автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.06, диссертация на тему:Идентификация предаварийных ситуаций установки получения серы методом Клауса

На правах рукописи

ФИЛОНЕНКО АЛЕКСАНДР ВАСИЛЬЕВИЧ

ИДЕНТИФИКАЦИЯ ПРЕДАВАРИЙНЫХ СИТУАЦИЙ УСТАНОВКИ ПОЛУЧЕНИЯ СЕРЫ МЕТОДОМ КЛАУСА

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

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Астрахань 2005

Работа выполнена на кафедре «Автоматизация технологических процессов» Астраханского государственного технического университета.

Научный руководитель:

доктор технических наук Проталинский Олег Мирославович

Официальные оппоненты:

доктор технических наук Цыганков Михаил Петрович; кандидат технических наук Свечников Юрий Константинович

Ведущее предприятие:

Астраханский научно-исследовательский и проектный институт газа

Защита состоится 3 июня 2005 в 15 часов на заседании диссертационного совета Д 307001.01 но присуждению ученой степени доктора технических наук в Астраханском государственном техническом университете по адресу: г. Астрахать, ул. Татищева, 16, ауд. г.305

Отзывы на автореферат в двух экземплярах, заверенные гербовой печатью, просим направлять по адресу: 414015, г. Астрахань, ул. Татищева, 16, АГТУ, ученому секретарю диссертационного совета Д 307.001.01.

С диссертацией можно ознакомиться в библиотеке университета

Автореферат разослан

Ученый секретарь

диссертационного совета, профессор

Г.А. Попов

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Экономическое развитие России в большой степени определяется положением дел в газоперерабатывающей отрасли. Существенную долю в этой отрасли занимает производство серы из углеводородного сырья. Самым распространенным способом получения серы является производство по методу Клауса. В нашей стране метод Клауса применяется для получения серы на Астраханском, Оренбургском и других газоперерабатывающих заводах. В настоящее время регенерация серы из сероводорода является основным источником ее получения.

В последние годы наблюдается тенденция увеличения мощности и количества установок получения серы. При этом безопасность процесса обеспечивается системой аварийных сигнализаций и блокировок. Автоматическая остановка процесса осуществляется в течении 5 мин. При номинальной мощности установки 9Л000 м3/ч за что время в атмосферу выбрасывается 8000 м3 не переработанного кислого газа. Это привидт к кратковременному стократному превышению ПДК, На Астраханском газоперерабатывающем заводе установка получения серы по методу Клауса используется для переработки продуктов реакций всех остальных производств. Поэтому ее остановка может привести к остановке всего завода, что связано с большими экономическими потерями.

В таких условиях использование традиционной системы аварийных блокировок не может служить гарантией обеспечения достаточного уровня безопасности и экологической чистоты производства. Необходимо использование систем, позволяющих заблаговременно идентифицировать возможный переход процесса в аварийный режим и предотвратить его остановку.

Разработка таких систем сопряжена с определенными трудностями. Это связано с отсутствием адекватных математических моделей процессов, развитие которых может привести к аварии. Основными препятствиями на пути создания математического описания этих процессов являются большое число факторов, определяющих положение на объекте, и необходимость обработки качественной информации. К ней можно отнести информацию о составе сырья, состоянии технологического оборудования и др.

Таким образом, создание системы идентификации предаварийных ситуаций для установки получения серы методом Клауса, позволяющей повысить безопасность процесса, является, несомненно, актуальной научной и практической проблемой.

Целью настоящей работы является повышение безопасности процесса получения серы методом Клауса за счет раннего распознавания предаварийных ситуаций.

Научная проблема - создание процедуры идентификации предаварийных ситуаций процесса получения серы методом Клауса.

Для достижения поставленной цели необходимо решить следующие задачи:

- синтезировать интеллектуальную ситуационную модель процесса получения серы методом Клауса, предназначенную для идентификации предаварийных ситуаций и их причин;

- создать быстродействующий алгоритм обработки количественной и качественной информации в режиме реального времени;

- разработать методику анализа технологического процесса как источника предаварийных ситуаций;

- реализовать в составе АСУ ТП процесса получения серы методом Клауса систему идентификации предаварийных ситуаций и соответствующую базу знаний;

- оценить эффективность системы идентификации.

Методы исследования. Для решения поставленных задач применялись общая теория автоматического управления, математическое моделирование, теория нечетких множеств и методы искусственного интеллекта.

Научная новизна работы состоит в следующем:

- предложена процедура построения ситуационных моделей технологических процессов, использующих как количественную, так и качественную информацию;

- впервые разработана методика анализа технологического процесса как источника предаварийных ситуаций;

- построена ситуационная модель термического реактора установки получения серы методом Клауса;

- разработан быстродействующий алгоритм обработки качественной информации, для использования в режиме реального времени.

Практическая ценность работы:

- создана база знаний о термическом реакторе установки получения серы методом Клауса, как об источнике предаварийных ситуаций;

- разработана система идентификации предаварийных ситуаций установки получения серы методом Клауса.

Апробация работы. Основные теоретические и прикладные результаты диссертационной работы изложены в 12 публикациях. 4

Результаты работы докладывались на XII Международной научной конференции «Математические методы в технике и технологиях ММТТ-XII» (г. Великий Новгород, 1999), XIII Международной научной конференции «Математические методы в технике и технологиях ММТТ-2000» (г. Санкт-Петербург, 2000), XIV Международной научной конференции «Математические методы в технике и технологиях ММТТ-XIV» (г. Смоленск, 2001), XV Международной научной конференции «Математические методы в технике и технологиях» (г. Тамбов, 2002), XVI Международной научной конференции «Математические методы в технике и технологиях ММТТ-Дон» (г. Ростов-на-Дону, 2003), XVII Международной научной конференции «Математические методы в технике и технологиях MMTT-XVП» (г. Кострома, 2004).

Структура и объем работы. Диссертационная работа состоит из введения, четырех глав, выводов по работе, списка используемой литературы и приложений. Она изложена на 139 страницах, содержит 22 рисунка. Список литературы включает в себя 96 наименований. Приложения объемом 17 страниц,

СОДЕРЖАНИЕ РАБОТЫ

Во введении показана актуальность, сформулирована цель, определена научная новизна и практическая ценность результатов данной работы, приведено краткое содержание работы по главам.

Первая глава посвящена анализу технологического процесса-получения серы методом Клауса. В ней рассмотрен химизм процесса получения элементарной серы из кислого газа. Описана технология получения серы используемая на Астраханском газоперерабатывающем заводе, приведено описание всех аппаратов установки Клаус. Приведены нормативные значения основных технологических параметров процесса. Рассмотрены возможные аварийные положения и меры по их ликвидации.

