автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.06, диссертация на тему:Оптимальное управление процессом каталитического риформинга с использованием гибридной математической модели

На правах рукописи

АНТОНОВ ОЛЕГ ВИКТОРОВИЧ

ОПТИМАЛЬНОЕ УПРАВЛЕНИЕ ПРОЦЕССОМ КАТАЛИТИЧЕСКОГО РИФОРМИНГА С ИСПОЛЬЗОВАНИЕМ ГИБРИДНОЙ МАТЕМАТИЧЕСКОЙ МОДЕЛИ

05.13.06 - Автоматизация и управление технологическими процессами и производствами

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

Астрахань 2003

Работа выполнена на кафедре «Автоматизированные системы обработки информации и управления» Астраханского государственного технического университета.

Научный руководитель: кандидат технических наук,

доцент Проталинский Олег Мирославович

Официальные оппоненты: доктор технических наук,

профессор Литовка Юрий Владимирович; кандидат технических наук, доцент Юрко Олег Владимирович

Ведущее предприятие: Астраханский газоперерабатывающий завод

ОАО «Астраханьгазпром».

Защита состоится декабря 2003 г. в !Н часов на заседании диссертационного совета Д 307.001.01 по присуждению ученой степени доктора технических наук в Астраханском государственном техническом университете по адресу: г. Астрахань, ул. Татищева, 16, ауд.

Отзывы на автореферат в двух экземплярах, заверенные гербовой печатью, просим направлять по адресу: 414056, г. Астрахань, ул. Татищева, 16, АГТУ, ученому секретарю диссертационного совета Д 307.001.01.

С диссертацией можно ознакомиться в библиотеке университета

Автореферат разослан 25 ноября 2003 г.

Ученый секретарь диссертационного совета,

профессор " Г. А. Попов

'¿60 5 ' /4

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Нефтеперерабатывающая промышленность России играет важную роль в экономическом развитии страны. Важным показателем уровня развития отрасли служит удельный вес облагораживающих и углубляющих переработку нефти процессов. Широкие возможности в этом направлении представляют установки вторичной каталитической переработки нефтепродуктов, в том числе каталитический риформинг. Каталитический риформинг бензинов является наиболее распространенным методом каталитического облагораживания прямогонных бензинов.

Управление установкой каталитического риформинга является достаточно сложной задачей, требующей частой перестройки технологических режимов и многокритериального поиска оптимальных режимов управления. Внедрение систем оптимального управления установками каталитического риформинга наталкивается на ряд трудностей. В первую очередь, это связано с вопросами построения адекватных математических моделей каталитических процессов вторичной нефтепереработки. При этом основной проблемой следует считать наличие достаточно большого количества информации о процессе, которую невозможно формализовать традиционными методами.

Следует отметить, что многие работы в этом направлении ведутся с позиции полного перехода на качественное описание процесса. Такой подход оправдан только в случае отсутствия какой-либо количественной информации о процессе. В большинстве случаев имеет место другая ситуация - количественная информация присутствует, но не позволяет построить математическую модель в целом. Вместе с тем, имеется качественная информация, дополняющая количественную. При этом только качественное описание приводит к совершенно неоправданным потерям количественной информации и, следовательно, к неудовлетворительной точности математического описания. Вопросы совместного использования количествёшой"некачественной информации при математическом описании и управлении процессами разработаны недостаточно.

Построение математической модели процесса каталитического риформинга с совместным использованием количественной и качественной информации позволит повысить точность и гибкость модели. Этот путь открывает значительные перспективы для расширения возможностей оптимального управления процессом. Для крупнотоннажных процессов с большими затратами на производство, к которым относится и процесс каталитического риформинга, внедрение систем оптимального управления позволит получить значительную экономическую выгоду.

Таким образом, разработка эффективных автоматизированных систем управления установками каталитического риформинга, которые смогут использовать количественную и качественную информацию и, тем самым, повысить производительность оборудования и улучшить качественные показатели выпускаемого продукта, является, несомненно, актуальной научной и практической проблемой.

Целью настоящей работы является повышение эффективности эксплуатации установок каталитического риформинга за счет внедрения систем оптимального управления статическим режимом технологического процесса на базе математических моделей, позволяющих совместно обрабатывать количественную и качественную информацию об объекте управления. ..

