Халықаралық Ғылыми-тәжірибелік конференцияның ЕҢбектері



жүктеу 0.53 Mb.

бет21/38
Дата22.04.2017
өлшемі0.53 Mb.
1   ...   17   18   19   20   21   22   23   24   ...   38

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1-сурет. Электрондық оқу құралының интерфейсі. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
2-сурет. Дәрістер мәзірі. 

158 
 
  Сонымен,  білім  беру  ҥрдісінде  электрондық  оқу  қҧралын  қолдану  тиімді  болып  келеді.  Ол 
студенттің  уақытын  ҥнемдеуге,  ҧмытып  қалған  материалдарын  еске  тҥсіруге,  тесттік  тапсырмалар 
арқылы  ӛзін-ӛзі  тексеруге  зор  ықпалын  тигізеді.  Бірақ,  электрондық  оқу  қҧралының  оқу  ҥрдісінде 
енгізетін жетістіктеріне қарамастан, электрондық оқу қҧралдары оқытушыны алмастырмайды, олар тек 
оны толықтыратын қосымша қҧрал ретінде қолданылатынын ескеру қажет. 
 
Ә
дебиеттер: 
1.
 
Новые педагогические и информационные технологии в системе образования: Учеб.пособие / Е. С. 
Полат, И. Ю. Бухаркина, М. В. Моисеева, А. Е. Петров. — М., 2000. 
2.
 
«Информатика негіздері» оқу-әдістемелік журналы, №3, №6, 2011ж. 
3.
 
Зайнутдинова Л.Х. Создание и применение электронных учебников: Монография. - Астрахань: Изд-
во "ЦНТЭП", 1999. - 364с. 
4.
 
Бондаренко С.В., Бондаренко М.Ю. «3ds max8», Библиотека пользователя. СПб.:Питер, 2007. -608 с. 
5.
 
Зимина  О.В.  Печатные  и  электронные  учебные  издания  в  современном  высшем  образовании: 
Теория, методика, практика.– М.: Изд-во МЭИ. 
 
 
УДК 681.518 
  
МЕТОДОЛОГИЯ СОЗДАНИЯ ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ ПРИНЯТИЯ 
РЕШЕНИЙ В ПОИСКОВОМ КОНСТРУИРОВАНИИ ТЕХНОЛОГИЧЕСКИХ АППАРАТОВ. 
ФОРМАЛИЗАЦИЯ ВЗАИМОСВЯЗЕЙ 
 
Акжигитова М.К., Ескендиров Ш.З., Юнусова Д.У. 
Южно-Казахстанский государственный университет им. М.Ауэзова, Шымкент, Казахстан  
 
Түйін 
Ӛнертабыстық есептерді шешуде ақпаратты ізденстік интеллектуалды эксперттік жүйесі әдістері 
ұсынылған. Газдарды қышқылдандыруға арналған стандартты емес химиялық каталитикалық 
реакторларды ізденістік конструкциялаудың автоматтандырылған логикалық шешім қабылдауда 
―эквиваленттілігі бойынша‖, ―қатынастылығына байланысты‖ және ―сәйкестілігі бойынша‖ 
жасалынды 
 
Summary 
The methods of decision-making in intelligent expert systems of Inventive Problem Solving. Formulated logical 
solutions of choice "for equivalence", "your preference" and "relevance" used in the automated design of non-
standard catalytic chemical reactors. 
 