Приведен обзор работ по повышению безопасности процесса получения серы методом Клауса, который показал, что применение известных методов не позволит обеспечить требуемый уровень безопасности.

В целях создания системы раннего распознавания угрозы аварии введено понятие предаварийной ситуации (ПАС), обладающей следующими чертами:

- отклонение от номинального режима работы, что при неблагоприятных условиях приведет к аварии;

- каждый технологический параметр находится еще в допустимых диапазонах, хотя некоторые могут достигать предельных значений;

- в целом комбинация значений параметров может характеризовать ситуацию на объекте как близкую к аварийной.

Проведен анализ возможных аварийных положений на объекте, который показал необходимость использования качественной информации о процессе в целях идентификации ПАС. Для описания зависимости характера ситуации на объекте от совокупности значений технологических параметров введено понятие интеллектуальной ситуационной модели (ИСМ), использующей как количественную, так и качественную информацию о процессе и основанную на знаниях человека-эксперта.

Поставлена цель работы, сформулированы задачи исследования.

Вторая глава посвящена разработке процедуры идентификации ПАС на технологических объектах управления.

Во второй главе приведено описание структуры интеллектуальной ситуационной модели, для формализации которой используется аппарат нечетких множеств. Отмечено, что традиционно в качестве ситуационной модели используется матрица нечеткого отношения Я, которая представляет собой нечеткое множество порядка N + 1. В режиме реального времени осуществляется идентификация текущего состояния объекта. Нечеткое множество характеризующее выходную

координату, вычисляется путем последовательного проведения операции МтМах композиции текущих значений нечетких множеств, описывающих параметры объекта и матрицы

нечеткого отношения Я.

Эффективное управление технологическим процессом в режиме ПАС невозможно без информации о вызвавшей ее причине. Для выбора характера управляющего воздействия разработана классификация причин ПАС. Все причины разделены на три группы: повреждение технологического оборудования, изменение входных координат объекта, повреждение информационных каналов. Для каждой группы причин приведено описание действий по выходу из ПАС. Для определения причины ПАС в режиме реального времени разработана процедура формализации экспертных знаний о причинах ПАС, основанная на использовании ИСМ.

Предлагаемая процедура предназначена для использования в режиме реального времени. Оценка текущей ситуации производится в следующей последовательности: ввод значений параметров измеряемых количественно, ввод оператором значений качественных параметров, формализация полученных значений, расчет значений динамических

параметров, вычисление нечеткого множества, описывающее текущее положение на объекте, дефазификация полученного значения.

Проведен анализ аппаратных ресурсов, необходимых для использования традиционной вычислительной процедуры. Обоснована необходимость ее модернизации. Предложены четыре аспекта совершенствования вычислительной процедуры: хранение непосредственно правил, а не полной матрицы нечеткого отношения Я; преобразование вложенных циклов в последовательные за счет совместного проведения операций объединения, пересечения и композиции нечетких множеств (именно эти предложения уже делались Мамдани) исключение из процедуры обработки правил, которые не имеют отношения к текущей ситуации; предварительное исключение из процедуры обработки информации элементов нечетких множеств, не принадлежащих диапазонам текущих значений входных переменных;

В основе реализации первых двух аспектов лежит ликвидация разделения между операцией формирования матрицы нечеткого отношения Я и операцией композиции. Объединив эти операции, получим нечеткое множество, характеризующее текущее положение на объекте:

0)

(2)

где N - количество входов ситуационной модели, т - количество правил, Х1к - значение на /-том входе модели, используемое в £-том правиле, У1 - значение на выходе модели, используемое в к-том правиле, 7x1 - количество элементов нечеткого множества, описывающего соответствующий параметр, / - количество элементов множества, /л -функция принадлежности.

Для расчета значения выражения (1) выполняются последовательные циклы. Значение, описывающее выход ситуационной модели, рассчитывается непосредственно на основании правил, без использования матрицы Я. Выражения вида

у/=1

(3)

не зависят от г, следовательно, их значения могут быть вычислены однократно, и использоваться в дальнейшей процедуре расчета.

Анализ выражения (3) позволяет сделать следующие выводы: объем вычислений выполняемых в реальном времени зависит от размерности модели (1Я), количества правил (т) и размера базовых множеств, применяемых для формализации ЛП ... JxN)■ При этом все зависимости носят линейный характер.

Проведена дальнейшая модернизация, суть которой отражают третий и четвертый сформулированный аспект коррекции. Проанализируем выражение

При расчете в режиме реального времени оно принимает т значений - по одному на каждое правило. Эти значения целесообразно вычислить один раз и сохранить в оперативной памяти для проведения последующих расчетов.

Определение значения (4) сводится к последовательному вычислению выражений (3). Если одно из них принимает нулевое значение, то (4) равно нулю. Поэтому вычисление (4) целесообразно вести до появления первого нулевого значения. В реальных условиях, чаще всего, строится на основании показаний измерительных

приборов, и, как правило, представляет собой нечеткое множество из трех и менее элементов. Поэтому существенное число элементов множества имеют функцию принадлежности равной нулю и

выражение (3) вычисляется только для ненулевых значений элементов

^тос,-

На основе приведенных выше аспектов разработан алгоритм, реализующий модифицированную вычислительную процедуру. Для оценки эффективности предложенного алгоритма и определения областей его применения были проведены сравнительные исследования с алгоритмом Заде и алгоритмом Мамдани. Результаты исследования приведены на рис. 1.

Результаты сравнительного анализа показали, что использование предлагаемой процедуры целесообразно в моделях четвертого и более высоких порядков. Установлено, что программа, использующая модифицированную вычислительную процедуру значительно менее требовательна к объему оперативной памяти, чем традиционная, и успешно работает с моделями высоких порядков. Для традиционной процедуры предельной оказалась модель с пятью входными координатами. Увеличение размерности модели не существенно увеличивает модифицированную вычислительную процедуру, что существенно расширяет область ее применения.