Для достижения поставленной цели были сформулированы и решены следующие частные задачи: анализ каталитических процессов вторичной нефтепереработки применительно к целям оптимального управления; разработка методики построения гибридных математических моделей каталитических процессов нефтепереработки, позволяющей совместно использовать количественную и качественную информацию о процессах; построение гибридной математической модели процесса каталитического риформинга; синтез алгоритма оптимизации процесса каталитического риформинга с использованием гибридной модели; разработка системы управления, реализующей алгоритм оптимального управления процессом каталитического риформинга.

Методы исследования. Для решения поставленных задач применялись методы математического моделирования, общие принципы теории управления, поисковые методы оптимизации и методы искусственного интеллекта.

Научная новизна работы. Разработан метод построения гибридных математических моделей технологических процессов с возможностью объединения количественной и качественной информации о процессе. Построена гибридная математическая модель процесса каталитического риформинга. Синтезирован алгоритм решения задачи оптимизации процесса каталитического риформинга, учитывающий особенности гибридной математической модели.

Практическая ценность работы состоит: в разработке алгоритмов расчета по гибридным математическим моделям объектов управления; в разработке программного обеспечения, реализующего алгоритм оптимизации процесса каталитического риформинга с использованием гибридной математической модели процесса; в разработке системы оптимального управления процессом каталитического риформинга, позволяющей повысить эффективность.

Апробация работы. Основные положения и результаты диссертации докладывались на XVI Международной научной конференции «Математические методы в технике и технологиях ММТТ-Дон» (г. Ростов-на-Дону, 2003) и XV Международной научной конференции «Математические методы в технике и технологиях» (г. Тамбов, 2002).

Публикации. По результатам диссертационной работы опубликовано семь печатных работ в научных журналах и сборниках.

Структура и объем работы. Диссертационная работа изложена на 186 страницах; она состоит из введения, четырех глав, выводов по работе, списка используемой литературы и приложений.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы, показана научная новизна и практическая ценность работы, дана ее общая характеристика. Изложены положения, выносимые автором на защиту.

Первая глава посвящена анализу технологических процессов каталитического риформинга. Обозначено положение процесса каталитического риформинга в общей структуре отрасли и его взаимодействие с другими процессами. Подробно описаны химические реакции процесса каталитического риформинга. Приведены сведения о различных типах катализаторов процесса. Описана реализация процесса на промышленной установке Л-35-11/1000.

Проведен анализ процесса как объекта управления. Выделены входные и выходные координаты процесса, координаты состояния управления. Качество функционирования процесса определяется следующими выходными координатами: производительность установки (); качество получаемого продукта, определяемое октановым числом продукта ОЧ, срок службы катализатора Т. Вектор входных координат включает в себя следующие параметры: температура продуктовой смеси на входе в печь подогрева продуктовой смеси первой ступени Твхь коэффициенты избытка воздуха в печах подогрева продуктовой смеси по ступеням аь а?, а3; активность катализатора АК*; качество сырья КС ; качество топливного газа КТГ*; состояние печей подогрева продуктовой смеси по ступеням СП*ь СП*2, СП*3. Вектор состояния включает следующие показатели: температура продуктовой смеси на входе в реакторы по ступеням Твыхь ТВЬК2, Твькз; давление в реакторах Р; перепад температуры в реакторах по ступеням АТь АТ2, ДТ3; объемная скорость подачи сырья Оу; мольное соотношение водород-сырье в системе МСв/с- В качестве управляющих параметров, наиболее существенно влияющих на протекание процесса, выделим следующие: объемный расход топливного газа на входе в печи

подогрева продуктовой смеси по ступеням <Зг1, 0г2, 0гз; объемный расход сбрасываемого водородосодержащего газа <3всп объемный расход подаваемого сырья Ос; производительность компрессора циркуляционного водородосодержащего газа <ЗцК. Описано влияние управляющих переменных на ход процесса.

Исходя из анализа процесса каталитического риформинга выявлены следующие особенности процесса: целевой продукт установки является полупродуктом, что предопределяет ограничение октанового числа в виде неравенства «не ниже заданного»; плохая измеримость - отсутствует возможность автоматического измерения качества продукта и многих входных координат; имеют место частые изменения качественного и количественного состава сырья в широких пределах; имеет место изменение активности катализатора, которое не всегда компенсируется его регенерацией; процесс характеризуется большим числом технологических аппаратов, связанных между собой энергетическими и материальными потоками; имеется большое количество взаимосвязанных, взаимовлияю-щих технологических параметров; процесс является мультипериодиче-ским. В качестве периодов работы можно выделить: промежуток работы на сырье одного резервуара, промежуток работы между проведением окислительной регенерации катализатора, промежуток работы на одном катализаторе; многовариантность функционирования процесса вызывает частую смену технологического режима и многокритериальный поиск оптимальных управлений; присутствует большой объем информации, подлежащий обработке для принятия решений по управлению; значительный объем информации представляется в виде лингвистических описаний; высокая скорость протекания процесса.

