ЗАСТОСУВАННЯ ШТУЧНОЇ НЕЙРО-НЕЧІТКОЇ МЕРЕЖІ ТАКАГИ – СУГЕНО – КАНГА ДО ОЦІНКИ ТЕХНІЧНОГО СТАНУ ОБ’ЄКТІВ БУДІВНИЦТВА

Заголовок (англійською): 
USE OF ARTIFICIAL NEURO-FUZZY NETWORK TAKAGI-SUGENO-KANG TO THE ASSESSMENT OF TECHNICAL CONDITION OF CONSTRUCTION OBJECTS
Автор(и): 
Командиров, О.В.
Куліков, П.М.
Плоский В.О.
Єременко Б.М.
Автор(и) (англ): 
Komandyrov Oleksii
Kulikov Petro
Ploskyi Vitaliy
Yeremenko Bohdan
Ключові слова (укр): 
вібрації; спеціалізована інтелектуальна система; ущільнена міська забудова
Ключові слова (англ): 
vibrations; specialized intelligent system; compacted urban development
Анотація (укр): 
Роботу присвячено питанням автоматизації процесів підтримки рішень щодо оцінки технічного стану об’єктів будівництва, які експлуатуються в умовах ущільненої міської забудови. Досліджено особливості процесу автоматизації експертної діяльності. Запропоновано концептуальну модель системи оцінки, що заснована на знаннях і програмах штучного інтелекту. Обґрунтовано доцільність використання в системі штучної нейро-нечіткої мережі Такаги-Сугено-Канга. Показано здатність нейро-нечіткої моделі до розв’язання задачі оцінки технічного стану об’єктів з пошкодженнями, які експлуатуються в умовах ущільненої міської забудови. Основними критеріями вибору моделі Такаги-Сугено-Канга стали її здатність до розв’язання задачі нечіткої класифікації та можливість задавати правила функцією входів. Застосування моделей і методів нечіткої математики при обробці вхідних даних забезпечує системі здатність функціонувати в умовах невизначеності, що пов’язана діяльністю різних інфраструктур ущільненої міської забудови. При цьому особливу увагу приділено формалізації узагальнених характеристик тих факторів впливу зовнішнього середовища, що супроводжуються вібраціями різного походження. Результати обробки вхідних даних показані на прикладах інтерпретації впливу вібрацій різного характеру на технічний стан об’єктів будівництва. Наукова новизна роботи полягає в розширенні бази знань системи за рахунок представлення інформації про реальний стан об’єктів будівництва та оточуючого зовнішнього середовища. Очікувана практична значущість роботи полягає в скороченні термінів проведення і підвищенні надійності оцінки технічного стану об’єктів будівництва з пошкодженнями різного характеру.
Анотація (англ): 
The work is devoted to the issues of automation of the processes of support of decisions on the assessment of the technical condition of construction objects, which are operated in the conditions of compacted urban development. The peculiarities of the process of automation of expert activity are investigated. A conceptual model of the evaluation system based on knowledge and programs of artificial intelligence is proposed. The expediency of using Takagi-Sugeno-Kanga artificial neural network in the system is substantiated. The ability of the neuro-fuzzy model to solve the problem of assessing the technical condition of objects with damage, which are operated in a dense urban development, is shown. The main criteria for choosing the Takagi-Sugeno-Kanga model were its ability to solve the problem of fuzzy classification and the ability to set rules by the input function. The use of fuzzy mathematics models and methods in the processing of input data provides the system with the ability to function in conditions of uncertainty associated with the activities of various infrastructures of dense urban development. At the same time, special attention is paid to the formalization of the generalized characteristics of those factors of environmental influence that are accompanied by vibrations of different nature. The results of input data processing are shown on the examples of interpretation of the influence of vibrations of different origin on the technical condition of construction objects. The scientific novelty of the work lies in the expanded knowledge base of the system by presenting information about the real state of construction objects and the environment. The expected practical significance of the work is to reduce the time and increase the reliability of the assessment of the technical condition of construction objects with damage of various kinds.
Публікатор: 
Київський національний університет будівництва і архітектури
Назва журналу, номер, рік випуску (укр): 
Управління розвитком складних систем, номер 42, 2020
Назва журналу, номер, рік випуску (рус): 
Управление развитием сложных систем, номер 42, 2020
Назва журналу, номер, рік випуску (англ): 
Management of Development of Complex Systems, Number 42, 2020
Мова статті: 
Українська
Формат документа: 
application/pdf
Документ: 
17.pdf
Дата публікації: 
20 Апрель 2020
Номер збірника: 
42
Розділ: 
ІНФОРМАЦІЙНІ ТЕХНОЛОГІЇ ПРОЄКТУВАННЯ
Університет автора: 
Київський науково-дослідний інститут судових експертиз Міністерства юстиції України, Київ; Київський національний університет будівництва і архітектури, Київ
Литература: 
  1. Pasko R., Terenchuk S. The Use of Neuro-Fuzzy Models in Expert Support Systems for Forensic Building Technical Expertise. ScienceRise. ISSN: 2313-8416, 2(67), 2000. Р. 10 – 18. doi: http://doi.org/10.21303/2313-8416.2020.001278.