В  настоящее  время  знания  в  области  технологий,  технологических  аппаратов  и  теоретических 
основ химической технологии представляются, в основном, в виде традиционных физико-химических, 
термодинамических,  эмпирических  и  полуэмпирических  данных  о  физических  и  химических 
закономерностях,  дополняемых  многочисленными  математическими  моделями  протекания 
разнообразных процессов в технологических аппаратах. Для принятия активных решений в процедурах 
поискового  конструирования  и  решения  изобретательских  задач  такая  форма  представления 
информации  являлась  пассивной  и  мало  пригодной  для  активного  творческого  процесса  генерации 
новых  идей,  принципов,  технологий,  процессов  и  аппаратов  с  целью  создания  высокоэффективных 
промышленных  производств.  В  связи  с  этим  возникает  проблема  извлечения  и  усвоения  активных 
знаний из необозримого моря существующей пассивной информации, накопленной исследователями в 
областях науки. 
  Современная  методология  создания  интеллектуальных  систем,  основанных  на  знаниях,  в 
области  формализации  и  разработки  методов  извлечения  и  усвоения  знаний  выделяет  три  основных 
направления  [1,2]:  1)  диалог  инженера  по  знаниям  с  экспертом  в  данной  предметной  области;  2) 
автоматическая  генерация  знаний,  т.е.  самообучение  экспертной  системы;  3)  целенаправленное 
исследование предметной области на основе ее модели, построенной экспертом в данной предметной 
области. Однако, в каждом из этих направлений есть существенные недостатки. Диалог инженера по 
знаниям  с  экспертом  весьма  трудоемок,  имеет  значительные  затраты  времени  и  не  гарантирует 
полноты  результатов  исследования  знаний.  Автоматизация  генерации  знаний  основана  на 
моделировании  механизмов  приобретения  новых  знаний  человеком,  моделировании  обнаружения 
причин  противоречий  в  знаниях,  проектировки  правил  логического  вывода,  на  сборе  и  обобщения 

159 
 
фактов  и  интерпретации  результатов  обобщения.  Все  эти  методы  устарели  и  на  сегодняшний  день 
получают  развитие  методы  генетических  алгоритмов  [3,4],  которые  основаны  на  моделировании 
наследовательности и эволюции в понимании популярной генетики. Известны всего несколько систем 
(например,  EURISKO,  AM,  LS-1)  [5],  отвечающих  условием  автоматической  генерации  знаний,  но  и 
эти системы не имеют промышленного применения, а рассматриваются как лабораторные образцы. 
  Целенаправленное  исследование  предметной  области  на  основе  ее  математической, 
физической  или  логической  модели,  построенной экспертом,  представляет  собой  метод  извлечения и 
усвоения  знаний,  которой  должен  считать  в  себе  достоинства  первых  двух  методов.  Данный  метод 
предназначен  для  организации  целенаправленного  диалога  эксперта  и  системы  с  целью  построения 
необходимой  базы  знаний.  Теоретической  основой  этого  метода  служит  теория  коструктов[6,  7], 
которая для моделирования предметной области предусматривает построение репертуарных решеток. 
При  этом,  столбцы  репертуарных  решеток  соответствуют  элементом,  объектом  и  понятием 
моделируемой  предметной  области.  Строки  решетки  являются  конструктами,  каждый  из  которых 
представляет  собой  оценочную  шкалу  (ось)  элементов,  объектов  и  понятий  предметной  области. 
Процесс  заполнения  репертуарных  решеток  происходит  под  управлением  системы,  а  результатом  их 
статической  обработки  служит  граф  импликаций  исследуемой  предметной  области.  Системы, 
построенные  на  основе  теории  коструктов  (например,  ETS,  EQUINAS,  KELLY)  показали  свою 
высокую эффективность в области извлечения экспертных знаний. 
  Независимо  от  вида  предметной  области,  можно  сформулировать  наиболее  общие  признаки, 
которые  присущи  всегда  любому  правилу  логического  вывода  f
i
,  приводящего  к  выбору  решения  r
i

Эти признаки представляются нижеследующим набором из 8 объектов:  
f
i
=<Р
НПВ
, Р
СН
, Р
СВР
, Р
УП
, Р
ИД
, Р
УИД
, Р
РОВ
, Р
ВД
>, (1) 
Где  Р
НПВ
  –  назначение  правил  выбора;  Р
СН
–  служение  назначения;  Р
СВР
  –  способ  выбора 
решения; Р
УП
 – условие применения; Р
ИД
 – исходные данные; Р
УИД
 – указатель исходных данных; Р
РОВ
 