Приведен обзор работ по автоматизации и управлению процессом, опубликованных в отечественной и зарубежной литературе. Отмечены достоинства и недостатки перечисленных работ. Сформулирована задача исследования - разработать систему оптимального управления процессом каталитического риформинга, обеспечивающую максимальную прибыль Д от функционирования установки в статическом режиме с использованием как количественной, так и качественной информации.

Вторая глава посвящена разработке методики построения гибридных сотовых математических моделей, а также применению данной методики для построения математической модели каталитического риформинга. Оценен объем имеющейся нечеткой информации о процессе каталитического риформинга: активность катализатора, качество сырья, качество топливного газа, состояние печей подогрева продуктовой смеси по ступеням. Сделан вывод о целесообразности построения гибридной математической модели.

Дан обзор работ по применению математического аппарата нечетких множеств для целей математического моделирования, выявлен основной недостаток известных работ - математическая модель строится лишь на основе лингвистического описания процесса, при этом имеющиеся количественные соотношения не используются. Сделан вывод о применимости описанных подходов для построения нечеткой части гибридной математической модели.

Принята и обоснована система допущений для построения математической модели процесса каталитического риформинга.

Сформулированы основные принципы построения гибридных математических моделей. Описаны этапы построения применительно к процессу каталитического риформинга.

Рассмотрено решение проблемы нестационарности процесса. Предлагается давать прогноз срока службы катализатора, исходя из текущей активности катализатора и текущей жесткости режима. Значение текущей активности катализатора оценивается оператором и вводится в модель в качестве входной координаты. Параметры состояния технологического оборудования также предлагается принять в качестве входных координат математической модели. Таким образом, модель технологического процесса можно рассматривать как стационарную, учитывая влияние нестационарности через входные координата. Это упрощает структуру модели без снижения адекватности.

Построена диаграмма взаимного влияния факторов процесса каталитического риформинга. Участок диаграммы взаимного влияния, соответствующий первой ступени риформинга, приведен на рис. 1. В качестве входных координат модели используются две группы параметров. К первой из них относятся: объемный расход топливного газа в горелки трубчатых печей подогрева газосырьевой смеси, объемный расход стабильного гидрогенизата, объемный расход сбрасываемого водородосодержаще-го газа, производительность компрессора циркуляционного газа. Все эти переменные являются четко определенными и вводятся в модель в виде численных значений. Во вторую группу входят: качество топливного газа, техническое состояние трубчатых печей, качество сырья, активность катализатора риформинга. Эти переменные являются неизмеряемыми, они субъективно оцениваются оператором и вводятся в модель в виде лингвистического описания.

Входные координаты модели определяют значение режимных переменных процесса. К режимным переменным относятся: температура продуктовой смеси на входе в реакторы, давление в реакторах, мольное соотношение водород/сырье в системе, объемная скорость подачи сырья.

Значения этих параметров определяют условия протекания процесса и

Рис. 1. Участок диаграммы взаимного влияния. Первая ступень риформинга

получение сырья заданной октановой характеристики.

Для совокупной количественной и качественной оценки условий протекания реакций введены промежуточные переменные - «жесткость процесса» по каждой ступени, на которые влияет большая группа как четких, так и нечетких координат. Жесткости процесса по каждой ступени определяют обобщенную жесткость процесса. Обобщенная жесткость, значение которой описано нечетким множеством, влияет на выходные координаты модели, являющиеся четкими переменными. К ним относятся

количество продукта, качество продукта, оцениваемое октановым числом, и срок службы катализатора.

Произведена декомпозиция диаграммы взаимного влияния на участки. Введено понятие элементарной соты - наименьшего участка диаграммы взаимного влияния, не допускающего дальнейшей декомпозиции без нарушения причинно-следственной связи. Исходя из этого, предлагается название гибридной сотовой математической модели. Каждая элементарная сота может иметь произвольное количество входов и один выход. Примером простейшей соты может служить сочетание двух параметров и связи между ними. При этом в пределах соты возможно сочетание четких и нечетких параметров, а также связей в виде аналитических соотношений и матриц нечетких отношений.

