автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Идентификация предаварийных ситуаций на промышленных объектах управления

На правах рукописи

ЖЕДУНОВ РУСЛАН РАВКАТОВИЧ

ИДЕНТИФИКАЦИЯ ПРЕДАВАРИЙНЫХ СИТУАЦИЙ НА ПРОМЫШЛЕННЫХ ОБЪЕКТАХ УПРАВЛЕНИЯ (НА ПРИМЕРЕ ПРОЦЕССА КАТАЛИТИЧЕСКОГО РИФОРМИНГА)

05 13 01 - Системный анализ, управление и обработка информации (промышленность, информатика)

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

Астрахань-2008 003167564

Работа выполнена в Астраханском государственном техническом университете

Научный руководитель: доктор технических наук, профессор

Проталинский Олег Мирославович

Официальные оппоненты: доктор технических наук, профессор

Защита состоится 6 мая 2008 г в 11 часов 00 минут на заседании диссертационного совета Д307 001 06 при Астраханском государственном техническом университете по адресу 414025, г Астрахань, ул Татищева, 16, ауд Г305

Отзывы на автореферат в двух экземплярах, заверенные гербовой печатью организации, просим направлять по адресу 414025, г Астрахань, ул Татищева, 16, ученому секретарю диссертационного совета Д 307 001 06

С диссертацией можно ознакомиться в библиотеке Астраханского государственного технического университета

Литовка Юрий Владимирович

кандидат технических наук, доцент Прохватилова Людмила Ивановна

Ведущая организация: Государственное образовательное

учреждение «Саратовский государственный технический университет»

Автореферат разослан « Ь » ЦнреА# 2008 г

Ученый секретарь диссертационного совета

И Ю Квятковская

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Одним из критериев, характеризующих эффективность использования ресурсов промышленного объекта, является его безаварийность Это обусловлено тем, что с безаварийностью связаны такие экономические показатели, как длительность простоев оборудования, размер расходов на поиск и устранение причин аварийных ситуаций-Вместе с тем, в России начиная с 2004 г возрастает доля оборудования, эксплуатируемого свыше сроков, предусмотренных при его разработке Большая степень износа такого оборудования требует при его эксплуатации принимать во внимание различную информацию, связанную с обеспечением безаварийности производства При этом в настоящее время получает широкое распространение система экологического менеджмента (группа мировых стандартов качества ISO 14000) и стандарт оценки системы менеджмента здоровья и безопасности (OHSAS 18001), существенно ужесточающие требования к безаварийности производств.

Анализ деклараций производств по промышленной безопасности показывает, что в большинстве случаев изучение внерегламентных ситуаций технологических процессов, построение сценариев аварий и их последствий носит неудовлетворительный характер

В настоящее время системы обеспечения безаварийности производства опираются, как правило, на контроль параметров состояния процесса в допустимом диапазоне Данный подход не позволяет учитывать предаварийные ситуации, определяемые сочетаниями допустимых значений нескольких параметров Вследствие этого эксплуатация промышленного объекта характеризуется недостаточной безаварийностью и связана с нарушениями экологической безопасности Поэтому для сложных промышленных объектов необходимо распознавание предаварийных ситуаций (ПАС), позволяющее прогнозировать возникновение аварийного режима, а затем предотвращать остановку процесса или снизить потери от возникновения аварии Вопросы идентификации и управления сложными химико-техническими системами, непосредственно связанные с обеспечением безаварийности на промышленных объектах, рассматривались в работах таких ученых как В В Кафаров, И Н Дорохов, Д А Поспелов, А Ф Егоров, Д Химмельблау, П А Обновленский и др

Существующие методы, используемые в современной промышленности, не обеспечивают возможности достаточной информационной поддержки распознавания ПАС, поэтому идентификация последних осуществляется с обязательным участием персонала установок Однако эффективность распознавания ПАС

оператором также зависит от его квалификации, сложности установки, характеристик оборудования, и может оказаться недостаточной, что приводит к возникновению аварий на промышленном объекте

Наибольшую эффективность при идентификации ПАС обеспечивают методы, опирающиеся либо на учет информации о вероятных отказах оборудования, либо на знания опытных операторов - экспертов по эксплуатации промышленного объекта Отсутствие методов, совмещающих два указанных подхода, обуславливает недостаточную безаварийность промышленных объектов Так. как убытки, связанные с остановами по причине предаварийных ситуаций на промышленных объектах, достаточно велики, то создание подобного метода позволит получить значительную экономическую выгоду за счет сокращения длительности простоев оборудования и увеличение физического ресурса его эксплуатации

Таким образом, создание эффективного метода и системы идентификации предаварийных ситуаций промышленного объекта управления, позволяющих повысить его безаварийность, является актуальной научной и практической задачей

Нефтеперерабатывающие производства представляют собой стратегическую отрасль промышленности России, важным показателем развития которой служит доля процессов глубокой переработки нефти Широкие возможности в этом отношении представляет каталитический риформинг (КР) низкооктановых бензинов Удовлетворение потребностей в высокооктановых бензинах должно достигаться не только за счет расширения производственной базы нефтеперерабатывающих заводов (НПЗ), но и путем максимального использования ресурсов существующих установок НПЗ, осуществляемого, в частности, повышением безаварийности последних Это обуславливает необходимость рассмотрения предлагаемого метода идентификации ПАС в приложении к крупнотоннажной промышленной установке каталитического риформинга

Целью настоящей работы является повышение безаварийности промышленных объектов за счет ранней идентификации предаварийных ситуаций процесса (в приложении к процессу каталитического риформинга)

Для достижения поставленной цели были сформулированы и решены следующие задачи

- проведен анализ процесса идентификации предаварийной ситуации на промышленных объектах,

- разработан метод идентификации предаварийных ситуаций с использованием информации качественного характера и данных о вероятных отказах оборудования,

- проведен анализ процесса каталитического риформинга как источника предаварийных ситуаций,

- сформировано описание процесса каталитического риформинга как источника предаварийных ситуаций,

- разработано программное обеспечение для составления описания промышленного объекта как источника предаварийных ситуаций,

- методом имитационного моделирования проведена оценка эффективности идентификации предаварийных ситуаций каталитического риформинга с использованием разработанных метода и алгоритмов идентификации ПАС

Методы исследования Для решения поставленных задач -применялись методы системного анализа, искусственного интеллекта, теории надежности, теории управления

Научная новизна работы состоит в следующем:

предложен метод идентификации предаварийных ситуаций, основанный на учете информации качественного характера и данных о вероятных отказах оборудования, разработана интеллектуальная ситуационная модель каталитического риформинга как источника предаварийных ситуаций,

разработан алгоритм адаптации интеллектуальной ситуационной модели промышленного объекта как источника предаварийных ситуаций Практическая ценность работы

проведен анализ процесса каталитического риформинга как источника предаварийных ситуаций,

сформирована база данных и знаний, характеризующая процесс каталитического риформинга как источник предаварийных ситуаций,

разработано программное обеспечение, реализующее алгоритмы идентификации предаварийных ситуаций с учетом информации качественного характера и данных о вероятных отказах оборудования

Апробация работы Результаты диссертации догладывались и обсуждались на VI Международной технической конференции «Компьютерное моделирование-2005» (Санкт-Петербург, 2005), на Международной научно-технической конференции «Информационные технологии в науке, образовании и производстве» (ИТНОП) (Орел, 2006), на XIX Международной научной конференции «Математические методы в технике и технологиях ММТТ-Х1Х» (Воронеж, 2006), на 50-й конференции профессорско-преподавательского состава ФГОУ ВПО АГТУ (Астрахань, 2006), на IV Всероссийской научно-технической конференции «Искусственный интеллект в XXI веке и решения в условиях неопределенности» (Пенза, 2006), на XX Международной научной конференции «Математические методы в технике и технологиях

ММТТ-ХХ» (Ярославль, 2007), на Всероссийской научной конференции «Инновационные технологии в управлении, образовании, промышленности» (АСТИНТЕХ) (Астрахань, 2007).