- - апгориты Мамдани

Рис 1 Зависимость быстродействия вычислительных процедур от размерности ИСМ

Для определения эффективности модифицированной процедуры выполнено исследование влияния количества входных координат модели и количества правил в базе знаний на ее быстродействие, которое проводилось в два этапа На первом этапе изучалось влияние количества правил на время обработки информации Использовались модели с количеством входных координат о 3 до 15 Количество правил варьировалось от 1 до 50000 На втором этапе исследовалось влияние размерности модели на быстродействие вычислительной процедуры Использовались базы знаний с количеством правил от 10000 до 75000 Размерность модели изменялась в диапазоне от 1 до 15 Результаты исследований приведены на рис 2

Исследования показали, что предложенная вычислительная процедура удовлетворяет высоким требованиям по быстродействию для решения задач управления в реальном времени

Третья глава посвящена анализу установки получения серы методом Клауса как источника ПАС и созданию соответствующей базы знаний

Эффективность распознавания предаварийных ситуаций зависит от полноты и точности правил, формирующих базу знаний Для упрощения процесса формирования полной базы знаний была разработана соответствующая методика

В соответствии с предлагаемой методикой все правила, формирующие базу знаний, разделены на три группы К первой группе отнесены правила, соответствующие аварийной ситуации Вторая состоит из правил, отражающих предаварийные ситуации, возникшие в результате нанесения управляющих воздействий или текущих возмущений Третью группу составляют правила, соответствующие ситуациям, вызванным повреждением технологического оборудования

В целях создания методики анализа объекта как источника ПАС введено понятие потенциально опасного фактора (ПОФ) Предложено для каждого критического значения ПОФ создать правило первой группы Такие правила имеют вид

«Если Параметр 1 = Любое и и Параметр i = Критическое и и ПараметрN= Любое, то Ситуация = Аварийная», где «Параметр » соответствует ПОФ

Совокупность таких правил формирует в пространстве состояний объекта область аварийных ситуаций (ОАС) Каждое правило второй группы содержит в себе описание ситуации близкой к ОАС и «опасной» динамики, которая может привести к аварии Под «опасной» динамикой понимается такое изменение технологически параметров, при котором процесс смещается в направлении ОАС

Рис 2 Зависимость быстродействия от количества правил и размерности

модели

Правила третьей группы формируются на основе анализа данных о технологическом оборудовании. Для построения таких правил необходимо осуществить декомпозицию объекта на элементарные участки. Для каждого участка создается перечень возможных повреждений. Каждому повреждению ставится в соответствие правило описывающее характерное для него сочетание значений технологических параметров.

На основании предложенной методики проведен анализ термического реактора установки Клауса как источника ПАС. Выделены следующие ПОФ: расход кислого газа на входе в реактор (Оьг), расход воздуха на входе в реактор (0В03д), температура в реакторе (Т), соотношение воздух/кислый газ (Т), состав кислого г а (С) к.г.),! л е н и е в реакторе (Р), давление воздуха на входе в реактор (РвоиХ давление кислого газа на входе в реактор (Ркг). Установлено что изменение следующих параметров может повлиять на ПОФ: температура кислого газа на входе в реактор (Ткг), температура воздуха на входе в реактор (Твозд). состав воздуха возд.)' Проведенный анализ показал, что для эффективной оценки текущего состояния необходимо оценивать скорости изменения ряда параметров: давление воздуха на входе в р е а к т (¿Рщцц), л е н и е в реакторе (с1Р). расход воздуха на входе в реактор ((Ювозд), температура в реакторе (сГГ), расход кислого газа на входе в реактор давление кислого газа на входе в реактор

В результате опроса экспертов выявлены следующие возможные события, приводящие к аварийному состоянию и изменению структуры технологического объекта: срыв пламени, повреждение воздуховода, повреждение подающего трубопровода, увеличение сопротивление катализатора в конверторах Сульфрин за счет его перенасыщения серой, спекание катализатора конвертора Клауса, увеличение сопротивления газа в конденсаторе-экономайзере.

Исследованы взаимосвязи технологических параметров объекта управления. Построена диаграмма взаимного влияния факторов, на которой дополнительно показаны динамические параметры и их взаимосвязи, а так же возможные повреждения технологического оборудования (рис. 3).

На основе диаграммы взаимного влияния факторов в соответствии с предложенной методикой сформирована база знании о термическом реакторе установки получения серы методом Клауса, как об источнике НАС.

В работе приведены результаты верификации процедуры идентификации ПАС, проводилась с использованием модели термического реактора установки получения серы методом Клауса. Для верификации процедуры идентификации существующая модель статики

технологического объекта была расширена путем внесения динамической составляющей.

Для моделирования переходных процессов по каждому каналу «вход-выход» использовалось апериодическое звено первого порядка с чистым запаздыванием.

В начале каждого такта осуществлялся расчет модели статики с входными значениями предыдущего такта. Выходные значения, полученные при этом расчете, сохранялись в качестве базовых. Последовательно для каждого входа, производился расчет статической модели по текущим значениям. Используя полученный коэффициент усиления и постоянные времени, соответствующие каждой паре «вход-выход» строился переходный процесс по каждому каналу. Переходный процесс, вызванный текущим тактом, определялся как суперпозиция переходных процессов по каждому каналу. Выход модели в целом рассчитывался как суперпозиция переходных процессов каждого такта.

Имитационное моделирование осуществлялось в следующем порядке. В первую очередь проверялась способность системы идентифицировать аварийные положения, соответствующие блокировке технологического процесса. Для этого на вход модели ТР подавались значения соответствующие аварии, и регистрировался результат работы СИПАС. Все ситуации, в которых не было идентифицировано аварийное положение, регистрировались для последующего анализа.

Затем исследовалось качество распознавания ПАС, вызванных изменением входных параметров. Для этого на входы модели подавались сигналы от генераторов случайных процессов, соответствующих реальным значениям технологических параметров ТР. В ходе моделирования регистрировались все аварийные ситуации до наступления, которых не была идентифицирована ПАС, а так же ситуации, идентифицированные как ПАС после, которых не возникала авария.

На следующем этапе изучалась реакция СИПАС на ситуации, вызванные повреждением оборудования. Для этого в модуле имитации ТР поочередно устанавливались признаки всех возможных повреждений. В остальном последовательность моделирования соответствовала предыдущему этапу.

Все зарегистрированные ситуации были проанализированы. На основе анализа выявлены тфотиворечивъте или неполные правила. После внесения соответствующих корректив в базу знаний было проведено повторное моделирование, в результате, которого получены следующие результаты:

- идентификация ситуаций, соответствующих аварийной блокировке -100%;

- идентификация ПАС до аварийной блокировки - 93%;

- идентификация повреждения оборудования - 84%;

- ложные срабатывания - 8%.

В табл. 1 представлено количество аварийных положений, соответствующих аварийной блокировке, зарегистрированных в ходе имитационного моделирования, а также количество идентифицированных ПАС, соответствующих этим авариям.