– реализуемое отношение выбора; Р
ВД
 – выходные данные. 
  Таким  образом,  любое  правило  логического  вывода  f
i
  в  процессе  принятия  технологических 
решений допускает развернутую формальную характеристику в виде сложного (составного) предиката: 
i
ВД
i
РОВ
i
УИД
i
ИД
i
УП
i
СВР
i
СН
i
НПВ
i
f
f
f
f
f
f
f
f
f

(2) 
где свойство Р
СВР
(f
i
) («Способ выбора решения») согласно соотношению: 
j
i
r
r
j
i
j
i
r
r
r
r
r
r
j
i
  ,     (3) 
где 
i
r
– значение свойства 
 технологического решения 
j
r
. Формула (3) читается так: для всех 
решений 
i
r
и  для  всех  решений 
j
r
существует  такое  значение 
свойства 
,  что  если  решение 
j
r
 
обладает свойством 
и решение
j
r
  обладает  свойством 
и значение этого свойства  решений 
i
r
и 
j
r
 совпадают, то 
j
r
 эквивалентно соответствует 
j
r
. данный выбор назовем выбором технологических 
решений «по эквивалентности». 
  Выбор «по предпочтению» выразим формулой:  
2
1
2
1
2
1
2
1
i
i
r
r
i
i
i
i
r
r
h
r
r
r
r
i
i
 ,  (4) 
  где  h  –  символ  отношения  типа  больше  «>»;  много больше  «>>»;  меньше  «<»,  много меньше 
«<<»;  >  -  символ  предпочтения  (предшествования)  в  некотором  множестве  элементов.  Формула  (4) 
читается  так:  для  всех решений  r
i1
  и  для  всех  решений  r
i2
  существует  такое  значение  свойства  α,  что 
если решение r
i1
 обладает свойством α и решение r
i2
 обладает свойством α и для значения I
α 
свойства α 
решений r
i1 
и r
i2
 выполняется отношения h, то r
i1
 предпочтительна r
i2

  Из формулы (4) выведем два следствия: 
  Следствие 1. В зависимости от значения символа отношения h предпочтительным решением r
i1
 
может оказаться такое решение, значение свойства 
1
i
r
 которого не больше, а меньше значения того же 
свойства 
решения 
2
i
r
.  Это  открывает  возможность  организовать  управление  процессом  выбора 
решений. 
  Следствие  2.  Выражение 
2
1
i
i
r
r
h
  является  двухместным  предикатом,  в  котором  величины 
1
i
r
и 
2
i
r
играют роль переменных. Это дает возможность формализовать  условия выбора некоторого 
решения r
i
 по конкретному значению критерия выбора 
k


160 
 
hk
i
r
  (5) 
Тогда  совокупность  n  предикатов  (5)  позволяет  осуществить  выбор  решения  r
i
  по  нескольким 
критериям выбора k
1
, k
2
, …, k
n
 , которые существуют n различным свойством решения r
i
: α
1

2

3
, …, 
α
n
. В этом случае условия выбора решения r
i
примет вид: 
n
n
r
n
r
r
k
h
k
h
k
h
i
i
i

