RU2517422C1 - Aircraft onboard hardware expert-control system - Google Patents

Abstract

FIELD: aircraft engineering.

SUBSTANCE: proposed system comprises tolerance unit (TU), output completeness unit (OCU) and aircraft hardware control system with data transducer subsystem. Said units and system are connected with network of local computation circuit (LCC) connected via cell systems with network of nuclei 9. Outputs of the latter are connected with input of input unit 12, inputs of training unit 11 and tolerance unit 13. Second input of TU 13 is connected with the input of processor 16. Output of said TU 13 is connected with second input of input unit 12. Input of OCU 21 is connected with output of MLV 20. First output of OCU 21 is connected with first input of decision-making unit 17. Second output is connected with interpretation unit 22 connected in series with communication unit 18 and user's terminal 14.

EFFECT: higher efficiency of diagnostics for logical conclusion making.

1 dwg

Description

Область техникиTechnical field

Экспертная система контроля работы бортового оборудования относится к области контрольно-вычислительной техники, предназначена для установки на летательные аппараты (ЛА) и может быть использована для функционального диагностирования технического состояния авиационного оборудования.The expert system for monitoring the operation of on-board equipment belongs to the field of computer technology, is intended for installation on aircraft (LA) and can be used for functional diagnosis of the technical condition of aircraft equipment.

Уровень техникиState of the art

Известна управляющая экспертная система ЭС для оказания помощи оператору, решающая следующие задачи: распознавания критической ситуации, принятия решения по управлению выводом объекта из критической ситуации, контроля эффективности их реализаций (см. Ильясов Б.Г., Парфенов Н.И., Черняковская Л.Р. Автоматизация принятия решений при управлении системами «человек-техника» с помощью экспертных систем. Эргономика в России, СНГ и мире. Международная конференция. СПб. Россия, 1993 г.).The managing EA expert system is known to assist the operator, solving the following tasks: recognizing a critical situation, making decisions on managing the withdrawal of an object from a critical situation, monitoring the effectiveness of their implementations (see Ilyasov B.G., Parfenov N.I., Chernyakovskaya L. R. Automation of decision-making in the management of "man-technology" systems using expert systems. Ergonomics in Russia, the CIS and the world. International Conference. St. Petersburg Russia, 1993).

В системе критические ситуации, возникающие вследствие неблагоприятных внешних условий, приводят в случае не принятых своевременных и правильных управляющих решений к аварии или катастрофе. Принятие решений человеком, управляющим сложной системой, затруднено вследствие многомерности фактов для анализа, неопределенности и неоднозначности описания критических ситуаций, малого резерва времени и большой психофизической нагрузки.In the system, critical situations arising as a result of unfavorable external conditions lead, in the case of not taken timely and correct control decisions, to an accident or disaster. Making decisions by a person managing a complex system is difficult due to the multidimensionality of facts for analysis, the uncertainty and ambiguity of the description of critical situations, a small reserve of time and a large psychophysical load.

В базу знаний (БЗ) входят знания о предметной области управления сложной системой в критических ситуациях. В качестве инструментального средства оказания помощи эксперту в выражении своей концептуальной модели проблемной области используется программная система создания и ведения базы данных (БД) характеристик критических ситуаций и БЗ. Система выполняет функции автоматизации получения знаний от экспертов. Данные представляются реляционной БД характеристик критических ситуаций (КС), выполняется проверка целостности создания БД, производится ситуационная кластеризация данных. Создание и заполнение БД осуществляется с помощью средств систем управления реляционной БД для персональных ЭВМ с применением многооконного интерфейса. Представление знаний об управлении системой в КС осуществляется с помощью продукционной модели, позволяющей представлять правила распознавания ситуаций и принятия решений. В качестве критерия распознавания классов КС в управляющей экспертной системе (ЭС) используется степень близости распознаваемой ситуации, представленной вектором, к описаниям классов КС.The knowledge base (KB) includes knowledge about the subject area of managing a complex system in critical situations. As a tool to assist an expert in expressing his conceptual model of a problem area, a software system for creating and maintaining a database (DB) of characteristics of critical situations and knowledge bases is used. The system performs the functions of automating the acquisition of knowledge from experts. The data is presented to the relational database of critical situations (CS) characteristics, the integrity of the database creation is checked, and situational data clustering is performed. Creating and filling the database is carried out using the means of control systems of a relational database for personal computers using a multi-window interface. Knowledge is presented about managing the system in the CS using a production model that allows you to represent the rules for recognizing situations and making decisions. As a criterion for recognizing the classes of CS in the managing expert system (ES), the degree of proximity of the recognized situation represented by the vector to the descriptions of the classes of CS is used.

Однако при такой структуре ЭС управления система бортовых датчиков не включается в цикл работы по пилотированию ЛА. Поэтому стала практической невозможной разработка только инструктивных указаний по действиям пилота при возникновении каждого из возможных отказов. Подробные инструкции можно разработать только для ограниченного перечня отказов в пределах эксплуатационных ограничений ЛА бортового оборудования.However, with such a structure of the ES control system, the on-board sensor system is not included in the work cycle of piloting the aircraft. Therefore, it became practically impossible to develop only guidance on the actions of the pilot in the event of each of the possible failures. Detailed instructions can only be developed for a limited list of failures within the operational limits of aircraft avionics.

Известна экспертная система (ЭС) функционального диагностирования авиационного радиоэлектронного оборудования (см. патент на полезную модель №77062 U1, G06F 15/00).Known expert system (ES) for the functional diagnosis of aircraft electronic equipment (see patent for utility model No. 77062 U1, G06F 15/00).

Данная ЭС содержит управляющий микропроцессор, измерительный блок, содержащий в своем составе первичные измерительные преобразователи (ПИП), вычислительную систему, включающую подсистему обработки информации (ПОИ), базу данных, систему управления базой данных (СУБД), базу знаний, базу экспертных знаний (БЭЗ), нейросетевую базу знаний (НСБЗ), систему управления базой знаний (СУБЗ), решатель (интерпретатор). Известная ЭС является вычислительной системой, в которую включены знания специалистов о некоторой конкретной проблемной области и которая в пределах этой области способна принимать экспертные решения. ЭС состоит из вычислительной системы и внешних устройств; управляющего микропроцессора, измерительного блока. Вычислительная система содержит базу знаний, базу данных, машину логического вывода (решатель, подсистему приобретения знаний и подсистему объяснений).This ES contains a control microprocessor, a measuring unit containing primary measuring transducers (PIP), a computer system including an information processing subsystem (POI), a database, a database management system (DBMS), a knowledge base, and an expert knowledge base (BEZ) ), a neural network knowledge base (NSCB), a knowledge base management system (CMS), a solver (interpreter). A well-known ES is a computing system that includes the knowledge of specialists about a specific problem area and which is capable of making expert decisions within this area. ES consists of a computer system and external devices; microprocessor control, measuring unit. The computing system contains a knowledge base, a database, an inference machine (solver, knowledge acquisition subsystem, and an explanation subsystem).

