автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.06, диссертация на тему:МИКРОПРОЦЕССОРНЫЕ СИСТЕМЫ УПРАВЛЕНИЯ И РАСПОЗНАВАНИЯ ДЛЯ АГРОТЕХНОЛОГИЙ

-Збх/б'б

Российская Академия сельскохозяйственных наук.

Государственное научное учреждение Всероссийский научно-исследовательский институт электрификации сельского хозяйства (ВИЭСХ),

На правах рукописи Ерков Аркадий Александрович

МИКРОПРОЦЕССОРНЫЕ СИСТЕМЫ УПРАВЛЕНИЯ И РАСПОЗНАВАНИЯ Д ЛЯ АГРОТЕХНОЛОГИЙ

Специальность 05.13.06 автоматизация и управление технологическими процессами и производствами (по отраслям АПК).

АВТОРЕФЕРАТ диссертации на соискание ученой степени доктора технических наук

Москва - 2005

Диссертация выполнена в Всероссийском научно-исследовательском институте электрификации сельского хозяйства Российской академии сельскохозяйственных наук.

Научный консультант;

Доктор технических наук, профессор Мусин Асхат Миргалимович.

Официальные оппоненты:

Доктор технических наук, профессор Егоров Сергей Васильевич

Доктор технических наук, профессор Федоров Павел Валентинович

Доктор технических наук Учеваткин Александр Иванович

Ведущая организация: Всесоюзный научно исследовательский институт овощеводства - ВНИИО РАСХН.

Защита состоится / //- 2006г. в /Л. на заседании

диссертационного совета по присуждению ученой степени кандидата технических наук в Всероссийском научно-исследовательском и нет нт\п с электрификации сельского хозяйства Российской академии сельскохозяйственных наук. Отзывы на автореферат в двух экземплярах, заверенные печатью, просим направлять по адресу: 109456, Москва, 1-й Вешняковский проезд, 2, ВИЭСХ.

С диссертацией можно ознакомиться в библиотеке ВИЭСХ Автореферат разослан в 20ц8 г. ^

Ученый секретарь диссертационно го^ибета А.И.Некрасов

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность проблемы. Современные микроконтроллеры и ПЭВМ обладают высокой надежностью и достаточно низкой ценой, в следствии чего круг автоматизируемых объектов и процессов постоянно расширяется. Благодаря их бурному внедрению автоматизируются все более сложные процессы (объекты) управления. Микропроцессорные системы, благодаря дополнительным информационным каналам и сложным алгоритмам, позволяют обеспечить более качественное управление технологическими процессами, повысить выход продукции, урожайность, снизить энергопотребление, позволяют решить многие экологические и социально-экономические задачи.

• В настоящее время наименее разработаны алгоритмические, модельные и системотехнические вопросы проектирования сложных АСУТП с взаимосвязными контурами управления, с несколькими структурными состояниями системы, (несколькими режимами), а также при большом запаздывания в контуре управления и нестационарными внешними воздействиями. Например, взаимосвязное управление микроклиматом и технологическими процессами в теплицах, управление перерабатывающими линиями или цехами и пр.

Микропроцессорная техника позволяет автоматизировать процессы, применяя сложные, но эффективные алгоритмы управления. Однако эти возможности, предоставляемые современными информационными технологиями, используются слабо. Такое положение не позволяет существенно повысить технико-экономические параметры автоматизируемых процессов.

• Классификация (распознавание) неизвестных объектов применяется в робототех-нических комплексах, таких как системы автовождения, управления агрегатами, системы подкормки с оптическим определением междурядий, в установках селекции семян, сортировки готовой продукции, диагностики заболеваний растений н др. В любом случае техническая зрительная система должна определять класс, расположение, ориентацию и свойства поверхности объекта. Проблемы создания таких систем являются очень сложными и менее всего разработанными.

Система диагностики определяет (распознает) состояние объекта, классифицирует неисправности, то есть идентифицирует структурное состояние объекта. В сельском хозяйстве - это диагностика парка электроприводов, машинно-тракторного парка. Диагностика механизмов по виброакустическим сигналам требует больших вычислительных затрат на обработку потоков данных, сложных алгоритмов и математических методов, которых требуется найти.

Таким образом, разработка теории и методов проектирования систем распознавания и САУ с переменной структурой является важной научно-практической проблемой, имеющей высокую актуальность и большое народнохозяйственное значение.

Предметом исследования являются автоматические системы агропромышленного и общего назначения, так или иначе распознающие текущее структурное состояние процесса управления или объекта. Такими системами являются распознающие системы и САУ с переменной структурой (СПС).

Исследования и разработки, составившие основу диссертации, выполнены в ИПМАН СССР в 1974-/985г, в РГАЗУ, ВИЭСХ и НИЦРО в 1Ш-2005гг.

ЦНБ МСХА

№

Целью работы является теоретическое обоснование и разработка методик построения автоматически перестраиваемых систем управления сельскохозяйственного назначения, методов выделения признаков и синтеза систем распознавания и диагностики, разработка на основе этих результатов автоматических систем, обладающих высокой технико-экономической эффективностью. В соответствии с поставленной целью требовалось решить следующие задачи:

1. Обосновать и разработать математические модели и алгоритмы идентификации класса объектов и процессов общие для систем диагностики, восприятия и АСУТП с переменной структурой, объединить сенсорный и логический уровни в методах построения автоматических систем,

2. Разработать методику построения алгоритмов управления АСУТП с переменной структурой, автоматически изменяющих алгоритм работы в зависимости от автоматически идентифицированного структурного состояния объекта.

3. Проанализировать особенности технологических процессов, разработать их аналитические и численные модели объектов и САУ применительно к микроконтроллерной реализации АСУТП,

4. Разработать схемотехнические и программные принципы построения централизованных и распределенных автоматических систем сельскохозяйственного назначения на базе микроконтроллеров и ЭВМ. Проверить эти принципы путем разработки и испытания образцов управляющих контроллеров

На базе разработанной методики сконструировать и внедрить ряд АСУТП с улучшенными динамическими характеристиками и устойчивостью к аварийным и критическим ситуациям.

5. Для систем диагностики и распознавания разработать методы выделения признаков, а также метод автоматического синтеза алгоритма классификации, сочетающие достоинства известных методов и не имеющий их недостатков.

На базе этих методов разработать зрительные и виброакустические системы распознания и диагностики (для сельскохозяйственного производства). Испытать их в лабораторных и натурных условиях.

Методы исследований. В основу методики синтеза алгоритмов управления с переменной структурой вошли методы синтеза САУ, а также теория автоматов, методы таблиц решений и методы автоматического распознавания.

В основу методики разработки микропроцессорной реализации алгоритмов управления вошли численные методы вычислительной математики, методы таблиц решений. В основу технологии построения микропроцессорных управляющих контроллеров и сетей вошли методы измерительной и вычислительной техники, основные принципы программного и сетевого обеспечения.

В основу методик построения систем распознавания и диагностики вошли методы распознавания, таблиц решений, а также методы нечеткой логики.

Научная новизна исследований заключается в создании новых научно обоснованных методик разработки автоматических систем управления и распознавания, в новых технических и алгоритмических решениях, а также в разработке и внедрении новых серийных образцов автоматических систем для агротех нол о ги й.

На защиту выносятся следующие основные положения:

1. Система управления технологическими процессами сельскохозяйственного назначения в условиях действия внутренних и внешних факторов, нарушающих ход процесса, должна иметь переменную структуру, автоматически изменяющуюся в зависимости от фактического состояния объекта управления и возмущающих факторов.

Архитектура САУ должна быть двухуровневой. Верхний уровень предназначен для идентификации структурного состояния объекта и перевода САУ на выполнение алгоритма управления, соответствующего текущей структуре объекта. Нижний уровень состоит из ряда алгоритмов управления объектом, гаждый из них управляет объектом в конкретном неизменном структурном состоянии.

2. Для идентификации структуры САУ необходимо перейти от исходного пространства описания системы к пространству признаков-предикатов, на котором можно построить логический автомат, идентифицирующий структуру объекта управления и САУ,

3. Непараметрический метод классификации (аппроксимации областей структур в пространстве состояний) - метод логических потенциалов, который обобщает классические методы непараметрической аппроксимации областей структур (классов), а также многие методы теории "нечетких множеств". Найден и математически обоснован спектральный критерий и алгоритм ускорения сходимости метода потенциалов,

4. Алгоритмы классификации и управления структурой САУ, построенные на основе теории таблиц решений, входами которых являются признаки, полученные при оценивании состояния объекта и САУ, а выходами - изменения в структуре, состоянии и управлении САУ. Разработанные и обоснованные информационные критерии оптимизации древовидных алгоритмов управления для сокращения объема и повышения надежности матобеспечения САУ.

5. Схему и алгоритм управления при переменной структуре объекта с большим транспортным запаздыванием и люфтом исполнительного органа, которая строится по каскадной схеме с предсказывающей моделью и компенсаторами внешних возмущающих воздействий и предкомпенсаторами влияния дополнительных технологических процессов, управляемыми идентификатором структур.

6. Численные алгоритмы, позволяющие проводить моделирование и анализ систем, а также разрабатывать в короткие сроки алгоритмы и программы управления, идентификации, самонастройки, адаптации для компьютерной и микроконтроллерной реализации САУ.

Обоснование и разработка архитектуры, алгоритмов и системотехнических принципов построения микропроцессорных автоматических систем различного применения и распределенных сетей управляющих контроллеров на основе опыта их реализации и опытной эксплуатации на объектах сельскохозяйственного назначения.

7. Результаты разработки ряда АСУТП сельскохозяйственного производства, для которых характерно большое запаздывание управляющего воздействия, резкие изменения режимов работы при действии возмущающих факторов (микроклимат, ректификация, пастеризация и т.п.).

8. Результаты разработки и испытаний зрительных, а также виброакустических систем распознавания и диагностики.

Достоверность основных положений проведенных исследований, теоретических выводов и методики подтверждается математическими бы клад-

ками и доказательствами, приемочными испытаниями разработанных автоматических систем, их эффективным практическим использованием.

Практическая значимость: На базе разработанной методики, моделей, алгоритмов и программ были созданы серийные регуляторы, управляющие сети, АСУТП, а также распознающие и диагностические системы. Использование методики построения СЛУ с переменной структурой позволяет автоматизировать более широкий круг технологических процессов, сократить время и стоимость новых разработок. Применение созданных контроллеров и сетей позволяет повысить технический уровень производств, снизить пускона-ладочные и эксплуатационные затраты, повысить выход и качество продукции, снизить энергопотребление.

Реализация работы: Разработана и внедрена методика, позволяющая резко сократить сроки разработки алгоритмов и программ АСУТП. Разработана и внедрена (для фирмы "Овен") серия адаптивных и самонастраивающихся ПИД регуляторов, регуляторов с моделью и переменной структурой, в том числе контроллеры отопления и приточной вентиляции с водяными калориферами для животноводства и птицеводства. Разработана и внедрена сеть управляющих унифицированных 8-и канальных контроллеров. На их базе разработаны и внедрены: сеть компьютерной регистрации режимов работы электрических подстанций (для "ОстАлко"), управляющая сеть для ампульного цеха фармакологического комбината им. Семашко. Разработана АСУТП тепличного комбината, в настоящее время эти системы установлены и эксплуатируются в нескольких тепличных комбинатах: "Московский", "Новокосинский", "Дзержинский" Нижегор. обл, "Ульяновский", "Саранский", АОЗТ "Агротин". Разработана н внедрена АСУТП цеха ректификации, а также система мониторинга состояния спиртохранилища на "ОстАлко". Разработанное программное обеспечение и протоколы обмена сети контроллеров поставляется с серийно выпускаемыми приборами фирм "Овен", "Мезон", "АстраКон" и "Мириталь".

Разработаны и внедрены диагностические и испытательные системы различного применения: испытательный стенд для проверки и аттестации оросителей, испытательный стенд для проверки горючести материалов (по заказу ВНИИПО), стенд для диагностики тепловых процессов асинхронных электродвигателей (совместно с МП "Овей"), стенд для вибродиагностики двигателей внутреннего сгорания ( для учебного процесса в РГАЗУ), стенд для диагностики состояния птиц по их акустическим сигналам (для Института этологии животных РАН).

Апробация работы: Основные положения работы и результаты исследований были представлены и получили одобрения на 10 Всесоюзных, всероссийских и международных научно-технических конференциях.

Публикации: По материалам вошедшим в диссертацию опубликовано 42 печатных работы из них одна монография, кроме того, подготовлено 11 отчетов о НИР по Гос. темам и получено три авторских свидетельства.

Структура и объем работы: Диссертация состоит из введения, восьми глав и основных результатов изложенных на 260 стр. машинописного текста, 50 рисунков, таблиц и графиков, списка литературы из 191 наименования .

СОДЕРЖАНИЕ РАБОТЫ

Введение содержит обоснование актуальности и изложение научной новизны, практической значимости и основные положения, выносимые на защиту.

В первой главе на основании собственных работ, а также работ других авторов, в частности академика И.Ф. Бородина, дан анализ особенностей технологических процессов при производстве сельскохозяйственного сырья и его переработки, а также применяемых для управления этими процессами регуляторов и АСУТП. Дана классификация технологических процессов по сложности реализации для них CAY, указаны используемые в каждом случае соответствующие алгоритмы:

t. Управление одномерными стационарными объектами, где можно использовать типовые регуляторы: автоклавы различного объема, титаны-подогреватели воды, холодильники, печи однокамерные, сушилки, электропривод, управление концентрацией и пр.

2. Управление одномерными нестационарными объектами, также с малым транспортным запаздыванием, но с меняющимися характеристиками (например при загрузке сырья).

3. Задачи управления с несколькими режимами работы и автоматическим определением текущего режима (например, нагрев с заданной скоростью до уставки и дальнейшая стабилизация температуры). Для этого случая применяются регуляторы с несколькими режимами работы, а для задач п/п 2 регуляторы с самооптимизацией настроек и адаптацией.

4. Автоматизации процессов для объектов с большим транспортным запаздыванием, с переменной структурой, с дополнительными логическими датчиками, для многомерных систем и пр. В их числе объекты:

- с большим транспортным запаздыванием, одноконтурные с постоянной структурой и с 1-2 дополнительными датчиками: пароперегреватели, теплогенераторы, системы подачи воды и др. гидросистемы, системы отопления с погодными компенсаторами,

- тоже что и 1 , но многомерные, однородные и взанмосвязные: распределенный обогрев животноводческих помещений, туннельные печи, конвейерные пастеризаторы.

- с большим транспортным запаздыванием, с переменной структурой алгоритма управления, многомерные и с дополнительными логическими датчиками- кор-моприготовители, пастеризаторы с рециркуляцией, поточные перерабатывающие комплексы, системы управления микроклиматом. Системы, обеспечивающие максимальное усвоение энергии животными и растениями, за счет взаимосвязи о го управления микроклиматом, досветом и подкормкой.

Такая классификация показывает явную тенденцию к автоматизации на базе микропроцессоров все более сложных технологических процессов в сельском хозяйстве и перерабатывающей промышленности. Все чаще применяются алгоритмы с переменной структурой управления.

Вопросы облегчения настройки и улучшения маркетинга привели к необходимости режима самонастройки в регуляторах. Наиболее совершенные пром-регуляторы имеют несколько режимов (алгоритмов) работы: режим стабилизации, режим поддержания заданной скорости роста (падения), режим скоростного выхода на новую уставку. Структура алгоритма подобного регулятора в режиме самонастройки или адаптации существенно отличается от алго-

ритмов в режимах управления: т.е. даже промышленные регуляторы широкого применения фактически имеют переменную структуру. Для построения таких регуляторов следует разработать методику синтеза СЛУ с переменной структурой, что ускорит их разработку и повысит надежность микропрограмм. Необходимо адаптировать алгоритмы СЛУ для реализации их на (дешевых и мало разрядных) микропроцессорах.