Публикации По результатам диссертационной работы опубликовано 9 печатных работ в научных сборниках (в том числе 2 работы опубликованы в журналах, рекомендуемых ВАКом), получено свидетельство об официальной регистрации программы для ЭВМ

Структура и объем работы Диссертационная работа изложена на 113 страницах, она состоит из введения, четырех глав, выводов по работе, списка использованной литературы и приложений

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы, определены цель и задачи исследования, дана краткая характеристика работы

Первая глава посвящена анализу задачи идентификации ПАС на промышленных объектах, обзору существующих методов и систем идентификации ПАС, уточнению задачи исследования

Рассмотрены структура и содержание задачи идентификации и прогнозирования ПАС на промышленном объекте Проанализированы наиболее распространенные причины возникновения ПАС, содержание деятельности оператора по распознаванию ПАС. Дан обзор и анализ современных методов и средств идентификации предаварийных ситуаций на промышленных объектах, приводимых в литературе

В качестве методов, обеспечивающих хорошую идентификацию ПАС на промышленном объекте, выделены следующие методы «Анализ видов, причин и критичности отказов» (АВПКО), контрольных карт Шухарта, идентификация ПАС с использованием знаний опытных операторов (экспертов)

Отмечены недостатки данных методов, не позволяющие использовать их для эффективной идентификации ПАС на промышленных объектах управления в режиме реального времени Предложено разработать метод, использующий информацию качественного характера и данные о вероятных отказах оборудования Информация количественного характера представляет собой базу данных о промышленном объекте как источнике ПАС и включает в себя описания объекта, характерных для него отказов и аварийных последовательностей Информация качественного характера в форме интеллектуальной ситуационной модели (ИСМ) позволяет использовать знания экспертов об идентификации ПАС

По результатам анализа задачи идентификации ПАС и рассмотрения существующих методов построена теоретике-

множественная модель системы «установка-оператор», необходимая для разработки метода идентификации ПАС

Реализация предложенного метода требует синтеза алгоритмов, обеспечивающих идентификацию ПАС в предпусковом режиме и режиме ведения технологического процесса, а также разработки программного обеспечения для распознавания ПАС

Использование в методе интеллектуальной ситуационной модели предполагает рассмотрение вопросов ее адаптации к условиям реального промышленного объекта

Так как использование метода рассматривается на примере каталитического риформинга, то необходимо провести анализ данного технологического процесса как источника ПАС, формализовать результаты анализа для составления ИСМ каталитического риформинга как источника ПАС, создать базу данных и знаний о процессе как об источнике ПАС

Вторая глава посвящена разработке метода идентификации предаварийных ситуаций промышленного объекта.

Разработана структура интеллектуальной ситуационной модели (ИСМ) технологического процесса как источника предаварийных ситуаций. ИСМ представляет собой продукционную базу знаний в виде набора правил, отображающих знания операторов-экспертов об идентификации ПАС на промышленном объекте

При задании правил автором использованы лингвистические переменные (ЛП), описание которых приведено в таблице-

Таблица

Содержание лингвистических переменных ИСМ

№ Название ЛП Содержание ЛП

1 Степень уверенности в возникновении ПАС Субъективная уверенность эксперта в возникновении на объекте управления ПАС

2 Степень уверенности в возникновении отказа Субъективная уверенность„ эксперта в возникновении на объекте управления ПАС, связанной с возможным возникновением некоторого отказа X,,

3 Степень уверенности в возникновении нарушения Субъективная уверенность эксперта в возникновении на объекте управления ПАС, связанной с возможным возникновением некоторого нарушения 7„ при котором вероятно возникновение некоторых отказов (для них введено понятие «связанные» отказы)

Продолжение таблицы

№ Название ЛП Содержание ЛП

4 Степень уверенности в возникновении безусловной ПАС Субъективная уверенность эксперта в возникновении на объекте управления безусловной ПАС (идентифицируемой без явной связи с отказом или нарушением)

5 ЛП параметров состояния Состояние ТП

Значениями ЛП, связанных со степенью уверенности, являются {минимальная, малая, средняя, высокая, полная} Значения ЛП параметров состояния определяются экспертами по управлению промышленным объектом

Правила ИСМ делятся на три группы Продукционные правила идентификации отказов, нарушений эксплуатации и безусловных ПАС образуют первую группу В качестве антецедентной части этих правил экспертами вводятся различные наборы значений лингвистических переменных, соответствующих параметрам состояния процесса, в качестве консеквентной части - некоторое значение одной из ЛП, связанных со степенью уверенности в возникновении безусловной ПАС, отказа или нарушения. Правила группы могут иметь следующий вид

Если параметр Хг - {большое положительное} и параметр Х2 — {отрицательное}, то Степень уверенности в возникновении отказа С1 — {высокая }

Количество правил первой группы в базе знаний ИСМ определяется полнотой знаний экспертов о промышленном объекте как источнике предаварийных ситуаций

Правила, связывающие степень уверенности в возникновении нарушения и заданную для данного нарушения условную степень уверенности в возникновении некоторого связанного отказа со степенью уверенности в возникновении данного отказа объединены во вторую группу Правила данной группы могут иметь следующий вид

Если Степень уверенности в возникновении нарушения А, -{высокая} и Условная степень уверенности в возникновении отказа С] при нарушении V, — {высокая}, то Степень уверенности в возникновении отказа С, - {высокая} Правила для определения степени уверенности в возникновении ПАС по степени уверенности в возникновении отказа и значениям его критичности (учитываемой по методу АВПКО) или рейтингов (по методу контрольных карт) составляют третью группу.

Правила данной группы могут иметь следующий вид

Если Степень уверенности в возникновении отказа С; -{высокая} и Критичность отказа — {критичен}, то Степень уверенности в возникновении ПАС - {высокая}

или

Если Степень уверенности в возникновении отказа С/ -{высокая} и Суммарный рейтинг отказа С! — {превышение}, то Степень уверенности в возникновении ПАС - {высокая} Содержание понятий критичности и рейтингов отказа приведены ниже в описании предлагаемого метода

Правила второй и третьей группы задаются в общем виде для любых вероятных отказов, их количество является постоянным

Разработан метод идентификации ПАС по ИСМ промышленного объекта Суть метода заключается в составлении априори описания промышленного объекта как источника ПАС и последующем использовании полученных данных и ИСМ для идентификации ПАС перед запуском процесса и в режиме реального времени

По описанию промышленного объекта составляются перечни технологических аппаратов, измеряемых, вычисляемых и оцениваемых качественно параметров состояния, используемых при идентификации предаварийных и аварийных ситуаций

Экспертами по эксплуатации объекта формируются описания ЛП, которые соответствуют учитываемым параметрам состояния технологического процесса Данные описания включают наименования ЛП, наборы их термов, наборы элементов ключевых множеств, вид и описание функций принадлежности для термов ЛП

Перечень вероятных отказов формируется для каждого аппарата по опыту эксплуатации с использованием технологического регламента или баз данных по статистике типовых отказов оборудования.

Описание каждого вероятного отказа для каждого вероятного отказа составляется его в соответствии с методом АВПКО, что обеспечивает возможность учета вероятных отказов с использованием знаний экспертов по данным видам оборудования (при отсутствии статистических данных по отказам)

Для описания отказов используются характеристики Въ -коэффициент, определяющий частоту или вероятность возникновения г-го отказа, Въ - коэффициент, определяющий вероятность выявления г-го отказа до его проявления, В3, - коэффициент, определяющий степень тяжести последствий 1-го отказа Указанные характеристики для каждого вероятного отказа изменяются в диапазоне [1 10], не имеют размерности и определяются с использованием таблиц метода АВПКО

Для каждого вероятного отказа рассчитывается критичность С,

СгВь*В2,*В3,

(1)

Выделение значимых отказов осуществляется путем сравнения критичности г-го отказа С, с некоторым предельным значением Ск Если С, > С к, то причины г-го отказа подлежат обязательному устранению Значения Ск определяются отраслевыми стандартами

По результатам системного анализа промышленного объекта формируются деревья отказов последнего, для каждой установленной ветви дерева экспертом задается вероятность соответствующего развития аварийной последовательности; для каждого вероятного отказа определяются средний, максимальный и суммарный рейтинги согласно методу контрольных карт Шухарта (рис 1),

а Перегрев корпуса реактора Р-2

Повреждение футеровки корпуса реактора риформинга Р-2 Спекание катализатора в реакторе Р-2 Разгерметизация реактора Р-2

Рис 1 Дерево отказов

Суммарный рейтинг (2) характеризует вероятность развития аварийной ситуации по всем ветвям дерева событий, следующих за рассматриваемым отказом Показатель используется для оценки тяжести отказов объектов длительного применения

(2),

г=1

где <2/ - условная вероятность возникновения следующих отказов аварийных последовательностей

Максимальный рейтинг отказа RMax (3) характеризует вероятность перехода отказа в аварию по наиболее вероятной аварийной последовательности Показатель используется для оценки тяжести отказов особо опасных объектов

Кох = max Q, (3)

1 <1<L

Средний рейтинг 1Ц, характеризует вероятность перехода отказа в аварию, приходящуюся на одну аварийную последовательность

= (4)

i=i

Предельные значения рейтингов определяются методами экспертной оценки

Если в период эксплуатации At некоторый отказ был зафиксирован К (К>1) раз, то на основе суммарного рейтинга данного

отказа можно сформировать показатель, характеризующий уровень безопасности объекта на рассматриваемом периоде эксплуатации

где Rzk (к=\,. , К) - значения суммарного рейтинга ¿-го отказа

Рассмотрение деревьев отказов позволяет учитывать изменение критичности вероятных отказов с течением времени.

