Тернопільська академія народного господарства

Чорненький Віталій Іванович

УДК 004.052:004.896

ЗАСОБИ ТЕСТОВОГО ДІАГНОСТУВАННЯ ЦИФРОВИХ ПРИСТРОЇВ НА БАЗІ ШТУЧНИХ НЕЙРОННИХ МЕРЕЖ

05.13.05 - елементи та пристрої обчислювальної техніки

та систем керування

Автореферат

дисертації на здобуття наукового ступеня

кандидата технічних наук

Тернопіль - 2003

Дисертацією є рукопис.

Робота виконана в Технологічному університеті Поділля (м. Хмельницький), Міністерство освіти та науки України.

Науковий керівник: доктор технічних наук, професор

Локазюк Віктор Миколайович,

Технологічний університет Поділля,

завідувач кафедри комп’ютерних систем

Офіційні опоненти:

доктор технічних наук, професор

Широчин Валерій Павлович,

Національний технічний університет України

“Київський політехнічний інститут”,

професор кафедри обчислювальної техніки;

кандидат технічних наук, доцент

Батюк Анатолій Євгенович,

Національний університет “Львівська

політехніка”, доцент кафедри

автоматизованих систем управління.

Провідна установа:

Науково-виробнича корпорація

“Київський інститут автоматики”

Мінпромполітики України , підрозділ

“Електронне обладнання і засоби

автоматизації”, м. Київ.

Захист відбудеться " 05 " червня 2003 р. о 14 годині на засіданні спеціалізованої вченої ради К 58.082.02 у Тернопільській академії народного господарства за адресою: 46004, м. Тернопіль, вул. Львівська, , зал засідань вченої ради.

З дисертацією можна ознайомитись у бібліотеці Тернопільської академії народного господарства за адресою: 46004, м. Тернопіль, вул. Львівська, .

Автореферат розісланий " 05 " травня 2003 р.

Вчений секретар

спеціалізованої вченої ради _____________ Яцків В.В.

ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ

Актуальність теми. Загальновизнаною є можливість скорочення об’єму тестових послідовностей при діагностуванні цифрових пристроїв (ЦП) із застосуванням умовних алгоритмів, яким характерне визначення способу продовження процесу тестування з урахуванням результатів попередніх перевірок. В той же час принципи дії засобів виконання умовних алгоритмів діагностування ЦП не повністю задовольняють сучасним вимогам задач діагностування. В існуючих засобах діагностування перевірка заданих умовним алгоритмом правил в процесі діагностування виконується програмними або апаратними засобами. Недоліком програмної реалізації є значна її тривалість, що обмежує ефективність такого підходу для пошуку несправностей динамічного типу і зумовлює надання переваги апаратному способу. Для засобів апаратної реалізації умовних алгоритмів діагностування характерним є спосіб перевірки умов порівнянням кожного отримуваного вектора відповідних реакцій із заздалегідь визначеним для даного етапу еталонним значенням. В залежності від співпадання або неспівпадання порівнюваних значень обирається один з двох можливих способів продовження процесу тестування після кожної перевірки. Проте, при такому підході інформація, яку можуть надати відповідні реакції об’єкта діагностування (ОД), використовується неповністю, оскільки можливість проведення багатофакторного аналізу відповідних реакцій шляхом їх одночасного порівняння з множиною еталонних значень надає змогу зменшити необхідну кількість тестових перевірок. Потенційна можливість багатофакторного аналізу вхідної інформації властива апарату штучних нейронних мереж (ШНМ).

Розробленню апаратних засобів діагностування, здатних повною мірою враховувати діагностичну інформацію відповідних реакцій при виконанні умовних алгоритмів приділено недостатньо уваги. Тому розроблення і впровадження у практику нових теоретичних положень, які ґрунтуються на базі досліджень провідних вчених галузі діагностики: Пархоменко П.П., Тоценко В.Г., Романкевича А.М., Савченко Ю.Г., Байди М.П., Локазюка В.М., Богаєнко І.М., Архангельського В.І., є актуальною задачею, спрямованою на підвищення ефективності діагностування ЦП за рахунок використання властивостей ШНМ при багатофакторній обробці діагностичної інформації.

Зв’язок роботи з науковими програмами, планами, темами. Представлені в дисертації дослідження проводились в рамках держбюджетної науково-дослідної роботи Технологічного університету Поділля № 6Б-96 “Теорія тестового комбінованого діагностування структур з компонентами підвищеного ступеня інтеграції” (1996-1997 рр.), номер держреєстрації 0196V018434, №1Б-2001 “Методологія тестового комбінованого діагностування мікропроцесорних пристроїв та систем на базі компонентів штучного інтелекту” (2001 р.), номер держреєстрації 0101V005058, №4-2002 “Розробка теоретичних основ оптимального вибору стратегій і методик комплексної модернізації провідного телефонного зв’язку” (2002 р.), номер держреєстрації 0102V004781, госпдоговірної науково-дослідної роботи №2-2001 “Розробка теоретичних основ експертної системи діагностування цифрових та мікропроцесорних пристроїв модернізації автоматичних телефонних станцій” (2001 р.), номер держреєстрації 0101V001573.

Мета і задачі дослідження. Метою дисертаційної роботи є розроблення нейромережних методу і засобів тестового діагностування ЦП шляхом реалізації умовних алгоритмів для підвищення ефективності процесу діагностування за рахунок зменшення його тривалості.