В 1.3. рассмотрены особенности управления, связанные с переменной структурой объектов, а также с большим транспортным запаздыванием. При малом соотношении транспортного запаздывания и инерционности объекта /<//„ и отсутствии быстрых возмущений большой амплитуды (спектральный состав помехи находится в области более низких частот, чем у управляющего воздействия) рационально применять ПИД регуляторы. Оптимизация их настроек всесторонне рассмотрена в работах С.В.Егорова, Н.И.Кирилина, В .Я. Рогача.

Однако при большом соотношении /¡/1Й картина меняется. Значительные отклонения от задания приводят к большему энергопотреблению и к низкому качеству поддержания режимов, снижению качества выходного продукта или урожайности. Оптимизацией настроек ПИД регуляторов нельзя добиться удовлетворительного регулирования в условиях большого транспортного запаздывания и скачкообразных возмущений со стороны внешних и внутренних факторов.

Совместное использование предикторов с компенсаторами позволяет получить высокое качество управления. Однако при их реализации на малоразрядных микропроцессорах требуется разработать соответствующие экономичные численные алгоритмы. С другой стороны, при эксплуатации наблюдается ситуации, вызывающие изменение структуры. Системы (объекта и оборудования САР). Изменение структуры объекта (включение полива и вентиляции теплиц, увлажнения в варочных шкафах, и т.п.) нельзя учесть при простой схеме управления с постоянной структурой.

Так как на структуру объекта может влиять много факторов, задача синтеза систем управления с (ПС) является многомерной. Первые САУ сельскохозяйственного назначения с переменной структурой (ПС) разработаны В.Р. Крауслом и Г.А. Гуляевым

Рассмотрим ситуации в окружающей среде, конструкции объектов управления элементах САУ приводящие к изменению структуры объекта и необходимости переменной структуры управления : отказы и аварии оборудования, отказы датчиков, быстрое изменение внешних условий, приводящее к изменению состояния объекта, включение и выключение дополнительных технологических процессов

Изменение структуры объекта и системы управления означает резкое изменение соответствующих передаточных функций. Система управления технологическими процессами должна учитывать эти факторы при регулировании, при этом она должна быстро реагировать на изменения в своем состоянии и состоянии объекта. Требуется, таким образом, во первых применять алгоритм регулирования с необходимым качеством управления в условиях большого транспортного запаздывания, во вторых учитывать изменение структуры объекта и резкие возмущающие факторы при регулировании и в настройке коэффициентов САР. Необходимо разработать единый подход для разработки САУ для такого рода объектов.

В 1.4. рассматриваются вопросы исследований и построения моделей и алгоритмов для разработки САУ технологическими процессами сельскохозяйственного назначенім. Аналитически система управления вместе с объектом описывают стохастическими дифференциальными уравнениями: х(0 = /(х,и,/) + £(/), (1>

где х(г) - вектор состояния системы; /(х,и,1) - вектор-функция системы, в общем случае нелинейная; и - вектор управляющих воздействий; - вектор случайной помехи, воздействующей на систему.

Выходной вектор Г часто рассматривается как дополнительный компонент-V.

Рассматриваются две группы методов по конструированию оптимальных САУ. К первой относятся методики аналитического конструирования оптимальных регуляторов. Для этих методик предполагается известными уравнение в форме Кошм управляемого процесса :

= + Ви, у^Сх +Ои (2)

» минимизируемый функционал- как правило линейно • квадратичный, Решение ли ней но-квадратичной задачи синтеза САР возможно на современных ЭВМ при дополнительных ограничениях на вид системы дифф. уравнений объекта н малой ее размерности. Эта методика широко применяется для синтеза СЛР объектам и с сосредоточенными параметрами и с малым транспортным запаздыванием невысокого порядка и с неизменной структурой. Известны подобные методики синтеза оптимальных САУ для линейных систем с переменной структурой- 5, то есть /(з,х,и,1) должна являться семейством линейных функций.

Для поставленных задач синтеза САУ с переменной структурой и большим транспортным запаздыванием реализовать методики первого типа очень сложно. Для этих условий не существует готового алгоритма синтеза. Кроме того для технологических процессов в растениеводстве и животноводстве квадратичный критерий оптимальности не годится. Например, в теплице достаточно на 30 мин. поднять температуру с 20 °С до 50 "С, как урожай будет потерян, если поднять температуру до 22вС в течении суток, то потерь урожая практически не будет.

Ко второй группе методик относятся т.н. "эвристические методики", которые основаны на моделировании канатов управления и возмущения автоматизируемых процессов типовыми звеньями. В этом случае (I) заменяется на другое уравнение, элементами которого являются характеристические уравнения типовых звеньев. При этом для управления используются типовые законы регу-лировання (ПИД, предиктор Смита), а идентификация объекта заключается в определении параметров "белых ящиков". Оптимизация регуляторов может осуществляться при помощи номограмм или настройкой по разгонной кривой или по максимальному коэффициенту усиления (по Николсу).

Эвристические методики требуют меньших затрат на программирование и легко позволяют реализовать графические программные оболочки. Перспективно применить ее для систем с переменной структурой, но требуются дополнительные исследования.

Итак, готовой методики для синтеза САУ для объектов с переменной структурой и транспортным запаздыванием не существует. Ее следует разработать для управлення технологическими, процессами производства и переработки сельскохозяйственных продуктов.

В 1.5 рассматривается класс систем управления с большим потоком входной им фор манн и. В частности актуальна задача диагностики машин и механизмов, в частности сельскохозяйственного назначения. Структурным областям в САУ с ПС в диагностике соответствуют зоны устойчивой работы, зоны профилактики, тех или иных дефектов. Фильтрация виброимпульсов (например при вспышке в цилиндре) осуществляется на высокой частоте (80 кГц), что требует или большой частоты отсчетов- до 5 мГц или специальных методов измерения.

Современные вычислительные средства позволяют реализовать практически любой диагностический алгоритм, а с разработкой алгоритмов большие проблемы.

Во первых, на этапе получения диагностических признаков чаще всего используется классический Фурье анализ, а также различные эвристические алгоритмы во временной плоскости. В ряде случаев более подходят методы Бурга, де Пронн и Писаренко, вен влет анализ.

Во вторых, алгоритмы принятия решении (т.н. решающее правило) в диагностике примитивны и не используют современных математических методов и возможностей современной вычислительной техники.

Близкие проблемы возникают и при использовании зрительного сенсорного канала. С начала XXI века резко снижается стоимость цифровых фото, видео технологий к компьютерных ТВ систем. Компьютерные системы технического зрения могут с успехом применяться в таких приложениях как: автовождение, сортировка посадочного материала, управление подкормкой и внесением ядохимикатов с определением межрядей, сортировка продукции, а также оценка параметров посевов по аэроснимкам.

Общим для диагностики и распознавания является иерархическая схема алгоритмов (Рис.1). Отличие заключается в форме исходного описания х{0-вибросигнал или последовательность видеокадров. Входным вектором в зрительных системах является последовательность изображений

<К(Ш), <ХШ)> В(Ш)>, (4)

где IJ координаты точки изображения, а <Й,(?,Д>- ее цвет.

Обработка и вычисление признаков обоих случаях использует аналогичные математические модели. При обработке используются БИХ, КИХ линейные фильтры, вейвлет анализ, а также нелинейная фильтрация.

Иа уровне решающего правила (алгоритма распознавания) используются различные параметрические и непараметрическне методы аппроксимации областей классов, в том числе методы "нечеткой логики".

11схо;[ное

«инсштс /

Х(()

обработанное

Л. (0-

(

признаки

С - класс

Рис. 1. Блок схема распознающей системы.

Автор считает, что применяемые в данном случае методы идентификации класса (распознавания) объектов близки методам идентификации структуры в АСУТП с переменной структурой. Данный класс автоматических систем пред-

полагает классификацию объектов для последующего принятия решения (распознавания класса объекта, корректировки ситуационной модели, определения координат искомого объекта, оценки его качества). Непосредственно получить необходимую информацию только на базе исходного описания невозможно, необходима предварительная обработка и вычисление характерных признаков (например, текстурных), В результате обработки на изображениях выделяются границы, равномерно окрашенные области. Геометрические параметры областей могут являться признаками в ряде задач. Однако изображения объектов, особенно "реальных" характеризуется не столько цветом, сколько текстурой: пятка на поверхности листа, листья полезного растения и сорняка и пр.

Известные алгоритмы выделения признаков (в частности для распознавания текстур) ненадежны, требуют больших вычислительных затрат и плохо ложатся на архитектуру современных ЭВМ.

Таким образом, в задачах построения АСУТП, диагностических приборов и систем восприятия актуальна задача идентификации объектов или процессов на основе выделенных признаков. По этому очень важна разработка моделей, методик и алгоритмов для построения идентификаторов структур (классов) для этих применений.

В 1.6. описывается архитектура существующих САУ на базе микроконтроллеров и микроЭВМ. Основные системотехнические особенности АСУТП зависят от многих факторов, в связи с чем, наблюдается большое разнообразие решений. На базе микроконтроллеров автоматизируются процессы и объекты, такие как пастеризаторы, кормоприготовители, многоканальные регуляторы однородных объектов, САУ микроклиматом. Эти САУ имеют несколько контуров регулирования (от 2-3 до 20), кроме того, имеются дополнительные технологические и аварийные датчики, а также дополнительные технологические режимы. Серийность таких САУ значительно ниже, чем у промышленных универсальных регуляторов. Поэтому при их разработке очень важны средства автоматизации моделирования и проектирования САУ, необходимо использовать унифицированные системотехнические и микропрограммные узлы и блоки, как для реализации регуляторов широкого применения, так и более сложных САУ, В зависимости от назначения и цен на комплектующие экономически целесообразна та или иная архитектура САУ. Важную роль в ценообразовании имеет удобство монтажа прибора, удобство его настройки и эксплуатации.

Удешевление ПЭВМ по отношению к другим средствам автоматики сделало целесообразным применение ПЭВМ для управления сложными процессами. Существует множество вариантов архитектуры САУ на базе ПЭВМ. Необходимо найти наиболее эффективные варианты для рассматриваемых приложений.

Применение ПЭВМ дает возможность использования стандартных языков и отладочных средств. Для сельскохозяйственного применения особенно важна открытость программного обеспечения, а также удобный человеко-машинный интерфейс. Необходимо провести анализ требований к программам САУ и средам разработки. Для протяженных объектов возникает вопрос разработки сетей связи.

В Главе 2. анализируются системы с переменной структурой (ПС), Такие системы описывается нестационарными стохастическими дифференциальными уравнениями:

X(s,t) = f(s¿c,u,t) + g(i), s = I,S (4)

где: x(s,t) - состояние системы es -й структуре

g(t) - вектор случайной помехи, u(t) - вектор управления СЛУ с ПС можно подразделить на несколько видов, в которых изменяются различные составляющие:

I. Могут включаться технологические процессы, влияющие на контролируемую величину. При этом СЛУ с переменной структурой изменяет внутренние параметры X регулятора и выходной сигнал регулятора, не дожидаясь изменения в невязке. Например при выгрузке продукции из печи и загрузки нового сырья может устанавливаться новое задание и заранее известная величина интеграла в ПИД регуляторе. Если технологический процесс разбивается на программные шаги, при переходе от шага к шагу по программе, также может изменяться уставка- U и выходная величина- У.

Такие САУ могут быть названы регуляторами с переключаемыми ректорами состояний.

2. Меняются коэффициенты настройки, если резко изменились динамические свойства объекта (инерционность, запаздывание и т.п.). Такие САУ могут быть названы регуляторами с переключаемыми коэффициентами настройки.

3. Могут меняться контролируемые величины. Например, переход от регулирования по первому датчику температуры прямой воды к регулированию по второму датчику температуры обратной воды. Такие САУ могут быть названы САУ с трансформацией входного вектора.

4, Меняется алгоритм регулирования. Например, при переходе от стабилизации к адаптации или алгоритму наискорейшего разогрева. Такие САУ Moiyr быть названы САУ с переменным алгоритмом. При использовании метода типовых звеньев изменению структуры системы соответствует изменение связей блоков модели.

Для опознавания структуры необходимо ввести в состав САУ идентификатор структуры - V(x,tjI, определяющий моменты смены структур САУ: s = V(x,t). Он идентифицирует реальный процесс смены структур объекта S(x,t).

Декомпозиция СЛУ посредством прншшпа разделения на систему оценивания и систему регулирования. Рассмотрим задачу синтеза оптимальной САУ для случая, когда .V лежит внутри Х„ области структурной независимости (т.е. структуры - s). Принцип разделения заключается в возможности для оптимального управления раздельно синтезировать систему оценивания и собственно систему управления. Полученное таким образом приближенное решение задачи синтеза закона управления тем точнее, чем выше точность оценивания.

Принцип разделения справедлив для линейной САУ (даже с ПС). Однако контролируемый процесс может отличаться большим транспортным запаздыванием и реально не является линейным.

В ряде случаев, систему управления можно описать уравнением с линейно входящим управлением (или привести его к этому виду):

-<í<^.T,/) + g(/). (5)

Для системы, описываемой этим уравнением справедлив принцип разделения. Таким образом, САУ, удовлетворяющая гипотезе структурной независимости и принципу разделения, можно представить в виде совокупности САР, идентификатора структуры и блока оценивания (Рис.2).

Я (t--l)

и м .ж и Т*фе * irr» p І Сїрукт^ч І

■«шннл ридейстиія

уіґр шлвнис

_ц-^

-структур»

регуянп; С лсрещннй

«Р

;сиъЕКТ

К <t>

Бл*к

«ИВННІШИЯ

Рис. 2. Блок схема САУ с переменной структурой.

САУ с переменной структурой состоит из идентификатора структуры и набора регуляторов с блоками оценивания. Отметим, что процесс идентификации зависит не только от А' и г, но и от текущего состояния s, т.е. идентифицирующая функция имеет рекурсивный вид: s(t+l) « V(s¿c,t).

Работа системы управления с переменной структурой заключается в идентификации в каждый момент структуры объекта s и изменении в соответствии с этим закона регулирования (структуры САУ). Наиболее сложны случаи, когда непосредственно померить возмущающий фактор невозможно (вовремя) или датчик установить нельзя (очень дорого).

Отметим, что принцип разделения на структурно независимые области имеет явный аналог в такой сфере, как распознавания образов - это гипотеза компактности. Многие методы распознавания также могут быть применимы для синтеза сложных СПС.

Система управления с уравнением (4) более общего вида может быть приведен к виду (5) различными способами, например линеаризацией f(x,u,t) по и, разбив f(x,и,0 на достаточно малые окрестности, терно медленное и небольшое изменение регулируемых величин температуры, расхода, влажности и т.п. Это свойство упрощает задачу приведения (4) к виду (5) позволяет рассматривать уравнение (5) как уравнение системы.

Таким образом, задача синтеза зависимой нелинейной СПС для АСУТП сводится к:

- Разбиению X на области структур и построению идентификатора структур на основе известных технологических приемов и экспертных оценок.

- Синтезу для каждой структуры САУ с линейно входящем управлением в условиях большого транспортного запаздывания.

При переходе объекта и САУ из одной структурной области Xs в другую Хг необходимо определить её структуру и перейти к другому алгоритму регу-

лировання, тогда при выходе из области структуры качественные показатели не ухудшаются, т.к. происходит переход к другой структуре САУ, для которой синтезирован оптимальный регулятор.

Границы структур могут быть для каждого текущего структурного состояния свои, так как идентификатор структуры У в каждой структуре s свой: S(t+¡) = HfWJ = Vs,(x,t).