Табл. 1. Количество идентифицированных ПАС

Авария Кол-во аварий Количество идентифицированных ПАС %

1 Низкий расход кислого газа на входе в реактор 4320 4147 96

2 Высокий расход кислого газа на входе в реактор 4985 4636 93

3 Низкий расход воздуха на входе в реактор 3600 3420 95

4 Высокая температура в реакторе 4100 3772 92

5 Низкая температура в реакторе 3760 3534 94

6 Низкое соотношение воздух/кислый газ 4320 3931 91

7 Низкое содержание Н28 в кислом газе на входе в реактор 3317 3018 91

8 Высокое содержание Н28 в кислом газе на входе в реактор 3000 2760 ~31бГ 92 93

9 Высокое давление в реакторе 3400

10 Низкое давление воздуха на входе в реактор 3250 2958 91

И Низкое давление кислого газа на входе в реактор 4320 3974 92 |

В табл. 2 приведена статистика идентификации аварийных положений вызванных изменением структуры технологического объекта.

Анализ результатов имитационного моделирования позволяет сделать ряд выводов. СИПАС распознает все аварийные положения соответствующие аварийной блокировке. В подавляющем большинстве случаев до возникновения аварии была идентифицирована ПАС, что позволяет нанести своевременные корректирующие воздействия на процесс. СИПАС позволяет быстро идентифицировать большую часть ситуаций связанных с повреждением технологического оборудования и сократить возможный ущерб. При этом количество ложных

срабатываний невелико. Таким образом, результаты имитационного моделирования подтвердили целесообразность использования СИПАС для предотвращения большого количества аварийных остановок процесса.

Кол-во Кол-во

сгене- иденти-

№ Вид аварии рированных аварий фицированных аварий %

1 Срыв пламени 4150 4097 99

2 Повреждение воздуховода 4125 3354 81

3 Повреждение подающего трубопровода 3980 3220 81

4 Увеличение сопротивления катализатора в конверторах Сульфрин за счет его перенасыщения серой 4058 3150 78

5 Спекание катализатора конвертора Клауса 3995 3215 80

б Увеличение сопротивления газа в конденсаторе-экономайзере 4015 3354 84

Четвертая глава посвящена реализации системы идентификации предаварийных ситуаций установки Клауса. Предложено для создания СИПАС использовать двухуровневую систему управления. Основным преимуществом такой структуры является распределение функций системы между оборудованием различных уровней и как следствие повышенная надежность функционирования.

При этом микроконтроллеры нижнего уровня предназначены для сбора, первичной обработки и передачи информации о процессе в центральную управляющую ЭВМ. Задачи идентификации ПАС в такой структуре возлагаются на центральную ЭВМ верхнего уровня. Такое распределение функций между частями системы позволит оптимально использовать существующую систему автоматизации без внесения существенных изменений в техническую реализацию.

Разработана алгоритмическая структура СИПАС (рис. 4). Информация о значениях технологических параметров, измеряемая при помощи датчиков поступает в ЭВМ нижнего уровня (блок 1). На нижнем уровне эта информация используется для поддержания регулируемых параметров на заданных значениях (блок 2) и аварийной блокировки (блок 3). Параллельно значения параметров процесса передаются на верхний уровень, где используются для целей индикации (блок 4), регистрации (блок 5) и управления (блок 6). Затем, на основании этой

Рис. 4. Алгоритмическая структура системы идентификации предаварийных ситуаций

информации, осуществляется предварительная оценка текущей ситуации на объекте (блок 7). Помимо этого, для расчета характеристики текущей ситуации, используется качественная информация о процессе, вводимая оператором (блок 8). Результаты расчетов выводятся на монитор (блок 9). В случае возникновения ПАС производится идентификация ее причины (блок 10) и вывод результата на монитор оператора (блок 11).

Предложено интегрировать СИПАС и существующую 8СЛБЛ систему. Сопряжение СИПАС и 8СЛБЛ-системы предполагает наличие следующих аспектов взаимодействия: генерирование 8СЛБЛ-системой команды на запуск алгоритма идентификации ПАС, регистрация 8СЛБЛ-системой данных об измеряемых параметрах технологического процесса за ряд временных тактов, их предварительная обработка и передача во внешнее приложение, опрос 8СЛБЛ-системой оператора и ввод значений техно логических параметров, оцениваемых качественно в виде значений лингвистических переменных, передача внешним приложением оценки текущей ситуации и ее причины для дальнейшей индикации средствами 8СЛБЛ-системы, формирование и передача внешним приложением управляющих воздействий.

Разработана техническая структура СИПАС. Определены технологические параметры объекта, требующие измерения и регистрации, приведены возможные типы датчиков и исполнительных устройств. Для определения быстродействия системы разработано тестовое программное обеспечение. Проведен вычислительный эксперимент в ходе которого установлено, что при самом неблагоприятном стечении обстоятельств обшее время одного такта СИПАС составляет около 6 секунд. По результатам эксперимента сделан вывод о том, что СИПАС является эффективным средством повышения безопасности технологического процесса за счет раннего распознавания угрозы аварии.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

Общим результатом работы является научно обоснованное решение проблемы повышения безопасности процесса получения серы методом Клауса.

1. Создана процедура построения интеллектуальных ситуационных моделей технологических процессов, использующих как количественную, так и качественную информацию

2. Синтезирована интеллектуальная ситуационная модель термического реактора установки получения серы методом Клауса

3. Разработан быстродействующий алгоритм обработки количественной и качественной информации для использования в режиме реального времени

4. На основе предложенной методики проведен анализ термического реактора установки Клауса как источника предаварийных ситуаций

5. Разработана система идентификации предаварийных ситуаций и база знаний для термического реактора установки получения серы методом Клауса

6. Произведена оценка эффективности системы идентификации предаварийных ситуаций. По данным имитационного моделирования внедрение предлагаемой системы позволит идентифицировать 93% предаварийных ситуаций до срабатывания аварийной блокировки

Содержание диссертация отражено в следующих работах:

1. Проталинский О.М., Филоненко А.В. Применение математического аппарата нечетких множеств для идентификации предаварийной ситуации//Сборник трудов XII Международной научной конференции «Математические методы в технике и технологиях ММТТ-ХП». - Великий Новгород, 1999. - Т.5. - С. 80-82.

2. Проталинский О.М., Филоненко А.В. Оптимизация алгоритмов обработки нечетких отношений//Сборник трудов XIII Международной научной конференции «Математические методы в технике и технологиях ММТТ-2000». - Санкт-Петербург, 2000. - Т.4. - С. 70-71.

3. Проталинский О.М., Филоненко А.В. Идентификация причин предаварийных ситуаций с использованием нечетких множеств//Сборник трудов ХШ Международной научной конференции «Математические методы в технике и технологиях ММТТ-2000». - Санкт-Петербург, 2000. - Т.4. - С. 65-66.

4. Проталинский О.М., Филоненко А.В. Оптимизация вычислительных процедур в задачах распознания образов с использованием нечетких множеств//Вестник Тамбовского государственного технического университета. - 2000. - Т.6. -№1.-С. 54-57.

