Программные продукты и системы

Современный этап развития автоматизированных систем характеризуется более широким применением интеллектуальных компьютерных технологий в процессах обработки информации, принятия решений и управления. Проблематика применения встроенного компьютерного интеллекта открывает новое направление научных исследований в области автоматизации эргатических систем управления (ЭСУ). Развитие данного направления предполагает кардинальные изменения функциональной структуры процессов управления, создание необходимой теоретической базы для постановки и решения конкретных научно-технических задач. Одна из закономерностей научно-технического прогресса – ускоренный рост сложности и масштабов технических систем, степени их влияния на техносферу. Проблема эффективности и безопасной эксплуатации систем приобретает первостепенное значение и не может решаться вне сферы автоматизации, в которой исключительно важную роль играют ЭСУ. В связи с этим одна из главных проблем разработки высокоэффективных ЭСУ заключается в оптимальном распределении функций между ЧО и техническими средствами с учетом психофизиологических возможностей человека. Необходимость иссле- дования интеллектуальных систем при их функционировании в реальном мире обусловила постановку задачи создания интегральных роботов. Проведение таких работ можно считать вторым этапом исследований по исскуственному интеллекту [1, 2].

Структура ЭСУ состоит из трех комплексов вычислительных средств (см. рис.). Первый комплекс представляет собой совокупность средств, спроектированных с позиций эффективного ре- шения задач и выполняющих программы (исполнительную систему), и имеет в ряде случаев проблемную ориентацию. Второй комплекс – совокупность средств интеллектуального интерфейса, имеющих гибкую структуру, которая обеспечивает возможность адаптации в широком спектре интересов конечных пользователей. Третьим комплексом средств, с помощью которых организу- ется взаимодействие первых двух, является база знаний, обеспечивающая использование вычислительными средствами первых двух комплексов целостной и независимой от обрабатывающих программ системы знаний о проблемной среде.

Исполнительная система объединяет всю совокупность средств, обеспечивающих выполнение сформированной программы. Интеллектуальный интерфейс – система программных и аппаратных средств, обеспечивающих конечному пользователю возможность использования компьютера для решения задач, которые возникают в среде его профессиональной деятельности, либо без посредников, либо с их незначительной помощью. База знаний занимает центральное положение по отношению к остальным компонентам вычислительной системы в целом, через базу знаний осуществляется интеграция средств вычислительных систем, участвующих в решении задач.

Для обеспечения решения задачи создания сложного человеко-машинного интерфейса представляется уместным использование принципа дуального управления А.А. Фельдбаума. Имеется в виду изучение системой управления характера, присущего данному оператору, и учет его при согласовании с условиями среды в выбираемом алгоритме управления [3, 4]. Такого рода работы основаны на возможностях реализации, предоставляемых имеющимися устройствами автоматизации и средствами вычислительной техники.

Рассмотрим уже существующие датчики перемещения. Функционально полная измерительная система содержит (по современным представлениям) следующие датчики.

1.     Датчик угла поворота/частоты колеса прокрутки – Y1/Y2.

2.     Датчик угла поворота/частоты вращения первичного колеса прокрутки П – Y3/Y4.

3.     Датчик угла поворота/частоты вращения вторичного колеса прокрутки – Y5/Y6.

4.     Датчик элемента джойстика (угла/скорости поворота ее оси) – U1=x1.

5.     Датчик поворота комьютерного манипулятора (угла/скорости поворота ее оси) – U2=x2.

6.     Датчик угла/скорости поворота колеса прокрутки – U3=x3.

Здесь указаны обозначения датчиков как измеримые координаты: Y – измеримые (выходные) переменные состояния; U – управляющие воздействия оператора Ui=xi.

Из этого набора датчиков следует значительно большее число идентификационных переменных: для датчиков по пунктам 4–6 действия оператора характеризуются еще направлением (знаком) воздействия, что для данного класса систем имеет существенное значение. Для других объектов аналогичным образом могут быть выделены измеримые переменные состояния и управляющие воздействия оператора (см. табл.).

Кроме того, имеется логическая переменная, которая может быть использована для идентификации стиля оператора: включение указателя поворотов x4 (вправо – x41, влево – x42). Таким образом, вектор выходных (измеримых в системе управления) переменных состояния можно представить в следующем виде: x[k]=L(V, U, t)V[k]+ +v[k], где L(V, U, t)Vk – вектор-функция, выявляющая состояние оператора; n[k] – вектор помех, сопровождающих действия оператора [2].

