Адаптація системи нечіткого виведення до вирішення задачі оцінки технічного стану об’єктів будівництва
DOI:
https://doi.org/10.15587/2706-5448.2020.205364Ключові слова:
система нечіткого виведення, спеціалізована інтелектуальна система, ущільнена міська забудова, штучна нейронна мережа.Анотація
Основним завданням, на вирішення якого орієнтована робота, є автоматизація системи нечіткого виведення, яка являє собою одну з підсистем системи оцінки технічного стану об’єктів будівництва. Запропонована система оцінки призначається для служб, які спеціалізуються на проведенні будівельно-технічних експертиз. Процес проведення експертиз у цій галузі супроводжується невизначеністю різного характеру, а продукційна діяльність фахівців часто ґрунтується на евристиках. Саме тому, об’єктом дослідження є моделі та засоби, що здатні функціонувати в нечітких умовах. Для автоматизації експертної діяльності в сфері оцінки впливу зовнішніх факторів на технічний стан об’єктів ущільненої міської забудови спроєктовано спеціалізовану систему оцінки, засновану на знаннях і штучній нейро-нечіткій мережі категорії Takagi-Sugeno-Kang. Застосування нейро-нечітких моделей для нечіткого виведення надає змогу автоматизувати процес одержання логічних висновків із вхідних даних за заданими експертами нечіткими правилами. При цьому налаштування функцій приналежності може здійснюватись за допомогою штучних нейронних мереж. Нечітка нейронна мережа Takagi-Sugeno-Kang призначається для вирішення цієї задачі. Доцільність використання цієї моделі до вирішення задачі оцінки технічного стану об’єктів будівництва з пошкодженнями обґрунтована її здатністю до розв’язання задачі нечіткої класифікації. Другим основним критерієм вибору цієї моделі стала можливість задавати правила функцією входів, оскільки в умовах ущільненої міської забудови фактори впливу зовнішнього середовища на технічний стан об’єктів носять складний нелінійних характер. Принцип адаптації системи нечіткого виведення показано на прикладі фазифікації впливів зовнішнього середовища, що спричиняються вібраціями різного характеру. Проведені в роботі дослідження, на відміну від попередніх, розширюють базу знань системи за рахунок представлення інформації про реальний стан середовища, в якому функціонують об’єкти будівництва. Очікується, що застосування штучної нейронної мережі Такаги-Сугено-Канга надасть можливість суттєво знизити вплив людського фактору на виконання будівельно-технічних експертиз, які виконуються в умовах композиційної невизначеності. Практична значимість роботи полягає в скороченні термінів проведення та підвищенні надійності оцінки технічного стану об’єктів будівництва з пошкодженнями різного характеру.
Посилання
- Driankov, D., Hellendorm, H., Reich Frank, M. (1996). An Introduction to Fuzzy Control. Berlin: Springer. doi: http://doi.org/10.1007/978-3-662-03284-8
- Tanaka, K., Wang, H. O. (Eds.) (2001). Fuzzy Control Systems Design and Analysis: a Linear Matrix Inequality Approach. New York: Wiley, 320.
- Subbotin, S. A. (2006). Sintez raspoznaiuschikh neiro-nechetkikh modelei s uchetom informativnosti priznakov. Neirokompiutery: razrabotka, primenenie, 10, 50–56.
- Osowski, S. (2000). Siecin euronowe do przetwarzania informacji. Warszawa, 342.
- Terenchuk, S., Yeremenko, B., Sorotuyk, T. (2016). Implementation of intelligent information technology for the assessment of technical condition of building structures in the process of diagnosis. Eastern-European Journal of Enterprise Technologies, 5 (3 (83)), 30–39. doi: http://doi.org/10.15587/1729-4061.2016.80782
- Shastri, A., Stitt, G., Riccio, E. (2015). A scheduling and binding heuristic for high-level synthesis of fault-tolerant FPGA applications. 2015 IEEE 26th International Conference on Application-Specific Systems, Architectures and Processors (ASAP). doi: http://doi.org/10.1109/asap.2015.7245735
- Terenchuk, S., Pashko, A., Yeremenko, B., Kartavykh, S., Ershovа, N. (2018). Modeling an intelligent system for the estimation of technical state of construction structures. Eastern-European Journal of Enterprise Technologies, 3 (2 (93)), 47–53. doi: http://doi.org/10.15587/1729-4061.2018.132587
- Pasko, R., Terenchuk, S. (2020). The Use of Neuro-Fuzzy Models in Expert Support Systems for Forensic Building Technical Expertise. ScienceRise, 2, 10–18. doi: http://doi.org/10.21303/2313-8416.2020.001278
- Eremenko, B. M. (2015). Design of intelligent system for diagnostics of technical state of building objects. Technology Audit and Production Reserves, 1 (2 (21)), 44–48. doi: http://doi.org/10.15587/2312-8372.2015.37506
- Tanaka, K., Yoshida, H., Ohtake, H., Wang, H. O. (2009). A Sum-of-Squares Approach to Modeling and Control of Nonlinear Dynamical Systems With Polynomial Fuzzy Systems. IEEE Transactions on Fuzzy Systems, 17 (4), 911–922. doi: http://doi.org/10.1109/tfuzz.2008.924341
- Mendel, J. M. (2017). Uncertain Rule-Based Fuzzy Systems: Introduction and New Directions. Springer. doi: http://doi.org/10.1007/978-3-319-51370-6
- Wu, D., Lin, C.-T., Huang, J., Zeng, Z. (2019). On the Functional Equivalence of TSK Fuzzy Systems to Neural Networks, Mixture of Experts, CART, and Stacking Ensemble Regression. IEEE Transactions on Fuzzy Systems, 1. doi: http://doi.org/10.1109/tfuzz.2019.2941697
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2020 Serhii Kartavykh, Oleksii Komandyrov, Petro Kulikov, Vitalii Ploskyi, Natalia Poltorachenko, Svitlana Terenchuk
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.
