автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.06, диссертация на тему:Автоматизированное управление технологическими процессами с использованием алгоритмов нечеткой фильтрации

На правах рукописи

Павлов Дмитрий Александрович

АВТОМАТИЗИРОВАННОЕ УПРАВЛЕНИЕ ТЕХНОЛОГИЧЕСКИМИ ПРОЦЕССАМИ С ИСПОЛЬЗОВАНИЕМ АЛГОРИТМОВ НЕЧЕТКОЙ ФИЛЬТРАЦИИ

Специальность 05.13.06- Автоматизация и управление технологическими процессами и производствами (в промышленности)

Автореферат

диссертации на соискание ученой степени кандидата технических наук

3 MAP 2015

005559877

Тверь-2015

005559877

Работа выполнена в филиале ФГБОУВПО «Национальный исследовательский университет МЭИ» в г. Смоленске

Научные руководители:

[Абраменкова Ирина Владимировна!, профессор, доктор технических наук, зав. кафедрой электроники и микропроцессорной техники филиала «НИУ МЭИ» в г Смоленске;

Пучков Андрей Юрьевич, кандидат технических наук, доцент кафедры менеджмента и информационных технологий в экономике филиала «НИУ МЭИ» в г. Смоленске.

Официальные оппоненты:

Большаков Александр Афанасьевич, доктор технических наук, профессор кафедры систем автоматизированного проектирования и управления Санкт-Петербургского государственного технологического университета;

Сорокин Сергей Владимирович, кандидат физико-математических наук, доцент кафедры информационных технологий ФГБОУ ВПО «Тверской государственный университет».

Ведущая организация: ФГБОУ ВПО «Российский химико-технологический университет имени Д.И. Менделеева», г. Москва.

Защита состоится «_14 » апреля 2015 г. в 16 часов на заседании диссертационного совета Д 212.262.04 при ФГБОУ В ПО «Тверской государственный технический университет» в аудитории № 212 по адресу 170026, г. Тверь, наб. Афанасия Никитина, 22.

С диссертацией можно ознакомиться в библиотеке Тверского государственного технического университета (адрес: 170023, г. Тверь, просп. Ленина, д.25) и на сайте www.tstu.tver.ru.

Автореферат разослан <<^»

Ученый секретарь

диссертационного совета Д 212.262.04 д.ф.-м.н., проф.

С.М. Дзюба

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы исследования. Обычно промышленные объекты управления отличаются большим количеством факторов, влияющих на протекающие в них технологические процессы (ТП). Применяемые для управления данными процессами автоматические и автоматизированные системы характеризуются наличием нескольких контуров, а также большой размерностью анализируемых векторов и матриц показателей. Многомерность и наличие большого количества случайных факторов создает определенные трудности, а в некоторых случаях делает невозможным аналитическое решение задач поиска оптимальных траектории управления ТП и определения параметров управляющих воздействий.

В такой ситуации при разработке алгоритмического обеспечения автоматизированных систем управления технологическими процессами (АСУТП) становится актуальным применение численных методов при расчете параметров регуляторов и контуров управления. В ряде практических ситуации при разработке АСУТП целесообразно использовать указанные методы для определения управляющих воздействии исходя из целевых выходных параметров, характеризующих ТП. По принятой классификации задачи данного типа относятся к классу некорректных, а точнее, к подклассу обратных задач.

Методологические основы решения некорректных задач в процессах управления изложены в работах отечественных ученых: академиков Тихонова A.M., Соболева C.J1., Лаврентьева М.М., Самарского А. А., Садовничего В .А., профессоров Сизикова B.C., Крутько П.Д., Грешилова А.А а также зарубежных ученых: Kunyansky L., Holman В, Haltmeier М., Gaikovich К. Р. В данных работах отмечено, что при практической реализации методов решения некорректных задач значительное влияние на полученные результаты оказывают неточность исходных данных и наличие шумов измерений. При -»том возрастание производительности современных АСУТП определяет целесообразность использования аппроксимационных методов решения обратных задач.