2
2
2
1
1
1
  (6) 
или сокращено  
j
j
r
n
j
k
h
i
j
1
     (7) 
  Задание  условий  выбора  технологических  решений  методов  физико-химической  обработки 
посредством  двухместных  предикатов  вида  (5)  обеспечивает  реализацию  принципа  динамического 
формирования  критериев  выбора 
j
k
,  который  выражается  в  том,  что  переменным  величинам 
предиката (5) реальные значения присваиваются по ходу решения задачи выбора. При этом значения 
переменных величин предиката (5) могут браться, либо из базы данных системы, либо из полученных 
ранее результатов решения других задач выбора. 
  Таким  образом,  полностью  исключается  необходимость  задания  критериев  выбора  в 
алгоритмах  решения  изобретательских  задач  в  заранее  установленных  жестких  рамках,  что 
обеспечивает  практическую  реализацию  важнейшего  принципа  построения  интеллектуальных 
автоматизированных  систем  поддержки  изобретательского  процесса  –  независимость  программного 
обеспечения  блока,  планировщика  системы  искусственного  интеллекта  от  жесткой  нормативно 
справочной базы конкретной предметной области и, как следствие, высокую степень универсальности 
и адаптируемости системы к изменением внешней среды. 
  Применение  формулы  (7)  в  задачах  выбора  технологических  решений  дает  возможность  в 
дополнение  к  двум  вышеуказанных  построить  третью  стратегию  выбора  решений:  выбор  «по 
соответствию»,  т.е.  выбор  разноименных  технологических  решений,  обладающих  разноименными 
свойствами по соответствию этих свойств.  
  Выбор «по соответствию» выражается формулой: 
j
i
r
i
i
r
j
i
j
i
r
r
k
h
k
h
r
r
r
r
r
i
i
2
2
2
    (8)  
  Формула  (8)  читается  так:  для  всех  решений  r
i
  и  для  всех  решений 
j
r
существуют  такие 
значения 
и 
  свойств  α  и  β,  что  если  решение  r
i
обладает  свойством  α  и  решение 
j
r
  обладает 
свойством β и для решений 
i
r
и
j
r
 выполняются условия h

и h
2
, то 
i
r
 эквивалентна 
j
r

Совокупность  формул  (4)  –  (8)  формализует  условия  выбора  на  множестве  технологических 
решений  и  может  быть  использована  для  построения  необходимых  функций  выбора  на  множествах 
любой природы. 
Выводы 
  Таким образом, показано, что существуют по крайней мере три случая выбора технологических 
решений:  1)  ―по  эквивалентности‖;  2)  ―по  предпочтению‖  и  3)  ―по  соответствию‖  свойств.  ―По 
эквивалентности‖  выбираются  разноименные  решения,  которые  по  совокупности  своих  свойств 
должны  быть  эквивалентны  друг  другу.  ―По  предпочтению‖  выбираются  решения  из  числа 
одноименных, обладающих наилучшими значениями необходимых свойств.―По соответствию‖ свойств 
выбирается разноименные решения, обладающие разноименными свойствами. 
  Задания  условий  выбора  посредством  комбинации  двухместных  предикатов  в  условиях 
автоматизированного  синтеза  методов  физико-химической  переработки  обеспечивают  реализацию 
принципа динамического (адаптивного) формирования критериев выбора, который выражается в том, 
что  переменным  величинам  этих  предикатов  действительные  значения  присваиваются  по  ходу 
решения  задачи  выбора  и  заранее  не  оговорены.  Такой  подход  создаст  независимость  программного 
обеспечения подсистемы ―Планировщик‖ интеллектуальной поддержки изобретательского процесса от 
жесткой нормативно-справочной базы данных конкретной предметной области. 
 
 
Литература 
1.
 
Форсайт Р. (ред.) Экспертные системы. Принцип работы и примеры. – М.: Радио и связь, 1987. – 
224с. 
2.
 
Поспелов д.А. (ред.) Экспертные системы: состояние и перспективы. – М.: Наука, 1989. – 380с. 

161 
 
3.
 
Курейчик В.М. Генетические алгоритмы. – Тагангор: ТРТУ, 1989. – 150с. 
4.
 
Курейчик  В.М.,  Курейчик  В.В.  Методы  управления  в  интеллектуальных  системах  принятия 
решений  на  основе  эволюционного  моделирования  /  Труды  Международного  конгресса 
―Искусственный интеллект в 21 веке‖ – М.: Физматлит, 2001. – с. 488-500 (Т.1). 
5.
 