Если изобразить переход от структуры к структуре в виде графа, как принято в теории абстрактных автоматов, то вершинами (рафа будут являться структуры, а ребрам • переходные процессы.

Далее рассмотрены переходные процессы при изменении структуры объекта и алгоритма управления. Случай с неизменной структурой объекта и переменной структурой САУ наиболее простой. Изменения в уставках, коэффициентах настройки могут быть рассмотрены в рамках известных методов теории автоматического управления.

Изменение в уставках - классический случай переходного процесса давно и всесторонне исследованный. Если параметры объекта (например, инерционность) медленно меняются, то в этом случае эффективны известные методы адаптации.

Отметим, что при изменении структуры объекта наблюдается переходный процесс, описываемый дифуравнениями, соответствующими текущей структуре. Начальными условиями являются условия установившегося режима в предыдущей структуре. В конце процесса, контролируемые параметры могут стабилизироваться в зоне, соответствующей другой структуре. Возможен, конечно, и колебательный процесс.

Существуют два источника колебаний свойственных СПС. Колебания, связанные с особенностями физического процесса, хорошо исследованные в ТАУ. Кроме того колебания связанные с циклами на графе переходов идентификатора структур. Анализ циклов, тупиков на графах хорошо исследован математически, кроме того существуют соответствующие программы, автоматизирующие анализ.

Для упрощения математической постановки вопроса, выделим состояние объекта в процессе перехода из предыдущей структуры в текущую структуру в отдельную структуру. В частном случае, это может быть тривиальный процесс с мгновенном переходом, от предыдущей - к текущей. Примером этого положения является зона гистерезиса в САУ приточной вентиляции (см. ниже).

Естественно, что далеко не все переходы от структуры к структуре возможны, т.е. граф не является всесвязным. Таблица переходов (решений) и определяет граф. Придав каждой вершине несколько дополнительных вершин и ребер, соответствующих переходным процессам в вершины куда происходит переход, мы сделаем все ребра тривиальными, с мгновенными переходами к другим структурам.

В ряде случаев задачу анализа поведения объекта во всех своих состояниях и переходах можно разбить на отдельные задачи анализа объекта при переходе от текущей структуры к следущей

x(s,l), = f(s¿c,u,t), + 8(0, s = í,S (7)

и анализа в текущей структуре s:

x(s,t)2 - f(s¿c,u,t)¡ + g(t)> s~!,S. (8)

Каждой дополнительной вершине будет соответствовать переходный процесс, его течение можно рассматривать отдельно от других известными методами. Примером такого переходного процесса и дополнительной структуры является переход технологического процесса от одного режима к другому. Например отопление в теплицах при закрытых форточках и отопление- с открытыми. Дополнительный процесс, это повышение задания температуры отопительной воды раньше постепенного открытия форточек.

Если без запаздывания идентификатор определил переход от структуры Sí к структуре .Я, а поведение системы определяется линейным дифуравнениями, то проблем с синтезом САУ нет. Как это было указано ранее, существуют методы синтеза оптимальных САУ в условиях линейности. В частности можно использовать ПИД алгоритм, предиктор Смита, алгоритм наискорейшего достижения уставки и т.п., с коэффициентами соответствующими параметрам объекта в данной структуре: К, /о, ш.

Однако в ряде случаев идентификатор определяет изменение структуры с запаздыванием ю:

з(0 = = (9)

Например, это случается при неожиданном выпадении осадков на кровлю теплицы. Дія решения этой проблемы применяется датчик температуры кровли, и по нему осуществляется компенсация. Однако контур отопления имеет большое запаздывание и полной компенсации не происходит. Требуется вычесть это запаздывание из Со предыдущей формулы, но можно ли обеспечить прогноз погоды, и сколько это будет стоить? Итак, если изменяется структура объекта в условиях большого транспортного запаздывания в цепи управляющего воздействия, может наблюдаться нежелательный переходной процесс. В конце процесса перехода состояние объекта может остаться в зоне текущей структуры, а может выйти из нее. Этот процесс при изменении структуры может "вытолкнуть" объект в недопустимую зону (структуру) и объект даже может выйти из строя (например, водяной калорифер приточной вентиляции помещения может замерзнуть).

Анализ общего случая переходных процессов от одной структуры к другой возможной в условиях запаздывания идентификации и управляющего воздействия является сложным и мало исследованным. В 6.1 излагаются некоторые соображения по анализу переходных процессов и рекомендации их устранения в САУ с переменной структурой, определены условия, в которых происходят значительные отклонения от задания. В 6.2 и 6.3 описываются конкретные решения данной проблемы, для тепломассообменных процессов, описываемых звеном транспортного запаздывания и инерционным звеном 2-го порядка.

Аппроксимация областей структур в пространстве состояний и оптимальность пространства признаков.

Для того чтобы построить СПС, необходимо определить функцию структурного перехода Для ЛСУТП очень важно сделать это безошибочно. Однако перебрать возможные варианты У^^с,/) невозможно. Необходима методика построения Для решения этой задачи сначала необходимо найти ограничения на возможный вид и взаиморасположение областей структур.

Рассмотрим свойства областей структур и задачу аппроксимации. Пусть Рз(х(1)) -вероятность структуры ь в данной точке пространства состояния X системы и в данный момент времени.

На основе опытных данных и экспертных оценок необходимо аппроксимировать Ps(x) с целью выбора в определенный момент времени структуры:

J = arg Мах Ps(x(t)) . (10)

s

Структуру образуют классы - подмножества в X, связанные с одной структурой, но с разными управлениями. Например, поддержание различных температур в печи, загрузка которой одинаковая. Классам в X также соответствуют области. При идентификации структуры определяется принадлежность состояния системы к области структуры в пространстве X. Существуют различные методы идентификации (классификации). Для каждой задачи необходимо настроить идентифицирующий алгоритм (решающее правило) - V{x,t), то есть внести в него информацию об областях классов: используется термин "обучение" классификации.

Шаг обучения можно рассматривать как акт уменьшения неопределенности в отнесевии х к 5 . Существуют различные алгоритмы обучения, сходные по сути и результатам. Для оценки эффективности различных методов классификации и алгоритмов обучения вводится понятие энтропии обучения- Иоб, как суммарную априорную неопределенность отображения множества описаний (состояний) на множество классов (структур).

Ноб=-£ £ nm)Log%(x(t)) , (П)

X S

где р^ (.*(/)) - вероятность принадлежности к s(l)

Энтропия обучения связана с неопределенностью положения границ разделения

структур (классов) в пространстве исходного описания X.

Если есть дополнительная информация о характере границ, разделяющих области классов в пространстве описания, сходимость процедуры обучения можно резко увеличить:

а) построив на основе известной информации о среде для данной задачи пространство признаков X в котором Ноб меньше, чем в X, в этом случае :

У(х,0 V(X(x,t))^ Уa(t)), (12)

б) используя в пространстве X такой метод аппроксимации классифицирующей функции, который учитывает априорную информацию о свойствах областей классов в Л'. Т.о. на каждом шаге обучения устраняется большая неопределенность и алгоритм обучения сходится быстрее,

в) используя адекватный выбор аппроксимирующих функций свойствам областей классов в пространстве признаков,

г) применяя активный алгоритм обучения (экспертные оценки, эксперименты и т.н.).

Содержание а) тесно связано с физической природой конкретной задачи распознавания. Вопросы п/п б),в),г) изложены частично в [Л-4,5, 7] и раскрываются в Гл.З и Гл.4

Автор считает идентификатор структуры V(sjc,t) связующим звеном, между аналоговыми процессами, описываемые в рамках теории автоматического управления и "интеллектуальным уровнем" принятия решения (т.н. искусственным интеллектом), синтезированного в частности методами ситуационного моделирования.

Разновидности систем управления с идентификатором структуры. В зависимости от решаемых задач системы управления с переменной.структурой можно подразделить на три разновидности.

Системы без регуляторов. Вырожденным случаем являются системы, практически состоящие из одного идентификатора структуры. Тем не менее, построение подобных идентификаторов аналогично, что и для полноценных САУсПС.

Примерами таких систем являются диагностические системы, системы селекции семян, сортировки продукции и пр. Простая регистрация не является задачей систем с переменной структурой. На выход подобная система передает класс идентифицируемого объекта, а также оценку достоверности классификации или качества объекта. Часто такие системы называют "распознающими".

Другим примером подобных САУ является управление подкормкой с определением межрядей по ТВ изображению. Управление здесь без обратных связей (ОС), и заключается во включении той или иной форсунки. Наиболее сложные "распознающие" системы имеют сложные датчики с большим потоком информации, виброакустические или телевизионные. При этом основные вычислительные мощности затрачиваются на предварительную обработку входных сигналов и вычисление признаков классификации.

Для решения данных задач требуется от исследователя неформальное построение информативных признаков, затем задача решается в рамках метода идентификации класса (структуры).

|----- ндентц фи к ятор

структуры--- ----1

<3 <Ь) - ьнешиив воздействия

, ; ■ 777ТТ

^^Л'^К;-1" V-1

класс структуры

Отымет

ТлШпадаф. выходов!*'

н ногоклкальн из

САР

да) —

Рис. 3. Блок-схема АСУТП с переменной структурой.

АСУТП с переменной структурой. Многоканальную АСУТП, удовлетворяющая гипотезе структурной независимости и принципу разделения можно построить в виде совокупности САР, идентификатора структуры и таблицы выходов (Рис.3), где идентификатор структуры состоит из вычислителя признаков и решающего правила. Для каждой структуры синтезируется алгоритм регулирования, идентификатора структуры и таблицы выходов, где записаны коэффициенты настройки.

В процессе работы такой САУ с двухуровневой архитектурой, номер алго-ригма* з, параметры настройки- а и задания- и регуляторов меняются по сигналу идентификатора- с, согласно таблице выходов, чем обеспечивается высокое качество управления. Кроме фильтрации измерений существенной обработки исходного описания, как правило,не производится. Используются простые дис-криминантиые признаки. Основная проблема заключается в их построении на основании опытных данных и экспертных оценок.

Системы управления сложными объектами с ситуационной моделью. Примером таких систем являются разного рода робототехнические комплексы, предназначенные для локомации и манипуляции (например, автовождение и управление навесными агрегатами). Эти системы имеют очень сложный иерархический алгоритм функционирования. В ряде случаев система зрительного восприятия может входить в петлю обратной связи САУ (например, при сопровождении цели), но в большинстве случаев идентификатор выдает на более высокий уровень информацию для корректировки ситуационной модели, например плана местности при автовождении. Аналогичные задачи возникают и при очувствлении роботизированной доильной установки.

Таким образом, наиболее актуальным в данном аспекте является развитие модельных, алгоритмических и технических средств идентификации структурных состояний и объектов.

В Главе 3 для построения САУ с переменной структурой решается задача построения пространства признаков идентификации структуры. Локально-топологическое свойство пространства признаков идентификации, Для многих задач идентификации характерно, что если х €) непрерывно преобразовывать в z, то Р(г е ]) - вероятность отнесения г к классу ) будет монотонно убывать, при возрастании р (х,г), так как показано на Рис.4, р{х,г) - метрика в пространстве X .

Иначе, свойством классов в правильно выбранном пространстве X является "компактность" областей классов. Других свойств классов в X мы можем и не знать (классы А и В линейно разделимы , а С и А нет). Для задач управления техническими системами и режимами выращивания в агротехнологиях гипотеза компактности вполне справедлива. Эта гипотеза является основной также в методах распознавания образов.

Для реальных задач часто не существует одиночного признака, идентифицирующего структуру. Исходный вектор х, описывающий процессы в обьекте и САУ может иметь много компонент и еще больше вариантов расположения границ структур в пространстве X,

Рис.4. Свойство классов в пространстве состояния.

Сформируем пространство признаков А с размерностью существенно меньшей, чем размерность X. Выбор этих признаков и оценка их информативности изложены далее. Из (11) следует, чем больше признаков (размерность пространства признаков Л)- тем больше Ноб. По этому их число должно быть минимальным, но достаточным для правильной идентификации структуры. Во многих случаях справедливы более сильные допущения о характере границ областей классов. Например, свойство линейной разделимости: классы могут быть разделены гиперплоскостями. Еще более сильное допущение - эти гиперплоскости О£ощгсжальны_осяы пространства признаков (см. Рис,10), Естественно, что следует проверить последнее допущение, затем менее сильное.

Предлагается методика синтеза идентификатора структур, состоящая из двух этапов:

Построение пространства признаков идентификации. Из Х - исходного описания объекта управления и САУ необходимо построить необходимые признаки {Л ,} (пространство признаков Л).

Так как размерность А существенно меньше, чем X энтропия обучения тоже меньше и следует ожидать упрощение задачи построения идентификатора структур, В А' структурам соответствуют области XI с А', для аппроксимации границ этих областей в пространстве X можно построить предикаты вида:

К (*(')) " е ) > где А I - ' компонент X (У )

Эти предикаты образуют пространство признаков А. Пространство признаков формируется так, что размерность этого пространства существенно меньше размерности пространства X. Поэтому идентификатор в А построить легче чем в X, и энтропия обучения существе и) ю меньше.

2. Синтез решающего правила (автомата-идентификатора). На основании признаков {Я ,} этот автомат определяет момент перехода из текущей структуры - в следующую - 5. Решение второй задачи - построения решающего правила идентификации структур достижимо при помощи таблиц решений - ТР (Глава <1). Перебор признаков ТР по информативному критерию, развитый автором (Л-5) позволяет повысить надежность матем ати чес ко го обеспечения и упростить реализацию.

Таким образом, первой задачей при синтезе идентифицирующего автомата является построение и оптимизация пространства признаков. Этот этап сильно зависит от конкретного назначения объекта и системы автоматического управления, от исходного описания - Л'. Для АСУТП это могут быть признаки отказа датчиков, предельный ветер, предельная влажность, превышение температуры воздуха при закрытых задвижках и пр. Для систем диагностики и распознавания, признаками могут быть спектральные свойства, текстурные свойства поверхностей.

Существуют два типа признаков и две группы методов построения пространства признаков идентификации {Л ,} . Если пространство {Л ,} образуют отдельные независимые признаки или известные заранее функциональные зависимости Л(лг,/), то обычно используются параметрические методы, например яисктшинаитнме

Достаточно просто оценивается, например, необходимость аварийного закрытия форточек по силе и направлению ветра, в теплице и др.

Если первичные признаки в X взаимосвязны и неизвестна зависимость г(х,0, то используются также непара метрические методы, основанные на обработке данных экспериментов или экспертных оценок: это является фактически автоматизированным построением модели. Такой задачей, например, является задача выбора оптимального режима при выращивании определенной культуры. Определение качества семян по спектральным и текстурным характеристикам их изображений также рационально использовать непараметрические методы. /Другой подобной задачей является диагностика технологических агрегатов и машин, где традиционно исследуются области устойчивой работы.

Обучение для параметрических методов заключается в задании значений параметров (например, положение гиперплоскостей в линейных методах). Для непараметрнческих методов достаточно иметь множество эталонов или элементов обучающей последовательности из архива.

Связные области классов в Л соответствующие различным признакам могут пересекаться. Принадлежность состояния системы (точки Л) к той или иной области подчиняется законам булевой алгебры, также как и свойства событий в теории вероятности. Необходимо выделить те совокупности областей в А, которым соответствуют переходы к структурам, каждой из этих областей соответствует множество ситуаций, описываемых множеством векторов логических или взвешенных признаков.

Для принятия решения о переходе к определенной структуре необходимо построить автомат (решающее правило) входами которого являются признаки, а выходом номер структуры. То есть автомат аппроксимирует V - функцию смены структур.