Для каждого аппарата формируется перечень вероятных нарушений эксплуатации Для каждого нарушения экспертом-вводится список связанных с ним вероятных отказов, при этом указывается условная вероятность их возникновения при данном нарушении Формируются правила идентификации ПАС, вероятных отказов и нарушений по значениям параметров установки и их сочетаниям, по значениям рейтингов нарушений По описанию промышленного объекта как источника ПАС осуществляется распознавание ПАС перед пуском установки и в режиме реального времени

Идентификация предпусковых ПАС связана с проверкой значений критичности и рейтингов каждого отказа с предельно допустимыми значениями, если значение какого-либо из показателей некоторого вероятного отказа превышает допустимое, то ситуация расценивается как заведомо предаварийная.

Распознавание предаварийных ситуаций технологического процесса и их причин, в качестве которых рассматриваются вероятные отказы или нарушения, осуществляется в режиме реального времени по значениям параметров состояния, описаниям отказов и правилам ИСМ При возникновении некоторого отказа, являющегося началом аварийной последовательности, осуществляется пересчет рейтингов и критичности следующих за ним отказов дерева событий Если значение накопленного суммарного рейтинга отказа выше заданного, то последний может быть отнесен к систематически возникающим

Для реализации предложенного метода разработаны алгоритмы предпусковой проверки ПАС (рис 2), проверки правил ИСМ на истинность в режиме реального времени. Указанные алгоритмы реализованы для реляционной СУБД с использованием языка SQL

Проверка правил ИСМ на истинность при текущих значениях параметров состояния (рис 3) осуществляется в два этапа отбор значимых для проверки правил ИСМ актуальных термов ЛП состояния (с использованием массива термов правил Х(1) и массива всех термов параметров состояния Y(J)), проверка непосредственно каждого правила ИСМ на истинность Результатом проверки являются максимальные значения функции принадлежности термов ЛП, связанных со степенью уверенности в возникновении ПАС.

К

(5),

к=1

Рис 2 Алгоритм предпусковой проверки ПАС

Рис 3 Алгоритм проверки правила ИСМ в режиме реального времени

По полученным значениям функции принадлежности оператор установки принимает окончательное решение о возникновении ПАС на промышленном объекте

Рассмотрены вопросы адаптации интеллектуальной ситуационной модели к условиям реального технологического объекта Структура ИСМ включает два компонента- продукционную базу правил на верхнем уровне и правила жесткой структуры для задания взаимосвязей общего нарушения и связанного отказа, идентифицированных отказов и ПАС в целом. Правила второго компонента имеют статический характер, задаются методом экспертной оценки однократно и при эксплуатации не изменяются Адаптация базы знаний осуществляется на верхнем уровне в базе правил

Предложен следующий алгоритм включения новых правил в ИСМ оператор фиксирует новую ПАС в виде набора актуальных термов ЛП состояния, полученный набор термов используется экспертом для формирования антецедентной части нового правила, для правила вводится описание консеквентной части, правило проходит проверку на избыточность и противоречивость по отношению к существующему

набору правил, правило включается в набор либо осуществляется коррекция ИСМ

Проверка нового правила на противоречивость и избыточность по отношению к существующему набору может быть реализована согласно существующим алгоритмам

Синтез правил осуществляется путем формирования набора антецедентных утверждений (определяемых значениями ЛП параметров состояния процесса) и указания консеквентного утверждения, которому соответствует значение ЛП «Степень уверенности в возникновении отказа X,», «Степень уверенности в возникновении ПАС» или «Степень уверенности в возникновении нарушения У,» Так как данные правила имеют единую структуру, то проверку противоречивости или избыточности можно показать на примере определения «Степени уверенности в возникновении безусловной ПАС»

Первым шагом проверки на противоречивость или избыточность является пробное включение нового правила в существующий набор правил ИСМ На втором шаге для анализа на противоречивость отбираются правила, имеющие одинаковые сочетания значений входных координат, но разные значения выходной координаты; для анализа на избыточность осуществляется обратная процедура - отыскиваются правила с одинаковым значением выходной координаты Если найденных пар более одной, то набор правил признается противоречивым или избыточным по причине включения нового правила; принимается решение не включать правило в ИСМ

Проверка нового правила на противоречивость состоит из следующих этапов сформировать список правил со значением консеквента и количеством антецедентов каждого из них; выделить попарные сочетания правил с одинаковыми консеквентами и одинаковым количеством антецедентов, подсчитать количество попарно соответствующих антецедентов правил, выделить сочетания с несоответствием хотя бы одной пары антецедентов.

Проверка нового правила на избыточность сформировать список правил со значением консеквента и количеством антецедентов каждого из них, выделить попарные сочетания правил с равным числом антецедентов и отличающимися консеквентами, подсчитать количество совпадающих попарно антецедентов правил, выделить все пары с совпадением антецедентов.

Рассмотрены вопросы формирования базы знаний ИСМ на основе реляционной СУБД (РСУБД), что позволяет применять метод для построения ИСМ различных типов объектов и обеспечивать эффективную актуализацию базы знаний технологом установки

В третьей главе исследуется промышленный объект как источник предаварийных ситуаций на примере установки каталитического риформинга

Приведено описание установки Л-35-11/1000 каталитического риформинга, дано краткое описание процесса Подробно рассмотрено оборудование установки составлен перечень аппаратов, аппараты разделены по группам оборудования, приведены описания измеряемых, вычисляемых и оцениваемых качественно параметров состояния промышленного объекта, на основании технологического регламента составлены перечни вероятных отказов и нарушений эксплуатации установки, сформулированы основные правила идентификации ПАС

Анализ данного процесса позволил выделить следующие его особенности установка состоит из большого количества различных аппаратов, связанных между собой существенными энергетическими и материальными потоками, процесс характеризуется большим числом параметров, измеряемых количественно либо оцениваемых качественно; ряд параметров процесса не может быть измерен автоматически либо их измерение проводится с большим запаздыванием, достаточно большое количество параметров является взаимовлияющим

В ходе анализа процесса составлены описания 490 параметров состояния установки, в т ч 40 параметров, оцениваемых качественно

Выделено 360 правил для идентификации отказов оборудования установки и нарушений эксплуатации Для синтеза правил использовано построение диаграмм взаимного влияния факторов, известных в стратегии системного анализа (рис 4) Выделено 10 деревьев отказов, характерных для рассматриваемой установки КР.

Рис 4. Диаграмма взаимного влияния для отказа «Потеря активности катализатора реактора Р-1»

1 - градиент температуры при первичной подаче сырья в реактор, 2 - кратность циркуляции, 3 - содержание воды в сырье, 4 - наличие азотистых соединений, 5 -содержание серы в сырье, 6 - содержание мышьяка в сырье, 7 - старение катализатора, 8 - активность катализатора

Описание установки и правил идентификации предаварийных ситуаций представлено в форме, обеспечивающей последующее заполнение базы данных и знаний в составе программного обеспечения для распознавания ПАС КР.