Для досягнення мети поставлені і вирішені такі задачі:

1) проаналізувати сучасні цифрові пристрої з метою виявлення їх особливостей як ОД, провести аналіз відомих засобів та методів діагностування ЦП з метою виявлення нових шляхів інтелектуалізації для підвищення ефективності діагностування;

2) дослідити особливості ШНМ з метою використання їх як засобу підвищення ефективності діагностування;

3) розробити математичні моделі тестового діагностування ЦП з використанням умовних алгоритмів на базі ШНМ;

4) розробити метод діагностування ЦП нейромережнимим засобами;

5) розробити архітектуру засобів тестового діагностування ЦП, побудованих на базі ШНМ;

6) адаптувати алгоритми навчання ШНМ для вирішення задач діагностування;

7) впровадити у виробництво розроблені апаратні і програмні нейромережні засоби тестового діагностування ЦП.

Об’єктом дослідження є процес тестового діагностування ЦП технічними засобами, побудованими на базі ШНМ.

Предмет дослідження - засоби тестового діагностування ЦП, що реалізують умовні алгоритми тестування на базі ШНМ.

Методи досліджень ґрунтуються на основних положеннях технічної діагностики, теорії ШНМ, теорії алгоритмів, теорії множин, математичної логіки.

Наукова новизна одержаних результатів:

1) розроблено новий адаптивний метод тестового діагностування ЦП нейромережними засобами, який відрізняється від відомих тим, що рішення про продовження процесу тестування згідно з правилами умовного алгоритму приймається на основі розрахованих ШНМ значень вихідних функцій в результаті паралельної перевірки декількох умов алгоритму діагностування. Запропонований метод скорочує об’єм тестів шляхом вибору необхідної гілки алгоритму в процесі виконання умовних алгоритмів діагностування і враховує непередбачувані ситуації, що зменшує час на отримання висновку про технічний стан ОД;

2) розроблена методика динамічної зміни параметрів ШНМ в процесі діагностування ЦП, суть якої полягає у розділенні загальної задачі на кілька складових із визначенням для кожної з них окремих значень вагових коефіцієнтів зв’язків та порогів збудження штучних нейронів, які в ході функціювання ШНМ динамічно змінюються, в результаті чого нейромережні засоби діагностування набувають здатності виконувати складні умовні алгоритми за рахунок перетворення процесу навчання ШНМ з незбіжного при незмінних значеннях вагових коефіцієнтів і порогів збудження нейронів у збіжний за можливості динамічної зміни параметрів;

3) запропонована архітектура технічних засобів тестового діагностування ЦП, яка відрізняється від відомих тим, що вона включає нейромережні засоби аналізу відповідних реакцій та керування процесом діагностування і формує наступні тест-вектори з врахуванням попередніх відповідних реакцій та значень допоміжних ознак в процесі діагностування. Це дає можливість реалізувати розроблений метод діагностування, що ґрунтується на умовних алгоритмах, та підвищити загальну ефективність процесу діагностування.

Практичне значення одержаних результатів. Перевагою розробленого методу та засобів діагностування на базі ШНМ є можливість їх використання в складі існуючого тестового обладнання ЦП. Зокрема застосування їх при розробці і удосконаленні системи діагностування “ТЕКОД-2М” на ТОВ “Електронні системи” та ЦІТТЗ ХД ВАТ “Укртелеком” дозволило скоротити час тестування складних цифрових мікропроцесорних пристроїв в середньому в 1,22 р.

Розроблений метод та засоби також використовуються в навчальному процесі на факультеті комп’ютерної інженерії та радіоелектроніки Технологічного університету Поділля при проведенні лекцій та лабораторних робіт з курсів “Технічна діагностика обчислювальних пристроїв і систем”, “Обчислювальні системи”, “Системи штучного інтелекту”.

Особистий внесок здобувача. Всі основні результати дисертаційного дослідження отримані автором особисто. У друкованих працях, опублікованих у співавторстві, автору належать: опис особливостей динамічних несправностей ЦП [1], алгоритми методики оптимізації методом гілок та меж [2], опис особливостей ОД при оптимізації умовних алгоритмів [3], структура блоку керування поданням тест-векторів з врахуванням оперативного стану ОД [10, 16], опис блоку порівняння відповідних реакцій [11], структурні та функційні рішення нейромережевих засобів діагностування ЦП [14, 15, 17], методики діагностування на базі ШНМ в процесі реалізації умовних алгоритмів [4, 7, 9, 12, 13, 19], математична модель нейромережних засобів діагностування ЦП [5, 6], методика динамічної зміни параметрів засобів діагностування, побудованих на базі ШНМ [8, 18].

Апробація результатів дисертації. Наукові та практичні результати дисертації доповідались та обговорювались на науково-технічних конференціях професорсько-викладацького складу Технологічного університету Поділля (м. Хмельницький, 1997-2002 рр.), науковій конференції молодих вчених та студентів (м. Київ, ДАЛПУ, 1998 р.), наукових конференціях молодих вчених та студентів (м. Київ, КДУТД, 2000, 2001 рр.), п’яти науково-технічних конференціях “Вимірювальна та обчислювальна техніка в технологічних процесах” (м. Хмельницький, ТУП, 1998 - 2002 рр.,), шостій міжнародній науково-технічній конференції “Контроль і управління в складних системах (КУСС-2001)” (м. Вінниця, ВДТУ, 2001р.), міжнародній науковій конференції студентів та молодих вчених “Політ – 2002” (м. Київ, НАУ, 2002 р.), науково-практичній конференції “Автоматизація виробничих процесів” (м. Хмельницький, 2002 р.).

Публікації. Основні результати дисертації опубліковані в 19 друкованих працях загальним об’ємом 71 сторінка, з них 8 статей у фахових журналах, 9 статей у фахових збірниках наукових праць, 2 доповіді в збірниках науково-технічних конференцій.