5. Проталинский О.М., Филоненко А.В. Использование качественной информации для идентификации предаварийной

ситуации//Сборник трудов XIV Международной научной конференции «Математические методы в технике и технологиях MMTTOOV». - Смоленск, 2001. - Т.2. - С. 204-205.

6. Проталинский О.М., Филоненко А.В. Основные направления применения математического аппарата нечетких множеств при автоматизации технологических процессов//Вестник Астраханского государственного технического университета. Автоматика и электромеханика. Сб. научн. трудов. - Астрахань: Изд-во АГТУ, 2002. - С. 18-21.

7. Проталинский О.М., Филоненко А.В. Управление технологическими процессами в режиме предаварийной ситуации//Сборник трудов XV международной научной конференции «Математические методы в технике и технологиях MMTT-XV». - Тамбов, 2002. - Т.5. - С. 113-114.

8. Проталинский О.М., Филоненко А.В. Распознавание предаварийных ситуаций на технологических объектах управления//Промышленные контроллеры и АСУ. - 2003. - №8. -С. 26-27.

9. Проталинский О. М., Филоненко А.В. Анализ непротиворечивости и полноты нечетких моделей//Сборник трудов XVI международной научной конференции «Математические методы в технике и технологиях MMTT-XVI». - Ростов-на-Дону, 2003. - Т.4. - С. 124-125.

10. Проталинский О.М., Филоненко А.В. Распознавание предаварийных ситуаций на технологических объектах управления с использованием нечетких множеств//Известия ВУЗов. Севиро-Каиказскйй регион. Технические науки. - 2003. -№3.-С. 19-21.

11. Проталинский О.М., Филоненко А.В. Анализ объекта управления как источника предаварийных ситуаций//Сборник трудов XVII международной научной конференции «Математические методы в технике и технологиях MMTT-XVII». - Кострома: КГТУ, 2004. -Т.6. -С. 30-31.

12. Проталинский О.М., Филоненко А.В., Костин Д.В., Булыгина М.А., Буйлов К.В. Модифицированный алгоритм обработки качественной информации с использованием нечетких множеств / Российское агентство по патентам и товарным знакам (Роспатент). Свидетельство об официальной регистрации программ для ЭВМ №2004610774 от 29 марта 2004 г.

Тип АГТУ Зак. 260 Тир 100 26.04.05

971

ВВЕДЕНИЕ.

ГЛАВА 1. ОПИСАНИЕ ТЕХНОЛОГИЧЕСКОГО ПРОЦЕССА ПОЛУЧЕНИЯ СЕРЫ МЕТОДОМ КЛАУСА И ПОСТАНОВКА ЗАДАЧИ ИССЛЕДОВАНИЯ.

1.1. Описание технологического процесса получения серы методом Клауса.

1.2. Возможные аварийные положения на объекте и меры по* их ликвидации.

1.3. Состояние вопросов обеспечения безопасности процесса получения серы метом Клауса (литературный обзор).

1.4. Постановка задачи исследования.

Выводы по первой главе.

ГЛАВА 2. ПРОЦЕДУРА ИДЕНТИФИКАЦИИ ПРЕДАВАРИЙНЫХ СИТУАЦИЙ НА ТЕХНОЛОГИЧЕСКИХ ОБЪЕКТАХ УПРАВЛЕНИЯ.

2.1. Ситуационная модель технологического процесса как источника предаварийных ситуаций.

2.2. Идентификация причин предаварийных ситуаций на объектах управления.

2.3. Вычислительная процедура обработки качественной информации в режиме реального времени.

2.4. Функциональная структура системы идентификации предаварийных ситуаций.

Выводы по второй главе.

ГЛАВА 3. СИСТЕМА ИДЕНТИФИКАЦИИ ПРЕДАВАРИЙНЫХ СИТУАЦИЙ УСТАНОВКИ ПОЛУЧЕНИЯ СЕРЫ МЕТОДОМ КЛАУСА

3.1. Методика анализа технологического объекта управления как источника предаварийных ситуаций.

3.2. Анализ термического реактора установки Клауса как источника предаварийных ситуаций.

3.3. Верификация процедуры идентификации предаварийных ситуаций методом имитационного моделирования.

Выводы по третьей главе.

ГЛАВА 4. РЕАЛИЗАЦИЯ СИСТЕМЫ ИДЕНТИФИКАЦИИ ПРЕДАВАРИЙНЫХ СИТУАЦИЙ УСТАНОВКИ КЛАУСА.

4.1. Алгоритмическая структура системы идентификации предаварийных ситуаций.

4.2. Интеграция программного обеспечения системы идентификации предаварийных ситуаций и SCADA-систем.

4.3. Техническая структура системы идентификации предаварийных ситуаций.

Выводы по четвертой главе.

ВЫВОДЫ.

Экономическое развитие России в большой степени определяется положением дел в газоперерабатывающей отрасли. Существенную долю в этой отрасли занимает производство серы из углеводородного сырья. По оценкам экспертов содержание серы в нефти и природном газе составляет 2*109 т. В углеводородном сырье сера представлена в основном в виде сероводорода, меркаптанов и других сероорганических соединений. В нашей стране находится семнадцать сероводородсодержащих газоносных бассейнов. Концентрация сероводорода в них составляет от 0,015 до 26,5%.

Сера находит широкое применение в народном хозяйстве. 'Она применяется в производстве серной кислоты, различных видов резины и пластмасс, а также для изготовления взрывчатых веществ. Самым распространенным способом получения серы является производство по методу Клауса. Свыше 90% мирового производства серы приходится на эту технологию [94]. В нашей стране метод Клауса применяется для получения серы на Астраханском, Оренбургском и других газоперерабатывающих заводах. Таким образом, в настоящее время регенерация серы из сероводорода является основным источником ее получения.

В последние годы наблюдается тенденция увеличения мощности и количества установок получения серы. При этом безопасность процесса обеспечивается системой аварийных сигнализаций и блокировок. Автоматическая остановка процесса осуществляется в течении 5 мин. При номинальной мощности установки 95000 м3/ч за это время в атмосферу л выбрасывается 8000 м не переработанного кислого газа. Это приводит к кратковременному стократному превышению ПДК. На Астраханском газоперерабатывающем заводе установка получения серы по методу Клауса используется для переработки продуктов реакций всех остальных производств. Поэтому ее остановка может привести к остановке всего завода, что связано с большими экономическими потерями.

В таких условиях использование традиционной системы аварийных блокировок не может служить гарантией обеспечения достаточного уровня безопасности и экологической чистоты производства. Необходимо использование систем позволяющих заблаговременно идентифицировать возможный переход процесса в аварийный режим и предотвратить его остановку.