В четвертой главе описана практическая реализация предложенного метода и оценка его показателей

Построена мифологическая модель предметной области процесса идентификации предаварийных ситуаций, представленная семейством диаграмм потоков данных (ОРБ) и диаграммой «сущность-связь»(ЕМЭ)

Разработано программное обеспечение для формирования ' экспертом описания промышленного объекта как источника ПАС

Оценка эффективности идентификации ПАС с использованием сформированной ИСМ была проведена методом имитационного моделирования Для ее проведения реализовано программное обеспечение, позволяющее распознавать ПАС в соответствии с предложенным методом по ИСМ объекта и значениям параметров его состояния Оценка включала сравнение количества ПАС, выявленных по ИСМ с числом ПАС, распознанных экспертами, определение быстродействия системы при проверке правил ИСМ, определение максимального количества параметров состояния в ИСМ, при которых сохраняется работоспособность системы, выделение дополнительных функциональных возможностей, предоставляемых системой

Сформирован набор анкет для проведения опроса экспертов, содержащий образы типовых предаварийных ситуаций каталитического риформинга, соответствующих основным нарушениям, либо отказам оборудования процесса каталитического риформинга

Экспертная оценка эффективности идентификации ПАС проводилась по следующему алгоритму программным способом осуществляется имитация показаний датчиков, соответствующих рассматриваемым образам предаварийных ситуаций, с последующей передачей сгенерированных показаний подсистеме идентификации ПАС, карты с описаниями образов номинальных и предаварийных ситуаций представляются экспертам для выделения среди представленных образов собственно предаварийных ситуаций; результаты проверки ситуаций экспертами сравниваются с результатами работы подсистемы идентификации ПАС КР

Оценка модели показывает, что сформированная ИСМ позволяет идентифицировать 90% образов ПАС, определенных экспертами.

Быстродействие системы в режиме идентификации безусловных ПАС определяется длительностью подготовки к проверке и собственно проверки продукционных правил ИСМ

Для определения быстродействия использовались исходные данные, соответствующие разработанной ИСМ установки КР количество

параметров - 490, количество ключевых элементов нечетких множеств ЛП параметров - 10, количество термов каждого параметра - 3

Длительность подготовки к проверке правил составила 8 с Зависимость длительности проверки правил от их количества имеет аддитивный характер Длительность проверки одного правила аддитивно определяется количеством термов антецедентной части правила, при количестве термов антецедентной части, равном 5, оно составляет 0 1 с

Длительность проверки системой 360 правил ИСМ каталитического риформинга составила 10 с

0,35 ■ 03 -025 ■ 0,2 ■

О

| 015 -

о

о.

ш 0,1 -

, ^01589

/

0,05 -О -

♦•1)0:

-

0236

20

Число термов правила

Рис 5 Длительность проверки одного правила идентификации ПАС

Максимальное количество переменных (при количестве термов ЛП - 3, количестве ключевых элементов нечеткого множества - 10), для которого работоспособность программы сохраняется, равно 750

Таким образом, использование предложенных метода и системы идентификации ПАС каталитического риформинга позволит существенно быстрее осуществлять идентификацию ПАС и учитывать при этом большее количество параметров процесса и правил идентификации ПАС, чем это может быть обеспечено оператором

По сравнению с существующими системами идентификации ПАС, разработанная система обладает следующими функциональными преимуществами, возможностью выделения безусловных ПАС, ПАС, обусловленных нарушениями эксплуатации или вероятностью отказов оборудования, оценкой значимости ПАС по значениям рейтингов или критичности отказа, возможностью учета изменения характеристики отказа с течением времени, возможностью формирования описаний штрокого круга промышленных объектов как источников ПАС

Сделан вывод о том, что распознавание предаварийных ситуаций каталитического риформинга с использованием предложенного метода и разработанного программного обеспечения характеризуется высоким быстродействием и позволяет идентифицировать 90% предаварийных ситуаций, выделяемых экспертами, что существенно улучшает показатель безаварийности промышленного объекта

В приложениях приведены описания ПАС и деревьев отказов установки каталитического риформинга, ББ- и ЕК-диаграммы анализа предметной области задачи идентификации предаварийных ситуаций промышленного объекта, описание разработанного программного обеспечения для формирования описания промышленного объекта как источника ПАС, описания тестовых ситуаций и макет анкеты для проведения опроса экспертов, копии свидетельства о государственной регистрации программы для ЭВМ и акта о внедрении разработанного программного обеспечения в учебный процесс в Астраханском государственном техническом университете

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

1 Предложен метод идентификации ПАС на промышленном объекте с учетом информации качественного характера и данных о вероятных отказах оборудования.

2 Проведен анализ процесса каталитического риформинга, по результатам которого сформирована база данных и знаний, характеризующая процесс как источник предаварийных ситуаций

3 Построена интеллектуальная ситуационная модель каталитического риформинга как источника предаварийных ситуаций, включающая 360 правил идентификации ПАС.

4 Синтезирован алгоритм адаптации интеллектуальной ситуационной модели промышленного объекта управления как источника предаварийных ситуаций

5 Разработано программное обеспечение, реализующее метод идентификации ПАС на промышленном объекте с учетом информации качественного характера и данных о вероятных отказах оборудования

6. Оценка разработанных метода и системы показала, что идентификация предаварийных ситуаций каталитического риформинга с их использованием характеризуется высоким быстродействием и позволяет идентифицировать 90% предаварийных ситуаций, выделяемых экспертами, что существенно улучшает показатель безаварийности промышленного объекта

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

1 Жедунов Р Р Модель распределенной системы идентификации предаварийных ситуаций технологических процессов /Жедунов Р Р//Вестн Астраханского гос техн ун-та - 2006 -№1 -С 152-157

2 Жедунов Р Р Моделирование процесса распознавания предаварийных ситуаций системы управления технологическим процессом/Жедунов РР //Компьютерное моделирование 2005 труды VI Междунар научно-техн конф, СПб, 28 июня - 2 июля 2005 г /Санкт-Петербургский гос политехи ун-т -СПб,2005 -С365-367

3 Жедунов РР Модуль распознавания аварийных ситуаций системы управления технологическим процессом/ Жедунов Р-Р// Вестн Астраханского гос техн ун-та —2005 — №6-С 181—183

4 Жедунов РР Идентификация предаварийных ситуаций с учетом нарушений эксплуатации установки/Жедунов Р Р // Математические методы в технике и технологиях сб трудов XIX Международ науч конф, Воронеж, 30 мая - 2 июня 2006 г / Воронеж гос технол акад -Воронеж, 2006 - Т 5,С 72-75

5 Жедунов Р Р Идентификация предаварийных ситуаций технологического процесса с учетом нарушений эксплуатации установки /Жедунов Р Р // Информационные технологии в науке, образовании и производстве тр Междунар научно-техн. конф, Орел, 25-26 мая 2006 г / Орловский гос техн ун-т - Орел, 2006, - Т 2,С 56-59

6 Жедунов РР Методика идентификации предаварийных ситуаций с использованием аппарата нечеткой логики и информации о вероятных отказах оборудования /Жедунов Р Р // Искусственный интеллект в XXI веке и решения в условиях неопределенности тр IV Всеросс. научно-техн конф, Пенза, ноябрь 2006 /Пензенская гос техн акад - Пенза, 2006 - С 113-115

7 Жедунов Р Р Система идентификации предаварийных ситуаций технологического процесса, использующая аппарат нечеткой логики и данные вероятных отказов /Жедунов РР //Вестн Астраханского государственного технического ун-та - 2007 - №3(38), С. 169-173 [материал размещен до 31 12 2006]

8 Жедунов Р Р Система идентификации предаварийных ситуаций с учетом данных вероятных отказов оборудования /Жедунов Р Р //Математические методы в технике и технологиях сб трудов XX Международ науч конф, Ярославль 29 мая - 1 июня 2007 г/ Ярославский гос техн ун-т -Ярославль, 2007 - Т 2, С 239-242

9 Жедунов Р Р Система моделирования технологического процесса как источника предаварийных ситуаций/Жедунов Р Р//Инновационные технологии в управлении, образовании, промышленности мат Всеросс

научн конф 18-20 апреля 2007 г/Астраханский гос ун-т -Астрахань, 2007 -Ч 1, С 225-227 10 Система моделирования технологического процесса как источника предаварийных ситуаций Св об офиц per прогр для ЭВМ №2007612196, Россия, ФГОУ ВПО «Астраханский государственный технический университет»/Р.Р Жедунов, - Заявл 20 04 2007, зарег 25 05 2007

Подписано в печать О 'J & & Формат 60x90/16 Гарнитура Times New Roman Уел печ л 1,0 Тираж 100 экз Заказ №

Отпечатано в типографии издательства ФГОУ ВПО «АГТУ» 414025, Астрахань, Татищева, 16

ВВЕДЕНИЕ.