ЭС обладает следующими свойствами: ограничено определенной сферой экспертизы - решение задач контроля и диагностики технического состояния бортового оборудования ЛА, способна рассуждать при сомнительных данных и объяснять полученные решения понятным способом, знания, которыми она оперирует, и механизм вывода - средство обработки знаний - отделены друг от друга, целенаправленна на использование правил, на выходе выдает совет, а не информацию, которая подлежит трудоемкой обработке пользователем, строится так, чтобы имелась возможность постоянного наращивания системы. В ЭС диагностирования функции подсистемы приобретения знаний выполняет база знаний, а подсистема объяснений выполняет функции решателя машина логического вывода (МЛВ) (интерпретатор).ES has the following properties: it is limited to a certain area of expertise — solving problems of monitoring and diagnosing the technical condition of aircraft onboard equipment, is capable of reasoning with dubious data and explaining the solutions in an understandable way, the knowledge with which it operates, and the inference mechanism — a means of processing knowledge — are separated from each other friend, focused on the use of rules, the output gives advice, and not information that is subject to time-consuming processing by the user, is built so that it is possible standing capacity of the system. In ES diagnostics, the functions of the knowledge acquisition subsystem are performed by the knowledge base, and the explanations subsystem performs the functions of a solver by a logical inference machine (MLV) (interpreter).

Предлагаемая ЭС позволяет, используя метод функционального диагностирования проведения непрерывного анализа технического состояния объектов ЛА в процессе их работы по назначению, оперативно получать информацию о техническом состоянии бортового оборудования ЛА, позволяет проводить работы по диагностированию без нарушения функциональных связей.The proposed ES allows, using the method of functional diagnostics to conduct a continuous analysis of the technical condition of aircraft objects in the process of their intended use, to quickly obtain information about the technical condition of onboard equipment of the aircraft, and allows for diagnostic work without disturbing functional connections.

ЭС, наряду с использованием традиционных знаний, хранящихся в БЗ, используя нейросетевую базу, позволяет формализовать перечисленные выше проблемы, возникающие в процессе эксплуатации авиационного оборудования. Проблема сложности объектов в нейросетевой базе знаний решается на основе обучения погрешности измерений, отказы первичных измерений-преобразователей информации могут компенсироваться на основе моделей ассоциативной нейронной сети (аналитическая избыточность). Сложность математической модели систем приводит к необходимости обучения и идентификации технического состояния системы.ES, along with the use of traditional knowledge stored in the knowledge base using a neural network base, allows us to formalize the above problems that arise during the operation of aircraft equipment. The problem of the complexity of objects in a neural network knowledge base is solved on the basis of teaching measurement error, failures of primary measurements-information converters can be compensated on the basis of associative neural network models (analytical redundancy). The complexity of the mathematical model of systems leads to the need for training and identification of the technical condition of the system.

Однако сложность объекта контроля и диагностики, большая часть параметров которого не измеряется, содержит случайные (инструментальные и методические) погрешности. Чрезмерная сложность и отсутствие точной математической модели, существование критических (нерасчетных) режимов работ авиационного оборудования вызывает комплексные отказы измерителей и преобразователей системы. Все перечисленные выше проблемы снижают достоверность диагностирования технического состояния авиационного бортового оборудования.However, the complexity of the object of control and diagnostics, most of the parameters of which are not measured, contains random (instrumental and methodological) errors. Excessive complexity and lack of an accurate mathematical model, the existence of critical (off-design) operating modes of aircraft equipment causes complex failures of the meters and converters of the system. All of the above problems reduce the reliability of diagnosing the technical condition of aircraft avionics equipment.

Техническим результатом, на создание которого направлено данное изобретение, является повышение эффективности и достоверности диагностирования при использовании неполных данных для построения логических выводов, поддержка эксплуатационного контроля бортового оборудования ЛА.The technical result, the creation of which this invention is directed, is to increase the efficiency and reliability of diagnosis when using incomplete data to build logical conclusions, support operational monitoring of aircraft onboard equipment.

Существенные признакиSalient features

Для достижения технического результата в экспертной системе контроля (ЭСК) работы бортового оборудования ЛА, содержащей входной блок, связанный с ним блок базы данных (БД), блок базы правил (БП), машину логического вывода (МЛВ), связанные с входами процессора, блок объяснений и блок общения, блок принятия решений, связанный с терминалом пользователя (экипажа), введены блок толерантности (БТ), блок полноты вывода (БПВ), система контроля оборудования ЛА, содержащая подсистему информационных датчиков ЛА, связанную с сетью клеток локальной вычислительной сети (ЛВС), содержащей последовательно связанные сеть клеток, сеть ядер, выходы которой связаны с входом входного блока, входами блока обучения и блока толерантности (БТ). Причем первый вход БТ соединен с выходом сети ядер ЛВС, второй вход БТ связан с выходом процессора. Выход БТ связан со вторым входом входного блока. Вход БПВ соединен с выходом МЛВ, а первый выход БПВ связан с первым входом блока принятия решений, а второй выход соединен с блоком объяснения, последовательно соединенным с блоком общения и терминалом пользователя.To achieve a technical result in an expert control system (ESC) for the operation of aircraft avionics equipment containing an input block, a database block (DB) associated with it, a rule base block (BP), an inference machine (MLV) associated with the processor inputs, a block explanations and a communication unit, a decision-making unit associated with the user (crew) terminal, a tolerance unit (BT), an output completeness unit (WPV), an aircraft equipment control system containing an aircraft information sensor subsystem connected to a local area network of cells were introduced tion network (LAN) comprising a series connected network of cells, nuclei network, the outputs of which are connected with the input unit input unit input unit learning and tolerance (BT). Moreover, the first input of the BT is connected to the output of the LAN core network, the second input of the BT is connected to the processor output. The BT output is connected to the second input input block. The BPV input is connected to the MLV output, and the first BPV output is connected to the first input of the decision block, and the second output is connected to an explanation block connected in series with the communication block and the user terminal.

