Построение систем распознавания образов (стр. 17 из 36)

-в испытаниях и исследованиях сложных систем вооружения.

В то же время постепенно моделирование находило все большее применение во всех невоенных областях человеческой деятельности:

-в физических и технических науках;

-в коммерческой деятельности;

-в медицине;

-в юриспруденции;

-в библиотечном деле;

-в социальных науках.

Было показано практически, что моделирование с помощью вычислительной техники применимо к любому предмету и явлению, которые могут быть описаны количественно и представлены в виде математических соотношений.

Комплексы разнообразной аппаратуры, связанные в единую целесообразно функционирующую систему посредством управляющей ЭВМ или действий обслуживающего персонала, можно встретить сегодня как на металлургических и химических предприятиях, так и в медицинских учреждениях или в исследовательских лабораториях.

Усложнение аппаратуры влечет за собой усложнение ее проектирования и производства. Нужно отметить, что организация деятельности многочисленных участников процесса разработки, упорядочение использования технологического и испытательного оборудования и т.д. превратились в ХХ веке в тяжелые системотехнические проблемы.

В настоящее время непрерывно растет число вновь создаваемых сложных систем. Это вызывается как потребностями, возникающими вследствие значительных трудностей осуществления процесса управления разросшейся экономикой, увеличением масштабов предприятий крупного производства, а также достижениями в области автоматизации и вычислительной техники.

Наиболее характерные особенности сложных систем - это наличие большого количества разнородных элементов, объединенных в систему для достижения единой цели, сложные взаимно переплетающиеся связи, развитая система математического обеспечения, предназначенная для обработки огромных информационных потоков .

Сложные системы характеризуются множеством состояний. Каждое из них определяется конкретным набором входных параметров. Изменение входного состояния или значений параметров, характеризующих поведение отдельных элементов системы, приводит к изменению выходных параметров системы и ее состояний.

Множество параметров, характеризующих каждый из элементов и систему в целом, а также наличие сложных функциональных зависимостей между ними, затрудняет формализацию с целью описания поведения таких систем. На практике редко удается получить полное математическое описание поведение сложной системы в общем виде.

Уникальность и дороговизна сложных систем практически исключает традиционные эмпирические методы их проектирования путем “доводки” аппаратуры на серии опытных образцов. В ряде случаев сложную систему вообще не успевают испытать в течение всего периода эксплуатации. При этом проверка в аварийных ситуациях, как правило, оказывается вообще невозможна (АЭС в аварийных ситуациях).

Если в качестве выхода из создавшегося положения использовать расчеты систем с привлечением ЭВМ, то здесь, во-первых, приходится сталкиваться не только с неоднозначностью состояний систем, но и с их сложностью и нелинейностью. До уровня инженерных расчетов доводится обычно только анализ линейных стационарных или нелинейных безынерционных систем. Приходится идти на их упрощения. Обычно использование аналитических методов расчета выходных показателей системы позволяет понять ее закономерности разработчику. Однако для сложных систем возможности аналитических методов крайне ограничены сложностью математического описания узлов и блоков, а также достоверностью априорного определения факторов, которые наиболее существенно влияют на динамику исследуемой системы.

Во-вторых, частные данные (то есть, для отдельных состояний), получаемые в процессе длинных математических выкладок и вычислений, не имеют, к тому же, наглядной физической интерпретации. Это затрудняет:

-выявление первопричин окончательного поведения системы -может потребоваться проведение повторных аналитических выводов и расчетов; только полный объем вычислений по системе в целом характеризует ее исследуемый вариант);

-убеждение заказчика, не являющегося специалистом в области математических методов анализа, в эффективности предлагаемой системы.

Таким образом, при исследовании сложных систем как часто невозможен натурный эксперимент, так и крайне ограничены возможности аналитических и численных расчетов.

Выходом из создавшегося положения явилась организация натурных экспериментов составных частей создаваемой системы в тесной связи с экспериментами на ЭВМ с запрограммированной структурой исследуемой системы, называемой моделью.

Сочетание неполного натурного эксперимента с экспериментом на указанной модели получило название опытно-теоретического метода испытаний сложных систем.