Выбранные признаки образуют исходное пространство признаков, которое следует оптимизировать. Простейшей оптимизацией является отбор минимально необходимого числа наиболее информативных признаков в А', а также включение в идентификацию "сложных" признаков на основе известных функциональных зависимостей Я(х)=^"(х). Для более сложных задач находятся минимально необходимый набор линейных комбинаций большого числа исходных признаков {Я,} (метод главных компонент, преобразование Карунена -Лоэва),

В рамках данной методологии решены несколько задач по построению устройств идентификации и распознавания;

- Идентификация объектов, а также дефектов техники по виброакустическим данным.

- Распознавание текстур поверхностей по их изображениям

- Распознавание графических символов вводимых ТВ системой (бланки ютовой продукции, маркировки грузов и пр).

Наиболее простыми и часто встречающимся видом признаков являются т.н. "диекрлм инаIп ные". Они легко строятся экспертным методом и просты в реализации на микроконтроллерах:

Если: то Д, = 1 иначе А, = 0 ,

где- а, Ь -вектора, подбираемые при настройке, Р(х)- вектор функция. Например, признак осадков: (7^,,,-7у/(Т№-Т™> > Л", - для зимы и < Кг - для лета. Другим примером является вычисление относительной влажности по показаниям сухого и мокрого термометров.

Частный случаем являются линейные днекрнмииантные признаки. Пример: Логический признак вентиляции для снижения влажности: (В-с - Ву > 3 %) &&. (7^ > 18°С), где Ву и Ту влажность и температура

улицы, В„ — влажность воздуха в тетице.

Кусочно-постоянные признаки.__Эти признаки самые простые. Пример: Признак повышенной влажности: £г> 90 %.

На основе достаточной совокупности признаков {X ,1 можно построить решающее правило - автомат, идентифицирующий структуру.

Неаддлтнвные методы непара метр и ческой аппроксимации.

Для наиболее сложных задач построение идентифицирующего автомата невозможно на основе дискриминантных правил. В ряде случаев, неизвестна функциональная зависимость параметров, во вторых, эта зависимость может быть нелинейная и даже многосвязная, тогда применяются не параметрические методы аппроксимации областей классов: метод потенциалов, метод ближайших соседей и метод гиперсфер. Родственными методами являются также методы тории нечетких множеств. В непараметрических методах распознавания, т.е. идентификации класса, (структуры) признаками являются логические функции принадлежности объекта (процесса) к определенным областям признакового пространства. Обычно выходы этих предикатов объединены простейшей логической функцией (чаше всего "или"), выход которой и дает ответ о классе объекта.

Ниже описывается разработанный автором подход [Л-5], совмещающий достоинства этих методов и не имеющий их недостатков, обобщающий известные методы распознавания и теории нечетких множеств.

Свойства непараметрических методов. Выше указывалось, что для задач идентификации, если х е] непрерывно преобразовывать в у, то P(ycj) -вероятность отнесения у к классу) будет монотонно убывать при возрастании р (х$) так как показано на Рис.4, р(х,у) - метрика в пространстве X. Иначе говоря свойством классов в правильно выбранном пространстве X является "компактность" областей классов. Других свойств классов в X мы можем н не знать. Поэтому было бы удобно использовать для аппроксимации разделяющей функции метод потенциалов.

Ноу классического метода потенциалов имеются серьезные недостатки: не всегда гарантируется за одну итерацию 100%-ная классификация архива обучения, метод требует в этом случае или оптимизации обучающей выборки, или дополнительного предъявления неклассифицированного объекта. Чаще всего в процессе эксплуатации САУ предъявляются ситуации (состояния системы) близкие друг к другу, в этом случае суммарный потенциал все равно растет - т.о. в самом методе не учитывается информативность элемента ОН. Аналогичный недостаток имеет и метод К-ближайших соседей. Метод сфер не имеет этого недостатка, однако он совсем не аппроксимирует меру близости изображения объектов к классу (как и метод ближайшего соседа) вне пределов сфер.

Это не адекватно сделанным в начале параграфа предположениям, и часто самой задаче, в данном случае задаче идентификации структуры. Требуется найти метод аппроксимации, совмещающий в себе достоинства и не имеющий недостатков этих методов.

Модель ^[юлюсника в задаче аппроксимации.

*>

Пусть состояние л непрерывно изменяется: у ->х, тогда Р(х е ]/уе ]) и К(р(х,у)) изменяется непрерывно от 0 до £/, и и не зависит от траектории <р(1) (см. Рис.4), Введем

р{х,у) - ггайР (х б ]}у е 0 = Р1 (х,у%+:. + р„ (х,у)1„.

Этот градиент характеризует изменение Р. Но, так как вычисление Ъ(*>у)<Ь, - К(р(хуу))= К(у,х) , (1Э)

<р (-1

не зависит от пути интегрирования - р, то К(х,у) - является потенциалом и

1 > К > 0, кроме того А'(р(л",>>)}- > 1, при р-> <х>. Введем К(х,у)~

I - К(х,у}- зависимость вероятности принадлежности объекта с описанием (вектором признаков) 'V к классу объекта с описанием

Таким образом, тогда как метод потенциальных функций можно соотнести с физической моделью распределения потенциалов в воздухе от зарядов -элементов обучающей выборки, для метода логических потенциалов можно представить себе более сложный процесс: распределение потенциалов в токо-проводящей среде, порожденных электродами определенной формы. В такой модели величина К(х,у) соответствует потенциалу в точке 'V, при условии

наличия источника ЭДС в точке "у"; р(х, у) - соответствует вектор плотности тока.

То ко проводящая среда может быть изотропной или нет.

(п Уг

Например, для р(х, ^laJAx^ , где Дxj = Xj ~ щ» -

V У-1 /

является параметром крутизны, «размытости» К(х,у).

Поведение пассивной электрической цепи с распределенными параметрами можно описать поведением эквивалентного ей п+1 — полюсника, где имеется п-1 полюс источников - элементов обучающей выборки и особый плюс -точка хсоответствующая распознаваемому объекту и специальный плюс -

«земля» (~). Известны все расстояния Ху ) и можно найти все величины

) , при условиях подключения к и+Лполюснику одного из «и» источников Е. При этом, решая классическую задачу электротехники, мы определим все Проводимости £„„ входящие В пассивный Я+/-ПОЛЮСНИК. После чего, подключив п-1 источников обучающей выборки, мы найдем потенциал в точке и таким образом определим степень принадлежности неизвестного объекта к данному классу. В матричной форме согласно закона Кирхгоффа эта процедура выглядит так:

Ol & 1 п 0

V?» • Si„ 0

... ...

и ... • vi & tttl 1

Unn = ^

(14)

где: - проводимость между полюсами у и п, ц ' - разность потенциалов, между полюсами } и п при условии подключения ЭДС=Е к /-му полюсу; 1Г1Н = К(х1,х^-К(х1,хн) Искомая величина результирующего потенциала

= Е' gm ! . Следует отметить, что все 2,1" определяются относитель-

но их величина не имеет значения. Кроме того, часто вектора, составляющие обучающую выборку близки друг к другу, это определяет плохую обусловленность матрицы | и Для решения (14) иногда необходимо применять регуляризацию, например, по Тихонову. Обычно используемая процедура прореживания архива обучения снижает его размер и улучшает обусловленность матрицы .

Потенциал 1/г, определенный для обучающей выборки класса- .т, моделирует степень принадлежности х„ к 5. . В методе п - полюсника принадлежность к объекту определяется так:

* <= j = arg Max {[/,}> U'/ = Uj/J^U,

(15)

i=i

где бу'-норм ированная оценка P(x € /)-вероятности отнесения x к классу j.

Если заменить линейные проводимости g,n односторонними (диодами), то метод п - полюсника переходит в метод ближайшего соседа:

х э j = arg Max {/¡Г(х,,х„)} = U".

Доказать сходимость метода и - полюсника для задачи определения класса объекта можно исходя из того, что сходятся методы ближайшего соседа и потенциалов.

Граница разделения классов на r-м шаге алгоритма будет проходить через точки, где максимальна энтропия обучения:

tf«. (*) = Р(х 6 р(х 5 ■/')= Мах И<* 00 = Мах Uj (*)•

^^ X X *

I' I

Естественно, что при дообучении идентифицирующего автомата эти точки необходимо прежде всего включать в архив обучения,

В 3.5 описаны примеры использования метода логических потенциалов в некоторых х задачах построения автоматических систем

Обнаружение н идентификации объектов но их текстурным признакам. Метод логических потенциалов успешно применяется в САУ с телевизионными датчиками. Такими задачами в сельском хозяйстве являются задачи автовождения, сортировки овощной продукции, управление подкормкой с определением межрядей, сепарации семян и т.п. В связи со значительным понижением

цены на мнкро ЭВМ высокой производительности и цветных ТВ камер высокого разрешения подобные системы скоро найдут широкое применение. Ниже описывается алгоритм, реализованный в конкретной НИОКР (автор является се научным руководителем), в результате которой были получены хорошие практические результаты.

Постановка задачи. Изображения вводились в ЭВМ цветными ТВ камерами в SVHS формате 800x600 пикселей с 24-х разрядным кодированием цвета, Архитектура компьютерной системы технического зрения описана в 7.2.5. Текущий видеокадр обрабатывался, и выделялись сегменты изображения, по ним строились равномерно окрашенные фрагменты. Ориентация, размеры фрагментов осуществлялась способом [JI-25], соавтором которого является соискатель. Цвет, размеры и коэффициент формы каждого из фрагментов <r,g,b,Dx,Dy, Н> запоминались в списковом формате.

Требовалось по этим данным определить местонахождение и размер объекта, текстурные свойства поверхности которого, были заранее известны. В качестве эталонов предлагались образцы предметов.

В начале было использовано линейное решающее правило, которое оказалось мало пригодным из-за многосвязности областей классов.

Далее успешно применялся алгоритм логических потенциалов. Фрагменты, составляющие изображение, задаются как элементы эталонной (обучающей) или экзаменационной выборки. Необходимо построить идентифицирующий автомат, определяющий класс сегмента, к которому принадлежит конкретная точка данного изображения.

В качестве обучающей выборки использовались все фрагменты находящиеся на поверхности эталонных объектов, их описания обозначим .v.v Расстояние между фрагментами 1 и 2 в признаковом пространстве так:

Коэффициенты С1-СЗ устанавливались в результате оптимизации методом расширяющего спектра. Потенциал от каждого i -го сегмента xt вычислялся по

следующей формуле: К (xf, ) =

По формулам 14 и t5 вычислялся суммарный потенциал Us для каждого $ -го эталона, и определялся класс (структура) по критерию максимального потенциала: дг е j = ащ Max {Us) вычислялась также достоверность принадлежности поверхности объекта к J- му классу: TJ '! .

Исходное II обработанное изображение объекта

Обнаружение и сопровождение. Множество сегментов одного класса рассматривается как объект или его фрагмент. Методом моментов определяется центр объекта. Координаты центра и размеры объекта и являются уставкой для САУ с переменной структурой. По этим данным успешно производилось изменение ориентации ТВ камер и сопровождении движущегося объекта.

Распознавание текстур. Текстоны (равномерно окрашенные фрагменты), находящиеся внутри области текстуры, могут относиться к разным классам (кластерам). Принадлежность тексте ко в тому или иному кластеру - g=l...k является признаком распознавания ие сложных текстур. Обозначим - число текстонов типа g , находящихся на текстуре г. Их взвешенная относительная площадь: $ге /Э, Эти признаки образуют пространство 5, точке которого соответствует текстура с определенной смесью текстонов (Рис.б). Для распознавания текстур часто достаточно задать параллельные осям 5 границы 51гг>8[Г>52ч и построить таблицу реакций признаков размером к х С, и транслировать ее в решающее правило древовидного типа - дерево решений [Рис.9, Гл.4, Л1]. Это возможно из-за того, что принадлежность объектов к областям в пространстве признаков подчиняется законом алгебры логики.

Для решения практических задач необходимо проведение натурных исследований. Например, для создания диагностической системы требуется создать представительные архивы изображений листьев здоровых и больных растений (по каждому заболеванию и сорту). Сканировать листья удобно при помощи обычных планшетных сканеров. С другой стороны, для таких задач как опознавание типа участков неизвестной местности, трехмерной реконструкции сцены, анализ посевов по (аэро) фотоснимкам требуется знать число каждой из разновидностей текстонов на поверхности предмета. В этом случае признаками состояния объекта будут являться количества текстонов каждой разновидности на единицу площади заданного участка объекта, например листа, или участка поля.

Для отдельных приложений используются специальные видеокамеры, обеспечивающие синхронный ввод стереоизображения, а также устройство позиционирования с управляющим контроллером (Рис.7). Это устройство имеет несколько режимов управления и работает, в частности, по каскадному алгоритму с предсказанием

Рис7 Стереосопнческая ТВ система и пример стереоизображения.

Современные вычислительные средства позволяют реализовать данные алгоритмы обработки и классификации изображений в реальном времени. ЭВМ одновременно должна при помощи специальной платы сигналы, вводить записывать их на диск,

обрабатывать, выводить в графической форме на экран и оперативно выполнять команды. В этом случае производительности одной ЭВМ не хватает для выполнения этих задач в реальном масштабе времени. Для задач технического зрения разработана компьютерная сеть, состоящая из трех ЭВМ (Рис.17.), которые обмениваются по протоколу TCP/IP. Первые две, технологические ПромЭВМ вводят изображение с TV-камер и осуществляют предварительную обработку кадров. Головная ЭВМ осуществляет вывод стереоизображений на экран или шлем виртуальной реальности, записывает изображения на диск, взаимодействует с оператором.

Стереоскопическая цветная система технического зрения, прошла лабораторные и натурные испытания и в настоящее время используется для проведения НИР в задачах обнаружения и автовождения.

Задачи, связанные с распределением потенциальных полей.

Задача управления распределенным объектом. Модель распределения потенциалов может быть использована в этой задаче, обратной вышеизложенной. Необходимо поддерживать U(x) - заданное распределение температур в пространстве X, где расположены yj. источники тепла (обогреватели). Требуется определить значения мощности я, нагревателей. Поле температур описывается так;

t/(*) = I>, (17)

Задача аппроксимации спектров. Рассматривается модель Фланагана. Объект представляет собой несколько резонаторов. Предполагается, что резонаторы возбуждаются функцией возбуждения (сгорание смеси в цилиндре ДВС и пр.). Выходной сигнал получается в результате суммирования сигналов от резонаторов. В результате синхронного спектрального анализа получается энергетический спеюр С(ш) за один или несколько периодов огибающей. Суммарную частотную характеристику можно получить в виде суперпозиции АЧХ резонаторов. Ставится задача определения резонансных частот ci>i и энергий а^ в резонаторах, и перехода к сжатому описанию процесса в виде прямоугольной формы: (а>ь а,). При этом, приближение к исходному виду спектра сигнала выглядит следующим образом:

= -K(G>,G),), K{0)t,€)l) = с(щ)• Кн(Щ, ), (18)

t

где /С- нормированный потенциал вида, показанного слева на Рис. 4. Иначе в

матричной форме: с = Ка . В наиболее общем виде (17 и lit) соответствует урав-

/г

нению Фредгольма: /(*) = JjC(x,v)a(v)Jv где: f(x) - заданное (извест-

/1

мое) распределение потенциалов, K(x,v) — ядро, характеризующее одиночный источник (резонансный элемент), fl,J2— границы.

Задача стоит в нахождении а, удовлетворяющего этому уравнению. В конечномерном случае это уравнение имеет следующий векторный вид: f = Wa , или f— Wa «■= 0. Решение часто можно получить в виде: а = W's f , но данная линейная система может быть плохо обусловленной (например, в случае очень плотной сетки узлов). Однако ее можно решить, используя регуляризатор Тихонова 0-го порядка.

Данный метод построения СЛУ пространственно взаимосвязными процессами, позволяет улучшить устойчивость и повысить точность работы ссистемы. Разработаны САУ (5,5.5) [JI-1], применяемые в туннельных печах, колоннах ректификации, поточных линиях пастеризации напитков в бутылках.