Сущность изобретения поясняется на фиг.1, где изображены информационные датчики ЛА 1 центроплана и крыльев 2, двигателей 3, шасси гидросистемы 4, системы управления и навигации 5, система жизнеобеспечения 6, система контроля (СК) бортового оборудования ЛА 7, локальная вычислительная сеть (ЛВС) 8, сеть ядер 9, сеть клеток 10, блок обучения 11, входной блок 12, блок толерантности 13, терминал пользователя (экипажа) 14, блок базы данных (БД) 15, процессор 16, блок принятия решений 17, блок общения 18, блок базы правил 19, машина логического вывода (МЛВ) 20, блок полноты вывода 21, блок объяснений 22. При этом входной блок 12 связан с входом блока базы данных (БД) 15. Выходы блока базы правил (БП) 19, блока базы данных (БД) 15 и машины логического вывода (МЛВ) 20 связаны с входами процессора 16. Введены блок толерантности (БТ) 13, блок полноты вывода (БПВ) 21, система контроля оборудования 7 ЛА, которая содержит подсистему информационных датчиков 1 ЛА, связанную с сетью клеток 10 локальной вычислительной сети (ЛВС) 8, содержащей последовательно связанные сеть клеток 10, сеть ядер 9, выходы которой связаны с входом входного блока 12, входами блока обучения 11 и блока толерантности (БТ) 13. Причем первый вход БТ 13 соединен с выходом сети ядер 9 ЛВС, второй вход БТ 13 связан с выходом процессора 16. Выход БТ 13 связан со вторым входом входного блока 12. Вход БПВ 21 соединен с выходом МЛВ 20, а первый выход БПВ 21 связан с терминалом пользователя 14 через первый вход блока принятия решений 17, а второй выход соединен с блоком объяснения 22, последовательно соединенным с блоком общения 18 и терминалом пользователя 14.The invention is illustrated in figure 1, which shows the information sensors LA 1 center wing and wings 2, engines 3, the chassis of the hydraulic system 4, control and navigation system 5, life support system 6, monitoring system (SC) of onboard equipment LA 7, local area network ( LAN) 8, core network 9, cell network 10, training block 11, input block 12, tolerance block 13, user (crew) terminal 14, database block (DB) 15, processor 16, decision block 17, communication block 18 , rule base block 19, logical inference engine (MLV) 20, completeness block output 21, explanation block 22. In this case, the input block 12 is connected to the input of the database block (DB) 15. The outputs of the rule base block (BP) 19, the database block (DB) 15 and the logical output machine (MLV) 20 are connected to the inputs processor 16. Introduced a tolerance block (BT) 13, a block of completeness of output (BPV) 21, a control system for equipment 7 of the aircraft, which contains a subsystem of information sensors 1 of the aircraft, connected to the network of cells 10 of the local area network (LAN) 8, containing sequentially connected network cells 10, a network of nuclei 9, the outputs of which are connected to the input of the input unit 12, the inputs of the training unit 11 and the tolerance unit (BT) 13. Moreover, the first input of the BT 13 is connected to the output of the network of cores 9 LAN, the second input of the BT 13 is connected to the output of the processor 16. The output of the BT 13 is connected to the second input of the input unit 12. The input of the BPV 21 is connected with the output of MLV 20, and the first output of the BPV 21 is connected to the user terminal 14 through the first input of the decision block 17, and the second output is connected to the explanation block 22, connected in series with the communication block 18 and the user terminal 14.

Система работает следующим образом.The system operates as follows.

В процессе технической диагностики БО определяют основные состояния системы: исправна/неисправна. Если система работоспособна, то организуется такой процесс управления, чтобы можно было объективно проанализировать ее качество. Если система неработоспособна, организуются такие процессы управления, которые позволяют отыскать отказавший элемент, узел, блок. Система диагностики позволяет диагностировать комплекс в целом. Система позволяет решать проблему рассогласования допусков и учесть все реальные факторы, влияющие на работоспособность ЛА.In the process of technical diagnostics, BOs determine the main system conditions: working / faulty. If the system is operational, then such a management process is organized that it is possible to objectively analyze its quality. If the system is inoperative, such control processes are organized that allow you to find the failed element, node, block. The diagnostic system allows you to diagnose the complex as a whole. The system allows you to solve the problem of mismatch tolerances and take into account all real factors affecting the performance of the aircraft.

Обработка информации в КС основана на использовании методов управления, ассоциативно-логической обработки когнитивных функций, отношений и процессов, а также методах автоматического формирования таких функций, отношений и процессов.Information processing in CS is based on the use of management methods, associative-logical processing of cognitive functions, relationships and processes, as well as methods for the automatic formation of such functions, relationships and processes.

Необходимость грануляции связана с неопределенностью информации в реальных условиях. Грануляция - одна из базисных концепций когнитивной обработки информации. ЛА-1 составной информационный объект (переменные) может быть декомпозирован на гранулы. Каждая гранула является набором элементарных объектов, которые связаны вместе неопределенностью, близостью, подобностью, функциональностью. Объект О_с-ЛА-1 представляется гранулированно, т.е.The need for granulation is associated with the uncertainty of information in real conditions. Granulation is one of the basic concepts of cognitive information processing. LA-1 compound information object (variables) can be decomposed into granules. Each granule is a set of elementary objects that are connected together by uncertainty, proximity, similarity, functionality. Object O _with -LA-1 appears to be granular, i.e.

$$\begin{array}{cc}\begin{array}{l}{O}_c=ins\_g\left(C_1\dots C_i\dots C_N\right)\\ G_i=has\_a\left(A_1\dots A_i\dots A_N\right)\\ A_j=has\_v\left(V_1\dots V_i\dots V_N\right)\end{array}& (1)\end{array}$$

$$\begin{array}{cc}\begin{array}{l}{O}_c=ins\_g\left(C_{\mathrm{one}}...C_i...C_N\right)\\ G_i=has\_a\left(A_{\mathrm{one}}...A_i...A_N\right)\\ A_j=has\_v\left(V_{\mathrm{one}}...V_i...V_N\right)\end{array}& (\mathrm{one})\end{array}$$

Где A_j - j атрибут гранулы G_i;Where A _j - j attribute of the granule G _i ;

V_q - q-e значение атрибута A_j;V _q - qe value of the attribute A _j ;

ins_g - отношение включения для гранул;ins_g - inclusion relation for granules;

has_a и has_v - отношения «имеет» для атрибута и значения соответственно.has_a and has_v - relations “has” for the attribute and value, respectively.

