автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.07, диссертация на тему:Моделирование и идентификация сложных полимеризационных процессов в автоматизированных системах управления

га о»

5 01«

а "¡ичм.чл рукописи

ЖД/Ц Алексей Алексеевич

МОДЕЛИРОВАНИЕ И ИДЕНТИФИКАЦИЯ СЛОЖНЫХ ЮЛИМЕРИЗАЦЙОНННХ ПРОЦЕССОВ В АВТОМАТИЗИРОВАННЫХ СИСТЕМАХ УПРАВЛЕНИЯ

ДНГС^".. .',',!:,<,1 " УЧО.ЧОИ '"геИС'йИ

:сщдпда1с1 технических наук

¿Р'.-'.Ч'ГЖ-.ШОо

Работа выполнена на кафедре автоматизированных и вычисли- ^ тельных систем Воронежского государственного технического университета

Запита состоится " 25 " октября 1996 г. в конференц-зале в 14 часов на заседании диссертационного совета Д063.81.02 при Воронежском государственном техническом университете по адресу: 394026. г.Воронеж, Московский пр., 14.

С диссертацией можно ознакомиться в библиотеке Воронежского государственного технического университета

Научный руководитель

доктор технических наук.

профессор

Вурковский В.Л.

Официальные оппоненты:

доктор технических наук,

профессор

Кузнецов Л. А.

кандидат технических наук Мовшин А.0.

Ведущая организация

ГП ВФ НИИСК, (г. Воронеж)

Автореферат

Ученый секретарь диссертационного совета

Львович Я.Е-

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

АКТУАЛЬНОСТЬ ПРОБЛЕМЫ. Одной из ваяннх проблем современного развития математического аппарата управления слаяннт технологическими системами применительно к процессам химического синтеза является создание аигооитмических средств воспроизведения и анализа информации о характере протекания полимериаационных процессов и , определения на ее основе свойств синтезируемых внсокомолркударйых соединений в рамках антоматириргтпанкых систем различного уровня.

В гошетичеаюй теории полимеризации основной харктеристикой синтезируемых полимеров, например синтетических каучуков. считается функция молекулярно-массового распределения (ММР), статистические параметры которого влияют на качество конечного продукта как прямо, например полидисперсность, так и косвенно, то есть позволяют оценить такие показатели, как вязкость по Муни, жесткость по Дефо, пластичность по Карреру. Поэтому вычисление функции ММР, ее исследование в рамках модели и использование результатов моделирования в контуре управления технологическими процессами в настоящее время представляют наибольший теоретический и практический интерес .

С' позиций теории управления процессы полимеризации являются основной функциональной компонентой сложных хммико- технологических систем и характеризуются наличием и взаимодействием факторов и эффектов различной природы, которые с одной стороны являются источниками неконтролируемых возмущений, а с другой - причиной принципиально вероятностного характера самих процессов как на параметрическом, так и на структурном уровнях. Все это требует проведения дополнительных исследований в области моделирования, идентификации и оптимизации параметров сущестьующих технологических процессов синтеза полимеров.

Таким образом, актуальность темы диссертационной работы продиктована необходимостью повышения эффективности паяимеризациоииых процессов за счет использования в системах автоматизированного управления специальных инструментальных средств математического моделирования и управления объектами, учитывающих структурную и параметрическую нестационарность системы.

Тематика диссертационной работы связана с реализацией разделов комплексной региональной программы "Черноземье", а также соответствует научному направлению ВГТУ "САПР и системы автоматизации производства".

ЦЕЛЬЮ РАБОТЫ является разработка инструментальных программных^1' средств моделирования, идентификации и управления стохастическими процессами полимеризации.

Исходя из данной цели, в работе решались следующие основные задачи:

выбор и обоснование законов распределения параметров математических моделей полимеризационных процессов на различных уровнях моделирования;

построение и исследование статистических моделей полимеризационных систем в условиях дрейфа структурных параметров;

разработка и программная реализация алгоритмов численного моделирования процессов полимеризации на основе техники Монте-Карло;

разработка алгоритмов структурной идентификации моделей исследуемых систем в условиях нечеткости входной информации;

создание инструментальных программных средств генерации случайных последовательностей и анализа их качественных характеристик;

разработка программно-алгоритмического комплекса моделирования, идентификации и оптимального управления полимеризацией бутадиенового каучука СКД.