  2. Terenchuk S., Pashko A., Yeremenko B., Kartavykh S., Ershovа N. Modelling Intelligent System for the Estimation of Technical State of Construction Structures. Eastern-European Journal of Enterprise Technologies, 3(2 (93)). 2018. Р.47–53. doi: http://doi.org/10.15587/1729-4061.2018.132587.
  3. Mettrey W. An Assessment of Tools for Building Large Knowledge Based Systems. AI Magazine, vol. 8(4). 1987. Р.81-89.
  4. Mudi R.K., Pal N.R. A Self-Tuning Fuzzy PI Controller Int. Jo. Fuzzy sets and systems. № 115. 2000. Р.327-378.
  5. Osowski, S. (2000) Siecin euronowe do przetwarzania informacji. Warszawa, 342 p. (польською).
  6. Субботин С. А. (2006) Синтез распознающих нейро-нечетких моделей с учетом информативности признаков. Нейрокомпьютеры: разработка, применение, № 10. – С. 50-56.
  7. Hguen H., Sugeno M., Tong R., Yager R. Theoretical Aspects of Fuzzy Control. New York, John Wiley & Sons. 1995. 359 p.
  8. Kulikov P., Pasko R.., Terenchuk S., Ploskyi V., Yeremenko B. Using of Artificial Neural Networks in Support System of Forensic Building-Technical Expertise. International Journal of Innovative Technology and Exploring Engineering (IJITEE). ISSN: 2278-3075. Vol. 9. Issue 4. 2019. Р. 3162–3168.
  9. Єременко Б.М. Моделювання інтелектуальної системи для діагностики технічного стану об’єктів будівництва. Технологічний аудит та резерви виробництва. №1/2(21). 2015. С. 44-48.
  10. Terenchuk S., Yeremenko B., Sorotuyk T. 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. Vol. 5/3(83). 2016. P. 30-39.
  11. Terenchuk S., Yeremenko B., Kartavykh S., Nasikovskyi O. Application of Fuzzy Mathematics Methods to Processing Geometric Parameters of Degradation of Building Structures. EUREKA: Physics and Engineering. №1. 2018. С.56-62.
  12. 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.
References: 
  1. Pasko, R., & Terenchuk, S., (2020). The Use of Neuro-Fuzzy Models in Expert Support Systems for Forensic Building Technical Expertise. ScienceRise, 2(67), 10 – 18, doi: http://doi.org/10.21303/2313-8416.2020.001278/
  2. Terenchuk, S., Pashko, A., Yeremenko, B., Kartavykh, S., & Ershovа, N., (2018) Modelling 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.
  3. Mettrey, W., (1987). An Assessment of Tools for Building Large Knowledge Based Systems. AI Magazine, 8, 4, 81 – 89.
  4. Mudi, R., & Pal, N., (2000). A Self-Tuning Fuzzy PI Controller Int. Jo. Fuzzy sets and systems, 115, 327 – 378.
  5. Osowski, S., (2000). Neural networks for information processing. Warsaw, 342.
  6. Subbotin, S.A., (2006). Synthesis recognizing neuro-fuzzy models with regard to information content attributes. Neurocomputers: development, application, 10, 50 – 56.
  7. Nguen, H., Sugeno, M., Tong, R., & Yager, R., (1995). Theoretical Aspects of Fuzzy Control. New York, John Wiley & Sons, 359.
  8. Kulikov, P., Pasko, R., Terenchuk, S., Ploskyi, V., & Yeremenko, B., (2019). Using of Artificial Neural Networks in Support System of Forensic Building-Technical Expertise. International Journal of Innovative Technology and Exploring Engineering (IJITEE), 9, 4, 3162 – 3168.
  9. Yeremenko, B.M., (2016). Modeling of intelligent system for diagnostics of technical condition of construction objects. Technological audit and production reserves, 1/2, 21, 44 – 48.
  10. 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.
  11. Terenchuk, S., Yeremenko, B., Kartavykh, S., & Nasikovskyi, O. (2018). Application of Fuzzy Mathematics Methods to Processing Geometric Parameters of Degradation of Building Structures. EUREKA: Physics and Engineering, 1, 5 – 62.
  12. Tanaka, K., Yoshida, H., Ohtake, H. & Wang, H.O., (2009). A Sum-of-Squares Approach to Modelling and Control of Nonlinear Dynamical Systems with Polynomial Fuzzy Systems. IEEE Transactions on Fuzzy systems, 17(4), 911 – 922.