Разработка таких систем сопряжена с определенными трудностями. Это связано с отсутствием адекватных математических моделей процессов, развитие которых может привести к аварии. Основными препятствиями на пути создания математического описания этих процессов являются большое число факторов определяющих положение на объекте и необходимость обработки качественной информации. К ней можно отнести информацию о составе сырья, состоянии технологического оборудования и др.

Таким образом, создание системы идентификации предаварийных ситуаций для установки получения серы методом Клауса, позволяющей повысить безопасность процесса, является, несомненно, актуальной научной и практической проблемой.

Целью настоящей работы является повышение безопасности процесса получения серы методом Клауса за счет раннего распознавания предаварийных ситуаций.

Научная проблема - создание процедуры идентификации предаварийных ситуаций процесса получения серы методом Клауса.

Для достижения поставленной цели необходимо решить следующие задачи:

- синтезировать интеллектуальную ситуационную модель процесса получения серы методом Клауса, предназначенную для идентификации предаварийных ситуаций и их причин;

- создать быстродействующий алгоритм обработки количественной и качественной информации в режиме реального времени;

- разработать методику анализа технологического процесса как источника предаварийных ситуаций;

- разработать в составе АСУ ТП процесса получения серы методом Клауса систему идентификации предаварийных ситуаций и соответствующую базу знаний;

- оценить эффективность системы идентификации.

Методы исследования. Для решения поставленных задач применялись общая теория автоматического управления, математическое моделирование, теория нечетких множеств и методы искусственного интеллекта. Научная новизна работы состоит в следующем:

- предложена процедура построения ситуационных моделей ч технологических процессов, использующих как количественную, так и качественную информацию;

- разработана методика анализа технологического процесса как источника предаварийных ситуаций;

- построена ситуационная модель термического реактора установки получения серы методом Клауса;

- разработан быстродействующий алгоритм обработки качественной информации, для использования в режиме реального времени. Практическая ценность работы:

- создана база знаний о термическом реакторе установки получения серы методом Клауса, как об источнике предаварийных ситуаций;

- разработана система идентификации предаварийных ситуация установки получения серы методом Клауса.

Апробация работы. Основные теоретические и прикладные результаты диссертационной работы изложены в 12 публикациях.

Результаты работы докладывались на XII Международной научной конференции «Математические методы в технике и технологиях ММТТ-ХП» (г. Великий Новгород, 1999), XIII Международной научной конференции «Математические методы в технике и технологиях ММТТ-2000» (г. Санкт-Петербург, 2000), XIV Международной научной конференции «Математические методы в технике и технологиях ММТТ-Х1У» (г. Смоленск, 2001), XV Международной научной конференции «Математические методы в технике и технологиях» (г. Тамбов, 2002), XVI Международной научной конференции «Математические методы в технике и технологиях ММТТ-Дон» (г. Ростов-на-Дону, 2003), XVII Международной научной конференции «Математические методы в технике и технологиях ММТТ-ХУИ» (г. Кострома, 2004).

Структура и объем работы. Диссертационная работа состоит из введения, четырех глав, выводов по работе, списка используемой литературы и приложений. Она изложена на 139 страницах, содержит 22 рисунка. Список литературы включает в себя 96 наименований. Приложения объемом 17 страниц.

выводы

Общим результатом работы является научно обоснованное решение проблемы повышения безопасности процесса получения серы методом Клауса.

В процессе решения данной проблемы получены следующие основные результаты:

1. Предложена процедура построения интеллектуальных ситуационных моделей технологических процессов, способных использовать как количественную, так и качественную информацию об объекте.

2. Разработан быстродействующий алгоритм обработки количественной и качественной информации, используемый для целей идентификации ПАС в режиме реального времени.

3. Разработана методика анализа технологического объекта управления как источника предаварийных ситуаций.

4. Создана база знаний о термическом реакторе установки Клауса, как об источнике предаварийных ситуаций. "Л

5. Построена интеллектуальная ситуационная модель термического реактора установки получения серы методом Клауса.

6. Разработана система идентификации предаварийных ситуаций установки получения серы методом Клауса, включая алгоритмическое и техническое обеспечение.

1. Айзерман М.А., Браверман. Э.М., Розоноейр Л.И. Теоретические основы метода потенциальных функций в задаче об обучении автоматов распознанию ситуаций на классы // Автоматика и телемеханика. 1964. - №6. - С. 917-937.

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

3. Акимов А.Н. Метод идентификации отказов динамических систем. Автоматика и телемеханика. М. 1992. С. 161-166

4. Бабиков H.A., Полупанов И.В. Построение нечетких моделей на основании информации низкой достоверности. В кн.: Тезисы докладов VI всесоюзной конференции «Математические методы в химии», ч. 2, Новочеркасск, 1989, с. 178.

5. Балакирев B.C., Заев A.B. Математическое описание сложных ХТС с использованием количественной и качественной информации. Деп . сб. : Применение методов кибернетики в практике прикладных задач химической технологии М:ВИНИТИ 1986 ,№4793-86.

6. Балакирев B.C., Проталинский О.М. Применение математического аппарата нечетких множеств при автоматизации технологических процессов. — Измерение, контроль, автоматизация, 1985, № 2, с. 8694.

7. Беллауз Дж. К. Система химической диагностики для электростанций. — В кн.: Искусственный интеллект: применение в химии.-М.: Мир, 1988.-С. 68-83.

8. Беллман Р., Заде Л. Принятие решений в расплывчатых условиях.- В кн.: Вопросы анализа и процедуры принятия решений.- М.:Мир, 1976.-С. 172-215.

9. Борисов А.Н., Алексеев A.B., Крумберг O.A. и др. Модели принятия решений на основе лингвистической переменной. Рига: Зинатне, 1982.-256 с.

10. Борисов А.Н., Алексеев A.B., Меркурьева Г.В. и др. Обработка нечеткой информации в системах принятия решений.- М: Радио и связь. 1989.-304 с.

11. Брюлле Д.Д. Отыскание неисправностей в технических устройствах // Зарубежная радиоэлектроника. 1961. - №7. - С. 27-34.

12. Вапник В.Н., Журавель A.A., Червоненкис А .Я. Алгоритмы обучения распознанию образов ОП1, ОП2, ОПЗ, использующие метод обобщенного портрета. В кн.: Алгоритмы обучения распознания образов. - М.: Советское радио, 1973. - С. 89-110

13. Горский В.Г., Браун Д.Л., Добриков В.В., Петрунин В.А. Анализ и оценка риска производственных объектов химического профиля. Вестник Удмуртского университета, 1994, спецвыпуск, с.67-82.