Одним из подходов к решению обратных задач прн автоматизированном управлении ТП является подход с использованием различного вида алгоритмов фильтрации, среди которых важное место занимают алгоритмы калмановской фильтрации, рассмотренные в работах Калмана P.E., Быоси Р., Браммера К., Зиффлпнга Г., Леондеса К.Т., Воронова А. А., Круглова В.В., Мешалкина В.П. и др. В тоже время известные методы и алгоритмы использования фильтра Калмана предполагают наличие достаточно большого объема статистической информации, а также высокую точность задания исходных данных и оценок шума измерительной аппаратуры, что не всегда присутствует при управлении сложными "ГП. Данное обстоятельство ограничивает возможности их применения при решении широкого круга обратных задач в промышленности. В гоже время применение методов и алгоритмов интеллектуализации решения прикладных задач при построении АСУТП, которые рассмотрены в работах И.М. Макарова, Мешалкина В.П., Большакова A.A., Лохпна В.М., Поспелова Д.А., Пупкова К.А., Конькова В.Г., Ерофеева A.A., Юсупова P.M.. Жданова A.A., Lu Y.-Z., Mangos

K.M. и Omatu S. позволяет применить фильтр Калмапа для алгоритмического обеспечения АСУТН при выработке управляющих воздействий на основе решения обратных задач.

На основе изложенного, можно сделать вывод, что разработка алгоритмов автоматизированного управления ТЛ промышленности с использованием нечеткой фильтрации калмановского тина для решения обратных задач является актуальной научной задачей, имеющей существенное значение для развития методического аппарата применения формализованных методов анализа, исследования и оптимизации структур систем сбора и обработки данных в АСУТП, а также интеллектуализации решения прикладных задач при построении АСУТП.

Цель_диссертационного исследования: разработать алгоритмы

автоматизированного управления технологическими процессами в условиях неточности исходных данных и наличия шумов измерений на основе использования в составе специального математического и программного обеспечения АСУТП методов нечеткой фильтрации.

Для достижения указанной цели необходимо решить следующие задами:

1. Провести анализ существующих постановок некорректных задач при автоматизированном управлении ТП промышленности.

2. Разработать алгоритм автоматизированного управления ТП промышленности на основе решения обратных задач, позволяющий снизить влияние неточности и нечеткости задания исходной информации.

3. Предложить алгоритм управления ТП промышленности на основе решения обратных задач, обеспечивающий нечеткую фильтрацию шума измерений с применением калмановской процедуры оценивания состояния процесса в условиях, когда структура модели данного процесса известна.

4. Предложить модификацию алгоритма решения обратных задач в процессе автоматизированного управления ТП промышленности, обеспечивающего фильтрацию шума измерений при использовании нечеткой модели исследуемого процесса.

5. Оценить точность алгоритмов решения обратных задач в автоматизированном процессе управления ТП с использованием результатов тестовых модельных экспериментов.

6. Разработать архитектуру и режимы функционирования комплекса программ обработки информации в АСУГ1Т с использованием предложенных алгоритмов.

7. Разработать модуль обработки информации, поступающей от измерительной аппаратуры, на основе предложенных алгоритмов для использования в составе АСУТП промышленной переработки биомедицинских отходов (ЬМО).

Объект исследования: автоматизированные системы управления сложными технологическими процессами промышленности.

Предмет исследования: алгоритмы автоматизированного управления ТП промышленности на основе решения обратных задач.

Научная повита. К наиболее существенным научным результатам.

получен11 ым лично соискателем, относятся:

1. Предложены структурные модели автоматизированного управления TI1 промышленности. отличающиеся использованием нечеткой фильтрации калмановского типа в контурах оценивания системы управления. Разновидности данных моделей предполагают наличие различного числа контуров оценивания: с применением нечеткой фильтрации только непосредственно на выходе ГП п с возможным добавлением контура оценивания вектора управляющих воздействии в условиях погрешностей и «шумов» измерительной аппаратуры на входе ТП

2. Предложен алгоритм управления ТП на основе решения обратных задач с использовании аппарата искусственных нейронных сетей и нечеткого фильтра калмаповского типа. Фильтр используется для снижения влияния шумов измерений сигнала с выхода управляемого процесса на вход искусственной нейронной сети. Предложены две разновидности данного алгоритма - для постановки задачи управления, когда точно известен оператор преобразования системы, в которой реализуется ТП, и постановки, когда оператор неизвеетен с достаточной степенью точности.

3. Разработан алгоритм управления ТП промышленности на основе решения обратных задач с использованием нечеткого фильтра, который предполагает приведение описания данного процесса от дискретного аналога интеграла Фредгольма I рода ic виду дискретного аналога фильтра Калмапа. Для формирования модели процесса управления предложено применение нечеткого логического вывода на основе базы правил, которая формируется либо экспертами, либо с применением технологии извлечения знаний на основе нечеткой кластеризации.