МЕТОДЫ ИССЛЕДОВАНИЯ основаны на использовании теории математического моделирования, теории вероятностей, математической статистики, вычислительной математики, химической кинетики, компьютерных технологий.

НАУЧНАЯ НОВИЗНА основных результатов диссертационной работы: разработано формализованное описание полимеризационных процессов, обеспечивающее в рамках соответствующих математических моделей воспроизведение комплекса внутренних и внешних неконтролируемых источников возмущений;

разработана комплексная статистическая модель полимеризационных процессов, обеспечивающая динамическое воспроизведение внешних неконтролируемых источников возмущений;

предложена имитационная модель процессов полимеризации, отражающая структурные особенности объекта управления, обусловленные внутренними источниками возмущений, и позволяющая провести оценку влияния структурных параметров на качество процесса;

разработаны вычислительные процедуры Монте-Карло в составе системы моделирования и идентификации, отличающиеся использованием статистических или временных характеристик элементарных кинетичес-

ких стадий, предложены способы увеличения точности и. скорости в и числений;

разработан алгоритм адаптивной структурной идентификации объекта управления, базирующийся на реализации методов теории нечетких множеств и отличающийся включением в процедуру идентификации результатов имитационного моделирований.

ПРАКТИЧЕСКАЯ ЗНАЧИМОСТЬ РАБОТЫ. Предложенные в работе модели и алгоритмы положены в основу подсистемы верхнего уровня управления процессами синтеза полимеров заданного качества, содержащей компоненты моделирования и математического описания объектов сто-хастичекой природы.

Разработан пакет прикладных программных средств, содержащий функциональные компоненты решения прямой и обратной задачи моделирования для процессов с параметрической и структурной неопределенностью; адаптивной структурной идентификации моделей в условиях нечеткости входной информации; генерации случайных последовательностей. отвечающих заданному закону распределении, и анализа их качественных характеристик; вычисления оптимальных статических режимов ведения технологических процессов.

Предлагаемый программны» комплекс может быть использован как для решения прикладных производственных задач, так. и при проведении научных исследований и в учебном процессе.

Использование результатов работы в производстве позволяет получить экономический эффект за счет повышения качества продукции и экономии знергоресурсов.

РЕАЛИЗАЦИЯ И ВНЕДРЕНИЕ РЕЗУЛЬТАТОВ РАБОТЫ. Основные теоретические и практические результаты работы реализованы я виде пакета прикладных программ, внедрены в учебный процесс на кафедре ABC ВГТУ в рамках лабораторного практикума, а также использовались в научных исследованиях по реализации разделов комплексной региональной программы "Черноземье", экспериментально проверены на АО "Ефремовский завод синтетического каучука" в составе подсистемы верхнего уровня управления производством СКД с ожидаемым годовым экономическим эффектом 1"0 млн. рублей в ценах января "1996 г.

АПРОБАЦИЯ РАБОТЫ. Основные результаты докладывались и обсуждались на IV Всероссийской научной конференции "Динамика процессов и аппаратов химической технологии" (Ярославль, 1994), Всероссийском совещании-семинаре "Математическое обеспечение высоких технологий в технике, образовании и медицине" (Воронеж, 1994), Всерос-

сийской научно-практической конференции "Черноземье-95" (Воронеж* 1995), Всероссийском совещании-семинаре "Математическое обеспече ние высоких технологий в технике, образовании и медицине" (Воро нед. 1995), X научно-технической отраслевой конференции "Состояни и пути повышения надежности видеомагнитофонов" (Воронеж, 1996) Российском молодежном научном симпозиуме "Молодежь и проблемы ин формационного и экологического мониторинга" (Воронеж, 1996), Все российском совещании-реминаре "Математическое обеспечение высоки технологий в технике, образовании и медицине" (Воронеж, 1996).

ПУБЛИКАЦИИ. По результатам исследований опубликовано 14 пе чатных работ.

СТРУКТУРА И ОБЪЕМ РАБОТЫ. Диссертационная работа состоит и. введения, пяти глав, заключения, списка литературы из 139 наимено ваний и содержит 140 страниц машинописного текста, 22 рисунка, ! таблиц и приложения на 42 страницах.

СОДЕРЖАНИЕ РАБОТЫ

Во введении показана актуальность работы, сформулированы цел и основные задачи исследования, представлены основные научные ре зультаты, приведено краткое содержание работы по главам.