Для спектрального распределения ядро преобразования К() везде положительно и имеет гладкий колоколообразный вид (аналогичный распределению потенциала), т.к. это соответствует АЧХ резонаторов. Размещение ядер, их амплитуду и добротность можно получить в результате оптимизационной задачи:

; <с(й>)-£ К(<з,а),)-а,)* MIN i

Для идентификации объектов в условиях гладких шумов и импульсных помех применяют кратно гармонический анализ. Это обусловлено тем, что энергия сигнала с резонаторов группируется вблизи гармоник сигнала возбуждения. В результате синхронного- кратно гармонического анализа получается энергетический спектр С(т) сигнала за один или несколько периодов огибающей. Этот спектр имеет гребенчатый характер, энергия также группируется вблизи гармоник сигнала возбуждения, кратных его частоте (Рис.8а).

Однако из-за такой формы спектра анализа решение (2) плохо сходится к оптимальному. Введем второе ядро <7, представляющее собой гребенчатую функцию, состоящую из узких коло кол ообразных зубцов единичной величины и размещенных в узлах сетки гармоник шч функции возбуждения. Форма зубцов связана с предположительно Гауссовым характером шумов:

с-к-qa, = $(©,<»,)•*(<»,. (19)

' ч

Оптимизационная задача в этом случае решается успешно.Причем положение резонансных частот не обязательно совпадает с гармониками сигнала возбуждения.

& . !•« / »44 1*0 00 * * J о IMU 0 2400 о змог * гй~| 4 Си]

7 О*.« 42**4 т*« І/' JC N.J Гч с ГО, > • ¿2, А JLul «г J * : ata* J- '

Рис.8. Аппроксимации энергетических спектров.

Данная методика спектрального анализа при диагностике сельскохозяйственных машин и механизмов позволяет вовремя проводить профилактику, значительно снизив эксплуатационные расходы [Л-13].

В главе 4 излагается предложенная методика синтеза систем с переменной структурой на логическом уровне. В 4.1 рассматривается применение конечных автоматов для идентификации структур и логического управления процессом регулирования, Предполагается, что построена система признаков {Р,} (Гл.3) и проверена ее достаточность (4.3). На основе этих признаков строится идентификатор структур, изменяющий состояние САУ. Данная постановка похожа на классическую задачу синтеза конечных автоматов. Конечный автомат - «КА» однозначно определяется функцией переходов и функцией выходов. Функция переходов определяет состояние s(t) автомата t по символу входного алфавита C(t) в тот же самый момент дискретного автоматного времени, и состоянию s(t-l) в предыдущий момент времени; —])>• Функция выходов определяет зависимость выходного сигнала y(t) от состояния; >>(*) = Дї(/)) (20)

Для построения автоматических систем автором предложено [JI5] в качестве таблицы переходов использовать таблицу решений, построенную на основе признаков структур (п.4.2) [Л-7]. В отличие от методов синтеза КА ставится не задача его минимизации, а задача обеспечения максимальной достоверности идентификации. Для этого в системах управления и распознавания предложено использовать преобразование таблиц решений в древовидное решающее правило (п.4.3) [Л-5]. Каждой вершине графа, отмеченной номером структуры, соответствует свое решающее дерево. На Рис.9 структура 1 содержит два класса с уставками Uji , цгї и векторами коэффициентов ш, а2: САУ.

г -4=9

»иьед»*-»«" О,

jg* ч^ вес ребра

.Р2 Р7

¿и? P1 S=4

■гіЧгІ ^'"tl g ^ a41U41

S=5 S=2 ааіия ®zг"гг

Рш.9. Граф автомата с переходами, определенными на деревьях решений.

Входному символу КА соответствует принадлежность вектора состояния к определенной области пространства признаков. На основании аппроксимации этих областей (Гл.З) можно оценить достоверность каждого из признаков, взвесив ребра дерева по (15), а также терминальных вершин, т.е. ребер графа автомата. В итоге оценивается принятое им логическое решение (управление).

Конечный автомат задается таблицей переходов - (ТП) и таблицей выходов - (ТВ).. По этим таблицам можно синтезировать автомат (Мура) классическими методами. Для применения теории КА в САУ видоизменим ТВ. Согласно Рис.3, для задач построения АСУТП каждому состоянию автомата з поставим в соответствие кортеж:

<п,у,и,а>, (21)

где: п — номер алгоритма САР, у~ вектор состояния САР, (21)

« — є ектор уст ив ок САР, а - вектор коэффициентов САР Таким образом, после синтеза автомат может идентифицировать структуру по входным признакам и менять соответственно структуру - 57, состояние —у САУ, уставку - и. Пока система не выйдет из нового структурного состояния - 5/, управление будет производиться СЛУ с соответствующей неизменной структурой. В этом случае идентификатор структуры СПС можно построить классическими методами синтеза автоматов, по известным ТП и ТВ. Но для практики для АСУТП часто трудно или невозможно построить такую ТП.

Для большинства практических задач, одному выходу КЛ соответствует множество элементов входного алфавита векторов { X,}. Запрещенных входных и выходных векторов не существует: автомат для АСУТП является всюду определенным, и ТП должна быть задана на всех парах Л,

Важно, что А[, Л2,... являются символами входного алфавита КА и подаются на его вход по очереди, не составляя вектора. Идентифицировать состояние по одному признаку — элементу входного алфавита можно только для простых задач, т.е. необходимо от символа алфавита перейти к вектору признаков на входе КА. Для этого требуется найти логическое правило изменения текущей структуры на основе вектора исходных признаков. На входе такой функции алгебры логики (ФАЛ) будут первичные признаки, а на выходе символы входного алфавита АА. Однако синтез классических минимальных ФАЛ громоздок и "непрозрачен" (МДСНФ и пр.)-

Многие из признаков несущественны для перехода от одного состояния КА к другому, а для другого состояния — другие. Даже в простых примерах большинство клеток не несут информации - в состоянии 8 признаки несущественны. Следовательно, необходимо перейти к менее избыточной форме задания функции переходов, чем ТП.

Частичная Таблица Переходов - ЧТП, применяемая в классических методах синтеза КА имеет прочерки для запрещенных векторов входов и для выходов. И для ЧТП можно построить КА с минимальным числом внутренних состояний. Но для задачи идентификации структур не существует запрещенных входных и выходных векторов: могут быть любые сочетания значений предикатов-признаков, и число структурных состояний может лишь увеличиваться в интерактивном процессе построения ТР для логического управления структурой САУ. Т.о. постановка задачи построения идентификатора структур для АСУТП расходится с методами теории Конечных Автоматов и затруднительно использование классических способов их синтеза и минимизации.

Для логического управления применяются методы Таблиц Решений (ТР), где ФАЛ реализуется в виде наглядной древовидной структуры последовательной проверки признаков (дерева решений - «ДР»), На базе методов ТР можно оценить информативность признаков, достоверность идентификации, чего нельзя сделать в рамках классических методов синтеза ФАЛ. Для решения задач идентификации структур (классов) при построении алгоритмов АСУТП предлагается применить методы таблиц решений, разработать методы синтеза автомата по ТР и его минимизацию (оптимизацию) используя идеи теории КА.

Алгоритм идентификации структуры на основе ТР. Видоизменим ТП идентифицирующего автомата используя форматы данных и методы таблиц решений. Таблицей решений (ТР) является двумерный массив элементов, кото-

рый состоит из элементов щ. Строки таблицы отмечаются индексом класса - 1, столбцы] соответствуют признакам.

Элемент ТР принимает различные значения, их возможное число определяется областью значений векторного предиката признаков Л/х,/). Обычно их возможное число - 2 (двузначные признаки да\нет), если выходов больше, то говорят о ТР с расширенными выходами. Есть еще дополнительное значение, обозначаемое «-» или «+», оно означает, что реакция признака неоднозначна при идентификации данного класса.

Для бинарной ТР «1» в клетке ^ означает, что .¡-Й признак всегда равен 1 для любого состояния СПС, принадлежащего к ¡-му классу. Если в клетке «О», то признак всегда равен 0 на этом классе. Если строка класса ТР не содержит «-» и покомпонентно совпадает со входным вектором признаков, то класс состояния СПС равен индексу данной строки. Отметим, что в этом случае идентификация класса по двоичной ТР может быть описана дизъюнктивной формой (4.4), в элементах которой отсутствуют компоненты (признаки), отмеченные «-». Если

л

эта форма равна 0, то ^ Л.^ (я) ф 71 ^ — 0 _ где х- элемент /-го класса.

Заметим, что сравнивая признаки Л/х, I) со строкой ТР, далеко не всегда можно определить класс, если строка ТР содержит «-». Для его определения требуется особая алгоритмическая форма - решающее дерево (РД). Далее в 4,2 и 4.3 рассматриваются вопросы его построения и использования для идентификации структур (классов).

В каждый момент времени ТР определяет номер г того или иного класса независимо от предыстории: классические таблицы решений представляют собой автоматы без памяти, что не годится. Для решения задачи синтеза автомата идентификатора по сложным признакам на входе и с учетом прежнего структурного состояния, требуется развитие теории ТР, которое предлагает автор в следующих частях работы. В рамках адаптации методов ТР к задаче синтеза управляющего автомата для СПС требуется расширить и видоизменить ТР и ТВ.

Прежде всего составим специальную табличную форму. Возьмем табицу переходов и вместо клетки алфавитного символа поставим строку ТР. По данным обеих таблиц можно построить идентификатор для АСУТП с переменной структурой, В этих таблицах слева Я - текущее состояние идентифицирующего автомата.

ТаблинаРешени¡1 для СПС ТабднцаВыходов для СПС

8 }>1 1С у и А

1 0 ¿к ¿7 VI и1 а1

0 - 1с2 у2 и2 а2

Яд уЗ иЗ аЗ

ш-

В ТР справа 5 - новое состояние, переход в которое из текущего осуществляется согласно всей ТР при помошн решающего дерева, а не только по данной строке.

Для систем с большим количеством состояний М целесообразно разбить подобную ТР на М- таблиц , каждая из которых соответствует определенной структуре. Вместо ТВ для ¡-й структуры останется 1-я строка <иу,н,я>/.

Способы построения ТР, В зависимости от задачи существуют два подхода к построению ТР:

1. Имеется архивы реакций признаков Лгу для каждого класса /. Тогда для каждого класса / пугем статистического анализа архива формируется строка: < Ра, Ра ••• Р,т >» каждый элемент которой определяется вероятностью состояния выхода /-го признака на входные векторам, принадлежащие классу /:

Рц = Р(Х е ¡/щ(х)) жп. (22)

Сумма вероятностей выходов признака равна 1: ^^ =1 . Заполняется ТР

следующим образом: Если в клетке ТР вероятности выходов Р)} отличаются от 1 и 0 на величину большую порога (1, то клетка помечается символом «-» . Порог (1 определяет достоверность реакций признаков. Если признак двоичный -то в клетке может быть 1,0, «-».

2. В случае отсутствия архива обучения, или его недостаточности формирование строк ТР может производиться не на основе обработки архива реакций признаков, а на основе экспертных оценок. В этом случае строки заполняются экспертом с учетом влияния признаков на идентификацию класса. Алгоритм и смысл заполнения клеток ТР аналогичны вышеописанным.

Методы представления автоматной функции в виде ТР имеет большие преимущества: наглядность, удобство программирования,

После того как ТР сформирована необходимо построить по ней автомат, идентифицирующий структуру (класс).

Полезно ввести понятие класса идентификации: Классу соответствует множество строк ТР с одинаковыми переходами и Дизъюнктивная Нормальная Форма. Классы отличаются в ТВ только уставками. Каждому состоянию Б (структуре) САУ соответствует непустое множество классов идентификации. Классы - как бы структуры нижнего уровня.

Известны методы синтеза идентифицирующего автомата ио ТР. Самым простым методом построения является поиск совпадения строки ТР с входным вектором признаков.

Однако для задач построения АСУТП необходимо приближаться к построению безошибочного «вполне определенного» автомата- идентификатора. Эту проблему можно решать в процессе опытной эксплуатации, занося отказные ситуации в архив. Затем перестраивается ТР с учетом новых данных. Результаты такой настройки («обучения») могут быть разными, в зависимости от алгоритма синтеза автомата-идентификатора. Тот алгоритм, который учитывает большее число возможных ситуаций наилучший. Ясно, что вышеуказанный алгоритм не подходит для дорогих объектов, например можно заморозить урожай, сломать оборудование теплиц и т.п. Кроме того, так можно строить автомат вручную при числе признаков не более 4. Алгоритм РД - Решающего Дерева не имеет этих недостатков,, он основан на последовательной проверке признаков.

Его схема представляет собой дерево ветвлений, Нетупиковым (нетерминальным) вершинам РД приписан номер проверяемого признака. Терминальным ( тупиковым вершинам) приписан номера классов. Исходящие из вер-

шин ребра соответствуют различным значениям признака. В случае только двоичных признаков, дерево является однородным и бинарным.

Алгоритм функционирования РД заключается в следующем: (}.) Проверяется признак, приписанный корню дерева.

(2.) В зависимости от его значения переходят по соответствующему ребру

дерева на ту или иную вершину, (3.) Если следующая вершина нетерминальная повторяется п. (!,}, рассматривая в качестве корня текущую вершину. (4.) Если следующая вершина терминальная, то она определяет класс, которому соответствует строка ТВ.

Алгоритм синтеза решающего дерева по ТР. Далее излагается подход в построении по ТР автомата, идентифицирующего структуру САУ, разработанный автором на основании его работ (Л-4,5,7) и работ других авторов

Перед синтезом решающего дерева необходимо построить или отобрать из имеющегося множества признаков, такие признаки, на основе которых можно было бы построить «вполне определенный АА». Это означает, что для любого состояния САУ внутри каждой области структуры САУ был соотнесен вектор признаков К(1) и была бы определена только одна строка ТВ с изменениями в структуре, в задании и состоянии системы.

Так как нельзя просмотреть все состояния системы в {з, X, 11} необходимо найти упрощенный критерий достаточности на основе анализа ТР, Множество признаков достаточна, если для любых классов < и $ существует признак Х^Л для которого элементы ТР удовлетворяют следующему требованию:

где (+) сложение помод.2. Если в ТД есть нулевые элементы выше диагонали, то необходимо для каждых двух классов дихотомии найти новый признак разделяющий эти классы, затем дополнить архив. Если в ТД нет ни одного нулевого элемента выше диагонали, то можно перейти к следующему алгоритму построения РД по ТР.

Построение решающего дерева по ТР. Для сложных задач каждой структуре строится своя ТР. Ей соответствует своё решающее дерево (РД.).

Предположим, что построена достаточная система признаков и ТР. При построении дерева осуществляется отбор признаков. Информационные критерии отбора, предложенный автором позволяют оптимизировать размер дерева. Решающее дерево строится по ТР по следующему алгоритму: —►'(7/5 вершину дерева помещается признак, который ииеет максимальную величину критерия качества на текущем множестве классов.

(2).От вершины строятся ребра, соответствующие топ или иной реакции признака на состояние системы. Каждому ребру соответствует определенное множество классов.

(3).Выбирается свободное ребро. На множестве классов соответствующем этому ребру выбирается признак с максимальным критерием на этом множестве, и формируется новая вершина.

(4).Если множество классов на ребре состоит из одного класса, то устанавливается терминальная вершина и ей ставится в соответствие

- строка в ТВ, иначе выполняется п.п.(I),

(5).Процесс построения дерева заканчивается, если на каком либо этапе не остается свободных ребер.