4. Проведено исследование влияния соотношения «сигнал-шум» на точность решения обратных задач при управлении ТП промышленности для представленных вариантов построения системы управления. На основе результатов данных исследований сформулированы рекомендации для принятия решения о применимости предложенных алгоритмов для конкретного вида технологического процесса.

Теоретическая ч практическая значимость результатов исследования.

1. Выявлена ограниченность существующих методов решения обратных задач теории управления применительно к автоматизированному управлению 'ГП, которая проявляется в их узкой специализации и сложности в реализации с помощью используемых контроллеров при большой размерности входных и выходных сигналов. В результате данного анализа была обоснована целесообразность использования алгоритмов нечеткой калмановской фильтрации при автоматизированном управлении ТП.

2. Разработанные варианты алгоритмов управления ТП на основе решения обратных задач с использованием нечеткого фильтра и искусственных нейронных сетей расширяют область, применимости численных методов решения обратных задач при использовании методов интеллектуализации решения прикладных задач при построении АСУ широкого назначения (АСУТП, ЛСУГ1, ЛСТПП и др.).

3. Разработан комплекс программ «Rl'TTASl», реализующий предложенные алгоритмы управления ТП промышленности с использованием

нечеткой фильтрации калмановского тина на основе решения обратных задам, применение которого позволяет снизить ошибку оценки параметров управляющих воздействий в условиях неточности и неопределенности исходной информации. Входной информацией для программного обеспечения служат вектора данных об управляемом процессе и база правил для нечеткого фильтра. Комплекс программ «КЕТТАБ^!» может быть практически использован для автоматизированного управления ТП на основе решения обратных задач в различных АСУ'ГП в промышленности.

4. Разработано программное обеспечение модуля анализа данных в составе АСУТП промышленной переработки 1 > N10, применение которого позволило повысить его эффективность.

Реализация результатов работы. Предложенные алгоритмы практически использованы в ОАО «Сафоновский электромашиностроительный завод» и ООО «ТехЭкоПлазма» при создании специального математического и алгоритмического обеспечения системы автоматизированного управления ТП промышленной переработки ЕМО.

Методология и методы исследования в диссертации: методы исследования, проектирования, алгоритмизации, оптимизации и имитационного моделирование функционирования АСУТП; системного анализа; теории автоматического управления; исследования некорректно-поставленных задач; нечетких множеств и искусственных нейронных сетей. При разработке комплекса программ применялось объектно-ориентированное программирование.

Положения, выносимые на защиту:

1. Структурные модели автоматизированного управления ТП промышленности с использованием нечеткой фильтрации калмановского типа в контурах оценивания системы управления.

2. Алгоритм автоматизированного управления ТП на основе решения обратных задач с использованием искусственной нейронной сети и нечеткого фильтра калмановского тана для ситуации, когда известен оператор преобразования системы, реализующей указанные процессы.

3. Алгоритм управления ТП с использованием искусственной нейронной сети и нечеткого фильтра калмановского тина в случаях, при которых оператор преобразования системы, реализующей указанные процессы, неизвестен с достаточной степенью точности.

4. Алгоритм управления ТП в промышленности на основе решения обратных задач, который предполагает приведение формализованного описания системы, реализующей данный процесс, от дискретного аналога интеграла Фредгольма I рода к виду дискретного аналога фильтра Калмапа

5. Архит ектура и режимы функционирования комплекса программ «ЛЕТТАЗЬ, который может быть практически использован для решения обратных задач в различных АСУТП в промышленности.

Обоснованность полученных теоретических разработок определяется корректным применением системного подхода, методов имитационного моделирования АСУТП, методов теории искусственного интеллекта, теории нечетких множеств и теории искусственных нейронных сетей, принятия решений,

согласованностью в частных случаях новых полученных результатов с известными георетпчсскимн положениями.

Достовсщюсгь научных результатов, выводов и рекомендаций, сформулированных в диссертации, обусловлена использованием достоверных исходных данных, подтверждается результатами вычислительных экспериментов, а также практической реализацией алгоритмов при автоматизированном управлении технологическим процессом переработки БМО.