Объект ЛА-1 включает гранулы: центроплан 2, крылья и хвостовое оперение, двигатели 3, система шасси и гидросистема 4, система управления и навигации 5, система жизнеобеспечения 6, имеющие атрибуты, размер, форму, вес, прочность, надежность, отказобезопасность и пр. со значениями, например, для первого атрибута «большой», «малый» и пр. Гранулы - это интервалы переменных, выделенные области определения функций и отношений.Object LA-1 includes granules: center wing 2, wings and tail unit, engines 3, chassis system and hydraulic system 4, control and navigation system 5, life support system 6, which have attributes, size, shape, weight, strength, reliability, fail-safe, etc. with values, for example, for the first attribute “large”, “small”, etc. Granules are intervals of variables, highlighted areas of definition of functions and relations.

Ассоциативно-логическая обработка гранулированной информации основана на использовании ассоциативных отображений М (AM). AM является формой отображения функций, которая обладает хорошими адаптивными и аппроксимирующими свойствами. При отображении преобразований образов или процессов возможно использование одиночных (SAM) и множественных (МАМ) отображений. Формально AM, SAM и МАМ представляются модельными наборами вида:Associative-logical processing of granular information is based on the use of associative mappings M (AM). AM is a form of function mapping that has good adaptive and approximating properties. When displaying transformations of images or processes, it is possible to use single (SAM) and multiple (MAM) mappings. Formally, AM, SAM and MAM are represented by model sets of the form:

$$\begin{array}{cc}\begin{array}{l}AM=\left\{X,Y,S,U,F\right\};\\ SAM=\left\{P_x,P_y,AM\right\};\\ MAM=\left\{P_x,P_y,\left\{AMt,t=1\dots T\right\}\right\}.\end{array}& (2)\end{array}$$

$$\begin{array}{cc}\begin{array}{l}AM=\left\{X,Y,S,U,F\right\};\\ SAM=\left\{P_x,P_y,AM\right\};\\ MAM=\left\{P_x,P_y,\left\{AMt,t=\mathrm{one}...T\right\}\right\}.\end{array}& (2)\end{array}$$

Компоненты, входящие в наборы, имеют следующие назначения:The components included in the sets have the following purposes:

X, Y - множество входных и выходных параметров (векторные);X, Y - a set of input and output parameters (vector);

S, U - множество структур и структурных единиц, их составляющих;S, U - many structures and structural units that make up them;

F - множество базисных функций, реализуемых в узловых элементах;F is the set of basis functions implemented in nodal elements;

P_x, P_y - входной и выходной вектора;P _x , P _y - input and output vector;

AM_t - SAM для t-го момента времени протекания когнитивного процесса;AM _t - SAM for the t-th time moment of the course of the cognitive process;

Т - период времени процесса с фиксированными моментами t, в которые реализуется AM_t составляющая МАМ.T is the time period of the process with fixed moments t at which the AM _t component of MAM is realized.

Ассоциативно-логическая обработка функций и отношений производится с использованием базовых моделей-клеток 10 и ядер 9 и процессов локальной в вычислительной сети 8, рис.1.Associative-logical processing of functions and relations is performed using basic cell models 10 and nuclei 9 and processes local to the computer network 8, Fig. 1.

Клетка 10 (С-Cell) является минимально обучаемым элементом, способным самостоятельно обрабатывать информацию в гранулированном виде. Формализованная информационная модель клетки представляется в виде набора множеств:Cell 10 (C-Cell) is a minimally trained element capable of independently processing information in granular form. The formalized information model of the cell is represented as a set of sets:

$$M_c=\left\{X,W_c,H_x,S_c,H_y,BF,Y\right\}.(3)$$

$$M_c=\left\{X,W_c,H_x,S_c,H_y,BF,Y\right\}.(3)$$

Где X={x₀…x_n} - множество входных параметров;Where X = {x ₀ ... x _n } is the set of input parameters;

W_c={w₀…w_v) - множество регулируемых весов (m≥n);W _c = {w ₀ ... w _v ) is the set of adjustable weights (m≥n);

H_x={h_x1…h_xq} - множество скрытых входных параметров, соответствующих информационным гранулам на входах;H _x = {h _x1 ... h _xq } - the set of hidden input parameters corresponding to the information granules at the inputs;

H_y={h_y1…h_ye} - множество скрытых выходных параметров, соответствующих информационным гранулам на выходах;H _y = {h _y1 ... h _ye } - the set of hidden output parameters corresponding to the information granules at the outputs;

S_c={S_c1…s_cr} - множество связей, скрытых входных и выходных информационных гранул, определяющих цепочку преобразований гранул при активизации этой связи;S _c = {S _c1 ... s _cr } - a set of links, hidden input and output information granules, defining a chain of granule transformations when this connection is activated;

BF=(bf₁…bf_k) - множество базисных функций активаторных элементов клетки;BF = (bf ₁ ... bf _k ) - the set of basic functions of the activator elements of the cell;

Y_c - выходной параметр клетки, поддерживается структурно-функциональной моделью клетки. Клетка 9 содержит информационный гранулятор, формирующий множество H_x, активатор, состоящий из множества активаторных элементов a_i, i=1…N, выполняющих преобразования скрытых информационных параметров и формирования множества H_y в соответствии со связями S_c и весами W_c; информационный детранслятор, формирующий выходной параметр Y; настройщик, формирующий множество связей S_c и весов W_c; при настройке клетки на отображение X→Y, аппроксимирующее функцию Y=F(X).Y _c is the output parameter of the cell, supported by the structural-functional model of the cell. Cell 9 contains an information granulator forming a set H _x , an activator consisting of a set of activating elements a _i , i = 1 ... N, performing transformations of hidden information parameters and forming a set H _y in accordance with the bonds S _c and weights W _c ; an information detector generating an output parameter Y; a tuner forming a plurality of bonds S _c and weights W _c ; when setting the cell to the map X → Y, approximating the function Y = F (X).

Клетка 10 является универсальным преобразователем информации (адаптивным аппроксиматором), имеющим n-входов и один выход.Cell 10 is a universal information converter (adaptive approximator) with n-inputs and one output.

Сеть ядер 9 содержит «склеенные» клетки. Информационная модель ядра представляется набором множеств (3), где X=(X₁, VX₂, V…VX_m) - представляет собой «склеенное» множество входов клеток, входящих в ядро; W_N, H_x, H_y - множества весов и скрытых параметров ядра, S_N - множества связей ядра, объединяющие связи клеток; BF - набор базисных функций активаторных элементов; Y - объединенное множество выходных параметров ядра.The network of nuclei 9 contains “glued” cells. The information model of the nucleus is represented by a set of sets (3), where X = (X ₁ , VX ₂ , V ... VX _m ) - is a “glued” set of inputs of cells entering the nucleus; W _N , H _x , H _y - the set of weights and hidden parameters of the nucleus, S _N - the set of bonds of the nucleus, combining the bonds of cells; BF - a set of basic functions of activator elements; Y is the combined set of kernel output parameters.