Структура дисертації. Дисертація складається з вступу, чотирьох розділів, загальних висновків, списку використаних джерел та семи додатків. Повний обсяг дисертації 230 сторінок, з яких основний зміст викладено на 157 сторінках, містить 37 рисунків, 5 таблиць. Список використаних джерел складається з 163 найменувань.

ОСНОВНИЙ ЗМІСТ РОБОТИ

У вступі обґрунтовано актуальність тематики, визначено об’єкт та предмет досліджень, сформульовано мету і задачі дослідження, визначено наукову новизну та практичну цінність одержаних результатів, а також наведені відомості про апробацію роботи і особистий внесок автора.

В першому розділі проведено аналіз можливостей застосування ШНМ для підвищення ефективності процесу діагностування ЦП.

Розглянуті особливості сучасних цифрових пристроїв як ОД визначають складність процесу визначення їх технічного стану, що зумовлює підвищення інтересу у фахівців в галузі технічної діагностики до можливості інтелектуалізації розв’язання діагностичних задач.

З проведеного аналізу методів діагностування ЦП та існуючих засобів їх інтелектуалізації виявлено, що для відомих методів тестового структурного і покомпонентного діагностування ускладнилось розроблення тестових послідовностей для сучасних ЦП у зв’язку з складністю та відсутністю детального опису внутрішньої структури ОД, а існуючим засобам інтелектуалізації методів діагностування характерний ряд недоліків, пов’язаних з неможливістю багатофакторного аналізу відповідних реакцій та врахування непередбачуваних ситуацій. В зв’язку з цим виникає необхідність розроблення нових моделей, методів, методик і засобів діагностування на базі компонентів штучного інтелекту.

З аналізу методів інтелектуалізації як засобу підвищення ефективності діагностування ЦП зроблено висновок, що перспективним напрямком є застосування умовних алгоритмів з багатофакторним аналізом відповідних реакцій на апаратному рівні. Використання ШНМ як засобу керування виконанням умовних алгоритмів тестового діагностування дає можливість досягати скорочення об’єму тестів в результаті паралельної перевірки декількох умов алгоритму.

На підставі проведеного аналізу в першому розділі сформульована постановка задач для розв’язання в наступних розділах.

В другому розділі розроблені нейромережні моделі тестового діагностування ЦП.

На підставі визначення характеристик ОД, необхідних для відображення особливостей тестового діагностування, зроблено висновок, що ЦП як ОД може бути відображений узагальненою неявною математичною моделлю, формалізованою на основі теорії множин:

МОД=< S , K in , K out , K in-out >,

де S={s1,s2,…,si,…,sp} - множина можливих технічних станів ОД; Kin={k1in,k2in,…,kiin,…,kdin} - множина вхідних контрольних точок; Kout={k1out,k2out,…,kiout,…,kgout} - множина вихідних контрольних точок; Kin-out={k1in-out, k2in-out,…, kiin-out,…, kqin-out} множина контрольних точок ОД з можливістю напівдуплексної передачі.

З метою підвищення ефективності процесу діагностування ЦП основним елементом технічних засобів реалізації умовних алгоритмів діагностування обрано однорідну тришарову прямонапрямлену ШНМ (рис. 1) із зовнішнім завантаженням вагових коефіцієнтів зв’язків та порогів збудження штучних нейронів.

Рис. 1. Структурна модель тришарової прямонаправленої ШНМ зі схемою під’єднання до ОД

Для відображення особливостей функціювання нейромережних засобів тестового діагностування в процесі виконання умовних алгоритмів розроблена узагальнена неявна математична модель цих засобів:

МШНМ = <X, WH, H, YH, WE, E,YE >,

де X={x1,x2,…,xi,…,xv} - множина рецепторних сигналів ШНМ; WH={w11H,w12H,...,wijH,...,wvhH} – множина вагових коефіцієнтів вхідних зв’язків елементів прихованого шару; H={1H,2H,...,jH,...,hH} – множина порогів збудження елементів прихованого шару; YH={y1H,y2H,…,yjH,…,yhH} - множина вихідних сигналів штучних нейронів прихованого шару; WE={w11E,w12E,...,wjkE,...,wheE} – множина вагових коефіцієнтів вхідних зв’язків елементів ефекторного шару; E={1E,2E,...,kE,...,eE} – множина порогів збудження елементів ефекторного шару; YE={y1E,y2E,…,ykE,…,yeE} - множина вихідних сигналів штучних нейронів ефекторного шару.

З метою забезпечення традиційних для цифрової схемотехніки бінарних значень вихідних сигналів ШНМ, в якості активаційної функції штучних нейронів прихованого та ефекторного шарів використовується порогова функція:

.

Функції вихідних сигналів штучних нейронів прихованого та ефекторного шарів yjHYH та ykЕYЕ мають вигляд:

,

Перетворення інформації в процесі функціювання ШНМ, яке характеризується залежністю вихідних сигналів від її параметрів та значень вхідних сигналів, представлене множиною значень функції ykE:

YE ={ ykE | ykE=fH-E(xi, wijH, jH, wjkE, kE),

xiX, wijHWjH, jHH, yjHYH, wjkEWkE, kEE, i=[1,v], j=[1,h], i&jN},

де fH-E - сукупна функція, яка реалізується штучними нейронами прихованого та ефекторного шарів.

Для відображення особливостей взаємодії ШНМ з ОД в процесі тестового діагностування ЦП та для моделювання цього процесу при навчанні ШНМ, сформульовано узагальнену неявну модель діагностування ЦП із використанням ШНМ в якості засобу керування виконанням умовних алгоритмів тестового діагностування:

М = < МОД , МШНМ , Т, R , RЕТ >,

де МОД та МШНМ – математичні моделі ОД та ШНМ відповідно; Т={t1,t2,...,ti,...,tn} – множина тест-векторів для реалізації умовного алгоритму діагностування ОД; R={ri, rj ,…,rk} - множина векторів відповідних реакцій ОД; RЕТ={r11, r12,…,rij,…,rnp} - множина еталонних значень векторів відповідних реакцій ОД.

