Экспертные системы в АСУ ТП

В. Б. Трофимов, И. О. Темкин 
ЭКСПЕРТНЫЕ СИСТЕМЫ В АСУ ТП 
Рекомендовано УМО РАЕ по классическому университетскому 
и техническому образованию в качестве учебника 
для студентов высших учебных заведений, обучающихся 
по направлениям подготовки 09.03.01, 09.04.01 – «Информатика 
и вычислительная техника», 15.03.04, 15.04.04 – «Автоматизация 
технологических процессов и производств», 
27.04.04 – «Управление в технических системах», 
09.03.02, 09.04.02 – «Информационные системы и технологии»
Москва 
Вологда 
«Инфра-Инженерия» 
2020 

УДК 004.891 
ББК 32.813.5 
Т76 
 
 
Рецензенты: 
доктор физико-математических наук, профессор, главный научный  
сотрудник, заведующий сектором  
ФГУ «Федеральный исследовательский центр Институт прикладной  
математики им. М. В. Келдыша Российской академии наук» С. М. Соколов; 
доктор технических наук, профессор, профессор кафедры  
автоматических систем ФГБОУ ВО «МИРЭА – Российский  
технологический университет» В. Д. Ивченко 
 
 
 
 
 
 
Трофимов, В. Б. 
Т76  
Экспертные системы в АСУ ТП : учебник / В. Б. Трофимов, 
И. О. Темкин. – Москва ; Вологда : Инфра-Инженерия, 2020. – 284 с. : 
ил., табл.  
 ISBN 978-5-9729-0480-8 
 
Предложены основные понятия экспертных систем, дана их классификация, описаны способы представления знаний. Детально рассмотрен полный 
цикл разработки экспертных систем – от извлечения и формализации знаний 
до программной реализации компонентов системы. Показано современное состояние и представлены тенденции развития экспертных систем для автоматизированного управления технологическими процессами в России и мире. 
Для студентов, аспирантов и специалистов в области автоматизированных систем управления технологическими процессами.  
 
 
УДК 004.891 
 
ББК 32.813.5 
 
 
 
 
ISBN 978-5-9729-0480-8 
” Трофимов В. Б., Темкин И. О., 2020 
 
” Издательство «Инфра-Инженерия», 2020 
 
” Оформление. Издательство «Инфра-Инженерия», 2020 
 
2

ОГЛАВЛЕНИЕ 
ПРЕДИСЛОВИЕ ................................................................................. 
5 
ГЛАВА 1. ОСНОВЫ ЭКСПЕРТНЫХ СИСТЕМ 
........................... 
10 
1.1. Краткая история искусственного интеллекта –  
теоретической базы развития экспертных систем .................. 
10 
1.2. Основные понятия экспертных систем ............................. 
16 
1.3. Классификация экспертных систем 
................................... 
20 
1.4. Способы представления знаний 
......................................... 
21 
1.5. Стадии и этапы жизненного цикла  
экспертных систем 
.............................................................. 
27 
1.6. Метод экспертных оценок 
.................................................. 
38 
1.7. Обзор существующих экспертных систем 
........................ 
47 
Контрольные вопросы ............................................................... 
56 
ГЛАВА 2. ПРОГРАММНЫЙ ИНСТРУМЕНТАРИЙ  
ЭКСПЕРТНЫХ СИСТЕМ  
(НА ПРИМЕРЕ EXSYS CORVID) 
................................. 
57 
2.1. Основные типы переменных 
.............................................. 
57 
2.2. Среда разработки экспертной системы 
............................. 
59 
2.3. Логический блок ................................................................. 
69 
2.4. Командный блок 
.................................................................. 
78 
2.5. Среда исполнения экспертной системы 
............................ 
83 
2.6. Особенности настройки экспертной системы .................. 
85 
Контрольные вопросы ............................................................. 
111 
ГЛАВА 3. ЭКСПЕРТНЫЕ СИСТЕМЫ В АСУ ТП 
..................... 
112 
3.1. Экспертная система управления 
...................................... 
112 
3.2. Экспертная система для управления  
агломерационным процессом .......................................... 
120 
3

3.3. Экспертная система для управления доменным  
процессом 
........................................................................... 
132 
3.4. Экспертная система для управления  
сталеплавильным конвертером ....................................... 
188 
3.5. Экспертная система для управления качеством  
металлопродукции 
............................................................. 
218 
3.6. Экспертная система анализа газодинамических  
процессов в вентиляционных системах шахт ................. 
237 
3.6.1. Экспертное описание газодинамических  
процессов ........................................................... 
245 
3.6.2. Использование специальных переменных  
для решения задачи распознавания  
газодинамических ситуаций ............................ 
252 
3.7. Примеры инструментальных оболочек  
для реализации экспертных систем ................................ 
259 
Контрольные вопросы ............................................................. 
268 
 