Сеть ядер 9 с частичным объединением клеток есть сеть клеток 10 с входами, параллельно подведенными к каждой клетке (от каждого входа к каждой клетке). Оно используется для реализации поведенческих функции (отношений) с несколькими связанными параметрами, зависящими от ряда общих аргументов.A network of nuclei 9 with a partial union of cells is a network of cells 10 with inputs parallel to each cell (from each entrance to each cell). It is used to implement behavioral functions (relationships) with several related parameters, depending on a number of common arguments.

Клетки и ядра являются базовыми элементами, из которых строится когнитивная система (КС). Главными информационными элементами, которыми оперирует КС, являются образы. Образ формируется как матрица или вектор со связанными координатами. Преобразование образов является основным операционным компонентом при реализации когнитивных процессов, как последовательностей таких преобразований. Преобразования выполняются в структурных компонентах локальной сети 8.Cells and nuclei are the basic elements that make up the cognitive system (CS). The main information elements operated by the COP are images. An image is formed as a matrix or vector with associated coordinates. Image transformation is the main operational component in the implementation of cognitive processes, such as sequences of such transformations. Conversions are performed in the structural components of the local network 8.

Локальная вычислительная сеть (ЛВС) 8 содержит связанные клетки 10 и ядра 9. ЛВС рассматривается как самостоятельный модуль обработки образов. Информационная модель локальной вычислительной сети представляется набором множеств:The local area network (LAN) 8 contains connected cells 10 and nuclei 9. LAN is considered as an independent image processing module. The information model of a local area network is represented by a set of sets:

$$M_{LN}=\left\{P_X\left(X,C_X\right),W_{LN},S_{LN},P_Y\left(Y,C_Y\right)\right\},(4)$$

$$M_{LN}=\left\{P_X\left(X,C_X\right),W_{LN},S_{LN},P_Y\left(Y,C_Y\right)\right\},(\mathrm{four})$$

где X и C_X вектор образа P_X и связи между его координатами, т.е. множество входных параметров и связи между ними, определяющие входной (преобразуемый сетью) образ P_X;where X and C _{X are the} vector of the image of P _X and the relationship between its coordinates, i.e. the set of input parameters and the relationships between them that determine the input (network-convertible) image of P _X ;

WLN - множество регулируемых весов связей между клетками и ядрами, входящими в локальную сеть;WLN - many adjustable weights of bonds between cells and nuclei that are part of the local network;

S_LN - множество связей клеток и ядер, входящих в локальную сеть;S _LN - the set of bonds of cells and nuclei included in the local network;

Y и C_Y - вектор образа P_Y и связи между его координатами, т.е. множество выходных параметров и связей между ними, определяющих выходной (преобразованный сетью) образ P_Y.Y and C _Y - the vector of the image P _Y and the relationship between its coordinates, i.e. the set of output parameters and the relationships between them that determine the output (network-converted) image of P _Y.

Структурно ЛВС 8 состоит из связанных клеток и ядер, а также блок обучения 11, формирующего множество весов связей W_LN элементов сети. Наличие разноуровневых компонентов (клеток и ядер) в ЛВС позволяет строить сложные преобразующие структуры с полносвязной и слоистой организацией. ЛВС с полносвязной организацией используются для ассоциативного запоминания образов. ЛВС со слоистой структурой решает задачи классификации образов и аппроксимации заданных преобразований.Structurally, LAN 8 consists of connected cells and nuclei, as well as a training unit 11, which forms the set of connection weights W _LN of network elements. The presence of multilevel components (cells and nuclei) in a LAN allows you to build complex transforming structures with a fully connected and layered organization. LANs with a fully connected organization are used for associative memorization of images. A LAN with a layered structure solves the problems of classifying images and approximating given transformations.

В КС функции и отношения в форме ассоциативных отображений формируются путем обучения. Для разных вариантов обучаемых модулей, построенных для работы с функциями и отношениями, используются методы обучения и самообучения. Обучение с подкреплением при взаимодействии со средой - обучение тому, что делать, т.е. как отразить ситуацию в действии, чтобы максимизировать числовой сигнал поощрения от среды. Обучение происходит по эпизодам процесса, которые оцениваются специальной функцией с поощрением лучших эпизодов.In CS, functions and relationships in the form of associative mappings are formed through training. For different options for learning modules built to work with functions and relationships, teaching and self-learning methods are used. Reinforced learning when interacting with the environment - learning what to do, i.e. how to reflect the situation in action in order to maximize the numerical promotion signal from the medium. Training takes place on episodes of the process, which are evaluated by a special function with the promotion of the best episodes.

Распознавание состояния ЛА-1 производится с помощью блока толерантности 13, обладающего повышенным быстродействием и точностью распознавания состояния системы контроля оборудования 7.Recognition of the state of LA-1 is carried out using the tolerance block 13, which has increased speed and accuracy of recognition of the state of the equipment control system 7.

Шумы создают большую неопределенность в оценке состояния объекта. Временной интервал Δt пространства толерантности при переходе из состояния k_i в состояние k_i+1 определяет эффективность принятия решения по состоянию бортового оборудования ЛА. Условия временного дефицита и априорной неопределенности состояния ЛА затрудняют оперативную переработку больших объектов измерительной информации. Факт измерения состояния ЛА 1 оценивается недопусковым методом по характеру изменения параметра, а по характеру представления области перекрытия многопараметрического пространства толерантности между классами состояния. Эта оценка получается в виде упорядоченной величины погрешности по каждому параметру, несущему информацию о состоянии ЛА 1 на исследуемый момент времени. При этом выделяются упорядоченные по погрешности совокупности всех подпространств толерантности на момент перехода k_i в k_i+1.Noises create great uncertainty in assessing the state of an object. The time interval Δt of the tolerance space during the transition from the state k _i to the state k _{i + 1} determines the effectiveness of decision making on the state of the aircraft’s onboard equipment. The conditions of temporary deficit and a priori uncertainty of the state of the aircraft complicate the operational processing of large objects of measurement information. The fact of measuring the state of an aircraft 1 is evaluated by the non-starting method by the nature of the parameter change, and by the nature of the representation of the overlapping region of the multi-parameter tolerance space between the state classes. This estimate is obtained in the form of an ordered error value for each parameter that carries information about the state of the aircraft 1 at the moment in time. At the same time, the totality of all tolerance subspaces ordered by error at the moment of transition k _i to k _{i + 1} is highlighted.