14. Горский В.Г., Швецова-Шиловская Т.Н., Кирсанов В.В., Терещенко Г.Ф. Анализ аварийного риска и обеспечение безопасности химически опасных объектов // Химическая промышленность, 2002, №4

15. ГОСТ 20 417-75. Техническая диагностика. Общие положения о принципах разработки диагностирования.

16. Гуляев В.А. Диагностика вычислительных машин. Киев: Техника, 1981.-167 с.

17. Гусев JI. А., Смирнова И. М. Развитие теории размытых множеств. -Изме-рения, контроль, автоматизация: Науч.-техн. Сб. обзоров/ЦНИИТЭИ прибо-ростроения. М.: 1978, вып. 3 (15), с. 3947.

18. Дорохов И.Н., Марков Е.П., Кафаров В.В. Особенности методологии нечетких множеств для описания физико-химических систем. ТОХТ, 1980, № 6, с. 908-919.

19. Заде JI. А. Основы нового подхода к анализу сложных систем и процессов принятия решений. — В кн. Математиика сегодня. М. .-Знание, 1974, № 6, с. 5-49.

20. Заде JI.A. Понятие лингвистической переменной и его применение к при-нятию приближенных решений. — М.:Мир, 1976. 165 с.

21. Закон "О промышленной безопасности опасных производственных объектов " № 116-ФЗ.

22. Ивахненко А.Г. Кибернетические системы с комбинированным управлениям. Киев: Техника, 1968. — 512 с.

23. Ивахненко А.Г., Лапа В.Г. Кибернетические предсказывающиеj,устройства. Киев: Наукова думка, 1965. - 214 с.

24. Ивахненко А.Г. Самообучающиеся системы распознания и автоматического регулирования. Киев: Техника, 1969. — 392 с.

25. Ивахненко А.Г. Системы эвристической самоорганизации в технической кибернетике. Киев: Техника, 1971. — 372 с.

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

27. Каган Б.М., Воителев А.И., Лукьянов Л.М. Системы связи УВМ с объекта-ми управления в АСУ ТП. Под ред. Б.М. Кагана. М.: Советское радио, 1978. 304 с.

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

29. Кафаров В.В., Марков Е.П., Дорохов И.Н. Методы формализации качественного описания химико-технологических процессов с помощью нечетких множеств. ДАН СССР, 1979, т. 246, № 4, с. 931-934.

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

31. Корнеева А.И., Матвейкин В.Г., Фролов C.B. Программно-технические комплексы, контроллеры и SCADA-системы. М., ЦНИИТЭХИМ, 1996.-Вып. 1-4.-219 с

32. Кофман А. Введение в теорию нечетких множеств. М.: Радио и связь, 1982. 413 с.

33. Ксенз С.П. Поиск неисправностей в радиоэлектронных системах методом функциональных проб. М.: Советское радио, 1965. - 135 с.

34. Кузнецов П.И., Пчелинцев JI.A., Гайденко A.C. Контроль и поиск неисправностей в сложных системах. М.: Советское радио, 1965. — 239 с.

35. Кузьмин И.И., Шапошников Д.А. Концепция безопасности: от риска «нулевого» к «приемлемому». // Вестник Рос. А.Н., 1994, т.64, №5, с.402-408.

36. Легасов В.А. Из сегодня в завтра. Мысли вслух. М.1996, с. 226.

37. Лысенко Э.В. Проектирование автоматизированных систем управления технологическими процессами. М.: Радио и сиязь, 1987. - 272с.

38. Марков Е.П. Формализация и переработка качественной информации в задачах моделирования и оптимизации химикотехнологических процессов: Дисс. на соиск. учен, степени канд. техн. наук. -М., 1981.

39. Мелихов А.Н., Берштейн JI.C., Коровин С.Я. Ситуационные советующие системы с нечеткой логикой.- М.: Наука, 1990.- 272 с.

40. Мельников Ю. Н. Достоверность информации в сложных системах -М.: Сов. радио, 1973.-192 с.

41. Мешалкин В.П. Экспертные системы в химической технологии. -М.: Химия, 1995. 368 с.

42. Мини- и микро-ЭВМ в управлении промышленными объектами/ Л.Г.Филиппов, И.Р.Фрейдзон, А.Давидовичу, Э. Дятку. Л.: Машиностроение, 1984.- 336 с.

43. Мищенко A.A. Автоматизированные системы технической диагностики сложных машин. М.: НИИ Информтяжмаш, 1978. -54 с.

44. Мячев A.A. и др. Интерфейсы систем обработки данных: Справочник. М. Радио и связь, 1989.-416с.: ил.

45. Нечеткие множества в моделях управления и искусственного интеллекта/А.Н. Аверкин, И.З. Батыршин, А.Ф. Блишун, В.Б. Силов, В.Б. Тарасов. Под ред. Д.А. Поспелова.- М.:Наука.Гл.ред.физ.-мат. лит., 1986.-312 с.

46. Обследование импортных установок Клауса Оренбургского ГПЗ производительностью 180 и 300 тыс. т/год с выдачей рекомендаций по улучшению работы установок: Отчет о НИР (заключ) / НИИОгаз; 3251-7-26.89 N ГР 01840025170; Инв. N 0284.0 080151. -М., 1984.

47. Орловский С.А. Проблемы принятия решений при нечеткой информации.- М.:Наука, 1981.- 206 с.

48. Пашковский Г.С. Задачи оптимального обнаружения и поиска отказов в РЭЛ. Под ред. И.А. Ушакова. М.: Радио и связь, 1981. -220 с.

49. Полупанов И. В. «Моделирование и оптимальное управление технологическими процессами с использованием нечетких алгоритмов (на примере производства серы методом Клаусса)». Дисс. на соиск. учен, степени канд. техн. наук. -М., 1990

50. Порфирьев Б.Н. Экологическая экспертиза и риск технологий // Итоги науки и техники. Сер. Охрана природы и воспроизводство природных ресурсов, т. 27. М.: ВИНИТИ, 1990, 204 с.

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

52. Промышленные приборы и средства автоматизации: Справочник / В.Я. Баранов, Т.Х. Безновская, В.А. Бек и др.; Под общ. ред. Черенкова. JL: Машиностроение. Ленингр. отд-ние. 1987. 847 е., ил.

53. Проталинский О. М., Филоненко A.B. Анализ непротиворечивости и полноты нечетких моделей//Сборник трудов XVI международной научной конференции «Математические методы в технике и технологиях MMTT-XVI». Ростов-на-Дону, 2003. - Т.4. - С. 124125.

