаний, такой подход позволяет придать ЭС качественно новые функции. ЭС, оснащенная блоком автоматического приобретения знаний, способна анализировать последствия решений, принятых ею в прошлом /79/. В зависимости от успеха или неудачи принятых ранее решений ЭС может оперативно корректировать свою базу знаний. Таким образом, реализуется своеобразная обратная связь, потенциально способная улучшить качество принятия решений за счет выявления таких знаний об объекте анализа, о которых человек-эксперт мог и не знать /79/.

Большинство систем автоматического приобретения знаний в качестве входных данных используют примеры поведения человека-специалиста в данной предметной области. Чаще всего используются «положительные» примеры правильного поведения, но иногда определенная информация может быть получена из «контрпримеров» неправильного поведения /28/. Причиной широко распространения таких индуктивных форм автоматического приобретения знаний является, по-видимому, простота получения таких примеров. Чаще всего, для этого вообще не требуется активного участия эксперта. Достаточно лишь иметь протокол его действий в самых различных ситуациях, охватывающий достаточно большой период времени. К примеру, для обучения задаче диагностики предотказного состояния замедлителя можно использовать протоколы Контрольно-Диагностического Комплекса, в которых фиксируются все необходимые факторы /50/.

Среди систем индуктивного обучения можно особо выделить сазе-системы /116/, системы, основанные на нейронных сетях /131/ и деревьях решений /125/. Именно этим системам посвящено большинство современных исследований, т.к. с помощью них удается достичь наименьших уровней ошибок прогнозирования.

Ввиду таких свойств, как низкие требования к структуре обучающих примеров, способность обнаруживать негомогенные отношения, простота интерпретации и преобразования в продукционные правила /125/, данная работа посвящена исследованию процедур индуктивного обучения, основанных на деревьях решений. Тенденция к резкому увеличению быстродействия современных вычислительных систем /126/ также использована в работе, т.к. поиск более совершенных процедур приобретения знаний ведется за счет применения методов «грубой силы» /120/, где данная цель достигается за счет искусственного увеличения объемов вычислений.

В качестве объекта исследования в работе используются управляющие и диагностические системы и АРМы, работающие в условиях неполноты информации, и предназначенные для принятия решений в трудноформали-зуемых задачах.

Предметом исследования являются структура, принципы функционирования и диагностики сложных технических объектов железнодорожного транспорта.

Целью диссертационного исследования является разработка и совершенствование методов и алгоритмов построения деревьев решений и коллективов деревьев решений, позволяющих добиться низшей ошибки прогнозирования при меньших затратах вычислительных ресурсов и памяти.

Для достижения поставленной цели необходимо решить следующие задачи:

— обосновать выбор модели представления знаний, основанной на деревьях решений, для задач построения управляющих и диагностических систем на железнодорожном транспорте;

— выявить причины недостаточной точности предсказания существующих алгоритмов построения деревьев решений и предложить пути ее повышения с использованием методов самоорганизации и бутстреп-процедур получения несмещенных оценок;

— выявить недостатки существующих алгоритмов построения коллективов классификаторов применительно к деревьям решений, и предложить пути их устранения с использованием идей самоорганизации в построении моделей;

— программно реализовать предлагаемые алгоритмы построения деревьев решений и коллективов деревьев решений;

— провести сравнительный анализ предлагаемых алгоритмов с существующими на практических базах данных и в виртуальном эксперименте;

— применить разработанные модели и программное обеспечение для решения практических задач в автоматизированных системах управления на железнодорожном транспорте.

Методы исследования основываются на применении фундаментальных и прикладных исследований в области теории вероятности, распознавания образов, имитационного моделирования, экспертных систем, инженерии знаний, математической статистики, самоорганизации, случайного поиска и деревьев решений. В работе использовались методы экспериментального статистического исследования.

В работе использованы труды таких авторов, как Айвазян С. А., Бакаев A.A., Берштейн JI.C., Брейман Д., Вагин В. Н., Васант. X., Гаврилова. Г. А., Гупал A.M., Дрейпер, Жужек А., Ивахненко А. Г., Картик Б., Куинлан Р., Мешалкин В. П., Орлов А. И., Пархоменко П. П., Попов Э. В., Растригин JT.A., Солодовникова В. В., Стоун М., Уотермен Д., Федеров И. П., Фридман X., Фрюнд Й., Фукунага К., Ханд Д., Хант И., Хассон ML, Хейес-Рот Ф., Червин-ская K.P., Чирихин С. Н., Шавлик Д., Шенк Р., Эфрон Б. В вопросах применения методов информационных и экспертных систем на железнодорожном транспорте использовались труды таких авторов, как Мишарин A.C., Козлов П. А., Иванченко В. Н., Лисенков В. М., Лябах H.H., Сапожников В. В., Гуда А. Н., Жарков Ю. И., Ульяницкий Е. М., Тишкин Е.М.