Апробация работы. Основные положения и результаты диссертационной работы докладывались и обсуждались на: II Международной научно-практической конференции «Информатика, математическое моделирование, экономика» (Смоленск, 2012), II Международной научно-технической конференции «Энергетика, информатика, инновации-2012» (Смоленск, 2012), III Международной научно-практической конференции «Информатика, математическое моделирование, экономика» (Смоленск, 2013), I Конгресс молодых ученых (Санкт-Петербург, 2013), XII Международной научно-практической конференции «Теория и практика современной науки» (Москва, 2013), V international research and practice conference «European Science and Technology» (Munich, Germany, 2013) , III International Research and practice conference "Science, Technology and Higher Education" (Westwood, Canada, 2013), XI Уеждународна научна практична конференция «Бъдещето въиросн от света па науката» (София, Болгария, 2013), IX Mi?dzynarodowej naukowi-praktycznej konfercncji «VVyks/talcenie i nauka bez granic - 2013» (I'rzemysl , Польша, 2013), XI Международной научно-технической конференции «Информационные технологии, энергетика и экономика» (Смоленск, 2014).

Публикации. Основные результаты диссертационной работы отражены в 18 публикациях автора общим объемом 11,6 пл., из них 5 в изданиях перечня ВАК. Лично соискателю принадлежит 6,1 п.л.

Структура и объем работы. Диссертация содержит 151 стр. текста, 43 рисунка,. 2 таблицы и состоит из введения, четырех глав, заключения, списка литературы.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность решаемой в диссертации новой научной задачи; определены объект и предмет исследования; сформулированы цель и задачи исследования; приведены основные теоретические и практические результ аты диссертационной работы.

В первой главе «Анализ существующих подходов к решению обратных задач при автоматизированном управлении технологическими процессами промышленности» проведен анализ существующих постановок обратных задач в АСУТП и методов их решения.

В ряде случаев при автоматизированном управлении ТП промышленности возникает необходимость решения обратных задач для определения характеристик управляющего воздействия, обеспечивающего требуемые показатели управляемого процесса.

Общая постановка указанной задачи: пусть ТП описывается «екторпо-матричным уравнением вида:

.г - ({х, V, г), (!)

где* — х С е Х3, V = V £ £ И,, Х3, К, — области состояний и управлений.

Входной величиной модели является управление V. Выходную величину с учетом шума измерения N(1) можно представить в виде:

и=С(х, О +N(1), (2)

где и = и (г) принадлежит пространству наблюдений 17.

Решается 'задача определения параметров управления V С , которое привело бы к желаемому наблюдению реализации ТП гг с . Обычно в такой постановке решение «некорректной» задачи возможно для частных случаев с учетов их особенностей.

Известно, что из трёх условий «корректно поставленной» задачи (существование решения, единственность решения, устойчивость решения по отношению к малым вариациям исходных данных задачи) в обратных задачах наиболее часто нарушается последнее. В этих случаях, для определения V Ь используются «устойчивые» методы итеративной, статистической, локальной дескриптивной регуляризации, субоптимальной фильтрации, решения на компакте и др. К другой группе можно отнести методы оптимальной фильтрации Калмана-Быоси и Винера, методы управляемой линейной фильтрации Бейкуса-Гильберта. Методы второй группы являются более точными, но методы первой группы (особенно, методы регуляризации) требуют гораздо меньше дополнительной информации о решении и поэтому находят более широкое практическое применение. В качестве других методов следует отметить методы применения искусственных нейронных сетей, в частности, при решении обратных задач при лазерной флуориметрии смесей.

В диссертации на основе анализа достоинств и недостатков указанных методов предложено применять при автоматизированном управлении ТП алгоритмы фильтрации калмановского типа, построенные с использованием элементов искусственного интеллекта, а именно аппарата искусственных нейронных сеней и нечетко-логических методов оценки состояния системы.

^—второй главе «Структурные модели автоматизированного управления технологическими процессами с использованием нечеткой фильтрации» приведены структуры моделей автоматизированного управления ТП с использованием нечеткого фильтра на основе алгоритмов Р. Калмана в контуре управления ТП.

Целесообразность применения фильтрации калмановского типа при реализации автоматизированного управления ТП обусловлена следующим:

К Возможность оценки всего вектора состояния (при использовании существующих методов измеряется обычно лишь часть компонент вектора). Это дает возможность получить более полное представление об управляемом ТП и, следовательно, повысить обоснованность выбора управляющего воздействия.

