Поиск объектов

Три основные операции языка KRL добавление и и/или изменение свойства сопоставление объектов поиск объектов, удовлетворяющих заданному описанию [80, 81]. [c.238]

Вместе с тем, объекты, окрашенные в различный цвет, воспринимаются по разному в зависимости от угла зрения по вертикали и по горизонтали (рис. 9.14). Как видно, для красных объектов поле зрения контролера должно быть значительно меньшим, чем при поиске объектов желтого (люминесцентные методы) цвета. Описанное явление должно учитываться при рациональной организации рабочего места контролера-дефектоскописта. [c.696]

К объектам контроля относятся транспортные средства, механизмы, здания и сооружения, различные предметы и изделия, вещи, багаж, ручная кладь, материалы и т.п., которые подвергаются контролю и в которых осуществляется поиск объектов (предметов, дефектов), не свойственных данному объекту. Объектами поиска являются предметы (дефекты), не свойственные данному объекту контроля, не являющиеся его составной частью, включенные в него искусственно или возникшие в нем естественным образом. [c.627]

В истории ТРИЗ немало подобных испытаний . Для нас решение задачи 8.1 интересно главным образом тем, что хорошо видны принципы работы АРИЗ. Анализ задачи идет шаг за шагом область поиска планомерно сужается ситуация — задача — модель задачи (конфликтующая пара) — элемент, который надо изменить,— часть изменяемого элемента (оперативная зо-на> Здесь уж возможно решение, ибо анализ зачастую переносит действие на другой объект (ломать надо не лед, а ледокол). Формируется ИКР. Зная ИКР и оперативную зону, нетрудно определить противоречие. В простейшем случае противоречивые требования разделяются в пространстве или во времени... [c.138]

Многоуровневая структура системы основана на разделении во времени задач оперативного и неоперативного управления. На неоперативном уровне производится проверка адекватности и коррекция параметров математических моделей процессов в аппаратах отделения, адаптация стратегии управления к изменяющимся условиям эксплуатации, а также расчет коэффициентов упрощенных моделей. Оперативный уровень обеспечивает работу алгоритма управления на участках стационарности. При этом решаются задачи статистической обработки и анализа информации, поступающей с объекта, расчета ненаблюдаемых переменных процесса и поиска текущих управлений. [c.339]

Система принятия решений с интеллектуальными механизмами автоматического поиска решений (СПРИНТ). Анализ состояния выработки и принятия решений в системе СПРИНТ заключается в последовательном решении следующих задач определения состояния объекта и среды управления (задача наблюдения состояния) отнесения каждого из состояний к одному из заданных [c.343]

В системе СПРИНТ вся информация об объекте представлена в модели знания. Для организации автоматизированного поиска команд управления в каждой из проблемных ситуаций разрабатывается механизм решения задач на модели знания. Решение осуществляется в два этапа 1) планирование решения, т. е. составление алгоритма, решающего задачу 2) интерпретация алгоритма, решающего задачу. По окончании вычислительного процесса получается решение. Область поиска последнего представляет собой сложную мультимодальную среду. Организация поиска основана на дедуктивной составляющей семиотической модели и использовании специального языка манипулирования знаниями [208]. [c.347]

Открытие месторождений нефти и газа в акваториях Мирового океана в различных районах мира делает шельфовые зоны морей и океанов первоочередными объектами поисково-разведочной деятельности. В настоящее время геолого-геофизическими исследованиями, а также глубоким бурением охвачены прибрежные морские участки в Западной Европе, Средиземном море и других местах земного шара. Главными центрами поисков нефти и газа являются шельфы в Северо-Западной Австралии, Индонезии, Малайзии и Таиланде. [c.84]

В работе для описания вероятностного характера процесса функционирования технических объектов предлагается использовать марковские процессы, а для оптимизации стратегии, т. е. последовательности решений, принимаемых в моменты переходов из состояния в состояние, — итерационный метод. Рассмотрены алгоритмы поиска оптимальной стратегии для процессов функционирования системы как с дискретным, так и с непрерывным временем. Основой процедуры определения оптимальной стратегии ТО является итерационный цикл, составленный из операций определения весов и улучшения решения [141]. [c.96]