ГЛАВА 1. АНАЛИЗ МЕТОДОВ ИДЕНТИФИКАЦИИ ПРЕДАВ АРИЙНЫХ СИТУАЦИЙ И ПОСТАНОВКА ЗАДАЧИ ИССЛЕДОВАНИЯ.

1.1. Состояние вопроса идентификации предаварийных и аварийных ситуаций в технологических процессах.

1.1.1. Общие понятия обеспечения безаварийности.

1.1.2. Задачи обеспечения безаварийности.

1.1.3. Задача идентификации ПАС как одна из задач обеспечения безаварийности.

1.1.4. Методы идентификации ПАС.

1.2. Анализ методов идентификации предаварийных ситуаций.

1.3.Постановка задачи исследования.

1.4.Выводы по первой главе.

ГЛАВА 2. МЕТОД ИДЕНТИФИКАЦИИ ПРЕДАВАРИЙНЫХ СИТУАЦИЙ ПРОМЫШЛЕННОГО ОБЪЕКТА УПРАВЛЕНИЯ С ИСПОЛЬЗОВАНИЕМ ИНФОРМАЦИИ КАЧЕСТВЕННОГО ХАРАКТЕРА И ДАННЫХ О ВЕРОЯТНЫХ ОТКАЗАХ.

2.1 .Интеллектуальная ситуационная модель промышленного объекта управления как источника предаварийных ситуаций.

2.2.Метод идентификации предаварийных ситуаций промышленного объекта управления.

2.3.Реализация метода идентификации предаварийных ситуаций.

2.4. Алгоритмы идентификации ПАС.

2.5.Реализация процедуры идентификации ПАС на основе реляционной СУБД.

2.6. Оценка избыточности и противоречивости интеллектуальной ситуациоиной модели промышленного объекта как источника предаварийных ситуаций.

2.7. Адаптация интеллектуальной ситуационной модели.

2.8.Выводы по второй главе.

ГЛАВА 3. АНАЛИЗ ПРОМЫШЛЕННОЙ УСТАНОВКИ КАТАЛИТИЧЕСКОГО РИФОРМИНГА КАК ИСТОЧНИКА ПРЕДАВАРИЙНЫХ СИТУАЦИЙ.

3.1.Описание промышленной установки каталитического риформинга.

3.1.1. Общая характеристика процесса.

3.1.2. Характеристика установки каталитического риформинга.

3.1.3. Краткое описание технологического процесса.

3.1.4. Основное оборудование процесса.

3.2.Оборудование установки и его описание.

3.3.Описание отказов оборудования установки.

3.4.Описание нарушений эксплуатации установки.

3.5.Формирование наборов правил идентификации предаварийных ситуаций установки.

3.6.Описание деревьев отказов установки каталитического риформинга.

3.7.Выводы по третьей главе.

ГЛАВА 4. РЕАЛИЗАЦИЯ СИСТЕМЫ ИДЕНТИФИКАЦИИ ПРЕДАВАРИЙНЫХ СИТУАЦИЙ КАТАЛИТИЧЕСКОГО РИФОРМИНГА.

4.1. Система идентификации предаварийных ситуаций каталитического риформинга.

4.1.1. Методология разработки СИП АС.

4.1.2. Взаимодействие СИПАС с системой управления технологическим процессом.

4.1.3. Формирование требований к разрабатываемой СИПАС.

4.1.4. Анализ предметной области идентификации предаварийных ситуаций технологического процесса.

4.1.5. Выбор программного обеспечения для реализации системы.

4.1.6. Система идентификации предаварийных ситуаций.

4.2. Оценка эффективности идентификации предаварийных ситуаций с использованием модели процесса каталитического риформинга как источника предаварийных ситуаций.

4.3.Выводы по четвертой главе.

ВЫВОДЫ.

Одним из критериев, характеризующих полноту использования ресурсов промышленного объекта управления, является его безаварийность. Это связано с тем, что с безаварийностью косвенно связаны такие экономические показатели как длительность простоев оборудования, размер расходов на поиск и устранение причин аварийных ситуаций, размеры штрафов за нарушения экологической безопасности.

Рост эффективности при увеличении безаварийности использования оборудования обусловлен следующими возможными факторами: во-первых, уменьшается общая длительность простоев производства либо отдельных его участков, что обеспечивает предприятию получение дополнительного дохода; во-вторых, безаварийный режим эксплуатации обеспечивает общее увеличение фактического физического ресурса оборудования; в-третьих, снижается общий ущерб, обусловленный нарушениями течения производства^ 1, с. 143-145].

Повышение эффективности использования существующих установок отвечает также принципам «усовершенствованного управления», (АРС - Advanced Process Control), одной из реализаций которого является «управление с прогнозирующей моделью» (МРС -Model Predictive Control) [42].

Вместе с тем, в России начиная с 2004 г. возрастает доля оборудования, эксплуатируемого свыше сроков, предусмотренных при его разработке [45]. Большая степень износа такого оборудования требует при его эксплуатации принимать во внимание различную информацию, связанную с обеспечением безаварийное i и производства. Однако анализ деклараций российских производств по промышленной безопасности показывает, что в большинстве случаев анализ опасностей производственного процесса носит неудовлетворительный характер, в частности, в отношении построения сценариев аварий и их последствий[36].

Необходимо отметить также и тот факт, что в России осуществляется широкое распространение системы экологического менеджмента (группа мировых стандартов качества ISO 14000) и стандарта оценки системы менеджмента здоровья и безопасности (OFISAS 18001), существенно ужесточающих требования к безаварийности производств[40], что согласуется с международными документами, такими как Резолюция Генеральной Ассамблеи ООН от 9.04.1985 №39/248 и национальными, например, Декларацией прав потребителей Российской Федерации от 20.12.1990 г. [57]

В настоящее время системы обеспечения безаварийности производства опираются, как правило, на контроль параметров состояния процесса в допустимом диапазоне. Данный подход не позволяет учитывать предаварийные ситуации, определяемые сочетаниями допустимых значений нескольких параметров. Вследствие этого эксплуатация промышленного объекта характеризуется недостаточной безаварийность и связана с нарушениями экологической безопасности. Поэтому для сложных промышленных объектов необходимо распознавание предаварийных ситуаций (ПАС), позволяющее прогнозировать возникновение аварийного режима, а затем предотвращать остановку процесса или снизить потери от возникновения аварии. Вопросы идентификации и управления сложными химико-техническими системами, непосредственно связанные с обеспечением безаварийности на промышленных объектах, рассматривались в работах таких ученых как Кафаров В.В., Дорохов И.Н., Поспелов Д.А., Егоров А.Ф., Обновленский П.А., Химмельблау Д. и другие [43,44,46, 49, 50,51, 95 и др.].

Существующие методы, используемые в современной промышленности, не обеспечивают возможности достаточной информационной поддержки распознавания ПАС, поэтому идентификация последних осуществляется с обязательным участием персонала установок. Однако эффективность распознавания ПАС оператором также зависит от его квалификации, сложности установки, характеристик оборудования, и может оказаться недостаточной, что приводит к возникновению аварий на промышленном объекте.

Отсутствие эффективных методов распознавания ПАС, использующих информацию о вероятных отказах оборудования и знания экспертов, обуславливает недостаточную безаварийность промышленных объектов. Так как убытки, связанные с остановами по причине предаварийных ситуаций на промышленных объектах, достаточно велики, то создание подобного метода позволит получить значительную экономическую выгоду за счет сокращения длительности простоев оборудования и увеличение физического ресурса его эксплуатации.

Таким образом, создание эффективного метода и системы идентификации предаварийных ситуаций, промышленного объекта управления, позволяющих повысить его безаварийность, является актуальной научной и практической задачей.

