Интеллектуальные методы многокритериальной диагностики состояний сложных технических систем и технологических процессов

Рассматривается проблема совершенствования диагностики состояний технических систем и технологических процессов, характеризующихся слабоструктурированной постановкой задачи диагностики. Сложность диагностики определяется большим количеством контролируемых параметров технической системы со стохастическими составляющими переменных описания состояний, сложностью задания границ областей допустимых состояний объекта на разных этапах работы, что обусловливает необходимость привлечения знаний экспертов для поиска решений по распознаванию и диагностике нештатных состояний и восстановлению нормального функционирования системы при наличии различных критериев управления процессами. В данном проекте предполагается разработка методологических и теоретических основ организации поддержки и исполнения решений по диагностике сложных технических систем и технологических процессов в соответствии с концепцией управления знаниями и онтологического инжиниринга. В соответствии с предложенной концепцией планируется разработка методов извлечения и формализации знаний о диагностике состояний сложных технических систем и технологических процессов на основе онтологического анализа и построения нечетких когнитивных карт для выявления факторов, наиболее существенно влияющих на возникновение нештатных состояний сложных технических систем и технологических процессов. Формализация знаний осуществляется в виде базы знаний, содержащей правила и прецеденты для интеллектуальной поддержки принятия решений в процессе управления сложными техническими системами и технологическими процессами в условиях неопределѐнности. Создание базы знаний обеспечивает разработку и применение интеллектуальных методов и алгоритмов многокритериальной диагностики состояний сложных технических систем и технологических процессов на основе предложенных динамических и онтологических моделей. Оценку эффективности диагностики сложных технических систем и технологических процессов в условиях неопределенности с применением предложенных методов, моделей и алгоритмов интеллектуальной поддержки принятия решений предполагается реализовать с использованием сбалансированной системы показателей эффективности.