Толерантность - бинарное отношение R⊆A×A на множестве A, обладающее свойствами рефлексивности и симметричности, т.е. удовлетворяющее условиям aRa для всех a∈A и aRb влечет за собой bRa для любых a, b∈A. Толерантность R на универсальной алгебре A={A, Ω} совместимая, если для любой операции со условие a_iRb_i i=1…n влечет за собой (a_i…a_nω)R(b_i…b_nω). Толерантность является естественным обобщением понятия эквивалентности.Tolerance is the binary relation R⊆A × A on the set A, which has the properties of reflexivity and symmetry, i.e. satisfying the conditions aRa for all a∈A and aRb implies bRa for any a, b∈A. Tolerance of R on the universal algebra A = {A, Ω} is compatible if for any operation with the condition a _i Rb _i i = 1 ... n entails (a _i ... a _n ω) R (b _i ... b _n ω). Tolerance is a natural generalization of the concept of equivalence.

Эквивалентность - бинарное отношение R⊆X×X на множестве X, удовлетворяющее условиям: 1) рефлексивность xRx; 2) симметричность xRy⇒yRx; 3) транзитивность xRyΛyRz⇒Rz. Если f отображает множество X во множество Y, то отношение $$R=\left\{\raisebox{1ex}{$\left(x_1{x}_2\right)$}\!\left/ \!\raisebox{-1ex}{$f{x}_1=f{x}_2$}\right.\right\}$$

является эквивалентом.Equivalence is a binary relation R⊆X × X on the set X satisfying the conditions: 1) reflexivity xRx; 2) the symmetry of xRy⇒yRx; 3) the transitivity of xRyΛyRz⇒Rz. If f maps a set X into a set Y, then the relation $$R=\left\{\raisebox{1ex}{$\left(x_{\mathrm{one}}{x}_2\right)$}\!\left/ \!\raisebox{-1ex}{$f{x}_{\mathrm{one}}=f{x}_2$}\right.\right\}$$

is the equivalent.

Для произвольного Y∈X множество U⊆X, состоящее из всех X, эквивалентных Y, является классом эквивалентности Y. Любые два класса эквивалентности либо не пересекаются, либо совпадают, т.е. любая эквивалентность определяет разные множества X и обратно.For an arbitrary Y∈X, the set U⊆X, consisting of all X equivalent to Y, is the equivalence class of Y. Any two equivalence classes either do not intersect or coincide, that is, any equivalence defines different sets X and vice versa.

Входной блок 12 является системой управления базы данных (СУБД) 15. Управление памяти БД позволяет хранить только ту информацию, которая введена в файл данных. СУБД управляет памятью БД и работой циклов процессов 16. Сначала СУБД очищает память от информации, в ней операцию инициирует команда RELEASE. Память очищает от всех переменных, определенных на текущий момент. Когда память будет пуста, в нее помещается какая-либо информация и сохраняется надолго, например обеспечивает запись информации на диск дисковода. Вызов информации из памяти осуществляется по команде RELEASE. Логика программирования СУБД: операторы условия базируются на способности процесса принимать решения о достоверности каких-либо условий. Инструментом для этого служит оператор IF-THEN («если-то»). Истинность или сложность условия определяется тем, будет ли выполнено действие, которое выполняется только тогда, когда условие выполняется как истинное. Оператор ELSE выполняется, если условие оценивается как ложное - критерием является отказ.The input unit 12 is a database management system (DBMS) 15. Management of the database memory allows you to store only the information that is entered into the data file. The DBMS manages the database memory and the operation of the process cycles 16. First, the DBMS clears the memory of information, in which the operation initiates the RELEASE command. Memory clears all variables that are currently defined. When the memory is empty, any information is placed in it and stored for a long time, for example, it provides information recording on the disk drive. Recalling information from memory is carried out by the RELEASE command. DBMS programming logic: condition operators are based on the ability of a process to make decisions about the reliability of any conditions. The instrument for this is the IF-THEN (if-if) statement. The truth or complexity of the condition is determined by whether the action will be performed, which is performed only when the condition is true. The ELSE statement is executed if the condition is evaluated as false - the criterion is failure.

Возможность заставить процессор повторять последовательность команд - программа обращается к самой себе или к другим программам. Эти обращения могут повторяться многократно. В сформированном командном цикле создается бесконечный цикл, в котором программа обращается к самой себе. Управление циклами осуществляется определением логической формулы командой DO WHILE (выполняй пока). Эта команда побуждает процессор многократно повторять последовательность циклов до тех пор, пока остается истинным условие - присвоение переменной счетчику значений «единица». В СК управление является «открытым»: правило может быть вызвано в любой момент вне зависимости о других правил в БП 19, описывающей данную конкретную ситуацию. Происходит чередование циклов выбора и выключения правил, после каждого цикла порядок выполнения правил определяется динамически. Основным средством управления является последовательный порядок выполнения инструкций, таких как «Если-то-иначе», которые работают с небольшой частью параметров, описывающих данную ситуацию. Ход выполнения инструкций, связанных с данными, небольшие изменения во входных данных мало влияют на выполнения процедуры.The ability to force the processor to repeat the sequence of commands - the program refers to itself or to other programs. These calls can be repeated many times. In the formed command cycle, an endless cycle is created in which the program accesses itself. Loops are controlled by defining a logical formula with the DO WHILE command (do it for now). This command causes the processor to repeat the sequence of cycles repeatedly until the condition remains true - assigning a variable to the counter values of "one". In SK, management is “open”: a rule can be called up at any time, regardless of other rules in BP 19, which describes this particular situation. There is an alternation of cycles for selecting and turning off the rules, after each cycle the order of execution of the rules is determined dynamically. The main control tool is a sequential order of instructions, such as “If-then-otherwise”, which work with a small part of the parameters that describe this situation. The progress of the instructions related to the data, small changes in the input data have little effect on the execution of the procedure.

Аппарат выводимых правил служит существенному приближению методов обращения с формальными выводами к содержательным математическим рассуждениям. Логический вывод - формализованный вывод в исчислении, содержащем логические правила и имеющем в качестве основных выводимых объектов формулы, интерпретацией которого являются суждения. При этом логический вывод - содержательные рассуждения, позволяющие от сформулированных от аксиом и допущений переходить к новым утверждениям, логически вытекающие из исходных.The apparatus of derived rules serves as a substantial approximation of the methods of handling formal conclusions to substantive mathematical reasoning. A logical conclusion is a formalized conclusion in a calculus containing logical rules and having formulas as the main derivable objects, the interpretation of which is judgment. In this case, the logical conclusion is substantive reasoning, which allows us to move from formulated from axioms and assumptions to new statements that logically follow from the original ones.