ЗАКЛЮЧЕНИЕ 
............................................................................... 
270 
 
БИБЛИОГРАФИЧЕСКИЙ СПИСОК ........................................... 
271 
 
4

ПРЕДИСЛОВИЕ 
В настоящее время, когда огромное внимание при решении 
практических задач уделяется методам и технологиям обработки и 
анализа огромных массивов разнородной информации (Big Data), 
когда методы прогнозной аналитики, под которыми, как правило, 
понимаются либо вычислительные модели прикладной статистики, 
либо нейронные сети (в частности, Convolutional Neural Network на 
основе Deep Learning), рассматриваются как инструмент решения 
практически любых задач, экспертные системы явно находятся  
в тени. Но в то же время необходимо отметить, что экспертные 
правила и деревья решения на основе этих правил являются естественной составной частью любых аналитических платформ, а сами экспертные системы, которые возникли и развивались в русле 
технологий искусственного интеллекта, и сегодня являются составной частью многих программных комплексов, используемых 
предприятиями для автоматизированного управления сложными 
технологическими объектами, повышения производительности  
и улучшения показателей качества продукции. Области применения экспертных систем весьма разнообразны и постоянно расширяются.  
Как известно, общепринятого формального определения искусственного интеллекта не существует. Среди различных часто 
встречающихся определений, которые с разных сторон освещают 
основные вопросы и направления исследований в данной сфере, 
отметим следующие: 
x «область исследований умственных способностей с помощью вычислительных моделей»;
x «попытка автоматизации действий, которые ассоциируются с человеческим мышлением…»;
x «искусство создания машин, которые выполняют функции,
требующие интеллектуальности при их выполнении
людьми»;
x «сфера проектирования интеллектуальных искусственных
объектов».
5

С позиций системотехники одним из возможных обобщений 
этих многочисленных определений может быть следующее: «ИИ – 
это область компьютерных наук, занимающаяся автоматизацией 
разумного (человеческого) поведения».  
Занимаясь вопросами автоматизации и цифровизации, мы 
стремимся к созданию таких устройств и систем, которые обеспечивали бы оптимальное решение стоящих перед нами задач. Для 
некоторых задач удается сформулировать строгие критерии оптимальности, и тогда их можно алгоритмизировать и успешно решить формальными методами. Однако большинство встречающихся на практике задач не имеют строгого или единственного решения. В этом случае стоит говорить не столько о поиске оптимального решения, сколько о возможности найти какое-либо из возможных решений задачи. Люди в своей профессиональной деятельности и повседневной жизни постоянно ищут рациональное 
решение множества проблем (творческих, бытовых), опираясь на 
свои знания, ощущения, практический опыт, интуицию, в значительно большей степени, чем на формальные алгоритмы.  
Большая часть задач и проблем, с которыми мы сталкиваемся в ходе управления процессами (социальными, технологическими, экономическими), являются сложными и трудно формализуемыми. Если более детально рассматривать эти задачи, то можно 
выделить такие их характерные особенности, как:  
x многокритериальность и отсутствие строгих формальных описаний; 
x многомерность, то есть зависимость качества функционирования от значительного числа параметров; 
x нестационарность – способность изменять структуру  
в ходе функционирования. 
Именно для решения таких проблем и для управления объектами, которые характеризуются подобными свойствами, необходимо проектировать и разрабатывать системы искусственного интеллекта и в частности экспертные системы (ЭС), опирающиеся  
на эвристические знания экспертов. 
Формализация знаний в экспертных системах осуществляется в явном виде с помощью продукционных правил, семантических 
сетей и фреймообразных структур. Формирование начальных  
знаний осуществляется обычно с помощью экспертов в режиме  
 
6

интерактивного человеко-машинного взаимодействия. Организация логического вывода решения обеспечивается путем явного сопоставления начальной посылки с категориями многоуровневой 
классификации, заданной иерархией продукционных правил или 
других представлений. Возможность пополнения знаний обеспечивается путем изменения продукционных правил, семантических сетей и других компонентов. Объяснение (интерпретация) принимаемых решений может быть обеспечено за счет анализа активизированной цепи логического вывода. 
Типовые области применения экспертных систем: образование, научные исследования, производство, управление процессами, 
медицина, военное дело, инженерное дело, космическая техника, 
метеорология, экология, юриспруденция, маркетинг, финансы, 
банковское дело. По видам решаемых задач, вне зависимости  
от области применения, обычно выделяют следующие: 
1) диагностические экспертные системы используются для
установления возможных причин нарушения деятельности объектов управления;
2) прогнозирующие экспертные системы предсказывают
возможные результаты или события на основе данных о
текущем состоянии объекта и внешних факторов;
3) планирующие экспертные системы предназначены для
достижения конкретных целей при решении задач с
большим числом переменных;
4) интерпретирующие экспертные системы обладают способностью получать определенные заключения на основе
результатов наблюдений.
Большинство экспертных систем включают знания, по содержанию которых их можно отнести одновременно к нескольким 
типам.  
Для разработки таких систем привлекаются эксперты (для 
промышленных задач – опытные операторы, технологи), способные явно сформулировать свои знания и объяснить свои методы 
применения этих знаний для решения задач. Если знания экспертов 
в основном являются эвристическими, основанными на личном 
опыте, полученными методом проб и ошибок (практические  
знания), то применение экспертной системы является целесообразным. 
7