При цьому МШНМ зв’язує МОД , МШНМ , Т, R , RЕТ за формулою:

.

Для досягнення максимальної повноти і ефективності використання запропонованих моделей тестового діагностування проведено дослідження їх властивостей. Це дозволило сформулювати умови перевірки повноти наявних початкових даних для реалізації умовних алгоритмів нейромережними засобами діагностування.

Для визначення граничних умов застосування запропонованих засобів проведені дослідження залежності успішних епох навчання від кількості тест-векторів |T| в умовному алгоритмі та кількості нейронів прихованого шару ШНМ |YH| (рис. 2).

Рис. 2. Залежність успішності епох навчання

Як видно з рис. 2, нарощування розмірності прихованого шару |YH| для виконання складніших умовних алгоритмів діагностування виявляється найбільш ефективним при включенні до нього 15-25 штучних нейронів. В подальшому ефективність збільшення розмірності прихованого шару знижується і доцільнішим є поетапне виконання умовних алгоритмів частинами, складність яких обмежується ресурсами ШНМ.

Також оцінено достовірність розроблених моделей тестового діагностування ЦП засобами, побудованими на базі ШНМ.

В третьому розділі розроблено метод, архітектуру та алгоритми функціювання нейромережних засобів тестового діагностування.

Розроблений метод діагностування ЦП нейромережними засобами базується на наступних положеннях:

- ШНМ доцільно реалізувати в складі засобів діагностування на апаратному рівні, що зумовлено потребою забезпечення високих показників швидкодії зазначених засобів для надання можливості виявлення в складі досліджуваних ОД несправностей як статичного, так і динамічного типу;

- в якості активаційної функції штучних нейронів прихованого та ефекторного шарів доцільно використати порогову функцію, що забезпечує однорідність ШНМ і прийняття її виходами традиційних для цифрової схемотехніки бінарних значень сигналів;

- призначенням апаратно-реалізованої ШНМ в складі засобів діагностування є керування процесом виконання умовних алгоритмів тестового діагностування ЦП шляхом формування тест-векторів для продовження процесу тестування та формування вихідних сигналів про завершення цього процесу з урахуванням особливостей його виконання на підставі аналізу векторів відповідних реакцій ОД в сукупності з внутрішніми керуючими сигналами діагностичної системи;

- розрахунок значень вагових коефіцієнтів та порогів збудження штучних нейронів доцільно виконати на програмному рівні з наступним завантаженням в апаратно-реалізовану ШНМ, що дозволяє зменшити складність архітектури ШНМ та вартість засобів діагностування;

- у випадку накопичення достатньої для визначення технічного стану ОД тестової інформації процес тестування ОД переривається. Умови настання таких моментів визначаються на етапі розробки умовних алгоритмів тестового діагностування ЦП і закладаються в нейромережні засоби в ході навчання ШНМ;

- ШНМ виконує функції співставлення визначеному технічному стану ОД його коду (заданого на етапі навчання ШНМ);

- при надходженні на входи ШНМ невідомого вектора відповідних реакцій процес тестування ОД переривається із формуванням запиту на її донавчання для надання відомостей про спосіб продовження процесу тестування у випадку виникнення аналогічної ситуації в подальшому;

- результатом багатократних випробувань нейромережних засобів діагностування стає визнання ШНМ достатньо навченою для діагностування заданого типу ЦП, що надає змогу усунути потребу в урахуванні в ході навчання ШНМ можливості надходження невідомих відповідних реакцій і повною мірою використати в процесі діагностування її переваги, включаючи здатність узагальнювати вхідну інформацію для формування вихідних сигналів в непередбачуваних ситуаціях.

За умови визнання можливостей ШНМ недостатніми для самостійного формування векторів вихідних сигналів в непередбачуваних ситуаціях, нейромережні засоби діагностування виконують дії згідно алгоритму, зображеного на рис. 3. З моменту встановлення достатнього ступеня навченості ШНМ елементи аналізу векторів відповідних реакцій на новизну виключаються з алгоритму роботи ШНМ (рис. ).

Розроблена методика введення допоміжних керуючих ознак для уникнення небажаних наслідків в ряді таких характерних для процесу виконання умовних алгоритмів ситуацій, як формування в процесі діагностування тест-векторів без урахування відповідних реакцій ОД, а також отримання однакових векторів відповідних реакцій ОД на різних етапах виконання умовного алгоритму, що може призводити до неадекватного спрацювання апаратно-реалізованої ШНМ. Для вирішення проблеми формування допоміжних керуючих ознак в процесі виконання умовних алгоритмів тестового діагностування ЦП запропоновано два способи, більш перспективним з яких визнано спосіб із введенням до складу засобів діагностування спеціалізованого блоку (рис. ).

Рис. 5. Використання спеціалізованого блоку для формування допоміжних керуючих ознак

Функційні можливості апаратно-реалізованих варіантів ШНМ з точки зору навчання обмежуються через жорстко визначену структуру штучних нейронів та зв’язків між ними в сукупності із обмеженням розрядності вагових коефіцієнтів зв’язків і порогів збудження штучних нейронів (ВКЗ і ПЗ ШН). У випадку ускладнення вирішуваних задач це призводить до виникнення ситуації, коли подальше навчання ШНМ стає неможливим, що зумовлює незбіжність процесу навчання ШНМ. Традиційні способи нарощування функційних можливостей ШНМ передбачають значне збільшення апаратних витрат (рис. 2).