Выделенные переменные x[k] имеют высокую частоту повторения в реальных условиях управления объектом. Поэтому в запоминающих устройствах контроллера управления можно достаточно быстро накопить и статистически обработать их значения. Это обстоятельство создает разнообразные возможности построения идентификационных алгоритмов. Рассмотрим в качестве примера следующий алгоритм, который назовем двухступенчатым. Из накапливаемых данных будем формировать две базовые выборки значений вышеуказанных переменных с периодом накопления 100 и 10 000 тактов, то есть nijk=100 и Nijk=10 000, что определяет стохастические характеристики действия оператора на коротком и длинном интервалах. Можно считать, что первая из этих выборок отображает текущее состояние оператора, а вторая – его интегральные (типовые) качества. Следует сразу обратить внимание на то, что эти характеристики являются многомерными, то есть отображающими идентификационные переменные в их совокупности.

Используем аппарат многомерного шкалирования. Подберем для каждой идентификационной переменной шкалу оценивания. Вычислим максимальное значение каждой переменной следующим образом: примем его за единицу и будем считать текущим значением относительную величину переменной: xi=x jk/xjk max, где xlk max – максимальное значение соответствующей переменной.

Выделим s дискретных интервалов xjk, например 0,1, 0,2, 0,3, 0,4, …, 1. Для каждого оператора по идентификационному ID-коду в памяти контроллера накапливается относительная частота vsjk двух базовых значений идентификационной переменной из общего числа накопленных значений для этой переменной njk, то есть vsjk=nsjk/njk, где nsjk – номер интервала попадания идентификационной переменной. Для ряда значений данной переменной зависимость представляет одномерную ха- рактеристику данного оператора на некотором интервале времени – коротком и длинном. Первая отображает текущее состояние, вторая – интегральные качества данного оператора. На основании выделенной системы измеримых переменных может быть построена процедура идентификации стиля управления с использованием теории нечетких множеств.

Новизна и перспективность реализации предлагаемых подходов определяются возможностью получения результатов для разработки и создания

–      автоматизированной информационной системы организации и диагностирования психологического и физиологического обеспечения безопасности вычислительных машин, включающего комплекс мероприятий, таких как профилактика нарушений и отклонений в состоянии здоровья операторов, организация проведения медицинских осмотров, где ключевым звеном профилактики могут выступать психофизиологические факторы;

–      управляющих вычислительных систем с искусственным интеллектом, устройств обмена информацией с человеко-машинным интерфейсом с учетом интеллектуализации взаимодействия человека и вычислительного комплекса.

Таким образом, создание сложной системы с использованием дуального принципа позволит реализовать актуальные задачи организации че- ловеко-машинного интерфейса с учетом интеллектуализации взаимодействия человека и вычислительного комплекса, построения и развития автоматизированных информационных систем организации и диагностирования психологического и физиологического обеспечения безопасности работы человека. Кроме того, это создаст предпосылки для развития отечественной концепции разработки управляющих вычислительных систем с искусственным интеллектом, перспективных отечественных вычислительных машин и комплексных программных средств.

Литература

1.     Макаров И.М., Лохин В.М., Манько С.В., Рома- нов М.П. Искусственный интеллект и интеллектуальные системы управления. М.: Наука, 2006. 333 с.

2.     Корнеев Н.В., Кустарев Ю.С., Морговский Ю.Я. Теория автоматического управления с практикумом. М.: Академия, 2008. 224 с.

3.     Геловани В.Л., Башлыков А.А., Бритков В.Б., Вязи- лов Е.Д. Интеллектуальные системы поддержки принятия решений в нештатных ситуациях с использованием информации о состоянии природной среды. М.: Эдиториал УРСС, 2001. 304 с.

4.     Минитаева А.М. Введение в проблему человеко-машинного интерфейса с учетом взаимодействия вычислительной машины. Современные проблемы информационной безопасности и программной инженерии: Сб. избран. статей науч.-методологич. семинара. М.: Спутник+, 2012. С. 73–77.

References

1.     Makarov I.M., Lokhin V.M., Manko S.V., Romanov M.P. Artificial intelligence and intelligent control systems. Moscow, Nauka Publ., 2006, 333 p.

2.     Korneev N.V., Kustarev Yu.S., Morgovskiy Yu.Ya. The theory of the auto control with practicum. Moscow, Academy Publ., 2008, 224 p.

3.     Gelovani V.L., Bashlykov A.A., Britkov V.B., Vyazi- lov E.D. Intelligent decision-making systems for emergency situations using environment information. Moscow, Editorial URSS Publ., 2001, 304 p.

4.     Minitaeva A.M. Modern problems of information security and programme soft: proc. of scientific and methodological workshop. Moscow, Sputnik+ Publ., 2012, pp. 73–77 (in Russ.).