В первой главе проанализированы структуры и функции известны: автоматизированных систем управления технологическими процессам: полимеризации, приведено обоснование необходимости использования • контурах управления математических моделей, отражающих стохасти ческую природу внутренних и внешних источников возмущений.

Анализ исследуемой проблемы показал, что современные непре равные полимеризационные процессы характеризуются большой слож ностью, которая проявляется в значительном числе входных и выход ных координат полимерных систем, многочисленных внутренних и внеш них источников возмущений. Проявление указанных особенностей зна чительно усиливается с появлением направлений процесса, изменяюши: его ход.

Поэтому для обеспечения оптимального режима в смысле достижения требуемых параметров качества конечного продукта в система: управления действующим производством необходимо использование математических моделей, наиболее полно отражающих принципиально вероятностный характер процессов.

Дана краткая характеристика, с позиций алгоритмической )

программной реализации рассмотрены преимущества и недостатки семейства аналитических и имитационных методов моделирования, а также возможность их использования в контурах управления. Проведен обзор современных методов параметрической и структурной идентификации.

Применительно к процессам полимеризации рассмотрены два'подхода к исследованию химика- технологических систем: кинетический и статистический. Кинетический подход заключается в составлении и решении уравнений концентраций всех типов молекул., радикалов иди других активных частиц, участвующих в процессе, как объектов кинетического описания. Кинетические уравнения выводятся из условий материального баланса по каждому компоненту реакции с учетом закона действующих масс, определяющего скорость образования и исчезновения этого компонента. Преимущества кинетических систем состоят в относительной простоте и возможности "прямого" получения статистических оценок синтезируемых полимеров. Однако существенным недостатком указанного подхода является большая (в общем случае - бесконечная) размерность системы кинетических уравнении, и, хотя к настоящему времени разработан ряд методов снижения порядка системы. вопрос получения аналитического или численного решения остается открытым. Кроме того, аналитический подход не позволяет рассматривать полимеризационные системы как стохастические, то есть учесть вероятностный характер самих процессов.

Удобная альтернатива для исследования случайных процессов в системах химического синтеза может быть получена за счет использования методов Монте-Карло, как моделирования путем статистических испытаний, подчиняющихся одним и тем же, определенным для данной кинетической системы, вероятностным законам.

Дана характеристика технического и программного обеспечения действующих автоматизированных систем управления процессами получения синтетических каучуков.

На основании проведенных исследований сформулированы общие требования к разработке математического и программного обеспечения системы моделирования и идентификации процессов полимеризации.

Вторая глава посвящена разработке математического аппарата моделирования технологического процесса полимеризации с учетом различных кинетических механизмов в условиях параметрической и структурной неопределенности.

Основной характеристикой, непосредственно связанной с кинети-

_ б

ческим механизмом процесса полимеризации и определяющей физико-ме-1 ханичес.кие свойства синтезируемого полимера, является функция ММР. Поэтому задачей моделирования является нахождение функции молеку-лярно-массового распределения и его статистических показателей: средних масс (среднечисловой Мп, средиемассовой Му,, седиментацион-ной Мг и средневязкостной М^) и полидисперсности, определяемых в рамках стохастических моделей.

При построении модели применен структурно-уровневый подход, заключающийся в последовательном рассмотрении модулей, описывающих кинетику, гидродинамику и энергетику процесса, при этом механизмы кинетики представлены такими элементарными стадиями, как инициирование, рост и обрыв цепи.

Исходя из того предположения, что процесс полимеризации характеризуется наличием и взаимодействием случайных факторов различной природы, при построении модели предлагается рассматривать два взаимосвязанных случая: стохастичность параметров модели, зависящих от природы и интенсивности внешних источников неконтролируемых возмущений, и нестационарность структуры системы, как возможность изменения факторов, определяющих структуру модели, носящих внутренний принципиально вероятностный характер.

Для учета параметрической нестационарности системы предлагается комплексное использование средств аналитического и статистического моделирования в рамках "гибридной" модели путем внесения в кинетическую модель элементов имитации неконтролируемых источников возмущений. Для описания кинетики процесса выбрана модель, представленная системой нелинейных обыкновенных дифференциальных уравнений, отличающейся повышенной размерностью и жесткостью.