Тому розроблена методика динамічної зміни параметрів ШНМ в процесі діагностування ЦП. Вона полягає в наступному. Коли процес навчання ШНМ стає незбіжним, сформовані значення ВКЗ і ПЗ ШН запам’ятовується як дійсні для даного етапу розв’язання поставленої задачі, а подальше навчання ШНМ виконується після відновлення початкових значень ВКЗ і ПЗ ШН. Це, фактично, призводить до розбиття загальної задачі на декілька складових, при розв’язанні кожної з яких для ШНМ визначаються свої окремі значення ВКЗ і ПЗ ШН. Відповідно, можливість однократної заміни значень ВКЗ і ПЗ ШН дозволяє розв’язувати задачі подвійної складності за рахунок їх умовного розбиття на дві частини (за використовуваними векторами ВКЗ і ПЗ ШН).

Надання засобам діагностування можливостей апаратної реалізації динамічної зміни ВКЗ і ПЗ ШН в процесі функціювання ШНМ забезпечується доповненням наведеної на рис. 1 моделі блоком зберігання динамічно змінюваних параметрів, призначеним для накопичення попередньо розрахованих векторів ВКЗ і ПЗ ШН та подання їх на внутрішні вузли ШНМ в процесі виконання умовних алгоритмів (рис. 6).

Рис. 6. Структура нейромережних засобів діагностування із можливістю динамічної зміни ВКЗ і ПЗ ШН

Для реалізації розробленого методу діагностування запропонована архітектура нейромережних засобів тестового діагностування ЦП (рис. 7). Апаратно-реалізована ШНМ є основною функційною складовою цих засобів, яка відповідає за організацію процесів обчислень та переробки інформації в ході діагностування. Інші складові відповідають за виконання допоміжних функцій.

Проведений аналіз загальних функцій, що мають виконуватись засобами діагностування, побудованими на базі ШНМ, дозволив визначити такі базові підсистеми: підсистема нейромережного аналізу відповідних реакцій ОД та керування процесом діагностування (ПНКПД); підсистема накопичування

відповідних реакцій (ПНВР); підсистема синхронізації (ПС); підсистема спряження з керуючою ЕОМ (ПСКЕОМ); підсистема спряження з ОД (ПСОД).

Особливістю ПНКПД є керування процесом тестування ОД у відповідності з вимогами умовних алгоритмів з багатофакторною обробкою діагностичної інформації. Функції контролю за ходом протікання діагностування покладаються на блок нейромережного керування (БНК). ПНКПД також містить блок керування двонапрямленими каналами зв’язку (БКДКЗ); блок реєстрації вектора вихідного коду (БРВВК); блок формування допоміжних ознак (БФДО); блок зберігання динамічно змінюваних параметрів ШНМ (БЗДЗП); блок керування операцією зчитування результату (БКОЗР). Для забезпечення програмовності частот в ПС введено програмовний генератор частот (ПГЧ). ПНВР передбачає наявність блоку накопичення відповідних реакцій ОД (БНВР); блоку формування адреси вибірки (БФАВ); блоку реєстрації переповнення (БРП) для запобігання зацикленню процесу тестування; блоку комутації сигналів вибірки (БКСВ) формованих ЕОМ в процесі зчитування даних з БНВР. ПСКЕОМ містить блок спряження з керуючою ЕОМ (БСКЕОМ); блок формування керуючих сигналів (БФКС) для вибірки джерела або приймача даних в складі засобів діагностування. ПСОД містить блок спряження з ОД (БСОД); програмовний блок узгодження рівнів сигналів (ПБУРС) для забезпечення можливості перевірки ОД, побудованих на різній елементній базі.

Також розглянуто принципи організації процесу обчислень та обробки інформації в запропонованих засобах діагностування.

Проаналізовано особливості навчання ШНМ для забезпечення можливості їх використання в процесі тестового діагностування ЦП та визначено залежності для розрахунку значень ВКЗ і ПЗ ШН цієї мережі. З урахуванням особливостей виконання умовних алгоритмів це дозволило на основі дельта-правила розробити узагальнений алгоритм навчання нейромережних засобів діагностування ЦП та алгоритм роботи процедури розрахунку значень ВКЗ і ПЗ ШН, яка є базовою складовою частиною вказаного узагальненого алгоритму. Для визначення коефіцієнтів швидкості навчання для прихованого і ефекторного шарів (Н і Е) проведено дослідження успішності процедури модифікації параметрів ШНМ для різних коефіцієнтів швидкості навчання. Отримані залежності відображені на рис. 8 і рис. 9.

а) б)

Рис. 8. Графік залежності кількості успішних епох навчання від коефіцієнтів швидкості навчання для ЦК-3 (а) та КР-С (б)

а) б)

Рис. 9. Графік залежності середньої кількості успішних ітерацій навчання від коефіцієнтів швидкості навчання для ЦК-3 (а) та КР-С (б)

Як видно з рис. 8 і рис. 9, висока кількість успішних епох навчання та низька кількість ітерацій досягається при Н=0,1 і Е=1.

В четвертому розділі розроблено і описано апаратне і програмне забезпечення нейромережних засобів діагностування ЦП. Розроблені засоби входять до складу автоматизованої системи тестового комбінованого діагностування (СТКД) “ТЕКОД-2М”. Можливість реалізації запропонованого методу діагностування досягається за рахунок введення до складу системи нового блоку виконання умовних алгоритмів на базі ШНМ (БВУА ШНМ), який розроблено згідно запропонованої архітектури (рис. ). До складу БВУА ШНМ (рис. ) введено такі функційні складові: БНК (блок нейромережного керування); БФДО (блок формування допоміжних ознак); БЗДЗП (блок зберігання динамічно змінюваних параметрів ШНМ); БРВВК (блок реєстрації вектора вихідного коду БНК); БКОЗР (блок керування операцією зчитування результату). Призначення БВУА ШНМ полягає у наданні зазначеній системі здатності до визначення способу продовження процесу тестування ОД на підставі проведення поглибленого аналізу особливостей відповідних реакцій.

