Содержание
СОДЕРЖАНИЕ 4
Введение 5
1 АНАЛИТИЧЕСКАЯ ЧАСТЬ 7
1.1 Обоснование актуальности разработки программного средства 7
1.2 Описание предметной области 8
1.3 Постановка задачи 13
1.4. Описание технических и программных средств разработки 13
2 РАЗРАБОТКА ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ 19
2.1. Реализация нечетко-вероятностной модели оценки рисков СТС 19
2.2. Нечеткая модель управления диагностическим комплексом оценок рисков СТС 28
3 ОХРАНА ТРУДА 46
ЗАКЛЮЧЕНИЕ 63
ЛИТЕРАТУРА 64
ПРИЛОЖЕНИЕ 66
Выдержка из текста
Тенденция увеличения сложности математических и формальных моделей реальных систем и процессов управления связана с желанием повысить их адекватность и учесть все большее число различных факторов, влияющих на процессы принятия решений способствует необходимости разработки и использования нечеткого моделирования.
Традиционные методы построения нечетких моделей не приводят к удовлетворительным результатам, когда входной описание, подлежащего решению проблемы, заведомо является неточным или неполным.
При этом стремление получить всю исчерпывающую информацию для построения точной математической модели сколько-нибудь сложной реальной ситуации может привести к потере времени и средств, поскольку это может быть в принципе невозможно.
В подобных случаях наиболее целесообразно воспользоваться такими методами, которые специально ориентированы на построение моделей, учитывающих неполноту и неточность исходных данных. Именно в таких ситуациях технология нечеткого моделирования оказывается наиболее конструктивной, поскольку за последнее десятилетие на ее основе были решены сотни практических задач управления и принятия решений.
Сейчас уже не вызывает сомнения тот факт, что важнейшей особенностью жизнеспособности той или иной теоретической концепции является ее реализация и поддержка в соответствующих программных инструментах. Появление и развитие коммерческих программных средств, специально ориентированные на решение задач нечеткого моделирования, объективно свидетельствуют в пользу того, что теория нечетких множеств и нечеткая логика могут и должны быть эффективно использованы для решения широкого круга практических задач. При этом наиболее интересными программными средствами, в которых реализована технология нечеткого моделирования, по мнению автора, является рассмотрены в книге система MATLAB и программа fuzzyTECH.
В настоящее время актуальной задачей является необходимостью многокритериальной оценки рисков для принятия соответствующих мер при планировании и контроле состояния судовых сложных технических систем.
Актуальность разработки и построения нечетко-вероятных моделей обусловлена необходимостью оценки рисков сложных технических систем для различных сценариев развития ситуации
Список использованной литературы
1. Аронов И.З. Современные проблемы безопасности технических систем и анализа риска / И.З. Аронов // Стандарты и качество. 1998. — №3. — С. 451.
2. Хенли Э. Дж. Надежность технических систем и оценка риска / Є. Хенли Дж., Х.М. Кумамот: Машиностроение, 1984 г. — 320 с.
3. Таганов А.И. Методика анализа и сокращения рисков проектов сложных программных систем по характеристикам качества // Вестник РГРТУ. – Рязань, 2010. — Вып. 30. — С. 77 — 82.
4. Леоненков А. Нечеткое моделирование в среде MATLAB и fuzzyTECH. – СПб.: БХВ-Петербург, 2005. – 736 с.
5. Акимов В.А. Риски в природе, техносфере, обществе и экономике/ В.В.Лесных, Н.Н.Раднаев – М.: Деловой экспресс, 2004. – 352 с.
6. Яхъяева Г.Э. Нечеткие множества и нейронные сети: Учебное пособие/ Г.Э. Яхъяева. – М.: Интернет-Университет Информационных Технологий; БИНОМ. Лаборатория знаний, 2006. – 316 с.
7. Штовба С.Д. Проектирование нечетких систем средствами MATLAB. – М.: Горячая линия – Телеком, 2007. – 288 с.
8. Прикладные нечеткие системы: Пер. с япон./ К.Асаи, Д. Ватала, С. Иван и др.: под редакцией Т.Тэрано, К. Асаи, М. Сугэно. – М.: Мир, 1993. – 368 с.
9. Тарасян В.С. Пакет Fuzzy Logic Toolbox for Matlab: учеб.пособие / В.С. Тарасян. – Екатеринбург: Изд-во УрГУПС, 2013. – 112 с.
10. Покусаев М.Н. Система диагностики судовых энергетических установок с применением нейросетевых моделей/Н.Н.Касимов //Вестник АГТУ, Управление вычислительная техника и информатика. 2012. №2 С 88-92.
11. Головко С.В. Диагностика технического состояния судового электрооборудования на основе интеллектуального анализа данных, Вестник АГТУ, Управление вычислительная техника и информатика. 2009. №2, С 90-94.
12. Надеев А.И. Диагностика технического состояния судовых дизелей на основе интеллектуального анализа данных, Судовые энергетические установки и машинно-движительные комплексы. С 105-110
13. Заде Л.А. Размытые множества и их применения в распознавании образов и кластер-анализе. — М.: Мир, 1980.-390 с.
14. Кудинов Ю.И. Нечеткие модели вывода в экспертных системах.// Изв.АН Теория и системы управления,1997, №5.- с.75-83.
15. Аверкин А.Н. Нечеткие множества в моделях управления и искусственного интеллекта/И.З. Батыршин, А.Ф. Блишун, В.Б. Силов , В.Б. – М.:Наука. Гл. ред. физ-мат. лит., 1986. – 312 с.
16. Прикладные нечеткие системы/ Под ред. Т.Тэрано, К.Асам, М.Сугено. М.: Мир, 1993