Предполагается, что кинетические коэффициенты являются случайными величинами, зависящими от различных физико-химических, тепловых, гидродинамических и других факторов, учет которых невозможен либо по причине значительного усложнения исходной системы, и, как результата, невозможности получения ее решения, либо из-за отсутствия достаточных знаний об этих явлениях и эффектах.

Имитация неконтролируемых источников случайных возмущений, в рассматриваемой модели достигается за счет формирования на этапе малинного решения системы дифференциальных уравнений значений кинетических коэффициентов случайным образом, удовлетворяющим выбранному закону распределения с известными параметрами (математическое ожидание, дисперсия). С этой целью выделены три основные

' " - " " " 7

группы неконтролируемых возмущений: кинетические, гидродинамические и тепловые. Воздействия кинетической природы связаны с содержанием в исходном сырье примесных компонент, значительно влияющих на скорость образования активных растущих центров. Возмущения двух других групп определяются невыполнением на практике условий идеального массо- и теплопереноса. Анализ предложенной схемы моделирования показал, что кинетические возмущения наилучшим образом описываются экспоненциальным законом распределения коэффициентов модели, а гидродинамические и тепловые - нормальным.

Исследование структурной нестационарности процесса выполняется при допущении отсутствия в системе гетерогенных процессов. При этом полимеризационная система является квазизргодичес-кой, то есть удовлетворяет требованиям однородности в пространстве и во времени. Поэтому для моделирования процесса в случае структурной нестационарности используется техника Монте-Карло, в основу которого положены одно из двух вероятностных условий - временное или статистическое.

В соответствии со статистическим подходом в основу вероятностных условий положена величина известного параметра «, определяемого из соотношения скоростей роста и обрыва кинетической цепи с учетом топологических характеристик системы:

« = Кр-М1/Кг, (1)

где М* - концентрация мономера: Кр, - кинетические константы стадий роста и обрыва соответственно.

Нормируя данное соотношение к единице, получаем вид функций вероятности роста (Рр) и обрыва (Р<-) цепи:

Рр = Кр-М1/(Кр-М1 + Кь): Р1 = КцЛКр-М! + КО (2)

В основе второго подхода к определению вероятностных характеристик состояния системы лежит рассмотрение средних времен событий роста и обрыва соответственно. Предполагается, что каждая элементарная реакция характеризуется своим средним временем совершения, то есть каждое элементарное превращение протекает в среднем через равные интервалы, величина которого и определяет вероятность появления события. При этом, численные значения элементарных интервалов единичной цепи-реализации обратны скоростям соответствующего события (роста или обрыва):

"Ср = (Кр-М!)-1; П = (КО"1 (3)

_ 8

а соответствующее вероятности принимают вид ^

Рр = ехр(- Кр-Мх^); = ехр(- (4)

где I - текущее значение времени моделирования.

При построении энергетического уровня используется уравнение теплового баланса по компонентам реакторной схемы, а кинетические коэффициенты рассматриваются как аррениусовские функции температуры. Учет тепловых эффектов полимеризации в модели Монте-Карло достигается включением в схему моделирования величины элементарного теплового эффекта стадий роста и обрыва, носящего случайный характер и характеризующегося вероятностями Рр и Рь-

Отличительной особенностью непрерывного режима функционирования объекта является, учет на макроуровне явления переноса веществ, входящих в реагирующую смесь. С этой целью формируется функция распределения реагентов по каждому из п реакторов каскада с вероятностью переноса вещества:

1

'•в1'1 I

= - ехр(- 1-8): в = -: 1=3+п. (5)

кт1-а-1)! тт .

где хт - среднее время пребывания вещества в' реакторе; кт; - нормирующий множитель.

В третьей главе рассмотрена задача адаптивной структурной идентификации моделей технологических объектов в условиях нечеткости входной информации.

Моделируемый технологический процесс описывается множествами

( Р(ЩНХ1гХ2,...,Хц}

{ РООИУьУг,-.. Лм>, (6)

[ РМ=Ш

где I) и V - конечные входное и выходное пространства объекта моделирования, V) - избыточная совокупность модельных структур, каждая из которых соответствует определенному набору элементов выходного множества в зависимости от координат входного. Задача адаптивной идентификации структуры модели сводится к построению функции отображения ЧУд > —* Ш, При этом параметры моделей рассматриваются ¡сак нечеткие множества, характеризующиеся координатой и функцией принадлежности (д):

Уз = / 5=1*М; г = X цО»)/* (7)

Уу Vг

Принимается, что значения входных параметров для каждой из принятых модельных структур лежат в некоторых априорно заданных интервалах, а для вычисления оценок функции принадлежности координат входного пространства предлагается использовать семейство параметрических кривых: для внутренних интервалов - кривые колоколо-образной формы, а для внешних - кривые, ограниченные справа или слева соответственно.