2. Оценка вектора состояния ТП с использованием рекуррентного алгоритма фильтра Калмана для дискретных отсчетов может производится в режиме реального времени.

3. Для обеспечения функционирования фильтра Калмана достаточно иметь только модели III и системы измерения, что позволяет минимизировать необходимые вычислительные ресурсы.

4. Фильтр Калмана представляет собой наилучший (в смысле минимума дисперсии ошибки прогноза) линейный фильгр.

5. Алгоритм фильтрации калмановского типа для дискретного времени хорошо реализуем с помощью цифровых вычислительных машин и микроконтроллеров.

Предлагаемая структурная модель автоматизированного управления ТП промышленности, отличающиеся использованием нечеткой фильтрации калмановского типа в контурах оценивания системы управления, показана на рисунке 1. В этой модели управления оценивается как состояние самого управляемого ТП, гак и вектор управляющих и других входных воздействий. На рисунке 1 обозначено: НФ - нечеткий фильтр, АФК - алгоритм калмановской фильтрации, МИ - модель измерений, БЗ - база знаний, Р - регулятор, ИМ -исполнительные механизмы, ОУ - объект управления (технологический процесс). Блоки входного и выходного контуров измерений дополнительно обозначены цифрой 1 и 2 соответственно. Задание па управление Х„ и оценки векторов состояний XI и Х2 подаются на регулятор, который реализует требуемый закон управления. БЗ формируется экспертами предметной области п/шш определяется на основе статистических данных о 'ГП (:>та информационная связь отражена пунктирной линией).

Использование элементов теории нечетких множеств обусловлено тем, что для фильтра Калмана необходимо иметь модель ГП в виде дифференциального уравнения: х г = Л £ х Г + V С , где Л(1) - заданная неслучайная матрица, V I -

Рисунок 1 - Структурная модель автоматизированного управления ТП с двумя контурами оценивания

Однако, в ряде случаев, при решении практических задач по созданию АСУ'ГП не всегда удается сформировать адекватную модель 'ГП указанного вида. В тгаи случае, при формировании матрицы Л(1) целесообразно использовать

процедуры нечеткого вывода.

В третьей главе «Алгоритмы решении обратных задач в системах автоматизированного управления технологическими процессами с использованием нечеткого фильтра калмановского типа» представлены: алгоритмы автоматизированного управления ТП па основе решения обратных задач с использованием искусственной нейронной сети и нечеткого фильтра калмаповской структуры для ситуаций, когда оператор преобразования системы известен с достаточной степенью точности и когда он неизвестен; а также алгоритм решения обратных задач, который предполагает приведение формализованного описания системы, реализующей данный процесс, от дискретного аналога интеграла Фредгольма I рода к виду дискретного аналога фильтра Калмана.

Разработан алгоритм автоматизированного управления ТП на основе решения обратных задач, позволяющий на основе обработай выходной информации исследуемого процесса получить оценку входных изменений параметров, вызвавших наблюдаемое состояние процесса, и использующий нечеткий «фильтр калмановского типа, а также искусственную нейронную ссгь. Указанный алгоритм был назван AFNNET (от англ. algorithm with the filter and a neural network - алгоритм с фильтром и нейронной сетыо). В AFNNET-алгоритме нечеткий фильтр используется для предварительной фильтрации сигнала измерений перед его подачей на вход искусственной нейронной сети.

Предложено два варианта данного алгоритма: первый (AFNNETl-алгоритм) используется, когда оператор преобразования системы, реализующей ТП, G известен, и второй (AFNNET2-aflropirrM) - когда оператор G неизвестен с достаточной степенью точности.

Структуры подсистем АСУТП при использовании алгоритмов AFNNET1 и AFNNET2 приведены на рисунках 2 и 3 соответственно.

N

Рисунок 2 - Структура подсистем АСУТП при использовании AFNNET1

На рисунках 2 и 3 приведены следующие обозначения: х - оценка вектора состояний технологического процесса х; N - шум измерений; GNN -искусственная нейронная сеть; INT - интегратор; BIC - блок нечеткого вывода, обеспечивающий формирование матрицы модели исследуемого процесса А па основе информации I о преобразовании G; \'„ и v„ - значения векторов х и v (выхода и входа модели G); К - коэффициент усиления фильтра. Пунктирные

линии на рисунках обозначают, что соответствующие связи используются на начальном этане реализации алгоритма для обучения нейронной сети и уточнения матрицы Л.