Нефтеперерабатывающие производства представляют собой стратегическую отрасль промышленности России, важным показателем развития которой служит доля процессов глубокой переработки нефти. Анализ тенденций развития мирового рынка производства и потребления продуктов нефтепереработки показывает, что основная доля приходится на транспортное топливо (50-52%), а также бытовое и промышленное топливо

35-38%). Ситуация практически не изменится вплоть до 2010 года. Однако наметились принципиальные изменения в структуре производимых нефтепродуктов. Так, если в 19751980 годах сумма легких и средних дистиллятных продуктов составляла 60—61%, то в 1995 году она уже была 72% и к 2010 году достигнет 85% .[103]

Широкие возможности в углублении переработки нефти представляет вторичная переработка нефтепродуктов, в частности каталитический риформинг(КР).

Среди технологического оборудования установки нефтеперерабатывающих предприятий отнесены к наиболее опасным производственным объектам[35,37]. В частности, «реакторные аппараты, предназначенные для проведения высокотемпературных и высоконапряженных технологий, каталитических процессов под повышенным давлением и таких основных особоопасных операций как нитрование, галогенирование, гидрирование, крекинг, риформинг.» отнесены к химическому оборудованию первой (высшей) группы опасности[17]. Убытки НПЗ, связанные с возникновением аварий и остановами по причине предаварийных ситуаций, достаточно велики, поэтому улучшение показателя безаварийности крупнотоннажных установок каталитического риформинга может принести существенную экономическую выгоду.

Это обуславливает необходимость рассмотрения предлагаемого метода идентификации ПАС на примере технологического процесса каталитического риформинга.

Целью настоящей работы является повышение безаварийности промышленных объектов за счет ранней идентификации предаварийных ситуаций процесса (на примере процесса каталитического риформинга).

Для достижения поставленной цели были сформулированы и решены следующие задачи:

- проведен системный анализ процесса идентификации предаварийной ситуации на промышленных объектах;

- разработан метод идентификации предаварийных ситуаций с использованием информации качественного характера и данных о вероятных отказах оборудования;

- проведен анализ процесса каталитического риформинга как источника предаварийных ситуаций;

- формализовано описание процесса каталитического риформинга как источника предаварийных ситуаций;

- разработано программное обеспечение для составления описания промышленного объекта как источника предаварийных ситуаций;

- методом имитационного моделирования проведена оценка эффективности идентификации предаварийных ситуаций каталитического риформинга с использованием разработанных метода и алгоритмов идентификации ПАС.

Методы исследования. Для решения поставленных задач применялись методы системного анализа, искусственного интеллекта, теория надежности, теория управления.

Научная новизна работы состоит в следующем: предложен метод идентификации предаварийных ситуаций, основанный на учете информации качественного характера и данных о вероятных отказах оборудования; разработана интеллектуальная ситуационная модель каталитического риформинга как источника предаварийных ситуаций; разработан алгоритм адаптации интеллектуальной ситуационной модели промышленного объекта как источника предаварийных ситуаций.

Практическая ценность работы: проведен анализ процесса каталитического риформинга как источника предаварийных ситуаций; сформирована база данных и знаний, характеризующая процесс каталитического риформинга как источник предаварийных ситуаций; разработано программное обеспечение, реализующее метод идентификации предаварийных ситуаций с учетом информации качественного характера и данных о вероятных отказах оборудования.

Апробация работы. Основные положения и результаты диссертации докладывались и обсуждались на VI Международной технической конференции «Компьютерное моделирование-2005» (г. Санкт-Петербург, 2005), на Международной научно-технической конференции "Информационные технологии в науке, образовании и производстве"(ИТНОП) (г. Орел, 2006 г.), на XIX Международной научной конференции «Математические методы в технике и технологиях ММТТ-XIX» (г.Воронеж, 2006), на 50-й конференции профессорско-преподавательского состава ФГОУ ВПО АГТУ (г.Астрахань, 2006), на IV Всероссийской научно-технической конференции «Искусственный интеллект в XXI веке и решения в условиях неопределенности» (г. Пенза, 2006), на XX Международной научной конференции «Математические методы в технике и технологиях ММТТ-ХХ» (г.Ярославль, 2007), на Всероссийской научной конференции «Инновационные технологии в управлении, образовании, промышленности» (АСТИНТЕХ) (г.Астрахань, 2007).

Публикации. По результатам диссертационной работы опубликовано 10 печатных работ в научных сборниках(в том числе 2 работы опубликованы в журналах, рекомендуемых ВАКом), получено свидетельство о регистрации программы для ЭВМ в Реестре программ для ЭВМ Федеральной службы по интеллектуальной собственности, патентам и товарным знакам.

Структура и объем работы. Диссертационная работа изложена на 154 страницах; она состоит из введения, четырех глав, выводов по работе, списка использованной литературы и приложений.

ВЫВОДЫ

1. Предложен метод идентификации ПАС на промышленном объекте с учетом информации качественного характера и данных о вероятных отказах оборудования.

2. Проведен анализ процесса каталитического риформинга, по результатам которого сформирована база данных и знаний, характеризующая процесс как источник предаварийных ситуаций.

3. Построена интеллектуальная ситуационная модель каталитического риформинга как источника предаварийных ситуаций, включающая 360 правил идентификации ПАС.

4. Синтезирован алгоритм адаптации интеллектуальной ситуационной модели промышленного объекта управления как источника предаварийных ситуаций.

5. Разработано программное обеспечение, реализующее метод идентификации ПАС на промышленном объекте с учетом информации качественного характера и данных о вероятных отказах оборудования.

6. Оценка разработанных метода и системы показала, что идентификация предаварийных ситуаций каталитического риформинга с их использованием характеризуется высоким быстродействием и позволяет идентифицировать 90% предаварийных ситуаций, выделяемых экспертами, что существенно улучшает показатель безаварийности промышленного объекта.

1. Аварии и катастрофы. Предупреждение и ликвидация последствий.Книга 1/под ред. К.Е. Кочеткова, В.А. Котляревского, А.В. Забегаева М.: Изд-во АСВ, 1995. -320 с.

2. Айзерман, М.А. Методы потенциальных функций в теории обучения машин / М.А.Айзерман, Э.М.Браверман, Л.И.Розонойер М.:Наука, 1970 г. - 384 с.

3. Александровская, Л.Н. Вероятностные методы анализа безопасности технических систем/ Л.Н.Александровская, И.З.Аронов, В.П.Соколов, А.В.Цырков. М.: МАТИ, 1997 г.-366 с.

4. Алиев, Р.А. Методы интеграции в системах управления производством/ Р.А.Алиев-М.:Энергоатомиздат, 1989.-271 с.

5. Алиев, Р.А. Производственные системы с искусственным интеллектом. /Р.А.Алиев, Н.М.Абдикеев, М.М.Шахназаров. М.: Радио и связь, 1990. - 264 с.

6. Алиев Т.М. Измерительная техника/Т.М.Алиев, А.А.Тер-Хачатуров. М.: Высш.шк., 1991.-384 с.

7. Интеллектуальные системы управления организационно-техническими системами/А.Н.Антамошин, О.В.Близнова, А.В.Бобов, А.А.Большаков и др. Под ред.профессора А.А.Большакова. М.:Горячая линия-Телеком, 2006, -160 с.

8. Антонов, О.В. Оптимальное управление процессом каталитического риформинга с использованием гибридной математической модели: дисс. . канд. техн. наукзащищена 26.12.2003: утв. 14.05.2004 /О.В. Антонов Астрахань, 2003 г. -186 с.

9. Арбузов, Г.М. Методы анализа промышленных рисков химически опасных объектов//Химическая промышленность 2005. - Т.85, №6 - С.306-314.

10. Аронов, И.З. Современные проблемы безопасности технических систем и анализа риска//Стандарты и качество 1998. - №3 - С.33.

11. Аронов, И.З. Анализ текущего уровня безопасности энергоблоков АС с использованием контрольных карт/ И.З.Аронов, Н.Ф.Бирюкова, Г.И.Букринский, Г.И.Грозовский //Атомная энергия 1994. - Т.76, №1 - С.46-48.

12. АСУТП гидроочистки сырья и установки каталитического риформинга //Автоматизация в промышленности 2003. - №1 - С.42-43.

13. Базанов, А.Г. Основы пожаровзрывобезопасности в химической, нефтехимической и нефтеперерабатывающей отраслях промышленности и пути ее повышения/А.Г.Базанов, Г.М.Ласкин, Г.М.Арбузов, П.Н.Мудряков//Химическая промышленность 2003. - Т.80, №9. - С.40-55.