Рис. 10. Структура БВУА ШНМ в складі модифікованої СТКД “ТЕКОД-2М”

Розроблений БВУА ШНМ реалізує процес умовного діагностування ЦП по 6 діагностичним каналам, 4 з яких призначені для тест-векторів, 2 – для відповідних реакцій. Даний блок передбачає можливість використання 16 допоміжних ознак і забезпечує восьмикратну зміну ВКЗ і ПЗ ШН. Основні функційні складові БВУА ШНМ реалізовані за допомогою мікросхем ПЛІС FLEX 6000 фірми Altera, які запрограмовані за допомогою програматора PL-ASAP2 з використанням програмного забезпечення Altera MAX+PLUS II, та мікросхем серії КР1533.

Для зберігання ВКЗ і ПЗ ШН прихованого шару (рис. 11) використовуються 7 регістрів: 6 для зберігання вагових коефіцієнтів зв’язків з елементами рецепторного шару і один для порогу збудження. Інформація в регістри записується з БЗДЗП згідно сигналів вибірки від СП КВВ. В якості елемента множення використовуються кон’юнктори. Блок додавання забезпечує отримання зваженої суми сигналів рецепторного шару. Цифровий комутатор, порівнюючи результат додавання з порогом збудження (Регістр 7), формує двійкове значення сигналу на виході yjH, яке поступає на входи елементів ефекторного шару.

Для реалізації БЗДЗП (рис. 12) використовуються блоки оперативного запам’ятовуючого пристрою (БОП). Значення ВКЗ і ПЗ ШН записуються в БОП через загальну шину даних СП КВВ згідно сигналів вибірки. Під час запису даних від СП КВВ мультиплексор комутує на адресні входи БОП шину адреси СП КВВ. В процесі діагностування при необхідності зміни ВКЗ і ПЗ ШН сформовані на виходах БНК сигнали вибірки комутуються на адресні входи БОП і значення ВКЗ і ПЗ ШН з інформаційних виходів завантажуються в регістри елементів прихованого та ефекторного шарів.

Рис. 11. Структура елемента Рис. 12.Структура БЗДЗП

прихованого шару БНК

Оцінювання ефективності впровадження нейромережних засобів діагностування ЦП засвідчило підвищення ефективності розроблених засобів діагностування в порівнянні з існуючими, зокрема показник скорочення довжини тестових послідовностей для ЦК-3 дорівнює 1,28, для КР-С – 1,33, для МПК-1 – 1,07, для МЦК – 1,27, для КК-С – 1,13.

У додатках наведено зразки друкованої звітності розробленого програмного забезпечення, текст процедури модифікації параметрів ШНМ, результати експериментальних досліджень процедури модифікації параметрів ШНМ для різних коефіцієнтів швидкості навчання, акти впроваджень результатів наукових досліджень, протокол дослідження модифікованої системи тестового комбінованого діагностування “ТЕКОД-2М”, множина еталонних значень векторів відповідних реакцій умовного алгоритму діагностування А6 для ЦК-3, схема електрична принципова БВУА ШНМ “Текод-2М”.

ВИСНОВКИ

У дисертаційній роботі вирішена науково-технічна задача, яка має важливе народногосподарське значення - розроблення засобів тестового діагностування ЦП на базі ШНМ, що спрямоване на підвищення ефективності процесу діагностування за рахунок впровадження нових моделей, нейромережного методу та засобів діагностування ЦП.

Використовуючи системний підхід, методологію технічної діагностики, теорію ШНМ, теорію моделювання, теорію множин і математичну логіку, отримано такі основні теоретичні і практичні результати:

1. Проведено аналіз теорії та практики діагностування ЦП, який виявив, що застосування відомих засобів діагностування ЦП з використанням умовних алгоритмів не повністю задовольняє сучасним вимогам задач діагностування.

2. Розроблена нова математична модель засобів тестового діагностування, побудованих на базі тришарової прямонапрямленої ШНМ, для генерації тест-векторів та визначення технічного стану ОД, відмінність якої від відомих полягає у можливості відображення особливостей функціювання згаданих засобів в процесі реалізації умовних алгоритмів.

3. Розроблена узагальнена математична модель процесу реалізації умовних алгоритмів тестового діагностування ЦП, яка відображає взаємодію математичної моделі ЦП як ОД, нейромережних засобів та методу діагностування ЦП з використанням умовних алгоритмів.

4. Розроблено новий метод тестового діагностування ЦП нейромережними засобами, який відрізняється від відомих тим, що рішення про продовження процесу тестування згідно з правилами умовного алгоритму приймається на основі розрахованих мережею значень вихідних функцій в результаті паралельної перевірки декількох умов алгоритму діагностування. Запропонований метод дає можливість скоротити об’єм тестів шляхом вибору необхідної гілки із сукупності можливих в процесі виконання умовних алгоритмів діагностування, враховувати непередбачувані ситуації і цим адаптуватись до ОД, і в результаті досягти зменшення часу на формування висновку при визначенні технічного стану ОД.

5. Розроблена методика динамічної зміни параметрів ШНМ в процесі діагностування ЦП, суть якої полягає у розділенні загальної задачі на кілька складових із визначенням для кожної з них окремих значень вагових коефіцієнтів зв’язків та порогів збудження штучних нейронів, які в ході функціювання ШНМ динамічно змінюються, в результаті чого нейромережні засоби діагностування набувають здатності виконувати складні умовні алгоритми за рахунок перетворення процесу навчання ШНМ з незбіжного при незмінних значеннях вагових коефіцієнтів і порогів збудження нейронів у збіжний за можливості динамічної зміни параметрів.