Рисунок 3 -Структу ра подсистем АСУТП при использовании AFNNET1

Блок DIC содержит базу правил, которая формируется дня задания элементов матрицы А на основе имеющейся информации.

Предложен алгоритм управления ТП, названный ABF (от англ. algorithm on the basis of the filter), на основе решения обратных задач, который предполагает переход от дискретного аналога интеграла Фредгольма I рода к дискретному аналогу фильтра Калмапа вида:

^AuVj + Ni =х1г (3)

где i.j - дискреты соответствующих процессов, At j - элементы матрицы А модели исследуемого процесса V.

Систему линейных алгебраических уравнении (3) можно решить относительно и неизвестных Vj, которые будут представлять собой искомый процесс на входе ТП. Для определения элементов Ajj матрицы А модели исследуемого процесса предложено использовать процедуры нечеткого логического вывода на основе сформированной базы правил вида: (I1r),j: ЕСЛИ gt ЕСТЬ «ТС-j» Иg; ЕСТЬ «Щч» ...Hg^ECTb «TGJt...», ТО A,j ЕСТЬ «ТО,», где gJp, (jp-l..kp) - параметр, учитываемый экспертами при формировании матрицы А; кр - количество учитываемых параметров g, (Г!,),, - г-ос правило для формирования значения Ац (количество таких правил может быть произвольным для каждого Л; j); TG - лингвистическая переменная «величина g»; TG\, - термы ТС; TD - лингвистическая переменная «.значение d», определяющая значение элемента Ац, TDj - термы TD.

Проведено исследование точности решения обратных задач для представленных вариантов AFNNET и ABF алгоритмов. В качестве критериального показателя точности рассматривалась среднеквадратичная погрешность расхождения полученного решения V и известного входного

1 1

сигнала V. При исследовании учитывались погрешность исходных данных и шум измерений. Первый из названных факторов может приводить к тому, что небольшие отклонения в исходных данных могут вызывать значительные изменения решения.

Для количественной оценки отмеченных факторов было предложено использовать соотношения «сигнал-шум» (Л'Л'/?):

бш 1 = ю 13 ^ г, эт2 = ю П] ^ 2,

где У„ , N0,, , Х„ и Ы„ - среднеквадратичные значения амплитуды входного сигнала V, флуктуации исходных данных ЛЮ, выхода объекта X и шума N соответственно.

Для линейного ТП двумерная проекция трехмерной поверхности функции среднеквадратичной ошибки а(57УЛ/, 8ЫН2) для нескольких значений .УД/У? / отражена на рисунке 4. На графиках видно, что после определенного значения погрешность начинает резко возрастать, то есть, до данного значения фильтр Калмана минимизирует влияние шума измерений. При значительном изменении 1 от 35 до 55 величина а возрастает незначительно, что объясняется демпфирующим влиянием нейронной сети на результаты решения. Полученные результаты позволили сформулировать следующие рекомендации: разработанные алгоритмы целесообразно применять в том случае, если соотношения «сигнал-шум» составляют более 35 дБ. При более низких значениях этого соотношения погрешность решения возрастает, становясь неприемлемо большой с 20 дБ и менее.

о.э-о.и 0.7 0.6 § 0.5 О Л 0,3 П. 2 0.1

"ю 1« :Ю -1 п 4'; ^о й<г. ео

'- '.(Ч!.'!'. д!

Линии, в зависимости от величины ЯМЯ/, имеют обозначения: о-5'Л«/=55; * -5Мг/~35; □ - 5Л«/=25; +-5Ш/=20.

К Ч'-'-ч !

Л ГЛ

... л ^ I •: I ! !

.....I.....;'4 ••.-4 • - - К ••

......I........I.......'

.....|.....I.......I........■

Рисунок 4 - Результаты анализа точности алгоритмов

Среди указанных алгоритмов лучшую точность продемонстрировал AFN.NET), так как нейронная сеть в процессе обучения уменьшает влияние субъективного фактора при создании модели процесса.

В четвертой главе «Разработка и практическое применение комплекса программ «UETTAS_l», реализующего предложенные алгоритмы управления ТГ1 промышленности» приводится описание указанного комплекса, а также приводятся результаты его применения в ЛСУТП переработан БМО.