Экспертные автоматизированные системы могут воспроизводить процесс принятия решения экспертом. Они способны частично или полностью заменить эксперта в решении проблемной 
ситуации, хотя их возможности и ограничены (в частности, преобразование сенсорной информации в символьную сопровождается 
потерей части информации). 
База знаний экспертной системы представляет собой формализованные знания экспертов, позволяет накапливать знания,  
сохранять их длительное время и обновлять. 
Можно выделить следующие отличительные особенности 
знаний:  
x внутренняя интерпретируемость (при переходе к знаниям  
в память машины вводится информация о протоструктуре 
информационных единиц – специальное машинное слово, 
в котором указано, в каких разрядах хранятся те или иные 
сведения);  
x структурированность (в частности, рекурсивность связей 
между информационными единицами);  
x связность (использование различных отношений между 
информационными единицами);  
x наличие семантической метрики (наличие отношения, характеризующего ситуационную близость информационных единиц); 
x активность (способность к актуализации тех или иных 
действий в системе). 
Задача представления знаний – одна из наиболее важных задач создания эффективных экспертных систем. Форма представления знаний оказывает существенное влияние на свойства экспертной системы и зависит от особенностей знаний предметной области. Однородное представление знаний приводит к упрощению механизма логического вывода, а гибридное (объединение нескольких способов представления знаний) – позволяет учитывать разнообразие, разные виды знаний, расширяет функциональные возможности системы. Представление знаний должно быть понятным 
пользователю и эксперту. 
Для решения задач в условиях не изменяющихся во време- 
ни исходных данных и знаний (баз знаний) используются статические экспертные системы, в противном случае – динамические. 
 
8

Квазидинамические экспертные системы интерпретируют ситуацию, которая не меняется только на некотором фиксированном интервале времени (например, измерение параметра технологического процесса один раз в день и анализ его значения по отношению  
к предыдущему). 
Экспертная система может функционировать в двух режимах: 
1) режим ввода (приобретения) знаний: инженер по знаниям
посредством редактора базы знаний вводит сведения о
предметной области в базу знаний (получение знаний от
экспертов и внесение их в базу знаний обычно требует
значительных затрат времени и средств);
2) режим консультации: пользователь ведет «диалог» с системой, сообщает ей сведения о текущей проблемной ситуации, параметрах объекта и получает рекомендации.
Экспертные системы могут быть использованы на всех стадиях жизненного цикла технологических объектов и систем. Они 
создаются для сохранения и использования уникального опыта 
профессионалов. 
9

 
 
 
ГЛАВА 1. ОСНОВЫ ЭКСПЕРТНЫХ СИСТЕМ 
 
1.1. Краткая история искусственного интеллекта –  
теоретической базы развития экспертных систем 
 
История научного направления, получившего название «Искусственный интеллект» (ИИ), насчитывает уже более семидесяти 
лет [1–14]. За это время Artificial Intelligence, что в примерном переводе с английского означает «Искусственная разумность», прошел 
значительный путь: от «романтических» кибернетических идей 
конца 1940-х – середины 1950-х годов до самостоятельной междисциплинарной науки и динамично развивающейся IT-бизнес-сферы, 
являющейся основой цифровой трансформации экономики. 
В качестве самостоятельной научной дисциплины «Искусственный интеллект» начал складываться в 50-е годы ХХ в. Это 
стало возможным благодаря стремительному развитию научных 
исследований в физике, математике и других естественнонаучных 
дисциплинах, а также в медицине и психологии. Непосредственным толчком к оформлению искусственного интеллекта (ИИ) как 
самостоятельной области научных исследований можно считать 
появление в 1940-е годы первых вычислительных машин и возникновение науки об общих принципах управления – кибернетики. 
Однако не следует думать, что все это произошло внезапно и случайно. История развития человеческой мысли подготовила появление этого феномена, родившегося на стыке наук и вобравшего в 
себя разнообразные знания и опыт, накопленные человечеством за 
тысячелетия. Поскольку в основе ИИ лежит изучение природы человеческой мысли и принципов организации разумной человеческой деятельности, то естественно, что в фундаменте данной дисциплины располагаются науки, непосредственно связанные с изучением человека и его поведения: философия, психология, медицина (неврология, физиология), экономика. Большую роль в становлении этой области науки сыграли работы по теории формальных систем и формальных языков, а также исследования естественных языков.  
 
10