4.4. Информационны» подход к отбору признаков. В условиях многоди-хотомийной задачи признак» имеют разную цену. Есть признаки, которые разрешают много дихотомий и есть, которые - мало. Это свойство можно отразить в критерии информативности (качества) признака (К Признак с большей величиной IVустраняет большую неопределенность в отнесении предъявленного объекта к тому или иному классу, ¿{ля признака с большим КЛ характерно то, что при его построении участвовала большая выборка. Это значит, что поверхность в пространстве признаков, соответствующая этому признаку, проведена более точно, и он более достоверен.

При построении дерева необходимо учитывать качество признаков, тогда их необходимое число уменьшится, уменьшится и дерево решений, а надежность классификации увеличится. Это имеет важное значение для обеспечения надежности программы АСУТП,

Предполагая признаки статистически независимыми, найдем количество информации I, сообщаемой признаком Цд^, для Ы- классовой задачи (информативность /-го признака).

Обозначим X - некоторый входной код (признак) Ху - он принадлежит к

>му классу. Пусть О^ - число векторов в архиве {Л}), где г-й выход /-го признака нау-м классе равен 1, тогда; = / {X}, характеризует вероятность возбуждения г-го выхода ¡-го признака на объектаху-го класса. В 4.4. выведена точная формула расчета информативности многозначных признаков. Показана применимость упрощенных критериев информативности они очень важны при реализации управляющего микроконтроллера на малоразрядной однокристальной мнкроЭВМ, что характерно для САУ сельскохозяйствен ного на з на чсн н я.

Автором предложены [Л-5] следующие критерии качества признака;

Е • сю

./и

для двоичного признака.

(суммирование элементов «-» ТР не равных ни I ни 0 не производится). Для равновероятных классов эти выражения проще:

л

IV 3 = П 2 , ЕслиК= 2,то 1У3 ~ 2, -20 , (25)

где £ г - количество элементов таблицы в I столбце равных «г»;

2„ - количество элементов таблицы в ( столбце равных «О»; - количество элементов таблицы в I столбце равных «1».

Если значенияру близки к 1 или к 0, можно также воспользоваться данными критериями качества, округлив до I (или 0) значения р^ отличающиеся от I ( или 0) па определенные величины - порош.

В 4.6. математически показана близость упрощенных критериев к информативности, Дерево, построенное вышеописанной процедурой с информационным критерием отбора признаков обладает важными достоинствам)]:

1. Размер дерева минимален (оптимален для статистически зависимых признаков). Это важно при микропроцессорной реализации.

2. Число признаков, проверенных при идентификации объекта, минимально. При этом минимизируются вычислительные затраты , которые при вычислении признаков (что важно для микропроцессорной реализации).

3. ДР имеет хорошие экстраполяционные характеристики - правильно классифицируется большое число входных векторов (объектов), не входивших в обучающую выборку.

Логические микропроцессорные модули и таблицы решений. Данные устройства (их еще называют "логгеры") предназначены для реализации алгоритмов, ранее реализованных на релейных схемах, с применением таймеров и счетчиков. Это даст возможность экономить на монтажных, пусконаладочных и эксплуатационных расходах. Для реализации "доггеров" можно с успехом можно использовать методы таблиц решений. Описание алгоритмов и проверка их возможных состояний позволяют получить при помощи таблиц решений более удобное и надежное описание алгоритма логического управления

По Главе 4 сделаны следующие выводы:

1. Классические методы построения конечных автоматов не в полной мере подходят для синтеза идентифицирующего автомата.

2. Идентификация структур по признакам и управление структурными переходами описывается теорией абстрактных автоматов в сочетании с методами таблиц решений.

3. Для задач идентификации более всего подходит алгоритм синтеза таблиц решений (TP) в древовидное решающее правило. Для отбора признаков при его построении предложены информационные критерии качества признаков, позволяющие улучшать быстродействие и надежность (достоверность) принятия решения.

В Главе 5 рассматриваются вопросы моделирования объектов и проектирования микропроцессорных САУ. В диссертации автор рассматривает аналитические формулы, численные алгоритмы и моделируюшие программы как модели объекта или процесса.

В 5.2. рассматриваются математические модели те х коло пгчес к их процессов и их численная реализация для малоразрядных микропроцессоров. Моделируются процессы в двигателе постоянного тока, описывается модели нагрева одпоемкостного и распределенного объекта, моделируются энергетические и механические процессы в кормоподготовителе, процессы в пастеризаторе. Описывается модель процесса изменения влажности..

В 5.3. описывается цифровая (микропрограммная) реализация регуляторов (ПИД- закон, предиктор). Описываются численные алгоритмы вычисления интегрирующей и дифференцирующей составляющих,

В 5.4. рассмотрена реализация фильтрации измерений для малоразрядных микропроцессоров. Предлагается алгоритм фильтрации измерений сочетающей линейную и нелинейную фильтрацию,

В 5.S. предложены численные алгоритмы идентификации объектов, адаптации и алгоритмы самонастройки регуляторов, для микроконтроллерной реализации САУ.

В 5.6. рассмотрены вопросы моделирования и управления многомерными объектами, упрошенные алгоритмы управления и условия их применения в

сельскохозяйственном производстве. В частности предложена модель микроклимата в теплице с учетом возмущающих факторов и особенностей системы отопления. Предложена модель управления распределенным объектом на базе уравнения Фроедгольма.

В Главе 6 рассматриваются микропроцессорные САУ для объектов с переменной структурой и большим транспортным запаздыванием, разработанные под руководством автора и нашедшие широкое применение в сельскохозяйственной практике.

В 6.1. Рассматриваются регуляторы со статической моделью объекта по каналу возмущения и условия их применения. Компенсаторы возмущений применяются в САУ микроклиматом животноводческих помещений, теплиц, а также пастеризаторов поточного типа и др.

Предложена и обоснована структурная схема регулятора с моделью процессов управления и возмущения. Пусть И , \2 и Т1, Т2 значения транспортных запаздываний и инерционностей возмущения и управления соответственно. Определены условия, при которых подобные регуляторы обеспечивает хорошее качество управления.

• При малом запаздывании (I и 12, если Т1 » Т2 , возмущение в сильно влиять на X не может, т.к. регулятор за счет обратной связи хорошо будет уравновешивать эти медленные возмущения.

• При малом запаздывании (1 и 12, если Т1< Т2 , от регулятора требуется повышенная выходная мощность для компенсации быстрых возмущений, если Т1 « Т2 качественного управления можно добиться только значительно уменьшив инерционность канала управления (его полоса пропускания должна быть шире спектра возмущения).

• Если > 12, это следует учесть, введя в цепь компенсации звено задержки на (1-12. Например, это решение можно использовать в компенсаторах для пастеризаторов поточного типа.

• Если (1 < (2, то полностью учесть возмущение нельзя, и элемент задержки в цепи компенсации должен отсутствовать.

Если мы можем предсказать будущее, это следует использовать. Например, в теплицах известно, когда начнется день или включится досвет и вовремя можно уменьшить отопление. В поточных пастеризаторах, используя датчик на входе теплообменника, удается компенсировать изменения температуры сырья. Кардинальным решением является уменьшение запаздывания в канале управления, за счет конструктивной доработки исполнительных органов системы управления. В частности, уменьшение диаметра труб отопительной системы при увеличении их количества увеличивает соотношение площадь/объем и улучшает динамические свойства системы.

Рис. 9. Структурная схема САУ с компенсатором возмущений.

В 6.2. Рассмотрены вопросы разработки, применения и настройки погодных компенсаторов для водяного отопления жилых и производственных (животноводческих) помещений.

В 6.3. описан алгоритм управления с предиктивной моделью объекта и его экономная численная реализация. Далее в 6.4.описана каскадная система управления отоплением теплиц. Большое транспортное запаздывание системы водяного обогрева, люфт электропривода смесительного клапана, большая пространственная протяженность теплицы, приходящаяся на один контур обогрева, приводит к замедленной реакции на климатические и другие воздействия. На Рис. 10,а показан процесс изменения температуры в теплице при резком уменьшении температуры кровли и при регулировании АСУТП 6-200 (ПИД-закон регулирования), инерционность (постоянная времени равна 35 мин) водяного отопления примерно в 3 раза превышает соответствующие величины для охлаждения кровли при осадках. Транспортное запаздывание в системе отопления Тз составляет 30 мин, а при охлаждении кровли осадками - отсутствует, это несоответствие не позволяет САУ, построенной по типовым ПИ и ПИД-схемам, обеспечить необходимую точность поддержания температуры. Люфт вентиля усугубляет эту проблему.

Рис.10. Переходные характеристики и реакция на возмущение.

Веб это приводит к длительному и значительному уходу температуры от оптимального режима и к лишним затратам тепловой энергии (Рис. 10,6 - Тв-ПИД). По кривой температуры воздуха в теплице видно неудовлетворительное качест-

во регулирования. При попытке увеличения коэффициента усиления ПИД-регулятора (для ускорения регулирования) система срывается в колебания.

Для регулирования температуры воздуха, используется предиктор Смита, а для компенсации влияния резких изменений температуры улицы Ху и остекления Хс используются контуры управления по возмущению (Рис.11). Так как процессы в системе обогрева протекают с существенно различными скоростями, применяется каскадная схема САУ., Внутренний контур отопления обеспечивает поддержание заданной температуры отопительной воды Х^. Для регулирования температуры воздуха Х„ в теплице с водяным отоплением используется предиктор Смита. По сравнению с одноконтурной САР, в данной системе существенно уменьшается время установления необходимой температуры воздуха. При этом, устраняется влияние колебаний температуры в отопительной сети комбината и резкие колебания температуры кровли (Рис. 10). Улучшение качества управления данной САР получается за счет каскадности и благодаря предиктивному алгоритму управления и компенсации возмущений.

Л1_

Э4МНИ*

пид

ЯЦХу) Р2(Хе)

-А®—►

Кон.2

1-е*

(1+рТи)1

(1+рТи)1

Рис. II, Схема регулировки температуры в зимний период:

Коп. 2 - контур регулирования температуры еоды Тот; А/ -модель процессов без запаздывания; Г}, Р2 - отопительные график

В 6.5. описан алгоритм экстремального регулятора-оптимизатора. Подобный оптимизатор режима котла с участием автора был разработан и установлен в котельной совхоза Белах Дача, что даю повышение среднего КПД на 3-5%. .

В 6.6. описаны пастеризаторы с компенсацией и рециркуляцией Описывается алгоритм управления с предиктнвной моделью и компаратором переключения клапана рециркуляции. На базе микропроцессорного контроллера МС-8 разработан управляющий прибор МС8.3+5, каждый из трех каналов которого имеет два регулятора, работающих по данному алгоритму. Этот прибор используется также для подготовки воды в системе полива для тетцц (Московский тепличный комбинат). В этом случае сброс в накопительную емкость производится не только при температуре Х3 ниже порога, но и если она выше второго порога.

В 6.7, рассматривается взаимосвязное управление технологическими процессами брагоректификацни. Предложено управление тепломассообенными процессами против направления потока сырья. Используется компенсация расхода на входе ректификационной колонны по температуре ее 16 тарелки. Разработан алгоритм управления тепломассообменными процессами колонны, который реализован на платформах приборов ТРМ-38 и МС-8.

тєпжжоснталі*

II-01 ____

Ь- з *

ТКІІЛОМОСИТКПЬ І ь

ГОТОВЫЙ ПРОДУКТ

СЫРЬЕ

Рис. 12. Структурные схемы алгоритмов одного канала МС8.3+5 и МС8.4+4,

Под руководством автора разработана система управления, предназначенная для автоматического управления технологическими процессами спиртового цеха, компьютерной регистрации температур, давления, расходов и концентраций в контрольных точках оборудования.

Далее описана осуществленная под руководством автора разработка различных серийных систем управления с переменной структурой (ПС). Использована методика синтеза систем с ПС, предложенная и обоснованная в предыдущих главах.

В 6.9.1 описывается разработка системы управления отоплением жилых и производственных, животноводческих помещений. Данная САУ предназначена для водяного или парового отопления и использует ПД регулятор с компенсатором. Упраатение осуществляется в нескольких структурных режимах (стабилизация заданной температуры воздуха, защита от перегрева обратной воды, резервное управление по прямой воде, переключение на ночной режим н пр.). В настоящее время она сертшо производится большой серией под названием ТРМ-32.

^ [)»вочлЛ ООН« ЙІ

■'йодС;-- II

.'.'»ьЦ, ш

улткьі -10-

Рнс, 13. Структурные области»

оО

и - температуре приточного воадуха ю - температура обратной воды.

В 6.9.2 описана разработка системы управления приточной вентиляцией для жилых и производственных, животноводческих помещений. Исполнительными органами являются жалюзи с сервоприводом, калорифер водяной (последний управляется задвижкой с сервоприводом), а также вентилятор. В состав обору-

доваиия входят: * Датчик температуры наружного воздуха. • Датчик температуры обратной воды после калорифера. • Датчик температуры приточного воздуха (после калорифера). • Датчики положения жалюзи и водяной заслонки (клапана).

Опишем разработку идентификатора данного контроллера по методике синтеза САУ с переменной структурой. Каждому режиму управления соответствует область на плоскости і" г :

Границами зон можно управлять, привязывая таким образом САУ к объекту.

0 - Дежурный режим, жалюзи закрыты, вентилятор выключен, поддерживается минимально допустимая температура обратки;

1 - Управление по температуре приточного воздуха, жалюзи открываются, вентилятор включен;

2 - Управление по температуре обратной воды согласно отопительному графику (верхний предел обраткн), жалюзи открыты, вентилятор включен;

3 - Управление по температуре обратной воды при "холодном запуске", жалюзи закрыты, вентилятор выключен;

Зададим признаки структур: если Ґ об > и^рі^І -режим защиты от превышения пообратке, иначе рі ~ 0; если Ґ ао< р2~1 —режим защиты от замерзания воды, иначе Рі=0; если < (Л, рз=0 -режим защиты от замерзания по воздуху, иначе рз=0; если—70>1„е>120, -аварийныйрежим по обратной воде, иначе р^-О; если-70> !е> 120,р$-1 - аварийный режим по воздуху, иначе р5=0; если —70 >іу>120, р&=1 - (,авария датчика -регулятор отключен), иначе рц^О. Так как при включении вентилятора происходит резкое падение температуры калорифера, перед включением нужно его прогреть в течение Г; =1-5 мни. Следовательно, требуется таймер / и режим задержки.

Составим таблицу решений на основании этих признаков.

Рг Рг р! Р1 РГ Ра ОТ, ї=5 Л* Комментарий

- з=0 Отключение системы

- - - - I I • - .ч=0 Отключение системы

• 1 - 0 0 - • - І »2,1=0 За ¡пита от замерзания

- - 1 0 - 0 - - л 1=0 Защита от замерзания

1 0 0 0 0 0 0 0 5=3 Зашита от перегрева

- 0 0 0 0 0 I - Реіулиров. По воздуху

- 0 0 0 0 0 0 I Г-'-5, Задержка включения

На основании данной таблицы построим древовидный алгоритм идентификатора структуры;

1

|-р5-1

I-їб—І/і «— р2-1

¿0 |-рЗ—| і—

у=2 |-рі—і го а

■—| [— еТІ —-I—РТ1—| і=І г=5

Ї=5

Вычисление уставок при разных структурах можно представить в виде: при5=0, £ = 0. при 5=1, £= при 5=2, £ = = Г(иа-1у)-и^0°

при ,у=з, е = иа-С = вдо+гд-с

В настоящее время данная САУ фирмой "Овен" производится большой серией под названием ТРМ-ЗУ Данный прибор, как и ТРМ-32, позволяет улучшить микроклимат животноводческих помещений, повысив выход продукции. Кроме того, его применение резко уменьшает вероятность аварии, энергопотребление. Ограничение температуры обратной воды озволяет избегнуть штрафов от поставщика тепловой энергии, снизив экономические затраты.