Разработанный комплекс программ «RETTAS1» при его использовании в АСУ'Ш позволяет снизить ошибку оценки параметров управляющих воздействий в условиях неточности и неопределенности исходной информации. Показано, что «RETTAS_l» может быть практически использован при автоматизированном управлении ТП на основе решения обратных задач в различных АСУГП промышленности. Входной информацией для программного обеспечения служат вектора данных об управляемом ТП и база правил для нечеткого фильтра.

Разработанные алгоритмы были практически использованы в АСУТ11 по промышленной переработке БМО с помощью установок производительностью 150 кг/ч, которые разрабатываются ООО «ТсхЭкоПлазма» и производятся ОАО «Сафоновский электромашиностроительный завод». Данная установка содержит несколько независимых контуров управления T1I в виде систем снабжения: щелочными растворами; дизельным топливом; дутьевым воздухом, подои и др. Каждый контур включает ряд датчиков - по несколько на каждый контролируемый параметр ТП.

С учетом разработанных алгоритмов, задание на управление ТП поступает в блок интеллектуальной обработки информации и выработки управляющего сигнала, с выхода которого управляющий сигнал передается па исполнительные механизмы. Данные механизмы управляют различными системами снабжения, которые обеспечивают требуемые параметры ТП. Алгоритмы ABF и AFNNET были встроены в общую структуру алгоритмического обеспечения АСУТГ1.

В таблице 1 приведены значения СКО решений для АСУТП по переработке БМО, полученных с использованием предложенных алгоритмов, и для сравнения рекуррентного метода наименьших квадратов (РМНК) и метода скользящего среднего (МСС).

Таблица J _ — Значения_СКО_н£1)[ у^шшенш^П^

информации МСС РМНК Iafnneti

ТТ1- FT17 0,254 0.212 0,192

TTT-FT1S 0,655 0,255 0,173

TT1-FT19 0,288 0,199 0,233

TT2-FT17 0,302 0,247 0,212

TT2-FT18 0,321 0,265 0,184

TT2-FT19 0,452 0,41 0,317

TT3-FT17 0,254 0,258 0,177

TT3-FT18 0,268 0,214 0,20!

TT3-FT19 0,274 0,189 0.148

Последние два метода использовались для прогноза на шаг вперед на

основе анпрокспмацноппых зависимостей. Сравнение проводилось но величине СКО за период наблюдения за ТП гю нескольким каналам, имеющим следующие обозначения: ТТ1 - температура перед решеткой камеры обезвреживания; ТТ2 -температура под решеткой камеры обезвреживания; ТТЗ - температура в камере дожигания; FT17 - расход после насоса подачи щелочи; FT18 - расход после насоса подачи воды на форсунки; FT19 - расход после насоса подачи дизельного топлива.

Из таблицы следует, что алгоритм AFNNET1 является наиболее точным алгоритмом, что определил целесообразность его использования в ЛСУТП по промышленной переработке БМО.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1. Обоснована целесообразность использования алгоритмов нечеткой калмановской фильтрации при автоматизированном управлении ТП.

2. Предложены структурные модели автоматизированного управления ТП промышленности, отличающиеся использованием нечеткой фильтрации калмановского типа в контурах оценивания системы управления.

3. Предложены две разновидности алгоритма управления Т1Т на основе решения обратных задач с использованием нечеткого фильтра калмановского типа: для постановки задачи автоматизированного управления ТП, когда точно известен оператор преобразования системы, в которой реализуется ТП, и постановки, когда данный оператор неизвестен с достаточной степенью точности.

4. Разработан алгоритм управления ТП промышленности на основе решения обратных задач с использованием нечеткого фильтра, при реализации которого для формирования модели исследуемого процесса управления предложено применение нечеткого логического вывода на основе базы правил.

5. На основе результатов анализа влияния соотношения «сигнал-шум» на точность решения обратных задач при управлении ТП сформулированы рекомендации для принятия решения о применимости предложенных алгоритмов для конкретного технологического процесса.

6. Разработан комплекс программ «RETTAS_1», реализующий предложенные алгоритмы управления ТП промышленности с использованием нечеткой фильтрации калмановского типа на основе решения обратных .задач.

Основные работы, опубликованные по теме диссертации

В изданиях перечня ВАК

1. Павлов Д.А., Абраменкова И.В., Пучков А.Ю. Нейро-нечеткий метод снижения чувствительности решения обратных задач к вариациям данных // Программные продукты и системы. 2011. №4 (96). С. 72 - 75 .