Определены пять типовых элементарных сот: тип 1 - входные и выходная координаты представлены в виде численных значений, связь между входами и выходом описывается аналитическими отношениями; тип 2 - входные и выходная координаты представлены в виде нечетких множеств, связь между входами и выходом описывается с помощью матрицы нечеткого отношения; тип 3 - входные координаты представлены как в виде численных значений, так и в виде нечетких множеств, выходная координата представляет собой численное значение или нечеткое множество, связь между входами и выходом описывается аналитическими отношениями; тип 4 - входные координаты представлены как в виде численных значений, так и в виде нечетких множеств, выходная координата представляет собой численное значение или нечеткое множество, связь между входами и выходом описывается с помощью матрицы нечеткого отношения; тип 5 - входные координаты представлены как в виде численных значений, так и в виде нечетких множеств, выходная координата представляет собой численное значение или нечеткое множество, связь между входами и выходом описывается как аналитическими отношениями, так и матрицей нечеткого отношения.

Методы расчета по сотам первого и второго типов многократно описаны в литературе и не вызывают особых затруднений в плане методики расчета. Для остальных типов сот предложены способы расчета Для сот третьего и четвертого типов трудность расчета заключается в различной сущности в плане четкости входных и выходных переменных и типе связи. При этом основной задачей при проведении расчета является восстановление определенности знаний о значениях переменных. Под определенностью знаний будем понимать совокупность информации о распределении функции принадлежности нечеткого множества. Для количественной оценки определенности знаний введем понятие индекса определенности нечеткого множества. Пусть имеется нечеткое множество вида:

X = Hi /х( + ц2/х2+ ... + Ц,/Х; + ... + Щи/х,

О)

где р.; — степень принадлежности i-ro элемента нечеткого множества элементу универсального множества Xi. Тогда индекс определенности выражается следующим образом:

ио_ maxQ/,) Р)

1-1

Будем считать, что при расчете по аналитическим отношениям элементарной соты третьего типа определенность знаний о значениях величин остается неизменной. Тогда возможен следующий метод проведения расчета.

Пусть имеется типовая сота с одним входом и одним выходом. Входная и выходная координаты представлены в виде нечетких множеств, связь в соте аналитическая и представляется некоторой функцией у = f(x), х - нечеткое множество вида (1). Согласно принципу обобщения выходная координата соты Yt при этом может быть найдена в виде:

Y, = нДх,) + ц2/ f(x2)+ ... + ц/ f(x,)+ ... + yj f(xm) (3)

Распространяя метод на функцию двух и более переменных у = f(z), где z- вектор аргумента [z1 ... J1], причем каждый z1 представляется нечетким множеством вида (1), получим:

(4)

Для сот четвертого типа при выполнении операции композиции определенность знаний зависит от определенности знаний о входных величинах, а также определенности знаний, примененных для построения матрицы нечеткого отношения. При этом преобразование обеспечивается самой операцией композиции. Специального расчета определенности знаний для выходной величины не требуется.

При расчете по элементарным сотам пятого типа затруднение представляет объединение информации о выходной координате, поступающей по различным типам связей. Понятно, что при проведении расчетов в абсолютных величинах по каждой связи объединение информации невозможно. При проведении расчета в отклонениях от базового режима необходимо предварительное априорное определение данного базового режима, что требует проведения экспериментальных исследований объекта и невозможно при построении математических моделей проектируемых процессов.

В данном случае предлагается использовать корректирующие связи. При этом одна из связей в соте выбирается в качестве основной или

10

ведущей. Остальные связи при этом рассматриваются как вспомогательные или корректирующие. Описание корректирующих связей производится в отклонениях.

Тогда значение выходной координаты соты У может быть представлено в виде:

где У0 - оценка октанового числа риформата по ведущей связи, ДУ, -

1-ое корректирующее отклонение, соответствующее {-ой корректирующей связи, п - количество дополнительных связей.

Следует отметить, что в качестве ведущей связи может быть принята как связь в аналитическом виде, так и связь в виде матрицы нечеткого отношения. В этом случае целесообразно проводить более детальное описание ведущей связи с использованием расширенного набора компонентных термов для определения параметров в виде лингвистических описаний.

С использованием вышеприведенных методов построена гибридная математическая модель процесса каталитического рифоорминга. Математическая модель процесса каталитического риформинга представлена в виде сочетания тридцати типовых элементарных сот. Для каждой соты приведено описание входных и выходной координат, дано описание связей между ними.

Адекватность построенной математической модели процесса была проверена по экспериментальным данным из независимых литературных источников. В результате этой проверки был сделан вывод о приемлемой для управления точности модели.