14. Бахтадзе, Н.Н. Виртуальные анализаторы в оперативных системах управления производством//Датчики и системы 2004. - №4. — С.52-64.

15. Беллауз, Дж.К. Система химической диагностики для электростанций /Дж.К.Беллауз М.:Мир, 1988 г. - С.68-83.

16. Блинов, А.В. Интеллектуализация системы диагностики и прогнозирования //Датчики и системы 2005. - №9. - С.65-70.

17. Бобровски, С. Oracle 7: Вычисления клиент-сервер/С.Бобровски М.:ЛОРИ, 1996,-650 с.

18. Богатиков, В.Н. Средства проектирования системы управления непрерывными технологическими процессами/В.Н.Богатиков, А.В.Вершков, Б.В.Палюх// Программные продукты и системы 1995. - №2. - С.29-34.

19. Богатиков, В.Н. Технология проектирования программных средств управления безопасностью химических производств/В.Н.Богатиков, А.Ф.Егоров, Б.В.Палюх //Программные продукты и системы 2000. — №1 - С.33-41.

20. Браун, Д.Б. Анализ и разработка систем обеспечения техники безопасности: системный подход к технике безопасности. Пер.с англ./Д.Б.Браун — М.Машиностроение, 1979,-360 с.

21. Быков, А.А. Нормативно-экономические модели управления риском/ А.А.Быков, В.А.Акимов, М.И.Фалеев //Проблемы анализа риска — 2004. — №2, — С. 125-137.

22. Вапник, В.Н. Алгоритмы обучения распознаванию образов ОП1, ОП2, ОПЗ, использующие метод обобщенного портрета//Алгоритмы обучения распознаванию образов/В.Н.Вапник, А.А.Журавель, А.Я.Червоненкис М.:Советское радио, 1973 -С.89-110.

23. Вендров, A.M. CASE-технологии. Современные методы и средства проектирования информационных систем/А.М.Вендров — М.:Фииансы и статистика, 1998 — 176 с.

24. Владимиров, А.И. Установки каталитического риформинга/А.И.Владимиров — М.: Нефть и газ, 1993. 60 с.

25. Волкова, В.Н. Иерархические- системы/ В.Н.Волкова, А.А.Денисов Л.:ЛПИ, 1989.-88 с.

26. Волкова, В.Н., Методы формализованного представления систем/ В.Н.Волкова, А.А.Денисов, Ф.Е.Темников СПб.: СПбГТУ, 1993. - 107 с.

27. Голинкевич, Т.А. Прикладная теория надежности/Т.А.Голинкевич М.:Высшая школа, 1985, - 168 с.

28. ГОСТ Р ИСО 18436-1-2005. Контроль состояния и диагностика машин. Требования к обучению и сертификации персонала. Часть 1. Требования к органам по сертификации и процедурам сертификации Введ. 13.05.2005 -М.:Стандартинформ, 2005. - 32 с.

29. Гражданкин, А.И. Характерные ошибки анализа риска аварий при декларировании промышленной безопасности/ А.И.Гражданкин, М.В.Лисанов, А.С.Печеркин, В.И.Сидоров//Безопасность труда в промышленности — № 10, — С.6-12.

30. Гриб, В.В. Диагностика технического состояния нефтегазохимических производств/ В.В. Гриб М.:ЦНИИТЭнефтехим, 2002 - 268 с.

31. Громов, Ю.Ю. Системный анализ в информационных технологиях /Ю.Ю.Громов, Н.А.Земской, А.В.Лагутин, О.Г.Иванова, В.М.Тютюнник Тамбов: изд-во Тамб. гос. техн. ун-та, 2004. — 176 с.

32. Гуреев, А.А. Производство высокооктановых бензинов/А.А.Гуреев, Ю.М.Жоров, Е.В. Смидович М.:Химия, 1981.-224 с.

33. Гусева, Т.В. Оценка воздействия на окружающую среду и экологический аудит промышленных предприятий. Анализ методологий/Т.В.Гусева, С.Ю.Дайман//Хим. технология. — 2000. — № 4. — С.34-43.

34. Дмитриев, А.К. Распознавание отказов в системах электроавтоматики /А.К.Дмитриев Л.:Энергоатомиздат, 1983 г. — 104 с.

35. Дозорцев, В.М., АРС Усовершенствованное управление технологическими процессами/В.М.Дозорцев, Д.В.Кнеллер//Датчики и системы - 2005. — №10, — С.56-62.

36. Дорохов, И.Н. Системный анализ процессов химической технологии. Экспертные системы для совершенствования промышленных процессов гетерогенного катализа/И.Н.Дорохов, В.Вяч.Кафаров. под ред В.В.Кафарова М.: Наука, 1985 -376 с.

37. Егоров, А.Ф. Управление безопасностью химических производств на основе новых информационных технологий/А.Ф.Егоров, Т.В.Савицкая М.:Химия, КолосС, 2004 г.-416 с.

38. Зальников, Ю.Г. Оценка пригодности к эксплуатации технических устройств на опасных производственных объектах/Ю.Г.Зальников, Н.М.Литвинов, А.В.Кашлев и др.//Безопасность труда в промышленности — 2005 № 5 - С.24-28.

39. Ицкович, Э.Л. Контроль производства с помощью вычислительных машин/ Э.Л. Ицкович М.Энергия, 1975 - 416 с.

40. Каваленский, В.А. Методы оптимальных решений в распознании изображений/ В.А. Каваленский- М.:Наука, 1967. 328 с.

41. Калман, Р. Очерки по математической теории систем: Пер. с англ./ Р.Калман, П.,Фалб, М. Арбиб — М.:Мир, 1971.-400 с.

42. Кафаров, В.В. Методы кибернетики в химии и химической технологии/ В.В. Кафаров М.: Химия, 1985 - 448 с.

43. Кафаров, В.В. Системный анализ процессов химической технологии. Основы стратегии/В.В.Кафаров, И.Н.Дорохов М.: Наука, 1976 - 500 с.

44. Кафаров, В.В. Системный анализ процессов химической технологии. Применение метода нечетких множеств/В.В.Кафаров, И.Н.Дорохов, Е.П.Марков М.: Наука, 1976-359 с.

45. Кафаров, В.В. Обеспечение и методы оптимизации надежности химических и нефтеперерабатывающих производств/В.В.Кафаров, В.П.Мешалкин, Г.Грун, В. Нойман М.:Химия, 1987. - 272 с.

46. Коллакорт, Р. Диагностирование механического оборудования. Сокр. пер. с англ. В. М. Павловой/Р.Коллакорт Л.: Судостроение, 1980.-296 с.

47. Корнеева, А.И. Программно-технические комплексы, контроллеры и SCADA-системы/А.И.Корнеева, В.Г.Матвейкин, С.В.Фролов М.:ЦНИИТЭХИМ, 1996. -219 с.

48. Кузин, Л.Т. Основы кибернетики: основы кибернетических моделей/Л.Т. Кузин — М.:Энергия, 1979.-584 с.

49. Лебедев, В.Г. Система поддержки принятия решений оператором сложного аппаратно-программного комплекса/В.Г. Лебедев//Датчики и системы 2004 - №8, - С.53-55.

50. Легасов, В.А. Основы анализа безопасности в ядерной энергетике/В.А.Легасов, В.Ф.Демин, Я.В.Шевелев//Вопросы безопасности и надежности при оптимизации ядерных энергетических установок Горький: ГПИ им.А.А.Жданова, 1985. - 112 с.

51. Ли, Р. Оптимальные оценки, определение характеристик и управления. Пер.с англ. Под ред.Я.Э.Цыпкина/ Р.Ли М.:Наука, 1966. - 176 с.

52. Лорьер, Ж.-Л. Системы искусственного интеллекта/Ж.-Л.Лорьер — М.:Мир, 1991. -356 с.

53. Макаров, С.В., Шагарова Л.Б. Экологическое аудирование промышленных производств. Под ред. А.Ф. Порядина/С.В.Макаров, Л.Б. Шагарова М.:НУМЦ Госкомэкологии России, 1997. — 144 с.

54. Маслянский, Г.Н. Каталитический риформинг бензинов: химия и технология/ Г.Н.Маслянский, Р.Н.Шапиро -Л.:Химия, 1985,-221 с.