Теоретические исследования, проведенные в работе, апробировались в имитационных экспериментах на модельных задачах и на реальных задачах технической диагностики, в частности, на железнодорожном транспорте.

Научная новизна работы состоит в следующем:

— разработан и исследован подход для решения задач синтеза моделей управления и диагностики технических процессов на железнодорожном транспорте в виде деревьев решений, основанный на методе бутстрепа;

— предложено два новых алгоритма автоматического построения единичных деревьев решений, позволяющих понизить ошибку классификации и одновременно уменьшить сложность классификатора;

— предложен новый алгоритм автоматической селекции коллективов деревьев решений, позволяющий добиться меньшей ошибки прогнозирования при меньшем объеме коллектива;

— введена процедура получения частично независимого критерия ошибки классификации для оптимизационных моделей селекции коллективов деревьев решений путем многократного увеличения объема проверочной выборки;

— введен критерий для сравнения деревьев решений с точки зрения их роли в коллективе.

Практическая ценность работы определяется потребностью в реализации интеллектуального программного обеспечения процедур диагностики и мониторинга горочных замедлителей и поиска неисправностей в электрооборудовании электровозов. В работе достигнуты следующие практические результаты:

1. Разработано программное обеспечение, реализующее предлагаемые методы, а также экспертная система, использованная для поиска неисправностей в электрооборудовании электровоза.

2. Использование результатов диссертационного исследования для усовершенствования систем управления горочными замедлителями позволит сократить численность обслуживающего персонала и повысить качество принимаемых решений.

3. Методы и алгоритмы, предложенные в работе, носят универсальный характер и были использованы в других областях науки, например в медицине.

Достоверность и обоснованность научных положений, выводов и рекомендаций, сформулированных в диссертации, подтверждается результатами вычислительных экспериментов на практических и модельных задачах, публикациями, апробацией работы на ряде всероссийских, международных, региональных и отраслевых конференций, результатами практического использования предложенных в диссертации моделей, методов и алгоритмов, подтвержденными актами.

Апробация работы. Основные положения диссертации и научные результаты докладывались и обсуждались на семинарах кафедры «Информатика» Ростовского государственного университета путей сообщения (РГУПС), на 58-ой научной конференции профессорско-преподавательского состава РГУПС 1999 г., 59-ой Вузовской научно-технической конференции профессорско-преподавательского состава «Транспорт-2000» РГУПС, 2000 г., на Втором всероссийском симпозиуме «Прикладная и промышленная математика» г. Самара, 2001 г., VII Всероссийском семинаре «Нейроинформатика и ее приложения» г. Красноярск, 1999, VIII Всероссийском семинаре «Нейроинформатика и ее приложения» г. Красноярск, 2000 г., Всероссийской научной конференции «Техническая кибернетика, радиоэлектроника и системы управления» г. Таганрог, 2000 г., Третьей Всероссийской научной конференции молодых ученых и аспирантов «Новые информационные технологии. Разработка и аспекты применения» г. Таганрог, 2000 г., Международной научно-технической конференции «Проблемы и перспективы развития железнодорожного транспорта» г. Ростов-на-Дону, 1999 г., Второй международной отраслевой научно-технической конференции «Актуальные проблемы развития железнодорожного транспорта и роль молодых ученых в их решении» 2000 г., Международной научно-технической конференции «Новые технологии управления движением технических объектов» г. Новочеркасск, 2001 г. Материалы диссертации были представлены и отмечены наградой на Конкурсе «Фундаментальные и прикладные проблемы современной техники», организованном и проведенном Северо-Кавказским научным центром высшей школы и Ростовским отделением Российской инженерной академии в 2001 г.

Публикации. По результатам диссертационного исследования опубликовано четырнадцать печатных работ.

Внедрение результатов работы. Материалы диссертационного исследования были использованы для разработки системы оперативной диагностики предотказных состояний горочных замедлителей третьей тормозной позиции и компьютерной системы, предназначенной для выдачи «экспертного» мнения о выборе ступени торможения на третьей тормозной позиции. Материалы диссертации были использованы для разработки системы поиска неисправностей в электрооборудовании электровозов. Результаты исследования были также использованы для разработки систем медицинской диагностики. Результаты внедрения подтверждены соответствующими актами.