Связь координат У и 7. описывается нечетким уравнением Z - R(Ai(y),A2(z)) о Y

M-z(w) = шах min <jxy(v),w?(v,w)>, Vy

где R(Ai(y),Аг(2)) - нечеткое бинарное отношение на VxW; о - операция максиминной композиции Заде; Y - совокупное нечеткое выходное множество, включающее все элементы выходного пространства. С точки зрения информативности переменные Yj являются неравнозначными: одни параметры несут большую информационную нагруз;су по сравнению с другими, поэтому предлагается провести операции выделения и ранжировки групп входных данных: каждому элементу входного пространства ставится в соответствие степень его влияния на результат идентификации. Величина ранга (г) принимает любое положительное значение, при этом нормальное влияние классифицируется как единичная степень, а повышенное и пониженное - как большая и мень-иая единицы. Далее выполняются операции ранжировки входных множеств: концентрирования (г>1) или растяжения (г<1), а совокупное нечеткое входное множество является результатом объединения исходных множеств с учетом их ранга.

Для получения текущего значения структуры моделируемого технологического процесса, соответствующей входным параметрам, используются правила условного логического вывода: формируется би-чарное отношение, исходя из условного предложения вида: Тредпосылка 1: ЕСЛИ У есть А, ТО Z есть В, ИНАЧЕ Z есть не В Тредпосылка Z-. У есть А Следствие: Z есть В

R(Ai(yM2(z)) = £(AxW)—-(VxB)]n[ (ÄxW)-— (Vxg)] (9)

?ид бинарного отношения зависит от типа выбранной логики. Исследо-¡ание предложенной схемы идентификации показало, что наилучшие ре-1ультаты дает использование семейства Z-условных логик.

Применительно к полимеризационным процессам разработанные

Оценки принадлежности среднечисловых характеристик ШР

Оценка Значение

СО, 1С 1

ДМп 1 2 3 4 5 332,383 [32,38 [1050,553 [40,45[из57,643 [52,5б[и368,703 [6б,70[ < 32 [38.503 [45)573 [56,683 > 70

ММи 1 2 3 4 5 355,583 [62,67 [Ш88,963 [74,80[УЗ 102,1093 [68,74[и3106,1143 [98,112[ < 55 [67,883 [80,1023 [74,1063 > 112

ИМг 1 2 3 4 5 375,833 [82,88[и]105.1123 [94,100[иЗ111)1173 [100,110[и]128,1403 С135,145[ < 75 [88,1053 [100,1113 [110,1283 > 145

1 2 3 4 5 ['1.3,1.50)31.8,2.03 ['1.5,1.7 [из 2.0,2.53 [1.1,1.3[из1.5,1.83 [1.4,1.7[и32.1)2.53 31.0,1.33 [1.5,1.83 [1.7,2.03 [1.3,1.53 [1.7,2.13 1.0

ММг/Ми 1 2 3 4 5 С1.'1,1.3[из 1.5,1.83 [1.5,'1.6[и31.8,2.03 [1.1,1.2[из1.5,1.83 [1.5,1.6[и32.1,2.43 31.0,1.23 [1.3,1.53 [1.6,1.83 [1.2,1.53 [1.6,2.13 1.0

средства используются для определения структуры стохастической мо-

дели, соответствующей кинетическому механизму обрыва. В качестве входных переменных при определении структурной оценки процесса ис-польауются пять характеристик: Мп, Мг, М*,/Мп> М2/Ми. Выходное

множество - совокупность структур модели технологического процесса, соответствующих одному из пяти механизмов обрыва: случайны^ (и=1), мономерный (к=2), диспропорциональный (и=3), комбинационны! (у»=4) и безобрывная полимеризация (»(=5). Для нахождения граничны) значений переменных, соответствующих выбранным средним молекулярным характеристикам идентифицируемой структуры, используется иде5 от обратного: строятся калибровочные кривые в координатах искомы) параметров, которые вычисляются в рамках рассмотренных моделей Монте-Карло. Далее формируются соответствующие графические (табличные) зависимости, по которым и оценивается степень принадлежности требуемых функциональных параметров.