55. Махонькин, Б.Н. Мониторинг состояния оборудования — технология ресурсосберегающей эксплуатации нефтеперерабатывающих производств XXI века/Б.Н.Махонькин, С.В.Мухин//Нефтепереработка и нефтехимия — 2003 — №8, -С.59-64.

56. Мелихов, А.Н. Ситуационные советующие системы с нечеткой логикой/А.Н.Мелихов, Л.С.Бернштейн, С.Я.Коровин М.:Наука, 1990 г. - 272 с.

57. Мешалкин, В.П. Экспертные системы в химической технологии/В.П. Мешалкин1. М.:Химия, 1995 г.-368 с.

58. Митенков, Ф.М. Вероятностный анализ безопасности ЯЭУ, его роль и место в практике проектирования/Ф.М.Митенков, Б.А.Авербах//Атомная энергия 1992 г.5, — С.33-35.

59. Моисеев, Н.Н. Математические задачи системного анализа/Н.Н.Моисеев -М.:Наука, 1981 -488 с.

60. Муромцев, Ю.Л. Безаварийность и диагностика нарушений в химических производствах/Ю.Л.Муромцев М.:Химия,1990 - 144 с.

61. Надежность в технике. Основные понятия. Термины и определения ГОСТ-27.002-89/ М.:Изд-во стандартов, 1990, 38 с.

62. Новиков, Б.А. Настройка приложений баз данных/Б.А.Новиков, Г.Р. Домбровская

63. СПб,: БХВ-Петербург, 2006 240 с.

64. Обновленский, П.А. Системы защиты потенциально опасных процессов химической технологии /П.А.Обновленский Л.:Химия, 1978 г. - 224 с.

65. Ойхман, Е.Г. Реинжиниринг организаций и информационные технологии /Е.Г.Ойхман, Э.В. Попов М.:Финансы и статистика, 1997 - 336 с.

66. Парфенова, М.Я. Человеческий фактор в интеллектуальных информационных технологиях для профилактики, предупреждения и устранения аварийных ситуаций/М.Я.Парфенова, С.К.Колганов, И.И.Парфенов, В.И.Иванов// Информационные технологии 2005 - № 5 - С.21-29.

67. ПБ 09-540-03. Общие правила взрывобезопасности для взрывопожароопасных химических, нефтехимических и нефтеперерабатывающих производств. — Введ. 5.05.2003 М.: Госгортехнадзор, 2003. - 46 с.

68. Петрова, И.Ю., База данных ORACLE в архитектуре клиент-сервер/И.Ю.Петрова, Е.А.Лазуткина, Р.Р.Жедунов Астрахань:Изд-во АГТУ, 2002. - 196 с.

69. Поляхов, Д.Н. Самоорганизующаяся экспертная система для диагностики электрооборудования/Д.Н.Поляхов, О.Ю.Сабинин, Н.И.Калачева//Приборы и системы-2005- №9,- С.50-52.

70. Поспелов, Д.А. Ситуационное управление: теория и практика/Д.А. Поспелов -М.:Наука, 1986.-288 с.

71. Прокопов Б.И. О построении адаптивных наблюдателей/Б.И.Прокопов //Автоматика и телемеханика-1981 №5- С.95-100.

72. Промышленные установки каталитического риформинга/В.А.Гуляев, Г.А.Ластовкин и др. Под ред. Г.А. Ластовкина- Л.: Химия, 1984 г. 232 с.

73. Проталинский, О.М. Применение методов искусственного интеллекта при автоматизации технологичесих процессов/О.М.Проталинский Астрахань: изд-во Астраханского го с.техн.ун-та, 2004. - 184 с.

74. РД 03-418-01 «Методические указания по проведению анализа риска опасных производственных объектов» — Введен 1.10.2001 г. — Гостехнадзор России, — //Безопасность труда в промышленности. 2001. - №10. - С.40-50.

75. Русановский, Е.С. Установка каталитического риформинга/Е.С.Русановский -М.:Химия, 1975,-72 с.

76. Саплин, М.С. Фотоэлектрическое устройство, воспринимающее цифровые печатные знаки/М.С. Саплин//Электронные вычислительные машины. — 1960 г. -№1.-С.110-123.

77. Себастиан, Г.С. Процессы принятия, решений при распознании образов/Г.С.Себастиан -Киев.: Техника, 1965 с. 151 с.

78. Северцев, Н.А. Надежность сложных систем в эксплуатации и отработке/Н.А. Северцев М.:Высш.шк.,1989. - 432 с.

79. Статистические методы анализа безопасности сложных технических систем/ Л.Н.Александровская, И.З.Аронов, А.И.Елизаров и др. Под ред.В.П.Соколова. — М.:Логос, 2001.-232 с.

80. Сулимов, А.Д. Каталитический риформинг бензинов/А.Д. Сулимов М.: Химия, 1973,- 152 с.

81. Тищенко, Н.М. Введение в проектирование систем управления/Н.М.Тищепко -М.:Энергоатомиздат, 1986.-248 с.

82. Ту, Дж. Гонсалес Р. Принципы распознавания образов. Пер. с англ./Дж. Гонсалес Р. Ту. Под ред.Р.И.Журавлева — М.:Энергоатомиздат, 1978. —411 с.

83. Федеральный Закон РФ «О промышленной безопасности опасных производственных объектов» №116-ФЗ — Введ. 21.07.1997//Гражданская защита — 1997 -№11 — С.68-75.

84. Филоненко, А.В. Идентификация предаварийных ситуаций установки получения серы методом Клауса: дисс. . канд. техн. наук: 3.06.2005 г.:утв.24.12.2005 /А.В. Филоненко Астрахань, 2005 г. - 156 с.

85. Флейшман, Б.С. Основы системологии/Б.С.Флейшман — М.:Радио и связь, 1982. -368 с.

86. Француз, А.Г. О возможном биологическом механизме опознавания образов//Механизмы опознания зрительных образов. Проблемы физиологической оптики/А.Г.Француз М: Наука, 1967 г. - С.53-69.

87. Халимов, А.Г. Техническая диагностика и оценка ресурса аппаратов /А.Г.Халимов, Р.С.Зайнуллин, А.А.Халимов Уфа, Изд-во УГНТУ, 2001. - 408 с.

88. Химмельблау, Д. Обнаружение и диагностика неполадок в химических и нефтехимических процессах. Пер. с англ./ Д. Химмельблау — Л.:Химия,1983 г. -352 с.

89. Чачко, А.Г. Подготовка операторов энергоблоков: Алгоритмический подход/ А.Г. Чачко М.:Энергоатомиздат, 1986. - 232 с.

90. Шеридан, Т.Б. Модели обработки информации, управления и принятия решений человеком-оператором. Пер.с англ./Т.Б.Шеридан, У.Р. Ферелл. Под ред. К.В.Фролова. М. Машиностроение, 1980.-400 с.

91. Эйкхофф, П. Основы идентификации систем управления. Оценивание параметров и состояния. Пер. с англ./П. Эйкхофф. Под ред.Н.С.Райбмана -М.:Мир,1975 685 с.

92. Ястребова, Н.А. Техническое обслуживание и ремонт компрессоров /Н.А.Ястребова, А.И.Кондаков, Б.А.Спектор. М.Машиностроение, 1991. - 240 с.

93. A Real Time Expert System for Process Control/R. Moore, L.Hawkinson, C.Knickerbocker et al.//First Conf. on Artifical Intelligence Applications. IEEE Computer Society, 1984 - P. 178-186.

94. Expert System Gives Advice for the Real time Control/«Dig.Des» — 1985 №4, -P.28-30.

95. Husson, J. PILOTEX Expert System for Process Control and Maintenance//J.Husson — Zurich:Cottlieb Duttweiler Institute Ruschilicon,1985. P.128-134.

96. Morel, D. II Upgrading Heavy Ends with IFP. Paris:Ed. Institut francais du petrole,1998. 334 p.

97. Sherman, H. A quasy-topological method for recognition of line patterns. Paris, 1959 -396 p.

98. Tou, R.M. Synthesis of Fuzzy Models for Industrial Processes Some Resent Results/ R.M. Tou //International Journal of General Systems - 1978 - №4 - p. 143-163.

99. ФОРМАЛИЗОВАННОЕ ОПИСАНИЕ ПРАВИЛ ИДЕНТИФИКАЦИИ ОТКАЗОВ И НАРУШЕНИЙ