Если норма разности между истинным значением у (1) и его оценкой у ( ) велика (т. е. точность приближения неудовлетворительна), то задачу идентификации следует решать с учетом нелинейности объекта, осуществляя поиск оператора объекта в классе нелинейных операторов (см. 8.2). [c.328]

Естественно считать, что степень нелинейности объекта тем больше, чем больше кривая условного математического ожидания (8.2) отклоняется от прямой (8.3). Поэтому степень нелинейности определяется как наименьшее среднее квадратичное кривой регрессии от прямой, причем поиск минимума ведется по функциям t, i) и (i, x) [c.440]

У1 и должна быть отвергнута. Это значит, что поиск оптимального оператора этого объекта должен производиться в классе нелинейных операторов. На этом же рисунке показана функция [c.442]

Рассмотрим схему статистического метода идентификации нелинейного объекта с помощью подачи на его вход специального тестового случайного сигнала. Метод основан на статистической теории динамических систем, развитой в работе [4]. В данном случае задача идентификации сводится к поиску неизвестных параметров объекта, которыми служат коэффициенты оператора в гильбертовом пространстве. Сигнал на входе системы раскладывается в ряд подфункциям Лагерра [c.444]

Таким образом, задача идентификации сводится к подбору коэффициентов Оо, %,. . ., ау оператора с конечной памятью, которые функционально связаны с искомыми параметрами объекта. Коэффициенты подбираются поисковым методом. При поиске минимизируется средний квадрат ошибки между входным сигналом и t) и его оценкой й t) [c.484]

На блок-схемах, изображенных на рис. 8.17—8.19, условные обозначения весовых функций и параметров объекта соответствуют обозначениям, принятым в формулах (8.84)—(8.104). Процедура поиска входных величин отдельных каналов дуального объекта (эти величины на рис. 8.17—8.19 входят в круглые блоки с наклонными стрелками, обозначающими подстройку) осуществляется путем минимизации функционала J. [c.493]

В заключение надо сказать, что существующие теоретические модели являются, по-видимому, пессимистическими, так как они не рассматривают человека как объемный объект, обладающий способностью уклоняться от действия теплового излучения. Поэтому существует необходимость проведения дальнейших исследований, направленных на изучение происшедших аварий и поиск возможностей получения наилучшего согласия между теорией и практикой. [c.192]

Схемы ТВА включают устройства формирования оптических изображений объекта, телевизионную систему и устройство обработки видеосигнала, выполняемого на базе встроенных в структуроскоп микропроцессора или с помощью внешней ЭВМ. В состав математического обеспечения обычно входят программы, обеспечивающие автоматический поиск объектов, контурное слежение и построчное сканирование в пределах заданного контура, а также вычисление необходимых статистических характеристик объектов. Время ввода телевизионного кадра составляет 0,02 с (реальное время). Время обработки зависит от сложности изображения, характера решаемой задачи и составляет в среднем 0,1. .. 1с. [c.517]

Задача оценки переменных состояния химико-технологического процесса, к которым можно отнести температуру, дав.ттение, составы фаз, расходы жидких и газообразных среди т. д., состоит в том, чтобы по показаниям измерительных приборов, функционирующих в условиях случайных помех, восстановить значения переменных состояния системы, наиболее близкие в смысле заданного критерия к истинным значениям. Применительно к химико-технологическим процессам важность решения задач оценки переменных состояния и определения неизвестных параметров модели объекта имеет три аспекта открывается возможность получать непрерывно информацию о тех переменных состояния слон<-ного объекта, непосредственное измерение которых невозможно по технологическим причинам (например, концентрации промежуточных веществ, параметры состояния межфазной поверхности, доля свободных активных мест катализатора и т. п.) реализация непрерывной (в темпе с процессом) оценки переменных состояния и поиска неизвестных параметров модели создает предпосылки для прямого цифрового оптимального управления технологическим процессом решение задач идентификации решает проблему непрерывной оптимальной адаптации нелинейной математической модели к моделируемому процессу в условиях случайных помех и дрейфа технологических характеристик последнего, что необходимо для осуществления статической и динамической оптимизации. [c.283]