6. Запропонована архітектура засобів тестового діагностування ЦП, яка відрізняється від відомих тим, що вона включає нейромережні засоби аналізу відповідних реакцій та керування процесом діагностування і формує наступні тест-вектори з врахуванням попередніх відповідних реакцій та значень допоміжних ознак в процесі діагностування. Це дає можливість реалізувати розроблений метод діагностування, що ґрунтується на умовних алгоритмах, та підвищити загальну ефективність процесу діагностування.

7. Розроблені апаратні і програмні нейромережні засоби діагностування ЦП впроваджені у виробництво, що дало змогу підвищити ефективність реалізації умовних алгоритмів діагностування без зміни функційних можливостей в середньому в 1.22 рази за рахунок скорочення необхідного об’єму тестів.

СПИСОК ОПУБЛІКОВАНИХ ПРАЦЬ ЗА ТЕМОЮ ДИСЕРТАЦІЇ

1. Глущак С.В., Чешун В.М., Чорненький В.І. Метод ідентифікації динамічних несправностей класу перешкод у взаємодіючих лініях зв’язку // Вісник Технологічного університету Поділля.-1997. - №1. - С.70-75.

2. Чешун В.М., Глущак С.В., Чорненький В.І. Оптимізація алгоритмів комбінованого діагностування методом гілок та мереж // Вимірювальна та обчислювальна техніка в технологічних процесах. – 1997. - №1.-С.136-139.

3. Чешун В.М., Глущак С.В., Чорненький В.І., Нич А.А. Розробка математичної моделі оптимізації алгоритмів комбінованого діагностування // Вимірювальна та обчислювальна техніка в технологічних процесах. – 1997. - №2. - С.161-162.

4. Чорненький В.І. Загальна методика використання засобів діагностування цифрових пристроїв на базі штучних нейронних мереж // Вимірювальна та обчислювальна техніка в технологічних процесах. –2001. - №4. – С.112-116.

5. Чорненький В.І., Локазюк В.М. Особливості побудови генераторів тест-векторів та ідентифікаторів несправностей на основі штучних нейронних мереж // Вісник Технологічного університету Поділля. - 2000. - №6. - С.142-144.

6. Чорненький В.І., Чешун В.М. Математична модель засобів діагностування цифрових мікропроцесорних пристроїв для реалізації умовних алгоритмів на базі теорії штучних нейронних мереж // Вісник Технологічного університету Поділля. - 2002. – том 2, №3. – С.129-133.

7. Чорненький В.І., Чешун В.М. Реалізація поліхотономічних процедур діагностування цифрових пристроїв штучними нейронними мережами // Вісник Технологічного університету Поділля. - 2001. - №1. – С.202-206.

8. Чорненький В.І. Динамічна зміна вагових коефіцієнтів як спосіб підвищення функціональних можливостей засобів діагностування, побудованих на базі теорії штучних нейронних мереж // Вісник Технологічного університету Поділля. - 2002. – том 1, №3. - С.103-108.

9. Чорненький В. Нові можливості реалізації умовних алгоритмів діагностування цифрових пристроїв за допомогою штучних нейронних мереж // Контроль і управління в складних системах. - Вінниця, том 2, 2002. – С.188-190.

10. Локазюк В.М., Чешун В.М., Глущак С.В., Чорненький В.І. Система комбінованого діагностування “ТЕКОД – 2М” // Наукова конференція молодих вчених та студентів. Збірник наукових праць молодих вчених та студентів за матеріалами наукової конференції, частина 3. – Київ: ДАЛПУ, 1998. - С.17-18.

11. Чешун В.М., Чорненький В.І., Муляр І.В., Нич А.А. Система комбінованого діагностування аудио та відео засобів мікропроцесорних систем // Вимірювальна та обчислювальна техніка в технологічних процесах: збірник наукових праць (випуск №1).– Хмельницький, НВП “Евріка”, 1998. - С.86-90.

12. Чорненький В., Чешун В. Нові можливості реалізації умовних алгоритмів діагностування цифрових пристроїв за допомогою штучних нейронних мереж // Контроль і управління в складних системах. Тези доповідей VI міжнародної науково-технічної конференції - Вінниця, 2001.–С.254.

13. Чорненький В.І. Паралельна генерація та ідентифікація несправностей на базі штучних нейронних мереж // Вимірювальна та обчислювальна техніка в технологічних процесах: збірник наукових праць (випуск №7). – Хмельницький: ТУП, 2000. – С.167-169.

14. Чорненький В.І., Чешун В.М., Гайдов Д.В. Переваги багатошарової моделі із зворотніми зв’язками при використанні нейронних мереж для діагностування цифрових пристроїв // Тези доповідей наукової конференції молодих вчених та студентів.–Київ:КДУТД, том 1,2000.–С.97.

15. Чорненький В.І., Чешун В.М., Глущак С.В. Використання моделей нейронних мереж при тестовому контролі обчислювальних пристроїв // Вимірювальна та обчислювальна техніка в технологічних процесах: Збірник наукових праць (випуск №3).–Хмельницький:ТУП, 1999.-С.167-171.

16. Чорненький В.І., Чешун В.М., Кльоц Ю.П. Блок керування поданням тест-векторів з урахуванням оперативного стану об’єкту діагностування // Наукова конференція молодих вчених та студентів. Збірник наукових праць молодих вчених та студентів за матеріалами наукової конференції, частина 3. – Київ: ДАЛПУ, 1998.-С.19-21.