В основе этого метода - создание на ЭВМ модели системы, позволяющей не только получить выходные показатели, но и исследовать взаимные связи процессов, элементов и поведение сложной системы в различных условиях эксплуатации при изменяемых значениях параметров и переменных.

5.1.2. Основные определения

Термин “моделирование” имеет в литературе много различных толкований. Наиболее приемлемым на взгляд многих авторов является такое определение:

моделирование есть метод изучения системы путем ее замены более удобной для экспериментальных исследований системой, называемой моделью и сохраняющей наиболее существенные черты оригинала.

И как дополнение можно использовать следующее определение:

моделирование есть общий метод изучения объекта путем исследования замещающей его модели с переносом получаемой информации на изучаемый объект.

Отправной точкой при построении модели технической системы следует считать описание.

Описание - совокупность сведений об исследуемой системе и условиях, при которых необходимо провести исследования.

Описание представляется в виде:

-схем;

-текстов;

-формул;

-таблиц экспериментальных данных;

-характеристик внешних воздействийи окружающей систему внешней среды.

Описание задает предполагаемый алгоритм работы системы и может формально рассматриваться как некоторая функция внешних воздействий.

В качестве примера можно без достаточной детализации рассмотреть описание модели системы распознавания речи.

Здесь, во-первых, исходя из того, что описание - это сведения о системе и условиях ее применения, нужно более точно определить систему распознавания речи, Например:

“Система распознавания речевых команд управления подъемом стекол автомобиля в процессе его эксплуатации”.

Для такой системы описание модели должно включать:

-схему речевого аппарата человека и теоретические положения речеобразования;

-описание условий речевого управления (шумы двигателя, шумы окружающей среды и т.д.);

-характеристики микрофона, как датчика сигналов, воспринимающего команду (зависимость выходных сигналов от звукового давления во всем диапазоне частот, например, в виде таблиц);

-характеристики сигналов управления (мощность, направленность, удаленность от микрофона);

-характеристики канала приема электрических сигналов на входе преобразователя “аналог-цифра” компьютера (чувствительность, дискретность, точность и т.п.);

-математические зависимости, применяемые для обработки принятого сигнала с целью получения признаков распознавания и классификации;

-способ преобразования результатов распознавания в команды управления;

-характеристики канала передачи команд управления;

-требования к величинам сигналов управления двигателями подъема стекол. и т.д. и т.п. )

Модель воспроизводит описание системы с большими или меньшими упрощениями, зависящими от намерений исследователя, возможностей вычислительных средств, имеющихся в его распоряжении и времени, отпускаемого на проведение испытаний.

При этом должен достигаться разумный компромисс между точностью воспроизведения моделью характеристик системы и сложностью необходимых для этого мер и средств.

Другими словами (основываясь на рассмотрении описания системы как функции внешних воздействий) , при моделировании производится аппроксимация функции-описания более простой и удобной для машинного представления функцией-моделью .

Аналогия между построением модели и аппроксимацией позволяет использовать для наглядности представлений аппроксимацию функции w(x) на некотором отрезке [a,b] линейной комбинацией

Здесь

- модель функции-описания w(x) характеризуется

n параметрами (числовыми коэффициентами a_i );

j _i(x) - некоторые возможные простые функции, заданные на том же отрезке [a,b].

Теперь, исходя из характеристики модели (см. выше положение о том, что модель воспроизводит систему с упрощениями), варьируя параметрами a_i , необходимо получить наилучшее или удовлетворяющее исследователя (в некотором смысле) приближение функции-модели к функции-описанию.

Обычно для оценки точности описания и модели пользуются более удобной для вычисления мерой

где Q_w - скалярный показатель, который намереваются получить при исследовании системы (например, производительность, надежность, пропускная способность); Q_m - скалярный показатель, соответствующий Q_w, но полученный при анализе модели m.

При этом описание w(x) и модель m(x) отождествлены с векторами w и m некоторого многомерного пространства.

Если при этом описание полностью характеризует систему и ее состояния и существует некоторое взаимно-однозначное преобразование