СЕМАНТИЧЕСКОЕ СОПОСТАВЛЕНИЕ И АЛГОРИТМЫ ЛОГИЧЕСКОГО ВЫВОДА (TABLEAU, RETE)

АННОТАЦИЯ

Ядро любой экспертной системы заключается в ее механизме логического вывода, который на основе доступных фактов и базы знаний генерирует новые заключения. В семантических экспертных системах, предназначенных для диагностики радиоэлектронных устройств, используются два фундаментальных класса алгоритмов, каждый из которых решает различные, но взаимодополняющие задачи: алгоритмы Tableau для онтологического логического вывода, основанного на логике описаний, и алгоритм RETE для эффективного сопоставления продукционных правил.

Ключевые слова: экспертная система; диагностика; ремонт; радиоаппаратура; САПР; база знаний; алгоритмические структуры; автоматизированный анализ; оперативный ремонт.

Введение

Алгоритм Tableau представляет собой процедуру автоматического доказательства теорем, которая лежит в основе работы механизмов логического вывода для OWL-онтологий. Его основная функция — проверка непротиворечивости концепта и выполнение таксономической классификации. Концептуально алгоритм пытается показать, что данный концепт, такой как Mismatch_Fault, не является противоречивым, пытаясь построить модель — абстрактный пример объекта — который удовлетворяет концепту. Если такая модель может быть успешно построена, концепт считается выполнимым; наоборот, если все возможные пути построения приводят к противоречию, концепт классифицируется как невыполнимый.

Построение алгоритма Tableau

Алгоритм работает через несколько критических стадий. Изначально формулируется утверждение для данного индивида, такого как Device_X, на основе известных фактов, например, что устройство проявляет высокий уровень шума и обладает специфическим параметром. Это исходное утверждение затем оценивается на непротиворечивость, например, проверяется, принадлежит ли Device_X концепту, представляющему неисправность, характеризуемую высоким уровнем шума. Алгоритм продолжает, применяя правила декомпозиции к логическим конструкторам в утверждении, систематически разбивая сложные утверждения на более простые компоненты. Правила применяются следующим образом:

• Правило конъюнкции (⊓): Если x∈(C⊓D)x \в (C ⊓ D)x∈(C⊓D), то добавить x∈Cx \в Cx∈C и x∈Dx \в Dx∈D.
• Правило существования (∃): Если x∈∃R.Cx \в ∃R.Cx∈∃R.C, создать новый индивид yyy и добавить (x,y)∈R(x, y) \в R(x,y)∈R и y∈Cy \в Cy∈C.
• Универсальное правило (∀): Если x∈∀R.Cx \в ∀R.Cx∈∀R.C и (x,y)∈R(x, y) \в R(x,y)∈R существует, то добавить y∈Cy \в Cy∈C.

В процессе рассуждения алгоритм непрерывно мониторит наличие противоречий, включая прямые конфликты в принадлежности к классам или нарушения ограничений мощности. Противоречия могут возникать. Если все ветви рассуждения заканчиваются противоречиями, исходное утверждение считается невыполнимым, указывая на то, что наблюдаемые симптомы не соответствуют ни одной известной неисправности и потенциально запуская механизмы активного обучения. Если хотя бы одна ветвь остается открытой, модель успешно построена, и механизм вывода автоматически классифицирует индивида в наиболее специфичные классы неисправностей, эффективно производя диагноз.

Например, в радиоэлектронном сценарии:

Факты: Device_X проявляет симптом High_Noise_Level и является типом Power_Amplifier.

Онтологические знания: Arc_Fault определен как неисправность, которая проявляет High_Noise_Level и возникает в Power_Amplifier.

Вывод механизма вывода через Tableau: На основе свойств Device_X механизм вывода автоматически классифицирует его как экземпляр Arc_Fault.

Построение алгоритма RETE

В отличие от этого, алгоритм RETE разработан для оптимизации выполнения процедурных продукционных правил, выраженных в форме ЕСЛИ (условие) ТОГДА (действие). Его основная функция — эффективное сопоставление большого набора правил с динамически изменяющимся набором фактов, хранящихся в рабочей памяти. RETE решает проблему неэффективности наивного последовательного вычисления, которое потребовало бы проверки всех правил против всех фактов после каждой модификации. Он достигает этой эффективности, компилируя правила в направленный ациклический граф и сохраняя состояние частичных совпадений, так что только затронутые части графа пересчитываются при добавлении, изменении или удалении фактов.