В 6.10. рассматривается разработанный и реализованный алгоритм тепловой зашиты асинхронного электродвигателя, использующий предложенную автором численную модель нагрева протяженного объекта в частных производных (уравнение Фурье) с тремя структурными состояниями: 5=/ - двигатель вращается; 3=2 -двигатель заторможен;

5 —3 -двигатель остановлен и отключен.

Микропроцессорный контроллер вычисляет температуру обмотки на основе измеренных фазовых токов и температуры корпуса, при этом не устанавливается датчики температуры на обмотки, что значительно снижает стоимость установки системы защиты. Применение данного контроллера позволяет повысить производительность и исключить аварии электромеханических агрегатов работающих с ииклопеременной нагрузкой, характерной для установок по производству и переработке сельскохозяйственной продукции (транспортеры, зернодробилки, насосы, компрессоры и пр.). Получены два авторских свидетельства.

В 6.11. описывается разработка САУ с переменной структурой для теплиц. Рассматриваются вопросы управления микроклиматом с учетом дополнительных технологических процессов, таких как полив, досвет.

Рис. 14. Схема взаимосвязного регулирования температуры и влажности Описан алгоритм предкомпенсации возмущений от этих процессов, обеспечивающий лучшее поддержание заданной температуры и влажности, алгоритм изменения структуры системы. Данные алгоритмы реализованы на базе специализированных микропроцессорных контроллеров МС-8. С периодично-

стью 8 сек. происходит идентификация структуры системы. Переход к тому или иному алгоритму регулирования происходит по результату идентификации -строке .таблицы выходов. По этой же строке определяются коэффициенты настройки и входной вектор.

Подобная система внедрена и показала хорошие результаты [Л- У J: устраняется влияние состояния датчиков и исполнительных механизмов, влияние изменения температуры отопительной сети, влияние резких колебаний внешних климатических факторов, влияние технологических процессов полива и вентиляции на микроклимат в теплице. За счет этого существенно уменьшается время и величина ухода параметров от заданий, снижается энергопотребление.

В 6.12. описывается СЛУ с переменной структурой для холодильных установок. Приведена реализация выходного регулятора СЛУ с переменной структурой для контура управления давлением всасывания. Этот контур наиболее сложный, так как изменяется ступенчатым образом число включенных компрессоров и производительность каждого из них. Для уменьшения числа включений/ выключений компрессоров предлагается управление с переменной структурой производительностью компрессоров Y1 и У2, исходя из значения вычисленного суммарного управляющего воздействия Y(t). Благодаря данной технологической схеме и этому алгоритму повышается на 30-40% КПД холодильной установки н ресурс оборудования. Описанные алгоритмы управления были реализованы на серийном контроллере AfC-8 и показали хорошие результаты при эксплуатации (стрессовая заморозка пищевых продуктов).

Исходя из результатов исследований по разработке алгоритмов ЛСУТП можно сделать следующие выводы:

1. Схему и алгоритм управления при переменной структуре объекта с большим транспортным запаздыванием н люфтом исполнительного органа необходимо строить по каскадной схеме с предсказывающей моделью с компенсаторами внешних возмущающих воздействий и предкомпенсаторами влияния дополнительных технологических процессов, управляемыми идентификатором структур.

2. Включение того или иного алгоритма управления должно осуществляться путем ветвления на соответствующие подпрограммы под управлением под п рограммы-лдент ифи катора стру ктур ы.

3. Реализация идентификатора структуры при числе структур более 4-х должна осуществляться при помощи таблиц решений или древовидной подпрограммы принятия решения.

4. Признаками для изменения структуры алгоритма управления могут быть прямоугольные зоны в пространстве состояния объекта. Границы зон могут перемещаться при изменении текущей структуры, а также могут задаваться, исходя из модели возмущения.

В Главе 7 рассматриваются вопросы построения управляющих микроконтроллеров, а также компьютерные и сетевые технологии для построения автоматических систем сельскохозяйственного назначения

В 7.1, рассматриваются схемные решения, а также необходимые компоненты управляющих микроконтроллеров. Рассмотрены особенности реализации контроллеров, учитывающего условия эксплуатации в условиях сельскохозяйственного производства.

В 7.2. сделан обзор промышленных управляющих контроллеров, даны их технические характеристики и цены,

Обоснован выбор необходимых архитектурных, схемных и конструктивных решений и описана унифицированная серия приборов для управления сложными агропромышленными объектами, с удобным монтажом под DIN рейку. Контроллер не содержит ни одного переменного резистора, позволяет настраиваться под любой резистивный датчик и легко осуществлять поверку. При помощи узлов данной серии можно легко собрать минимально необходимую конфигурацию оборудования. При этом значительно сокращаются конструкторские и монтажные работы (до 80%) и уменьшается количество установочных деталей (клеммннки, крепеж и т.п.). Благодаря модульному исполнению контроллеров уменьшается время разработки приборов различного назначения (в 2-3 раза). Это важно при малой серийности приборов и их большой номенклатуре, данная ситуация характерна в аграрной отрасли.

В 7.2.3. Рассмотрены информационно управляющие сети микроконтроллеров. Сделан обзор технических решений сетей промышленных контроллеров. Обоснован выбор технических решений для построения сетей для объектов агропромышленного назначения.

В 7.2.4. изложены принципы построения сетей управляющих микроконтроллеров для САУ технологическими процессами производства и переработки сельскохозяйственной продукции, обосновывается выбор типов интерфейсов, с учетом особенностей их использования на объектах сельскохозназначения.

Рассмотрена архитектура распределенных АСУТП, передача информационных и управляющих сигналов в аналоговом виде к центральному узлу АСУТП, а также использование цифровой линии связи. Рассмотрены стандартные и специальные решения на базе различных линий связи и сетевых протоколов. Обоснована и разработана сеть управляющих контроллеров для применения в сельскохозяйственном производстве, ее техническое решение, протоколы связи, драйверы ЭВМ.

Программы обмена (драйверы) с сетью RS-Net написаны под операционные системы: DOS, DOS-4GW, Windows, Linux, QNX. После приема каждого вектора параметров он записывается в файл в виде символьной строки в КОП-8,

Благодаря простым форматам данных и открытости протоколов сети пользователи могут самостоятельно разрабатывать свое программное обеспечение, вносить некоторые изменения в программы САУ. По этой причине, а также из-за высокой надежности сеть RS-Net широко растиражирована и входит в комипект поставки с САУ разных фирм: "Мезон", "Овен", "Aiitpu-maib", "Королан",

В 7.2.5. рассмотрено применение локальных сетей ЭВМ для управления в реальном времени. Часто производительности комплекса «ЭВМ + измерительная система» не хватает для выполнения этих задач в реальном масштабе времени. Другой вариант - необходимо территориально удаленное размещение ЭВМ. Предлагается компьютерная сеть, состоящая из трех ЭВМ (Рис. 17). ПЭВМ могут обмениваться по сетевому протоколу и по протоколу TCP/IP. В задачах автовождения первая технологическая ПромЭВМ вводит изображение с TV-камер и осуществляет предварительную обработку каждого кадра.

MCI

tv-svH3

проиэпм

Пв|Х ИИМИЫШЙ

компьютер

Рис. 16. Схема радиальной с«тм управляющих контроллеров

Рис, 17. Вы числитель» л л система для задач зрительного восприятия и управления.

Вторая ПромЭВМ управляет транспортным средством и его агрегатами. Головная ЭВМ (персональный компьютер), составляет план местности и управляет транспортным средством. Вычислительный комтекс подобного типа был разработан под руководством автора и протея успешные испытания.

Данная архитектура может использоваться и в задачах построения сложных АСУТП. В этом случае ПромЭВМ осуществляет сбор данных н их регистрацию на диске, осуществляет управление процессами согласно настройкам, записанным в спепи&тьном файле. Она может и не иметь дисплея и клавиатуры, т.е. стоит она недорого. Персональный компьютер решает остальные задачи. Он может скопировать необходимый файл данных для дальнейшей обработки или изменить файл настроек по программе или по желанию оператора. Отметим преимущества такой архитектуры.

• Удваивается вычислительная мощность, а цена увеличивается на 30-35%.

• Наиболее важная часть системы легко может быть сделана недоступной для нежелательного вторжения. Выполнение печати, запуск программы, не связанной с управлением, ошибки малоквалифицированного оператора (технолога) не могут сбить работу технологической ЭВМ.

• Могут быть использованы разные операционные системы, например DOS и Window5-45, DOS и UNIX, QNX, Причем матобеспечение технологического компьютера не меняется.

• Упрощается разработка программ коллективом, так как для разных задач легко можно использовать разные языки и системы программирования. Чаще всего для второй ЭВМ достаточно стандартных программ (печать графиков, отчетов) или пользователь сам пишет ее, например в MATLAB или EXCEL. Таким образом, система является открытой, но только в части задач пользователя. Эти достоинства облегчают продвижение подобных управляющих сетей на рынке, в агросекторе в частности.

В 7.2.6. рассмотрены удаленные сети евнзи и АСУТП. Описаны задачи в сфере агропромышленного производства, где необходимы удаленные сети. Рассмотрены возможные технические решения в том числе и с Internet, как на базе ПЭВМ, так и на базе микроконтроллеров.

В 7,3. Описаны особенности построения математического обеспечения сетей управления технологическими процессами. Оцениваются с этой позиции

операционные системы, языки программирования и графические оболочки, а также среды разработки ( БСАЭА - системы ). Описывается программная система IGL.EXE, специально разработанная под руководством автора для управления технологическими процессами. Широко распространяемый в комплекте с серийными приборами разных фирм. ЮЬ является открытой системой, что позволяет оперативно изменять алгоритм работы при изменении конфигурации системы управления. Для ЮЬ написано всевозможное программное обеспечение для сетей микроконтроллеров, внедренных на различных предприятиях: тепличные комбинаты (описано в 7.4), производство пива и напитков, фармакологическое производство (7.6), цех ректификации (7.5), тестирование стройматериалов, мониторинг электроподстанций.

Далее описываются АСУТП переработки и производства продукции, разработанные и внедренные под руководством автора.

В 7.4. описана управляющая сеть микроконтроллеров дли теплиц. Эта разработка наиболее растиражирована и внедрена на европейской части России. Сеть микроконтроллеров является системой управления для отдельно расположенных или блочных теплиц и предназначена для оснащения новых теплиц или полной реконструкции старых с демонтажем старого оборудования. Она предназначена для автоматического управления отоплением, увлажнением и для управления форточками. Сеть микроконтроллеров позволяет измерять и регистрировать значения по температуре в семи точках и влажность для каждой из семи теплиц. Кроме того, измеряется и регистрируется значение солнечной радиации. Предусмотрен канал измерения и управления содержанием СО^.

Алгоритмы управления (Главы 4,5,6) были реализованы на базе специализированных микропроцессорных контроллеров и ЭВМ. Контроллеры МС-8 и МС-16 (Рис.15) разработаны по руководством автора и выпускаются серийно. Для блока теплиц они размещены в общем шкафе (Рис. 18) в щитовой. Исполнение шкафа удобно для ремонта. Для отдельных блочных или ангарных тешшц блок исполнения 1Р54. Каждый из контроллеров управляет клапанами отопления, поддерживая заданную температуру воздуха в теплице на основании измеренных им температур улицы, остекления, прямой воды и воздуха данной теплицы. При помощи дополнительных 4-х каналов прибора можно следить за температурным полем. Отдельные входы системы (сети) регистрируют температуру, влажность и освещенность на улице, направление и скорость ветра.

В 7.5. описано аппаратное и программное обеспечение спиртового цеха. Контроллеры, блоки реле, кнопки ручного управления и клеммники размещаются в специальном шкафе. На лицевой панели шкафа установлены по 2 кнопки ручного управления электроприводом для каждой задвижки. В МС-8.Т прошита микропрограмма управления четырьмя контурами по ПД-алгоритму с компенсацией (см. 6.7.) и регистрацией 8 параметров. Контроллеры подключены к ЭВМ, которая оптимизирует режимы, регистрирует параметры, выводит графики и мнемосхему на дисплей (РисД9). Применение описываемой АСУТП ЦР позволит улучшить точность поддержания температур, давлений, расходов. Улучшение поддержания технологических процессов позволит увеличить производительность (на 5-10%) и повысить качество готовой продукции (снизить содержание примесей), а также снизить потери спирта и энергопотребление,

В 7.6. описана управляющая сеть контроллеров ампульного цеха. Данная сеть предназначена для круглосуточного управления оборудованием, с регист-

рацией технологических процессов цеха по производству медикаментов. Этими процессами являются стабилизация давления пара, температуры воды, но наиболее важным является управление и регистрация процесса стерилизации сырья, например облепихового или эвкалиптового масла, различных вакцин и препаратов, Документированная запись процессов стерилизации является необходимым элементом контроля качества и сертификации готовой продукции.

Многоканальные контроллеры размешены в шкафах с климатикой 1Р-65, установленных на территории предприятия. Приборы объединены в вышеописанную сеть контроллеров при помощи сетевого адаптера СД1 (длина линий до 400 м). Программа опроса и управления основана на интерпретаторе реального времени 1GL. Для данного приложения не требуется мнемосхема установки. Поскольку требуется подготовка отчета и выдача на принтер документа о качестве продукции в среде Windows, использована описанная ранее локальная технологическая сеть ЭВМ, где сервером является технологическая ЭВМ, а клиентом- ЭВМ технолога цеха. Для визуального контроля технологического процесса (загрузка, стерилизация, пуск синьки) предусмотрен вывод графиков.

Данная АСУТПустановлена в ампуяьном чехе производственного объединения им. II. А. Семашко и успешно работает с 1998г.

По результатам исследований и разработок микропроцессорных САУ сделаны следующие выводы и предложения:

1, Для промышленных регуляторов, наиболее рационально использовать мцкроЭВМ без внешних ОЗУ и ПЗУ, АЦП интегрирующего типа.

2. Для обеспечения надежности программа САУ должка иметь отдельный блок идентификации структуры регулятора, особенно при большом контролируемых параметров.

3, .Для САУ технологическими процессами (>30 каналов управления) по производству и переработке сельскохозяйственной продукции наиболее рационально использование сети управляющих контроллеров. ЭВМ осуществляет регистрацию » изменение уставок, режимов контроллеров, а также осуществляет связь по модему и т.п.

4, Для реализации сложных алгоритмов на микроконтроллерах требуются САПР, включающие транслятор таблиц решений для разработки алгоритмов управления объектами с переменной структурой, программную модель процессов и алгоритмов управления.

5. Для управления сетью контроллеров, натурных и численных экспериментов требуется графическая оболочка реального времени, с возможностью архивации и обработки данных экспериментов.

6. Распределенную САУ технологическими процессами в сельском хозяйстве и перерабатывающей промышленности рационально всего строить с выделенным технологическим компьютером, соединенным с центральным компьютером предприятия серийной локальной сетью.

В главе 8 дана техникоэкономическая оценка применения микропроцессорных САУ. В 8.1 рассмотрен экономический эффект от унификации приборов. В 8.2, дана оценка эффективности применения САУ с переменной структурой. В 8.3. изложены результаты испытаний и опытной эксплуатации АСУТП тепличного отделения. В 8.4 дана технико-экономическая оценка эффективности применения компьютерной АСУТП теплиц. По главе 8 сделаны следующие выводы:

1. Промрегуляторы и СЛУ широкого применения с переменной структурой позволили снизить затраты на монтажные и пусконаладочные работы на 40 -50%, что составляет стоимость устанавливаемого контроллера.

2. Экономия за счет технического обслуживания микропроцессорной СЛУ с переменной структурой составляет до ЗОООр в год, по сравнению с системой собранной на дискретных компонентах.

3. Внедренные котроллеры систем отопления и приточной вентиляции с водяным теплоносителем позволяют существенно экономить тепловую энергию до 20% по сравнению с СЛУ не имеющими переменную структуру управления.