Формально клетка в изображении представлена односвязнои областью, яркость которой будем считать большей чем у фона (в случае темнопольной микроскопии). Изображение представляет совокупность таких объектов, способных в принципе накладываться друг на друга или лежать на границе анализи руемого кадра. Поисковый алгоритм выделения объектов может предусматривать поиск объектов, выделение точек, принадлежащих к одному объекту разделение наложившихся объектов, распознавание и отбрасывание граничных объектов и т. д. [c.60]

Благодаря стрессу, доминанте и генетическому поиску, объектом отбора служат не признаки, а кванты селекции. Термин генетический поиск входит в научный оборот только в последние годы [Голубовский И ЭБ Зусмановский] (встречаются и 1шые термины например мутации как проявление поисковой активности [Гринченко, с. 151]), однако по-существу он в своей простейшей форме (влияние стресса на мутабильность) общепризнан уже лет 20. О нем имеет смысл говорить всюду, где налицо направленная (пусть и случайная) изменчивость, что бывает, как увидим ниже, далеко не только при стрессе. См. Доп. [c.210]

Рассмотренная в предыдущем разделе схема многоэтапной процедуры разработки гетерогенно-каталитического процесса требует для своей реализации оптимального принятия решений на всех промежуточных этапах. Каждый из перечисленных этапов имеет конкретную цель, достижение которой осуществляется с помощью соответствующей процедуры принятия решения (ППР). Взаимосвязанная совокупность таких процедур образует программноцелевую систему принятия решений при разработке каталитического процесса. В терминах математической теории таких систем исследователь, проектировщик, инженер-технолог, оператор технической установки называется лицом, принимающим решения (ЛПР). Решения могут приниматься в различных условиях определенности, риска, неопределенности. Каждое из этих условий диктует определенную тактику принятия решения, для того чтобы общая стратегия достижения желаемой цели была оптимальна. Практическая отдача от применения теории принятия решений значительно повышается при реализации автоматизированных режимов принятия решений с использованием ЭВМ с элементами искусственного интеллекта. Интеллектуальный диалог ЛПР— ЭВМ представляет весьма эффективную форму организации ППР в различных режимах сбора и переработки экспериментальной информации, синтеза математической модели объекта, решения проектных задач, поиска оптимальных законов гибкого управ.те-ния и т. п. [c.39]

Поиск. Алгоритмы поиска проводят кластеризацию для такой выборки объектов, для которой, по предварительному анализу, исключены многие пз возможных способов разбиения. Фактически организуется паправленный поиск с учетом ряда ограничений. [c.85]

Формализация процессов выработки и принятия решений оператором. До сих пор подходы к формализации процессов принятия человеко-машинных решений при управлении сложными объектами базировались в основном на теоретико-игровом, семиотическом принципах, методах теории идентификации и планирования эксперимента [206]. К недостаткам таких методов применительно к системам принятия решений можно отнести трудоемкость априорного исследования всех вариантов поведения сложных объектов управления, качественный характер получаемых решений при семиотическом подходе, непредставимость оперативной статистики по реакциям объекта на управляющие воздействия в реальном масштабе времени и т. п. На этом фоне особенно перспективна концепция человеко-машинного управления. Человеко-машинные системы обладают собственными знаниями , что позволяет (автоматически или путем общения с человеком) находить управляющие решения или вырабатывать и обосновывать логические факты, не заложенные априори, вести диалог с ЛПР. Такие человеко-машинные системы принято относить к классу систем принятия решений с интеллектуальным механизмом автоматического поиска (СПРИНТ). [c.343]

При изучении сложного объекта его расчленяют на- некоторые более мелкие для поиска связей между ними и получения выводов. Из большой системы выделяются элементы и конструируется структура связей между элементами. Задачу разбивают на несколько подпроблем и устанавливают взаимосвязь между ними. Эти мыслительные процессы носят общее название — анализ. [c.5]

В общем случае время после возникновения отказа можно разделить на три периода время с момента возникновения отказа до момента установления этого факта существования отказа специальной системой контроля время с момента установления факта существования отказа до момента обнаружения места появления или причин возникновения отказа время с момента обнаружения места появления или причин возникновения отказа до момента восстановления или замены отказавшего элемента. Чтобы сократить длительность каждого из этих периодов восстановления объектов, необходимо повысить эффективность специальных систем контроля и поиска места появления отказов, качество конструкций аппаратов и машпн, квалификацию обслуживающего персонала, накапливая обобщающую статистическую информацию об опыте эксплуатации объектов, и т. д. [c.44]