2. Павлов Д.А., Пучков А.Ю. Варианты построения алгоритма поиска решения обратных задач с применением нейронных сетей // Программные продукты и системы. 2012. №2 (98). С. 149 - 153 .

3. Павлов Д.А.. Пучков АЛО. Алгоритмы поиска решения обратных задач прп непрерывном и дискретном времени // Научное обозрение (научный журнал).

2013. №1. С. 174 - 176.

4. Павлов Д.А., Пучков Л.К). Метод решения обратных задач для экономических объектов // Научное обозрение (научный журнал). 2013. №9. С. 372 -375.

5. Павлов Д.А. Нечеткий фильтр Калмаиа в структуре алгоритма решения обратных задач для экономических объектов //' Программные продукты и системы». 2013. №4. С. 199 - 203

В других изданиях

6. Пучков АЛО., Павлов Д.А. Методы решения обратных задач с использованием фильтра Калмаиа - Смоленск: Универсум, 2014. - 163 с. (монография)

7. Павлов Д.Л. Варианты построения алгоритмов решения обратных задач на основе применения нейронных сетей // Информатика, математическое моделирование, экономика, сб. науч.статей, Смоленск: СФ «РУК», 2012 . С. 160 - 163.

S. Павлов Д.А., Пучков A.IO. Влияние априорной информации на структуру алгоритма решения обратных задач //Энергетика, информатика, инновации, сб. тр. И Междупар. научи, конф., Смоленск: Универсум , 2012. С. 297 — 302.

9. Павлов Д.А., Пучков А.Ю. Поиск решения обратных задач при непрерывном и дискретном времени // Информатика, математическое моделирование, экономика, сб. науч. статей СФ «РУК», 2013. С. 27 - 30.

10. Павлов Д.А. Метод снижения чувствительности решения обратных задач к вариациям исходных данных // Сб. докладов Конгресса молодых ученых. Выпуск 1. СПб : НИУ ИТМО, 2013. С. 126.

I 1. Павлов ДА. Подход к решению обратных задач на основе интеллектуальных методов // Теория и практика современной науки, материалы XII Межд. научно-практ. конф., В 2-х т. Том 1. - М.: Изд-во «Спецкнига», 2013. С.ISO - 183.

12. Pavlov D.A., Putchkov A.Y. Object's status check based on dynamics inverse solutions // European Science and Technology: materials of the V international research and practice conference, Vol. I, Munich, Germany. 2013. P. 470-472.

13. Pavlov D.A., Putchkov A. Y. Kalman's filter in structure of the solution of the return task // III International Research and practice confcrence «Science, Technology and Higher Education», Westwood, Canada. 2013. P. 481-482.

14. Павлов Д.Л., Дли M.И., Пучков А.Ю. Применение интеллектуальиых алгоритмов при решении обратных задач в экономике // Сб. трудов IX междупар. научно практич. конференции «Бъдсщето вт.проси от света на науката». София: «Бял Град-БГ» ООД, 2013. С. 40-45.

15. Павлов ДА., Пучков А.Ю. Интеллектуальный алгоритм решение обратных задач // IX Miçdzynarodowej naukowi-praktyczncj konferencji «Wyksztalcenie i nauka bez granic -2013». Przemysl ,2013. Volume 8. P. 19-21

16. Павлов Д.А. Исследование влияния погрешности данных и шума измерений на точность решения обратных задач // Информационные технологии, энергетика и экономика, сб. трудов XI Междупар. научио-тсхннч. конф. Смоленск: Универсум, Т. 1, 2014. С. 187-190.

17. Павлок Д.Л., Пучков Л.Ю. Архитектура системы управления установкой млазмотермического обезвреживания НМО // Энергетика, информатика, инновации, сб. трудов межцуиар. иаучпо-техинч. копф. Смоленск: Универсум. 2014. С. 235-238.

18. Павлов Д.А. Интеллектуальный метод решения обратных задач /7 Искусственный интеллект: философия, методология, инновации, сб. трудов VIII Псероссийской копф., Часть 1. - М.: Радио и Связь, 2014. С. 115 — 120.

Подписано в печать ¡8.02.2015 г. Формат 60x84'/,„. Тираж 150 эхз. Печ. л. 1,0

Отпечатано в издательском секторе филиала МЭИ в г. Смоленске 214013 г. Смоленск, Энергетический проезд, 1