В четвертой главе приведено описание и анализ алгоритмов, реализующих рассмотренные схемы моделирования и идентификации.

Предлагаемый программно-алгоритмический комплекс включает в себя следующие основные компоненты: алгоритмы формирования и настройки статистических моделей технологического процесса с учетом различного механизма обрыва растущего эвена полимера и наличия случайных возмущений: средства структурной идентификации объекта управления, инструментальные средства генерации стохастических последовательностей и идентификации ш качественных характеристик.

В рамках подсистемы имитационного моделирования рассматриваются модели двух классов. Методы, реализующие модели первой группы, представляют собой совокупность алгоритмов численного решения системы нелинейных дифференциальных уравнений повышенной размерности и программных средств генерации случайных возмущений. Как показали проведенные исследования, самые лучшие результаты дает использование семейства "жестко"-устойчивых неявно многошаговых методов, в частности метода Гира. Модели, воспроизводящие структурную нестационарность, являются алгоритмической реализацией предложенных схем статистического моделирования с использованием аппарата Монте-Карло. В главе подробно описаны вычислительные алгоритмы, содержащие процедуры определения вероятностей элементарных кинетических стадий, формирования логических условий роста и обрыва, имитации элементарных событий роста, обрыва, тепло и мас-сопереноса. Исследование разработанных алгоритмов позволило выделить группу параметров (длина статистической выборки, число реализаций и объем памяти, необходимой для нормированного представления результата), оказывающих существенное влияние на точность решения и скорость вычислений; приведены рекомендации по выбору их значений.

С позиций программной реализации рассмотрены алгоритмы генерации случайных чисел. Предложена система эмпирических тестов анализа качества формируемых случайных последовательностей, реализующие проверки частот, серий, интервалов, комбинаций, перестановок, монотонности, подпоследовательностей, тесты "собирателя купонов", "наибольшее из 1". оценки коэффициента последовательной корреляции.

Предложена двухуровневая программная организация системы оценивания структуры модели, на первом уровне которой реализованы алгоритмы идентификации на основе аппарата нечеткого условного выбо-

ра, а на втором - алгоритмы структурной адаптации.

Пакет программ написан на языке СИ, рассчитан на 1ВМ-совмес-тимые компьютеры, размер загрузочного модуля не превышает 25( Кбайт.

Пятая глава посвящена практическому применению разработанны; моделей, алгоритмов и инструментальных программных средств на примере управления синтезом бутадиенового каучука СКД. Осуществлен, реализация модели процесса, проведена ее структурная идентификаци: и исследования для различных режимов функционирования объекта уп равления, а также оптимизация параметров статических режимов : контуре управления.

В основу при решении задачи управления качеством полимериза-ционного процесса положен интегральный критерий, а управлени< рассматривается на двух уровнях, позволяющих учесть все особенности оптимизируемого процесса. Для стабилизации локальных технологических режимов на нижнем уровне используется промышленная Л-сет1 из трех сдвоенных микроконтроллеров типа "Ломиконт". Управление з контроль ва параметрами процесса осуществляет оператор при помощ работающей в советующем режиме персональной ЭВМ (управление верхнего уровня), в состав программного обеспечения которой включен) разработанные алгоритмы моделирования и идентификации (рис. 1).

Синтез СКД проводится в батарее реакторов, для которой шихт« готовится непрерывно смешением растворителя (толуола) и мономер, (бутадиена). Каталитический комплекс образуется при взаимодействш галогенвда титана с. триизобутилалюминием при подаче в трубопровод шихты непосредственно перед первым реактором-полимеризатором. Выходными характеристиками процесса являются: степень конверсия мономера и вид функции ММР полимеризата, определяющий показатели качества полимера - полидисперсность и вязкость по Муни.