При зафиксированных аксиомах и правилах перехода последовательность формул является выводом из гипотез A₁…A_n (n≥0), если каждый член последовательности либо является аксиомой или одной из гипотез, либо получается из предыдущих формул последовательности по одному из правил: A₁…A_n ├A (├ - знак выводимости), A выводима из A₁…A_n. Если n=0, то ├А выводимо без каких-либо допущений. Если A₁…A_n ├, то допущения ведут к противоречию. В системе A₁…A_n├ влечет выводимость из этих гипотезах любой формулы. В исчислении, содержащем аксиому A₁…A_n├ и правило отделения, последовательность A,.A⊃(B⊃A), B⊃A является выводом B⊃A, т.е. (A├B⊃A).For fixed axioms and transition rules, the sequence of formulas is a conclusion from hypotheses A ₁ ... A _n (n≥0) if each member of the sequence is either an axiom or one of the hypotheses, or is obtained from the previous formulas of the sequence according to one of the rules: A ₁ ... A _n ├A (├ is the sign of derivability), A is derivable from A ₁ ... A _n . If n = 0, then ├A is deducible without any assumptions. If A ₁ ... A _n ├, then the assumptions lead to a contradiction. In the system A ₁ ... A _n ├ implies the derivability of any formula from these hypotheses. In a calculus containing the axiom A ₁ ... A _n ├ and the separation rule, the sequence A, .A⊃ (B⊃A), B⊃A is the conclusion of B⊃A, i.e. (A├B⊃A).

ЭС использует процессор 16, который взаимосвязи в форме представленных правил применительно к входным сигналам образует выходные сигналы. Представленные правила в БП 19 содержат большое количество логических связей между возможными компонентами входных сигналов, которые представляют информацию о ЛА 1; процесс поиска осуществляется через представление правил для получения информации. В процессе поиска устанавливаются дополнительные правила и возникает необходимость хранить обширную информацию результатов использования выявленных правил.ES uses processor 16, which interconnects in the form of the presented rules as applied to input signals and generates output signals. The presented rules in BP 19 contain a large number of logical connections between the possible components of the input signals that represent information about LA 1; the search process is carried out through the submission of rules to obtain information. In the search process, additional rules are established and there is a need to store extensive information on the results of using the identified rules.

Структура управления ЭС строится на принципах исчерпывающего перебора, выбор правила с помощью оценки. Ответ на точно поставленный вопрос оценивается путем взвешенного анализа всех возможных выводов и ограничений в исследуемом пространстве. Общий тип оценки состоит в выборе первого встретившегося правила, удовлетворяющего соответствующим условиям. Сначала оценивают все правила-кандидаты, а затем выбирают из них правило с максимальным значением оценки, полученного с помощью критерия-динамической оценкой приоритета правил в зависимости от их вклада в достижения цели, от возможности используемых фактов. Структура управления требует от системы, чтобы все сообщения проходили через БД 15.The management structure of the ES is based on the principles of exhaustive search, the choice of the rule with the help of evaluation. The answer to the precisely posed question is evaluated by a balanced analysis of all possible conclusions and limitations in the space under study. The general type of assessment is to select the first rule that meets the relevant conditions. First, all candidate rules are evaluated, and then a rule is selected from them with the maximum value of the score obtained using the criterion — dynamic assessment of the priority of the rules depending on their contribution to the achievement of the goal, on the possibility of the facts used. The management structure requires the system to have all messages pass through DB 15.

Работа БПВ 21 строится на основе использования регистровых автоматов (РА), определяющих класс полноты выводов СК. Каждый входной сигнал x∈X автомата A определяет преобразование f_x:a→ax (→импликация, следует если A, то B) множество состояний автомата A. Преобразование f_x порождает полугруппы автомата А-множества с одной бинарной операцией, удовлетворяющей закону ассоциативности. Для каждого слова p∈F(x) определяет преобразование f:а→ap, а соотношение f_pq=f_p·fq показывает отображение γ:p→f_p - взаимно однозначно соответствие (гомоморфизм) свободной полутруппы F(x) на полугруппу G_A: полугруппа G_A автомата A есть X автомата, если f_px=f_px.The operation of the BPV 21 is based on the use of register machines (RA), which determine the completeness class of SC outputs. Each input signal x∈X of the automaton A defines a transformation f _x : a → ax (→ implication, if A, then B) is the set of states of the automaton A. The transformation f _x generates semigroups of the automaton of an A-set with one binary operation satisfying the associativity law. For each word p∈F (x) defines a transformation f: a → ap, and the relation f _pq = f _p · fq shows a map γ: p → f _{p, which} is a one-to-one correspondence (homomorphism) of the free semigroup F (x) onto the semigroup G _A : the semigroup G _{A of the} automaton A is X of the automaton if f _p x = f _p x.

Отображение ξ_a:G=ap является гомоморфизмом автомата G_A в автомат A, а гомоморфизм F(x)-автомата с функцией переходов δ(р, x)=px, автоматы P(X) на G_A, последний определяет разбиение полугруппы F(x) на классы слов, имеющих одинаковые полугруппы. Этим обеспечивается полнота выводов.The map ξ _a : G = ap is a homomorphism of an automaton G _A to an automaton A, and a homomorphism of an F (x) -automaton with transition function δ (p, x) = px, automata P (X) into G _A , the latter defines a partition of the semigroup F (x) into classes of words having identical semigroups. This ensures the completeness of the conclusions.

БПВ 21-бесконечный автомат с использованием p-позиционного регистра-множества переменных (элементов регистра) с одной и той же p-элементной областью определения p, занумерованных последовательными целыми числами и упорядоченных в соответствии с этой нумерацией. Регистр состоит из конечного числа элементов, которые считаются бесконечными. Для нумерации элементов двустороннего регистра используются все целые рациональные числа (положительные и отрицательные). Состояние регистра - наборы знаний (состояний) его элементов. Преобразование множества состояний регистра - периодически определены преобразования, которые задаются p-значной функцией f(z₁…z_q) и уравнениями y_i=f(x_i+1,…x_i+iq), определяющими значение i-и переменной регистра после выполнения преобразования через значения x_j его переменных до выполнения преобразований; набор чисел (i₁…i_q) -база перехода.BPV is a 21-infinite automaton using a p-position register-set of variables (register elements) with the same p-element domain p, numbered by sequential integers and ordered in accordance with this numbering. A register consists of a finite number of elements that are considered infinite. To number the elements of the bilateral register, all rational integers (positive and negative) are used. Register state - sets of knowledge (states) of its elements. Transformation of the set of register states - periodically defined are transformations that are defined by the p-valued function f (z ₁ ... z _q ) and the equations y _i = f (x _{i + 1} , ... x _{i + iq} ) that determine the value of the i-variable register after performing a transformation through the values x _{j of} its variables before performing the transformations; a set of numbers (i ₁ ... i _q ) -base transition.