4. Разработанные системотехнические решения и принципы построения АСУТП тепличного комбината на основе ПЭВМ и распределенной сети управляющих контроллеров позволили создать надежную систему, внедрение которой привело к:

- Существенной экономии энергии до 4 %. - Повышению урожайности до 20%

- Экономии капитальных вложений при модернизации АСУТП. ( в 3.7 раза по сравнению с известными аналогами). Повышение урожайности и экономия энергии достигается за счет более качественного управления микроклиматом.

ВЫВОДЫ и РЕЗУЛЬТАТЫ 1. Опыт создания сложных автоматически систем показывает необходимость наличия в них "интеллектуального" логического блока, под управлением которого перестраивается алгоритм работы системы. К таким системам относятся диагностические и распознающие системы, а также САУ с переменной структурой (ПС), В результате исследований и разработок различных САУ определены типы САУ с переменной структурой, которые в отличие от известных, изменяют не только набор внутренних параметров (коэффициентов настройки), по и вектора контролируемых параметров, управляющих воздействий, а также алгоритм регулирования (п.2.5).

Предложена и обоснована архитектура САУ с ПС, отличающаяся тем, что идентификатор структуры использует логические признаки, сформированные на основе значений, как контролируемых параметров, так и возмущающих факторов (п,2.4). При таком подходе построение идентификатора структуры аналогична построению распознающего или диагностирующего устройства.

2. Для простых САУ с ПС предлагается использовать параметрические дискри-минантные признаки линейного и общего вида (п.З.1). Разработан непараметрический метод аппроксимации линейно неразделимых областей классов (структур) в признаковом пространстве - метод логических потенциалов (п.3.2, 3.3) [Л-2], который обобщает непараметрические методы аппроксимации областей классов (структур), а также методы нечетких множеств. В отличие от метода потенциальных функций он основан не на модели распределения зарядов, а на распределении потенциалов в токопроводяшей среде. Метод позволяет идентифицировать объект с большей достоверностью при малом архиве известных объектов. Найден и математически обоснован спектральный критерий сходимости методов логических потенциалов и потенциальных функций (п.З.З)[Л-2].

3. Метод логических потенциалов успешно применен в разработке действующей системы зрительного восприятия для сложных управляющих комплексов (автовождение, диагностика болезней растений, сортировка семян и пр.) (п.3.4)[Л-6]. Создана многопроцессорная стереоскопическая цветная система технического зрения, предназначенная для НУЮКР по роботсггсхническим сис-

темам широкого профиля. Проведены успешные испытания системы по обнаружению, идентификации и сопровождению объектов в реальном времени и натурных условиях. Получено авторское свидетельство на способ нормирования изображений [Л-25 ].

4. Разработана методика построения идентификатора структуры, отличающаяся, во первых тем, что идентификатор синтезируется как конечный автомат (п.4.1), во вторых, в качестве таблицы переходов используется таблица решений, построенная на основе признаков структур (п.4.2) [Л-16]. В отличие от известных методов синтеза автоматов ставится задача не его минимизации, а задача обеспечения максимальной достоверности идентификации.

.Для достижения высокой достоверности идентификатора структуры в САУ с ПС, а также алгоритмов диагностики и распознавания предложено использовать преобразование таблиц решений в древовидное решающее правило (п.4.3) [Л-17]. Это дает возможность проверить на полноту и непротиворечивость все состояния автомата, относительно возможных структурных состояний объекта, что обеспечивает надежность алгоритма управления.

Получены и обоснованы критерии оптимизации дерева решений с целью повышения надежности идентификатора структуры. В отличие от известных методов перебор признаков производится по критерию их информативности - количества информации о структуре (классе) объекта, вносимых признаками (п.4.4). Разработаны и обоснованы оригинальные упрошенные критерии информативности, легко реализуемые на микроконтроллерах (п.4.5) [Л-17].

5. Разработаны численные модели объектов и алгоритмы управления с переменной структурой (ПС) для реализации САУ на малоразрядных микроЭВМ и позволяющих существенно сократить память данных и программ, стоимость контроллеров (Гл. 5).

Предложен метод построения пространства признаков, основанный, в отличие от известных, на решении интегрального уравнения Фредгольма с ядром потенциального вида. Метод успешно применяется в задачах управления распределенными объектами (линии пастеризации, туннельные печи) (п.5.2.3)[Л-1], при этом "ортогонализуется" процесс управления по взаимосвязным каналам и процесс становится устойчивым, что часто не достигается применением независимых регуляторов в каналах.

Кроме того, этот метод успешно используется для синхронного спектрального анализа в системах вибродиагностикп машин и механизмов (3.4.4))[Л-9], При этом резко сжимается пространство признаков, что упрощает построение идентнфицируюшего автомата и увеличивает достоверность распознавания.

6. Разработана методика построения САУ с ПС технологическими процессами в сельскохозяйственной и перерабатывающей промышленности (Гл. 6) [Л-1]. По этой методике разработан ряд САУ с ПС с улучшенными динамическими характеристиками и устойчивостью к аварийным и критическим ситуациям, позволяющие повысить выход (урожайность) и качество продукции, а также уменьшить энергозатраты:

- Разработана и внедрена в серийное производство система управления микроклиматом теплиц, отличающаяся предиктнвным алгоритмом с ПС, с компенсацией возмущений (п.6.4,п,6.11). Система обеспечивает более качественное управление в условиях большого транспортного запаздывания и инерционности

системы отопления, резкого изменения возмущающих и технологических факторов (уход от графика в 3.5 раза меньше, чем у известных аналогов). Также разработаны алгоритмы с ПС для САУ отоплением, приточной вентиляцией жилых, производственных и животноводческих помещений (п.б.9), позволяющие экономить до 20% тепловой энергии и исключить штрафы за превышение графика по обратной воле.

Разработан алгоритм и реализовано микропроцессорное устройство защитного отключения электродвигателя. Это устройство не требуют установки датчика температуры обмотки, использует, в отличие от известных, модель теплопередачи (уравнение Фурье) с переменной структурой (п.6.10). Проведены успешные испытания. Алгоритм управления защитой позволяет более эффективно использовать электродвигатель и увеличить его ресурс.

Получены авторские свидетельства на данное устройство защиты [Л-10,11]. 7. Разработаны системотехнические (п.7.1,2) и программные (п.7.3) принципы построения унифицированных контроллеров, позволяющие снизить затраты на их разработку [Л-1]. На основе этих результатов разработан ряд управляющих промышленных контроллеров: ТРМ-Зх, МС-8, Базис-8Р, МС-16, серийно выпускаемых фирмами "Овен", "Мезон", "АстраКон", "ЛаЙнКул". Алгоритмы функционирования контроллеров имеют переменную структуру. Эти контроллеры обладают рядом преимуществ перед известными аналогами:

- Высокой надежностью и удобством эксплуатации. В течение 4 лет круглосуточной эксплуатации система из 10 прибороа МС-8 имела два отказа в измерительной плате из-за обрыва датчиков. Прибор прошел Государственные испытания и сертифицирован.

- Низкой стоимостью систем управления (600 -750 руб. на канал). Применение в САУ контроллеров с алгоритмом управления переменной структуры позволяет исключить дополнительные логические устройства, что дает экономию, сравнимую со стоимостью самого микроконтроллера.

Разработаны и обоснованы принципы построения сложных централизованных и распределенных АСУТП с ПС для сельского хозяйства и перерабатывающей промышленности. В частности АСУТП строятся на базе сетей автономных управляющих контроллеров и центральной ЭВМ. Разработай и внедрен ряд подобных АСУТП [Л-1], в том числе АСУТП участка стерилизации, тепличного комбината, цеха ректификации и др. (п.7.4,5,6).

4 7

Основное содержание диссертации опубликовано в следующих работах:

1. Ер ко в A.A. Микропроцессорные системы управления и их применение, -М.: ВИЭСХ, 2002. Монография. -215 с.

2. Ерков Л.А. Оптимальное решающее правило с оценкой достоверности,- М.: Препринт ИПМ АН СССР Xsl34,1984. Монография. - 29 с.

3. Ерков A.A. Особенности управления тспломассообменнымн процессами в системах с запорными клапанами. - Механизация и электрификация сельского хозяйства, 2004. №7, с, 23...24.

4. Ерков A.A. Микропроцессорная система управления микроклиматом в теплице. - Техника в сельском хозяйстве, 2005, №3, с.23-27

5. Ерков A.A. Распознавание текстур для агротехнологий. - Механизация и электрификация сельского хозяйства, 2005, №7, с. 27..,31.

6. Ерков A.A. Мусин A.M. Компьютерный анализ и синтез систем управления сельскохозяйственными объектами. - Техника в сельском хозяйстве, 1998, №2,с. 15... 19.

7. Ерков А. Контроллеры для управления вентиляцией, - Сельский механизатор, 1999, №2, С.32...34,

8. Ерков A.A. Унифицированная серия приборов для многоканальных СЛУ. //Энергосбережение в сельском хозяйстве: Труды междунар. конференции. — М.: ВИЭСХ, 2003, Часть 2, с.200,.,207.

9. Ерков A.A., Вараксин Л.Н., Прищеп И,В. Вибродиагностический комплекс. // Автоматизация сельскохозяйственного производства. Тез. докл. международной научно-техн. конф.- М.: ВИЭСХ, 1997, с. 105-.. 106.

10. Ерков A.A., Мусин A.M. и др. Электродвигатель с системой зашиты. Авт. свидетельство №2159491,2002.

11. Ерков A.A., Мусин A.M. и др. Система зашиты электродвигателя. Авт. свидетельство №21664051,2002.

12. Ерков A.A. Баш и л ов A.M. Алгоритмы и аппаратура систем технического зрения для агротехнологий. //Энергосбережение в сельском хозяйстве: Труды междунар. конференции. -М.: ВИЭСХ, 2003, Часть 2, C.208...2I3.

13 .Ерков A.A. Система управления микроклиматом в отделении блочных теплиц. Лвтореф. дисс. канд. техн. наук. ВИЭСХ,- М,:1995.- 20с.

14. Ерков A.A., Мямлни А.Н., Сулханов В.Н. Способ нормирования двухуровневых изображений. Авт. свидетельство 1035620 , 1983.

15. Ерков A.A. Управление микроклиматом теплиц. //Энергосбережение в сельском хозяйстве: Труды междунар. конференции, - М.: ВИЭСХ, 2003, Часть 2, C.194...200.

16. Ерков A.A. Управляющая сеть ЭВМ тепличного комбината .//Автоматизация производственных процессов в сельском хозяйстве. Тез, докл. Всесоюзной научно-техн. конф,-Минск - Москва, 1989, с.70...72.

17. Ерков A.A. Мусин A.M. Синтез САУ с переменной структурой для блока теплиц Труды ВИЭСХ,том83,- М.: 1997, с.40.,,50.

18. Ерков A.A., Вараксин А.Н. Анализ квазипериодических процессов в условиях случайного пробного сигнала. Сборник "Математические модели, средства вычислительной и преобразовательной техники в электрификации и автоматизации сельскохозяйственного производства" - М.: ВСХИ30.1990,с 160... 167.

19. Ерков A.A. АСУТП для теплиц. Автоматизация и производство. - Мг.Овен, 1999, №16.с 17...18.

20. Ерков A.A. Сулханов В.И. Некоторые вопросы восприятия, обработки и распознавания. Препринт ИПМ АН СССР №121. - М.: 1978. -68 с,

21. Ерков A.A. Микроконтроллер для экономных систем отопления и вентиляции. .

4 8

//Энергосбережение в сельском хозяйстве: Труды междунар. конференции. - М.; ВИЭСХ. 1998, Часть 2,с.2П..,212.

22. Ер ков A.A., Тараторкин В.М. Идентификация в диагностике сельскохозяйственных машин н механизмов. Сборник трудов ВСХИЗО. - М.: 1995, с.151.,152

23. Ерков А, А.Мусин A.M. Микропроцессорное устройство защитного отключения электродвигателей, //Энергообеспечение и энергосбережение в сельском хозяйстве: Труды междунар. конференции. - М.: ВИЭСХ, 2004, Часть 3, с.214.,.219.

24. Ерков А.Л.Сулханов В.И.,Мямлин А.Н. Гибридная многопроцессорная СГЗ. Препринт ИПМ АН СССР № 023 . - М.:1984,-25с.

25. Ерков А.А.,Мямлин А.Н„Сулханов В.И. Система технического зрения для распознавания и ориентирования деталей. Сборник "Проблемы машинного видения" пол редакцией чл.-корр. АН СССР Д.Е.Охоиимского ИПМ АН СССР, 1982,с ,131... 140.

27. Ерков.А А., Ковалев A.B. Адаптивные микропроцессорные и САУ и САУ. Тез. докл. Между народи. каучно-техн. конф, " Автоматизация сельскохозяйственного производства. -М-: ВИЭСХ, 1997.Том 2,c,U6,

28. Ерков А.А Опыт разработки и эксплуатации АСУТП в производстве и переработке сельскохозяйственной продукции. Автоматизация электрифицированного сельскохозяйственного производства. -М.: Труды ВИЭСХ т.89, 2004,с. 107,..U7.

29. Ерков A.A. Баш плов A.M. Системы технического зрения для точного земледелия. Автоматизация электрифицированного сельскохозяйственного производства. - М.: Труды ВИЭСХ, т.89, 2004, с.128.,138.

30. Ерков A.A.. Чувашей ВН. Некоторые особенности испытаний сложных регуляторов и САУ. Труды международной конференции. - Луганск. 2003, с.35,.,37.

31. Ерков A.A., Хорошавиев A.B. ТРМ32 и ТРМЗЗ - приборы для автоматизации систем отопления и вентиляции. Автоматизация и производство. - М.Ювен, 1998, №15, с.18,.,21.

32. Ерков A.A.. Хорошавиев Л.П. Управляющая сеть микроконтроллеров. Автоматизация и производство. -М.Ювен, 1997, К»2, с.24.. ,25,

33. Ерков A.A., Хорошавиев A.B. Новый многоканальный микропроцессорный регулятор. Автоматизация и производство, .-М.:Овен, 1996, №8, с.6,.,7.

34. Ерков A.A., Хорошавиев A.B. ТРМ32 и ТРМЗЗ - приборы для автоматизации систем отопления. Автоматизация и производство. - М:.Овен, 1998, №15, с.18,,.21,

36, Ерков A.A., Хорошавиев A.B. Типы и применение регуляторов. Управляемые объекты и их модели. Автоматизация к производство. - М.Ювен. 1996, №3,с,14... 17,

37, Ерков A.A., Хорошавиев A.B. Терморегулирование без проблем. Автоматизация и производство - М.Ювен, 1996, №4, с.14... 17.

38, Ерков A.A., Хорошавиев A.B. Регуляторы с ПИД законом ре^лирования. Автоматизация и производство. - М.Ювен, 1996, №5,с.9.,.11,

40, Ерков A.A.. Хорошавиев А,В..Адаптивные ПИД регуляторы. Автоматизация и производство. - М.:Овен ,1996, №6,c.9.,.l I.

41, Ерков A.A., Хорошавиев A.B. Типы и применение регуляторов АСУ технологическими процессами с большим транспортным запаздыванием. Автоматизация и производство. -М.Ювен ,1996, №7,.с. 14...17,

42, Ерков A.A., Хорошавиев A.B. Особенности применения трехпозииионных регуляторов. .- Автоматизация и производство - М.Ювен 1998, №4, с. 15,,. 17,

43, Ерков A.A., Хорошавиев A.B. Новый микропроцессорный регулятор TP М-14, Автоматизация и производство - М.:Овен 1998. №8-9, с.6,.,8.

Рис. 19, Часть мнемосхемы цеха ректификации.