В главе проведен анализ информационных потоков объекта и выб-| раны каналы управления: расход хладагента, подаваемого в рубашк! реакторов-полимеризаторов; объемные потоки шихты, подаваемые ] первый, второй и третий реакторы; концентрация мономера в шихте. Свойства каучука СКД оцениваются по величине полидисперсности (Рс1; и вязкости по Муни (М*). Для получения полимера заданного качеств* неоходимо, чтобы указанные параметры находились в заданном интервале (Рс^п^РсКРсЗпип; . Поскольку показатели качеств, зависят от вида функции молекулярно-массового распределения, цель» управления является выбор технологических режимов реакции, обеспе-

^Обратная задача

Идентификация

структура параметры

результаты лаб. анализа

(?№-ге-

Модель нератор ИМО-генераторы )

к ! тестирование]

Оптимизация РКП-тесты [

Оператор

Лаборатория

Микроконтроллеры

Зш>См Зад

X

Исп. механизмы

Каскад реакторов

Датчики

Т, См

Рис.1. Схема управления процессом полимеризации СКД 1ивающих заданный вид функции ММР, минимизирующих критерий:

Рс1

3 =

п п 1=1 ¡=1

t2 £

11 1-1

Е (N1 - ^Г-ДЬ

(10)

; Ош ! См

М =

Г ■ ы1-77

1=1_

п

£ ^^

Мтхп < М < Мтах Сад < См £ См

1=1

Рс*т1П < Рс1 <

3

1,3 о.зз

,-0.37

■Рб

+ Бщ = Вт Тщ1п < Т < Тщах,

•де N"(11) . Л(гО - заданная и выходная функции ММР полимера соот-Ш1П „ пах

)етственно; См , См - допустимые концентрации мономера в шихте; ¡и - заданный расход шихты; Ттах.. "¡лип - граничные температуры.

Исследования кинетических зависимостей показали, что скорость стадии инициирования значительно выше остальных и может быть прията как мгновенной, вид функции ММР синтезируемого полимера зави-ит от скоростей и механизмов роста и обрыва. Для вычисления функ-т ММР N(п) использовались соотношения (4), (5).

м

45

30

15

0 1 2 3 4 5 6 7 8 1, ч

Рис. 2. Динамика-вязкости по Муни при ручном (ш) и автоматизированном (•) управлении

Отвод тепла через систему охлаждения вычислялся по формуле

Охл = бхл-Ср.хд-И - ехрГ- (кт-Р)/(Бхл-Ср.хл)]> • (Т - Тхл) (11!

где 6Хд - расход хладагента; Ср. Хл - удельная теплоемкость хладагента; кт - коэффициент теплопередачи; Р - поверхность теплопередачи; ТХл ~ входная температура хладагента.

Анализ относительных ошибок статистических характеристик формы функций ММР и оценка достоверности по критерию Пирсона подтвердили адекватность модели и объекта.

Для решения оптимизационной задачи управления (10) использован модифицированный алгоритм, реализующий метод сканирования. Не рисунке 2 представлены результаты, свидетельствующие о его эффективности.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1. Для процессов полимеризации проведен выбор и обоснование законов распределения параметров математических моделей. Предложена математическая и алгоритмическая реализация аппарата "гибридно-| го" моделирования, учитывающая параметрическую нестационарность объекта управления.

2. Для технологических объектов, характеризующихся структурной нестационарностью разработана имитационная модель, базирующаяся на реализации аппарата моделирования Монте-Карло. Предложены схемы формирования вероятностных условий генерации машинных реализаций процесса полимеризации, в основу которых положены: статистический параметр, определяемый из соотношения скоростей роста и об-

рыва кинетической цепи с учетом топологических характеристик системы: времена элементарных кинетических превращений.

3. Для учета кинетических, тепловых и гидродинамических особенностей процесса роста и обрыва предложены схемы формирования цепи-реализации и вероятностные условия тепло- и массопереноса.

4. Разработаны средства адаптивной идентификации на основе методов теории нечетких множеств. Предложены способы построения функции отображения множества фазовых ктординат объекта в соответствующее структурное множество с использованием правил условного вывода, определяемых принятой логикой. Учет степени достоверности информации об объекте достигается использованием операций выделения и ранжировки исходных данных в соответствии с оценками, полученными путем экспертного анализа.

5. Предложен способ формирования оценок функции принадлежности на основе интервалов соответствия, границы которых определяются в ходе решения методом Монте-Карло обратной кинетической задачи.

6. На основе предложенных моделей и алгоритмов разработал пакет прикладных инструментальных средств, содержащий функциональные компоненты решения прямой и обратной задачи моделирования для процессов с параметрической и структурной неопределенностью; адаптивной структурной идентификации моделей в условиях нечеткости входной информации: генерации случайных последовательностей, отвечающих заданному закону распределения, и анализа их качественных характеристик: вычисления оптимальных статических режимов ведения технологических процессов.