Lenart  D.  EURISKO:  a  program  that  learn  new  heuristics  and  clomain  concepts.  33  Artificial 
Intelligence., 1982. – p. 21.  
 
 
 
МЕТАСТАБИЛЬНОЕ СОСТОЯНИЕ СИСТЕМЫ MN-CU И ТЕРМОДИНАМИЧЕСКИЙ 
АНАЛИЗ 
 
Алиева М.Е., Каликова Э.К., Канибекова Ж.К., Саккулакова У., Култаева М.А
ЮКГУ им. М. Ауэзова, Шымкент, Казахстан 
 
Түйін 
Берілген мақалада Mn-Cu жүйесінің метатұрақты күйі және термодинамикалық талдау 
ұсынылады 
 
Summary 
In this article the metastable state of Mn-Cu system and thermodynamic analysis. 
 
Ранее исследованные структуры закаленных сплавов Mn-Cu дало прямое указание на склонность 
сплавов    богатых  марганцем  к  распаду.  А  не  к  упорядочению.  Однако,  вопрос  о  природе  распада 
потребовал  подробного  анализа,  так  как  трудно  было  предположить,  что  наблюдаемые  эффекты 
отвечают  начальным  стадиям  установления  истинного  равновесия  между  α-Mn  и  γ  –  твердым 
раствором  марганца  в  меди,  в  силу  как  малого  размера  областей  корреляции,  так  и  наблюдаемой 
концентрационной зависимости коэффициентов ближнего расслоения [1,2]. 
В связи с этим начнем с рассмотрения данных о равновесной диаграмме состояний системы Mn-
Cu (рис. 1).  
 
 
Рисунок1. Диаграмма состояний системы Cu-Mn. 
 
Обращает на себя внимание наличие почти плоского участка на кривой растворимости α-Mn в γ 
–  твердом  растворе  в  концентрационной  области  60
70%Mn.  Из  общих  положений  термодинамики 
можно  вывести  формулу,  определяющую  наклон  кривой  растворимости  [2],  которая  в  нашем  случае 
имеет вид: 
  =   
                                               (1) 
 

162 
 
где: с – граничная концентрация марганца в твердом растворе γ при температуре Т; 
 – теплота 
растворения  α-Mn  в  твердом  растворе  γ.  Из  диаграммы  состояний  видно,  что  величина 
  при 
концентрации марганца 0,6 – 0,7 аномально велика, что может быть только в случае аномально малой 
величины  кривизны  свободной  энергии 
.  Это  свидетельствует  о  возможном  существовании 
″горба″ – участка с отрицательной кривизной на кривой свободной энергии. 
Имеющиеся  в  литературе  данные  можно  использовать  для  построения  кривых  свободной 
энергии γ – твердых растворов при разных температурах. 
 
 
 