Сеть RETE иерархически структурирована. Корневые узлы получают факты из рабочей памяти, альфа-узлы оценивают условия, примененные к отдельным фактам, бета-узлы соединяют условия across multiple фактов, и терминальные узлы соответствуют выводам правил, которые помещаются в план для выполнения [9]. Стратегии разрешения конфликтов используются для определения порядка выполнения правил, когда несколько правил активируются одновременно.

В качестве примера, правило RETE для диагностики Arc_Fault может быть определено следующим образом:

ПРАВИЛО: Arc_Fault_Diagnosis

ЕСЛИ:

• (Тип ?устройство Power_Amplifier)
• (Симптом ?устройство High_Noise_Level)

(Симптом ?устройство Unstable_Power_Supply)

ТОГДА:

• (Добавить (Диагноз ?устройство Arc_Fault))
• (Запросить_Экспертную_Проверку ?устройство)

В этом случае сеть RETE предварительно вычисляет все устройства типа Power_Amplifier и их связанные симптомы. Когда вводится новый факт, такой как (Симптом Устройство_X Unstable_Power_Supply), альфа-узел проверяет структуру факта, в то время как бета-узел обеспечивает, чтобы все требуемые условия были удовлетворены. Если да, терминальный узел активирует правило, помещая его в план для выполнения.

Заключение

В рамках гибридной семантической экспертной системы Tableau и RETE работают дополнительным образом. Декларативные знания, включая таксономии и онтологии, представлены в OWL и обрабатываются Tableau для автоматической классификации новых типов неисправностей, проверки глобальной непротиворечивости и терминологического уровня вывода. Процедурные знания, охватывающие эвристики и операционные правила, представлены как продукционные правила, с RETE, обеспечивающим высокоскоростной ситуационный вывод, выполнение конкретных действий, таких как назначение диагнозов, обновление рабочей памяти и генерация запросов к внешним сервисам. Интеграция Tableau и RETE обеспечивает как надежную логическую основу, так и высокопроизводительную реактивность в реальном времени, устанавливая мощный, эффективный и масштабируемый механизм вывода для комплексной диагностики радиоэлектронных систем.

Список литературы:

1. Г. А. Долин, «Схемотехнический анализ, синтез и моделирование радиоустройств в САПР Электра», в сборнике «Системы генерации и обработки сигналов в области бортовых связей», Москва, Россия, 2019, с. 1-6, doi: 10.1109/SOSG.2019.8706814.
2. Г. А. Долин, А. Ю. Кудряшова, «Модифицированные методы схемотехнического моделирования радиоэлектронных устройств во временной области», Синхроинфо Джорнал, т. 6, № 2, 2020, с. 7-11.
3. Г. А. Долин, В. А. Алпеев, П. В. Царев, Н. А. Круглов, А. В. Корыткин, «Автоматизация схемотехнического проектирования радиоэлектронных устройств в экспертной системе», РЭДС: Телекоммуникационные РТУ и системы, т. 10, № 2, Москва: РНТОРЭС им. А.С. Попова, 2020, с. 9-15.
4. Г. А. Долин, Н. П. Смирнов, Т. В. Тарбаев, Е. О. Цыганков. «Использование метода переменных состояния для определения запаса устойчивости против самовозбуждения узлов аналоговых радиоэлектронных устройств», РЭДС: Телекоммуникационные системы управления и системы, т. 10, № 1, Москва: РНТОРЭС им. А.С. Попова, 2020, с. 34-36.
5. Фам Ле Куок Хань «Диагностика радиоэлектронных средств при испытаниях на ударные воздействия», диссертация на соискание ученой степени кандидата технических наук, специальность: 05.12.04 – Радиотехника, включая телевизионные системы и устройства, М.: ФГБОУ ВО «МИРЭА – Российский технологический университет», 2021.