54. Проталинский О.М., Филоненко A.B. Анализ объекта управления как источника предаварийных ситуаций//Сборник трудов XVII международной научной конференции «Математические методы в технике и технологиях MMTT-XVII». Кострома: КГТУ, 2004. -Т.6.-С.30-31.

55. Проталинский О.М., Филоненко A.B. Оптимизация алгоритмов обработки нечетких отношений//Сборник трудов XIII Международной научной конференции «Математические методы в технике и технологиях ММТТ-2000». Санкт-Петербург, 2000. -Т.4.-С. 70-71.

56. Проталинский О.М., Филоненко A.B. Оптимизация вычислительных процедур в задачах распознания образов с использованием нечетких множеств//Вестник Тамбовского государственного технического университета. 2000. - Т.6. - №1. - С. 54-57.

57. Проталинский О.М., Филоненко A.B. Распознавание предаварийцых ситуаций на технологических объектах управления//Промышленные контроллеры и АСУ. 2003. - №8. - С. 26-27.

58. Проталинский О.М., Филоненко A.B. Распознавание предаварийных ситуаций на технологических объектах управления с использованием нечетких множеств//Известия ВУЗов. СевероКавказский регион. Технические науки. 2003. - №3. - С. 19-21.

59. Проталинский О.М., Филоненко A.B. Управление технологическими процессами в режиме предаварийной ситуации//Сборник трудов XV международной научной конференции «Математические методы в технике и технологиях MMTT-XV». Тамбов, 2002. - Т.5. - С. 113-114.

60. Радерфорд Д. А., Блор Г. С. Применение нечетких алгоритмов для управления. ТИИЭР, 1976, т. 64, № 4, с. 198, 199.

61. Реакции, происходящие в процессе Клауса. Зарубежная техника, М.: ВНИИЭГазпром, 1975, №12, с. 16-23.

62. Ротач В.Я. Возможен ли синтез нечетких регуляторов с помощью теории нечетких множеств // Промышленные контроллеры и АСУ. -2004. -№1.- С. 33-34.

63. Ротштейн А.П. Интеллектуальные технологии идентификации: нечеткая логика, генетические алгоритмы, нейронные сети. — Винница: УНИВЕР-СУМ—Винница, 1999. — 320 с.

64. Ротштейн А.П., Штовба С.Д. Нечеткая надежность алгоритмических процессов Винница: Континент-ПРИМ, 1997. 142с.

65. Саплин М.С. Фотоэлектрическое устройство, воспринимающие цифровые печатные знаки // Электронные вычислительные машины. -1960. -№1. С. 110-123.

66. Сборник методик по определению концентрации загрязняющих веществ в промышленных выбросах. -М: Гидрометеоиздат, 1937, -559 с.

67. Себестиан Г.С. Процессы принятия решений при распознании образов. Киев: Техника, 1965. - 151 с.

68. Селлерс Ф. Методы обнаружения ошибок в работе ЭЦВМ — М.: Мир, 1972.-310 с.

69. Справочник проектировщика АСУТП / Под ред. Г.Л.Смилянского. -М.: Машиностроение, 1983.- 527 с.

70. Термодинамические исследования процесса производства газовой серы методом Клауса / В.М. Плинер, В.Ю.Николаев, Ю.В.Сурков и др. Подготовка и переработка газа и газового конденсата. Реф. сб. ВНИИЭГазпрома, 1980, вып. 2, с. 11-16.

71. Фишер Г. Влияние конструкции горелки и топки на процесс извлечения серы.- Химия и переработка углеводородов, 1974, №910, с. 32-38.

72. Француз А.Г. О возможном биологическом механизме опознания образов. В кн.: Механизмы опознания зрительных образов. Проблемы физиологической оптики. - М.: Наука, 1967. - С. 53-69.

73. Француз А.Г. Линейные и полилинейные решающие правила и их применение в некоторых задачах медицинской диагностики и химической технологии. В кн.: Практические применения распознавания распознания образов. - М.: Изд-во ВЦ АН СССР, 1972.-С. 53-61.

74. Ханмамедов Т.К. К вопросу о математическом описании реакций каталитического сероводорода при переработке «крепких;? и «слабых» кислых газов. — Азерб. хим. ж., 1986, №2, с. 14-18.

75. Ханмамедов Т.К., Попов В.Т. О механизме высокотемпературного окисления сероводорода.- Докл. Ан АзССР, 1986, 42 №10.

76. Цыганков М.П. Научные основы корректирующего управления качеством функционирования автоматизированных технологических комплексов / Автореферат дисс. на соискание ученой степени д-ра техн. наук. Москва, 2003. - 31 с.

77. Чжен Г., Меннинг Е., Мети Г. Диагностика отказов вычислительных систем. М.: Мир, 1972. - 232 с.

78. Щурин P.M., Плинер В.М., Немировский М.С. Анализ работы термической стадии процесса получения серы, Химическая промышленность, 1986, №5, с.290-292.

79. Юшкевич Н.Ф., Каржавин В.А., Авдеева А.В. Получение серы из сернистого газа. Журнал Химической пр-ти, 1932, № 3, с.17-26

80. Coward R.S., Skaret W.M. Sulfer recovery hiked in Claus/Sulfreen units at Ram River, -Oil and Gaz J. Technology, 1985, Apr. 8, p.86-88, 93-94.

81. Gamson B.W., Elkins R.H. Sulfur from Hydrogen Sylfide. -Chem. Eng. Progress, 1953, V.49, N 4, p.203-215

82. King R.J., Mamdani E.H. The Application of Fuzzy Control Systems to Indus-trial Processes. Automatica, 1977, Vol. 13, p. 235-242.

83. Mamdani E.H., Assilian S.A. Fuzzy Logic Controller For Dynamic Plant.- International Journal of Man-Machine Study. 1975. Vol. 7. P. 1-13

84. Murphy Т.Е. Setting UP an Expert System // Y&CS Process Control Mag. - 1985. - V. 58. - N 3. - P. 54-60.

85. Oil and Gas J. 1996. V. 23.

86. Problems and Control of Air Pollution, Chapman Hall, 1955, London.

87. Sherman H. A quasi-topological method for recognition of line patterns.- In: Proc. Intern. Conf. Inf. Proc., UNESCO. Paris, 1959, June. - P. 118-127.

88. The status of Claus sulfur recovery processes. "Sulphur", 1986, №187, Suppl. 1,3-9, 11-13, 15-20.

89. Tong R.M. Synthesis of Fuzzy Models for Industrial Processes Some Recent Results. - International Journal of General Systems. 1978. Vol. 4, p. 143-163.

90. Tou J.T. Some approaches to optimum feature extraction. In: computer and information sciences. - New York: Acad. Press, 1967. - P. 77-91.