Рисунок 2. Кривая свободной энергии системы Cu-Mn при 450
0
С 
 
На рисунке 2 приводится одна из таких кривых для температуры 450
, построенная по данным 
[1,2]. За стандартное состояние  приняты чистый медь и β – марганец, в соответствии с этим, уровни 
свободной энергии α – и γ –марганца были определены по теплотам и температурам переходов α – β – γ 
[3].  Из  рисунка  2  видно,  что  закаленный  γ  –  твердый  раствор  может  уменьшить  свободную  энергию 
несколькими путями: расслоением на два изоморфные γ – твердые раствора, состав которых отвечает 
точкам  3  и  4  (движущая  сила  процесса  –  отрезок  ав);  выделением  чистого  β–Mn  и  обеднением  γ  – 
твердого  раствора    марганцем  до  состава,  отвечающего  точке  2  (движущая  сила  –  отрезок  ас);  и, 
наконец,  выделением  чистого  α  –  Mn  и  обеднением  γ  –  твердого  раствора  по  марганцу  до  состава, 
отвечающего  точке  1  (движущая  сила  –  отрезок  ад).  Несмотря  на  то,  что  движущая  сила  первого 
процесса самая маленькая, он может реализоваться предпочтительно, особенно при достаточно низких 
температурах,  в  силу  более  благоприятного  кинетического  фактора,  так  как  расслоение  на  два 
изоморфных  γ  –  твердых  растворов  не  требует  коренной  перестройки  решетки,  приходящей  при 
выделении  α  –  и  β  –  Mn.  Ниже  будет  показано,  что  процессы  расслоения  γ  –  твердого  раствора  и 
выделения  из  этого  α  –  Mn  действительно  разделены  при  низких  температурах  во  времени.  Это 
означает  возможность  существования  метастабильного  равновесия  двух  изоморфных  γ  –  твердых 
растворов  –  обедненного  и  обогащенного  по  марганцу.  Представлялось  необходимым  определить 
границы  метастабильной  области  несмешиваемости  на  диаграмме  состояний  [1,3].  Эта  задача  была 
решена  несколькими  способами.  Во  –  первых,  построения  кривых  свободной  энергии  при  разных 
температурах  по  данным  о  термодинамических  функциях  полученных  методом  э.д.с.  [1,4,6]  и 
определения  положения  точек  3  и  4  –  кривая  1  на  рисунке  2.  Во-вторых,  по  термодинамическим 
данным работы [1,3,5], свободные данные работ различных авторов – кривая III на рисунке 1. Видно, 
что кривая I и III сильно отличаются друг от друга и вопрос о том, какая из них ближе к истине требует 
дополнительного рассмотрения. 
Для  построения  кривой  метастабильного  равновесия  можно  воспользоваться  также  данными 
равновесной  диаграммы  состояний  о  кривой  растворимости  α  –  и  β  –  Mn  в  γ  –  твердом  растворе. 
Используя  модель  субрегулярных  растворов,  свободную  энергию  γ  –  твердого  раствора  можно 
представить в виде: 
F = c(1 - c)(Ω + ωc) + RT [ c  lnc + (1 - c) ln(1 - c)]                                                               (2) 
 
Константы Ω и ω можно определить, используя соотношения

163 
 
[(1 - с) + 2 
T]
Ω +[2c( 1 - c) + 2 
 (3c - 1)ω =
 - 
,                 (3) 
 
где q –теплота перехода α-γ-Mn, которая была выведена при подстановке (1) в (2). 
Определив из равновесной диаграммы состояний величины  для  ряда концентрации с = 0,4; 0,5; 
0,6; 0,7; 0,8, мы получили ряд уравнений с двумя неизвестными Ω и ω. Решая попарно эти уравнения, 
были получен ряд значений величины Ω и ω, которые отличались друг от друга не более чем на 20%. 
Среднее значения составили Ω = 2000 и ω = 1800 кал./г-атом. Зная величины Ω и ω, легко построить 
кривые  свободной  энергии  при  разных  температурах  и  найти  общие  касательные,  определяющие 
метастабильное  равновесие.  Определенная  таким  образом  из  данных  растворимости  α  -  Mn  граница 
метастабильной области расслоения представлена кривой II на рисунке 1. Видно, что она очень хорошо 
согласуется  с  кривой  I,  то  есть  область  ограниченная  этими  кривыми,  вероятно,  отвечает  истиной 
области не смешиваемости. 
Таким  образом,  термодинамический  анализ  указывает  на  возможное  существование  в  сплавах 
Mn-Cu метастабильной области не смешиваемости в концентрационной области от  40 до  90%Mn. С 
этим хорошо согласуется данные о наличии ближнего расслоения в закаленных сплавах Mn-Cu, причем 
максимальные  значения  коэффициентов  ближнего  расслоения  наблюдается  у  составов  близких  к 
максимуму теоретической кривой не смешиваемости. 
 

1   ...   17   18   19   20   21   22   23   24   ...   38


©emirb.org 2017
әкімшілігінің қараңыз

войти | регистрация
    Басты бет


загрузить материал