17. Чорненький В.І., Чешун В.М., Нич А.А. Використання нейронних мереж при комбінованому діагностуванні цифрових структур // Наукова конференція молодих вчених та студентів. Збірник наукових праць молодих вчених та студентів за матеріалами наукової конференції, частина 3. – Київ: ДАЛПУ, 1998.-С.22-24.

18. Чорненький В.І., Чешун В.М., Яковчук О.М., Сікорський Д.В. Структурні та функціональні особливості побудованих на базі теорії штучних нейронних мереж засобів діагностування цифрових мікропроцесорних пристроїв // Вимірювальна та обчислювальна техніка в технологічних процесах: збірник наукових праць (випуск №9). – Хмельницький: ТУП, том 2, 2002. – С.175-178.

19. Чорненький В.І., Чешун В.М. Штучні нейронні мережі і поліхотономічні процедури – нові перспективи для діагностування цифрових пристроїв // Вимірювальна та обчислювальна техніка в технологічних процесах: збірник наукових праць (випуск №8). – Хмельницький: ТУП, 2001. – С.27-30.

АНОТАЦІЇ

Чорненький В.І. Засоби тестового діагностування цифрових пристроїв на базі штучних нейронних мереж. – Рукопис.

Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 05.13.05 - елементи та пристрої обчислювальної техніки та систем керування. – Тернопільська академія народного господарства, Тернопіль, 2003.

Дисертаційна робота присвячена розробці засобів тестового діагностування цифрових пристроїв на базі штучних нейронних мереж. В дисертації розроблено та досліджено новий метод діагностування цифрових пристроїв нейромережними засобами, що дозволяє зменшити час на отримання висновку при визначенні технічного стану об’єкта діагностування. Запропоновано тришарову прямонапрямлену штучну нейронну мережу для керування процесом виконання умовних алгоритмів тестового діагностування цифрових пристроїв. Розроблено апаратно-програмні нейромережні засоби тестового діагностування. Розроблені математичні моделі, метод, методики та засоби, орієнтовані на автоматизацію і підвищення ефективності тестового комбінованого діагностування цифрових пристроїв з використанням умовних алгоритмів.

Ключові слова: діагностування, цифрові пристрої, штучна нейронна мережа, умовні алгоритми діагностування.

Чорненький В.И. Средства тестового диагностирования цифровых устройств на базе искусственных нейронных сетей. – Рукопись.

Диссертация на соискание ученой ступени кандидата технических наук по специальности 05.13.05 - элементы и устройства вычислительной техники и систем управления. – Тернопольская академия народного хозяйства, Тернополь, 2003.

Диссертационная работа посвящена разработке средств тестового диагностирования цифровых устройств на базе искусственных нейронных сетей. Вследствие анализа методов диагностирования цифровых устройств и средств их интеллектуализации определено, что для существующих методов диагностирования усложнилась разработка тестових последовательностей для современных цифровых устройств, а существующим средствам интеллектуализации методов диагностирования характерен ряд недостатков. Поставлена задача разработки нового метода и средств диагностирования, которые используют компоненты искусственного интеллекта. Для решения указанной задачи разработаны нейросетевые модели тестового диагностирования цифровых устройств. Предложено трехслойную прямонаправленную искусственную нейронную сеть для управления процессом исполнения условных алгоритмов тестового диагностирования цифровых устройств. Проведено исследование и оценена достоверность предложенных моделей. В диссертации разработан и исследован новый метод диагностирования цифровых устройств нейросетевыми средствами, который дает возможность уменьшения времени на получение вывода при определении технического состояния объекта диагностирования. Разработана методика введения дополнительных управляющих признаков для избежания нежелательных последствий при возникновении конфликтных ситуаций. Также разработана методика динамического изменения параметров искусственной нейронной сети в процессе диагностирования, которая обеспечивает наращивание возможностей нейросетевых средств при решении задач большой сложности. Для реализации предложенного метода диагностирования разработана архитектура нейросетевых средств тестового диагностирования цифровых устройств. Разработан обобщенный алгоритм обучения нейросетевых средств диагностирования. Разработаны и внедрены аппаратно-программные нейросетевые средства тестового диагностирования. Разработаны математические модели, метод, методики и средства, ориентированные на автоматизацию и повышение эффективности тестового комбинированного диагностирования цифровых устройств с использованием условных алгоритмов.

Ключевые слова: диагностирование, цифровые устройства, искусственная нейронная сеть, условные алгоритмы диагностирования.

Chornenkiy V. Resources of test diagnosing of digital devices on the basis of artificial neural networks. - Manuscript.

Thesis on competition of a scientific step of the candidate of engineering science on a speciality 05.13.05 – elements and devices of computer facilities and control systems. - Ternopil academy of a national economy, Ternopil, 2003.

Thesis work is devoted to development of resources of test diagnosing of digital devices on the basis of artificial neural networks. In a thesis is developed and researched the new method of diagnosing of digital devices by neural resources which enables to reduce time by obtaining of output at definition of availability index of product of the object of diagnosing. It is offered 3-layer feedforward artificial neural network for process control of fulfillment of conventional algorithms of test diagnosing of digital devices. Hardware-software of neural resource of test diagnosing is developed. The mathematical models, method, techniques and resources oriented to automation and rise of efficiency of test combined diagnosing of digital devices with usage of conventional algorithms are developed.

Keywords: diagnosing, digital devices, artificial neural network, conventional algorithms of diagnosing.

Підписано до друку 30.04.2003р. Формат 60х84/16

Наклад 100 прим. Замовлення №452

Віддруковано в ПП “Прометей”

м. Хмельницький, вул. Старокостянтинівське шосе, 26.

Тел.: 79-42-17