Низкие по точности модели принято классифицировать как приближенные, и область их применения обычно ограничивается прикидочными расчетами, в результате которых выявляются качественные характеристики объекта.. Получение же количественных оценок, как правило, производится на базе точных моделей. Получение количественных зависимостей за практически приемлемое время счета возможно как результат снижения размерности задачи поиска (сокраш ения числа просматриваемых варианток) или как результат разработки точных и быстродействующих моделей. В первом случае основным приемом является использование различного рода ограничений, основанных на физико-химических, технологических и другого рода предпосылках (применение эвристических правил, эволюционной стратегии, фундаментальных закономерностей протекания процесса). Во втором случае задача заключается в разработке быстродействующих алгоритмов решения уравнений математического описания, использования аппроксимационных моделей. Снижение размерности пространства поиска оптимального варианта широко используется при разработке алгоритмов синтеза технологических схем (см. гл. 8). Обычно с решением этой же задачи связана и разработка аппроксимационных моделей. [c.426]

Тот факт, что решение прямой задачи относительно моментов, как правило, много проще поиска точного решения уравнений математической модели относительно концентрации вещества в потоке, является основешм достоинством данного метода. Такой способ идентификации особенно удобен при анализе объектов с распределенными параметрами и объектов со сложной комбинированной структурой потоков. [c.335]

Реализация режима непрерывной подстройки модели к объекту требует использования гибридных вычислительных комплексов, содержащих цифро-аналоговые преобразователи сигналов и управляющую часть, которая осуществляет стратегию оптимального поиска пеизвестпых параметров. Данная схема может служить основой организации автоматизированных экспериментов на объектах с непрерывно изменяющимися характеристиками. [c.436]

В этой главе были рассмотрены некоторые методы идентификации нелинейных систем. Естественно, поиск оптимального оператора объекта обычно стремятся вьшолннть в классе линейных операторов методами идентификации линейных систем. Однако это оправдано в тех случаях, когда степень нелинейности исследуемой системы достаточно мала и погрепшости идентификации лежат в допустимых пределах. Если же степень нелинейности значительна, то ограничиться линейным описанием объекта, как правило, не представляется возможным, и задача идентификации решается в классе нелинейных операторов. [c.493]

Для обеспечения универсальности АСПМ в применении к химико-технологическим объектам широкого класса, помимо перечисленных алгоритмов, она должна включать ряд дополнительных подсистем программирования. К таковым можно отнести а) подсистему автоматизированного расчета тензорных полей различной физико-химической природы б) подсистему автоматизированного учета геометрической информации о конфигурации областей, входящих в постановку граничных условий в) библиотеку (или банк) стандартных алгоритмов решения краевых задач с подсистемой автоматизированного поиска оптимального варианта численного решения задачи и т. п. [c.10]

НОВЫХ решений (факторов решения) значительно, причем они относятся к различным уровням проектируемого объекта ( 1аирнмер, несколько вариантов систем привода, кинематических схем передач, типов рабочих органов, конструкций станины и т. п.), то общее число вариантов конструкции машины становится очень большим и для отбора рациональных вариантов следует использовать упорядоченный поиск. Сущность последнего заключается в следующем. [c.34]

Упорядоченный поиск, проведенный в полном объеме, позволяет найти оптимальное решение обычно в этом случае используют ЭВМ. В простых случаях, при сравнительно малом числе факторов решения, ограничиваются более простыми методами выбора вариантов сочетания новых решений, например, интуитивным или построением дерева решений. В последнем случае, представляюш,ем собой упроп1,ен1ИзШ способ упорядоченного поиска, указывают ва-риаиты объектов выбора по уровням или функциональным группам, дают их сравнительную оценку в баллах и формируют путь через объекты, обеспечиваюнгий наивысшую суммарную оценку. Факторы решения, входящие в этот путь, образуют искомый вариант коиструкции. На рис. 2.2 в качестве условного примера приведено дерево решений при конструировании валковой дробилки на уровне I оценивают (по пятибалльной системе) четыре варианта [c.34]