Результаты научных исследований также используются в учебном процессе.

Структура и объем работы. Диссертация состоит из введения, пяти глав, содержащих 19 пунктов, заключения, списка использованной литературы и приложений. Основное содержание диссертации изложено на 161 странице, содержит 53 рисунка и 17 таблиц.

Список использованных источников

содержит 147 наименований отечественных и зарубежных источников.

5.4 Выводы.

1. Исследована существующая методика анализа состояния горочных замедлителей по косвенным признакам. Проведен анализ данной задачи с точки зрения применимости теории распознавания образов.

2. Проведен анализ факторов, доступных в КДК для оперативного мониторинга состояния замедлителей. Выделены признаки, позволяющие осуществлять удаленную диагностику предотказ-ных состояний замедлителей третьей тормозной позиции. Приведен анализ эффективности применения алгоритма Р. Тгее 1.0 в данной задаче. Показана возможность интеграции предлагаемой системы в программное обеспечение КДК.

3. Проведен анализ существующей методики выбора ступени и времен затормаживания и оттормаживания замедлителей третьей тормозной позиции. Проиллюстрирован нечеткий характер задачи, обуславливающий целесообразность применения статистических методов.

4. Выбраны основные факторы, участвующие в принятии решения о выборе ступени торможения. Эффективность алгоритма Р. Тгее 1.0 проиллюстрирована на реальных данных, взятых из протоколов роспуска составов на Входной горке станции Омск.

5. Предложена экспертная система диагностики неисправностей в электрических цепях электровоза. Предложен метод построения автоматической подсистемы выдвижения гипотез об оптимальном направлении поиска неисправностей.

ЗАКЛЮЧЕНИЕ

.

В диссертации решены следующие теоретические и практические задачи:

1. В результате анализа ряда сложных технологических задач железнодорожного транспорта, проведенного в настоящей работе, показано, что одним из эффективных методов их решения являются методы, основанные на построении деревьев решений.

2. Выделены основные свойства и особенности методов построения деревьев решений. Проведен анализ причин недостаточной объективности критериев разделения. Исследованы различные пути борьбы с этой необъективностью и предложены конкретные методы решения этой проблемы.

3. Реализованы новые алгоритмы построения деревьев решений, позволяющие получать решающие правила, дающие меньшую ошибку предсказания. Конструируемые деревья, кроме того, характеризуются меньшей кустистостью и средней длиной, что делает их более привлекательными в системах с ограниченными вычислительными ресурсами и объемами памяти. Данные преимущества достигаются за счет искусственного увеличения объемов вычислений на этапе разработки, что вполне допустимо для большинства систем автоматического управления и диагностики.

4. Исследованы предпосылки применения агрегированных классификаторов и причины их лучшей обобщающей способности. Рассмотрены различные подходы к селекции коллективов деревьев решений, и обоснован выбор нелинейной тактики случайного поиска. Предложена процедура получения независимых критериев оптимизации агрегированного классификатора и различия деревьев, входящих в коллектив, и разработан алгоритм, позволяющий строить коллективы деревьев с лучшей обобщающей способностью и меньшим размером. Увеличение вычислительной сложности алгоритма на этапе обучения вполне оправдывается ее снижением на этапе эксплуатации.

5. Предлагаемые алгоритмы проверены на практических задачах диагностики и управления горочными замедлителями и поиска неисправностей в электрооборудовании электровоза. В задачах осуществлен отбор наиболее информативных признаков. Результаты экспериментов подтверждают целесообразность включения данных методов в состав существующих управляющих и диагностических систем для работы в советующем режиме.

6. Проведено сравнение предлагаемых и существующих алгоритмов в вычислительном эксперименте на модельных и практических базах данных. Алгоритмы Р. Тгее и Р. БрШ позволяют получать деревья меньшего размера и с меньшей ошибкой классификации, чем алгоритм С4.5. Алгоритм Р. Со11 позволяет строить коллектив деревьев решений, также дающий меньшую ошибку классификации при меньшем размере коллектива, чем алгоритм бэггинга.

7. Универсальность предлагаемых методов и алгоритмов подтверждена реализацией автоматической советующей системы прогнозирования вегето-висцеральных нарушений у детей раннего возраста.