Преобразование переносится на случай нескольких регистров, определяется множество состояний РА и функцию перехода В. РА состоит из конечного набора регистров R₁…R_n, и состояниями его являются наборы состояний регистров. Каждому входному сигналу y∈Y входного алфавита Y автомата В соответствует преобразование f_y множества В. Для задания функции выходов АР рассматривают разбиение 1 множества сто состояний на попарно пересекающиеся классы и рассматривают функцию выходов как функцию, зависящую только от класса, которому принадлежит состояние автомата и входного сигнала. Разбиение Г конечное, а его классы получают путем применения булевых операций к допустимым множествам - конечно определенным множествам, в которых элементы регистра принимают заданные значения. Допустимыми являются множества, в которых заданный регистр содержит определенную конфигурацию знаний переменных или в состоянии его заданная конфигурация периодически повторяется.The transformation is carried over to the case of several registers, the set of states of RA and the transition function of B. are determined. The RA consists of a finite set of registers R ₁ ... R _n , and its states are sets of register states. Each input signal y∈Y of the input alphabet Y of the automaton B corresponds to a transformation f _{y of the} set B. To define the function of the outputs of the AP, we consider the partition of 1 set of one hundred states into pairwise intersecting classes and consider the output function as a function that depends only on the class to which the state of the automaton belongs and input signal. The partition Γ is finite, and its classes are obtained by applying Boolean operations to admissible sets — to finitely defined sets in which the elements of the register take specified values. Valid are sets in which a given register contains a certain configuration of knowledge of variables or, in a state, its given configuration is periodically repeated.

Входами БПВ 21 связан последовательно с МЛВ 20 с процессором 16, а выходами - с блоком объяснений 22 и блоком выработки и принятия решений 17.The inputs BPV 21 is connected in series with MLV 20 with the processor 16, and the outputs are connected with the block of explanations 22 and the block of development and decision making 17.

Концепция ЭС состоит в том, чтобы программа могла объяснить свои действия для того, чтобы облегчить их понимание пользователю, а также сделать их более убедительными. Встроенный диалог позволяет пользователю задавать вопросы системе в любой момент - в блоке объяснения 22. Способность к пониманию вопросов и объяснений осуществляется интерпретатором вопросов (МЛВ) на основе ключевых слов форматов ввода-вывода. Функционирование интерпретатора МЛВ 20 обеспечивается благодаря стандартной форме представления знаний (правила продукции).The concept of ES is that the program could explain its actions in order to facilitate their understanding to the user, as well as to make them more convincing. The built-in dialogue allows the user to ask questions to the system at any time - in the explanation block 22. The ability to understand questions and explanations is carried out by the question interpreter (MLV) based on keywords of input-output formats. The functioning of the MLV 20 interpreter is ensured thanks to the standard form of knowledge representation (product rules).

Блок обучения 18 - это интерактивная программа, предназначенная для оказания помощи эксперту в разработке системы, функционирующей в области больших знаний. Это промежуточная программа (интерфейс), ведущая диалог с экспертом на естественном языке с целью освободить его от анализа отдельных частностей. Система может не только непосредственно использовать свои знания, но также заниматься их изучением, обобщением и обсуждением. Может также вести диалог между двумя специалистами. Система 18 способна строить общие модели для выполнения операций для обучения словами и для продолжения последовательностей. Список правил упорядоченности способствует процессам обучения, которое состоит в том, чтобы помещать новые правила в этот список на разумно выбранное место. Этот порядок работы системы позволяет обойти декларативный характер продукционных систем и преодолевать ограничения познания в области инженерной психологи.Learning Block 18 is an interactive program designed to assist an expert in developing a system that operates in the field of great knowledge. This is an intermediate program (interface) that conducts a dialogue with an expert in a natural language in order to free him from the analysis of individual particulars. The system can not only directly use its knowledge, but also engage in their study, generalization and discussion. It can also lead a dialogue between two specialists. System 18 is capable of constructing general models for performing operations for learning by words and for continuing sequences. The list of ordering rules facilitates the learning process, which consists in placing new rules on this list in a reasonably chosen place. This system operation procedure allows you to circumvent the declarative nature of production systems and overcome the limitations of knowledge in the field of engineering psychology.

Claims (1)

Экспертная система контроля (ЭСК) работы бортового оборудования летательных аппаратов (ЛА), содержащая входной блок, связанный с ним блок базы данных (БД), блок базы правил (БП), машину логического вывода (МЛВ), связанные с входами процессора, блок объяснения и блок общения, блок принятия решений, связанный с терминалом пользователя (экипажа), отличающаяся тем, что в нее введены блок толерантности (БТ), блок полноты вывода (БПВ), система контроля оборудования ЛА, содержащая подсистему информационных датчиков ЛА, связанных с сетью клеток локальной вычислительной сети (ЛВС), содержащей соединенные сеть клеток с сетью ядер, выходы которой связаны с входом входного блока, входами блока обучения и блока толерантности (БТ), причем первый вход БТ соединен с выходом сети ядер ЛВС, второй вход БТ связан с выходом процессора, а выход его связан со вторым входом входного блока, вход БПВ соединен с выходом МЛВ, а первый выход БПВ связан с первым входом блока принятия решений, второй выход соединен с блоком объяснения, последовательно соединенным с блоком общения и терминалом пользователя. An expert control system (ESC) for the operation of aircraft equipment (Aircraft) containing an input block, a database block (DB) associated with it, a rule base block (BP), an inference machine (MLV) associated with the processor inputs, an explanation block and a communication unit, a decision-making unit associated with a user (crew) terminal, characterized in that a tolerance unit (BT), an output completeness unit (BPV), an aircraft equipment control system comprising a subsystem of information aircraft sensors associated with the network are introduced into it cells locally computer network (LAN) containing a connected network of cells with a network of nuclei, the outputs of which are connected to the input of the input block, the inputs of the training block and the tolerance block (BT), the first input of the BT connected to the output of the network of LAN cores, the second input of the BT connected to the output processor, and its output is connected to the second input of the input unit, the input of the BPV is connected to the output of the MLV, and the first output of the BPV is connected to the first input of the decision block, the second output is connected to the explanation unit, connected in series with the communication unit and the user terminal.