7. Проведена экспериментальная проверка разработанных схем моделирования, идентификации и управления процессом производства каучука СКД, подтвердившее их эффективность и работоспособность. Ожидаемый годовой экономический эффект от внедрения составляет 120 млн. рублей в ценах января 1996 года.

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

1. Подвальный С.Л., Бурковский В.Л., Жданов A.A. Исследование динамики процессов полимеризации методом статистического моделирования // Динамика процессов и аппаратов химической технологии: Тез. докл. IV Всерос. науч. конф. 18-19 октября 1994 г.- Ярославль, 1994. Т. 1. С. 157.

2. Подвальный С.Л., Бурковский В.Л., Жданов A.A. Статистическое моделирование процессов полимеризации в нестационарных режимах // Математическое обеспечение высоких технологий в технике, образовании и медицине: Тез. докл. Всерос. совещ.- семинара 3-5 ноября

1994 г.- Воронеж, 1994. С. 124.

3. Жданов A.A. Оценка состояний сложного процесса в условиях случайного поведения технологической системы // Математическое обеспечение высоких технологий в технике, образовании и медицине: Тез. докл. Всерос. совещ.- семинара 28 июня - 1 июля 1995 г.- Воронеж, 1995. С. 5.'

4. Жданов A.A. Структура математического обеспечения системы управления технологическим процессом полимеризации // Математическое обеспечение высоких технологий в технике, образовании и медицине.- Тез. докл. Всерос. совещ.- семинара 28 июня - 1 июля 1995 г.- Воронеж, 1995. С. 139.

5. Жданов A.A. Инструментальные средства статистического моделирования технологических процессов полимеризации в нестационарных режимах,- М., 1995.- 14 е.- Деп. в ВИНИТИ 07.06.95, № 1678-В95.

6. Жданов A.A. Алгоритмизация процедур генерации случайных воздействий в системе управления процессами полимеризации. - М..

1995,- 11 е.- Деп. в ВИНИТИ 07.06.95, № 1679-В95.

7. Жданов A.A. Учебно-программный комплекс исследования непрерывных технологических процессов в условиях неконтролируемых источников возмущений // Черноземье-9Б: Тез. докл. Всерос. науч. -практ. конф. по новым информационным технологиям в образовании 20 - 23 ноября 1995 г.- Воронеж, 1995. С.91.

8. Жданов A.A., Бурковский В.Л. Верификация алгоритмов генерации случайных последовательностей в дискретных моделях технологических процессов // Состояние и пути повышения надежности видеомагнитофонов: Тез. докл. X науч.-техн. отрасл. конф,- Воронеж.

1996. С.19.

9. Жданов A.A.. Бурковский В.Л. Структурная идентификация технологических объектов в случае нечеткой входной информации // Состояние и пути повышения надежности видеомагнитофонов: Тез. докл, X науч.-техн. отрасл. конф.- Воронеж, 1996. С.20.

10. Жданов A.A. Программные средства моделирования и идентификации в системе автоматизированного управления процессом синтеза каучуков // Молодежь и проблемы информационного и экологического мониторинга: Материалы Российского молодежного научного симпозиума

25 - 28 марта 1996 года. - Воронеж, 1996. Кн.1. С. 50.

11. Жданов A.A., Бурковский В.Л. Алгоритмизация процессов генерации последовательностей случайных величин в АСНИ /У Проблемы информатизации и управления: Межвуз. сб. науч. тр.- Воронеж. 1996. С.62-67.

12. Жданов A.A., Бурковский В.Л. Статистическое моделирование: технологических процессов с гибкой структурой // Электромеханические устройства и системы: Межвуз. сб. науч. тр.- Воронеж, 1996., С.28-34. !

13. Подвальный С.Л., Жданов A.A. Алгоритмизация процедуры1 структурной идентификации нестационарных технологических объектов управления // Математическое обеспечение высоких технологий в технике. образовании и медицине: Тез. докл. Всерос. совещ.- семинара

26 - 29 июня 1996 г.- Воронеж, 1996. 4.1. С. 10.

14. Жданов A.A., Бурковский В.Л. Оптимизация технологических режимов многореакторных полимеризационных систем // Математическое обеспечение высоких технологий в технике, образовании и медицине: Тез. докл. Всерос. совещ.- семинара 26 - 29 июня 1996г.- Воронеж, 1996. 4.1. С. 41.