Третья глава работы посвящена разработке алгоритмов оптимального управления процессом каталитического риформинга. В общем виде задачу оптимального управления установкой каталитического риформинга сформулируем следующим образом: при заданных входных параметрах Хвх, X и найти управляющие воздействия и, обеспечивающие максимум критерия оптимальности Д

при наложенных связях в виде гибридной математической модели

п

(5)

Д(Х вх» Л вх> У) —► тах,

(6)

АРСжпХ*Ийи,ОЧ,Т,'А) =0

(7)

и ограничениях:

ОЧ > ОЧт1П, Т > Тиш,, и е V, А е (8)

где 0Чгап - минимально допустимое октановое число, ТтЬ) - плановый межремонтный период работы установки, V - замкнутое множество возможных управлений, А - вектор внутрисистемных параметров объекта, \¥ - замкнутое множество возможных значений внутрисистемных параметров.

Ограничения на вектор управления и вектор внутрисистемных переменных могут быть преобразованы в эквивалентную последовательность ограничений-неравенств:

и, - иГ™> 0, иГ* - и,> 0, а1-а,т,п> 0, а,™* - а;> 0, ¡е[1..М] (9)

Невыполнение любого из ограничений (9) приводит к резкому нарушению хода процесса и получению продукта с неудовлетворительным качеством.

Основными особенностями данной задачи оптимизации являются следующие: критерий оптимальности Д задан алгоритмом своего вычисления; задача решается в пространстве шести управляющих переменных; математическая модель объекта управления является гибридной; имеются ограничения типа неравенств.

Для решения поставленной задачи оптимизации предлагается решение на основе преобразования задачи с использованием штрафных функций. С помощью штрафной функции исходная задача условной оптимизации преобразуется в последовательность задач безусловной оптимизации.

Штрафная функция определяется выражением:

Р(и, И) = -Д((3, ОЧ, Т, и, Хвх, Х'вх) + £2(11), (10)

где Я - набор штрафных параметров, а штраф П. является функцией Я и набора ограничений вида (9).

Для решения задачи оптимизации процесса каталитического ри-форминга выбран штраф в виде бесконечного барьера.

Характеристики математической модели объекта управления оказывают значительное влияние на выбор методов решения задачи оптимального управления и на эффективность их работы. При использовании в системах оптимального управления гибридных сотовых математических моделей объектов следует учитывать присущие им особенности целевой функции управления: мультимодальность и развитая овражность с нулевым градиентом целевой функции.

Типичный вид целевой функции в случае использования гибридной математической модели приведен на рис.2, отображающем зависимость дохода Д от температуры сырья на входе в блок.

Рис. 2. Зависимость условного дохода от температуры сырья на входе в блок

Причинами появления локальных экстремумов могут являться как обусловленность внутренней природой моделируемого процесса, так и погрешность измерений технологических параметров. Вторая ситуация встречается достаточно часто и особенно выражена при использовании лингвистических параметров, оцениваемых оператором. При этом алгоритм оптимального управления должен обеспечивать поиск глобального экстремума целевой функции.

Причинами появления оврагов является наличие верхней и нижней граней матрицы нечеткого отношения II. Существование этих граней обуславливает нечувствительность матрицы к изменению входных координат. Чем больше расстояние Хемминга между верхней и нижней гранями, тем выше нечувствительность матрицы нечеткого отношения, которая приводит к ситуации, когда изменение управляющей переменной X не вызывает приращение выходной координаты У. Если величина шага по управляющей переменной АХ достаточно мала, то поисковый алгоритм может "потеряться" в зоне нечувствительности: как бы не изменялась управляющая переменная, выходная координата У остается постоянной. Чем больше величина шага ДХ, тем выше способность поискового алгоритма проскакивать эту зону. После выхода управляющей переменной из зоны нечувствительности значение целевой функции изменяется скачком, величина которого зависит от конкретного вида матрицы Я.

Таким образом, вид оврагов при использовании гибридной модели отличается от оврагов аналитической функции. Так, в случае аналитической функции овраг в большинстве случаев имеет некоторый градиент целевой функции, хотя бы и небольшой. При этом поисковые методы оптимизации имеют весьма небольшую скорость схождения, но могут продолжать движение. В случае гибридной модели градиент целевой функции в овраге равен нулю.

Такое поведение целевой функции затрудняет использование поисковых методов оптимизации. Большинство поисковых методов определяет направление движения к точке оптимума с помощью сравнения значений целевой функции после выполнения пробных шагов АХ в обоих направлениях от исходной точки ХисХ. При нахождении точки Хисх в областях 2 и б (рис. 2) при условии, что АХар достаточно мал, значения целевой функции в обоих направлениях пробного шага равны. При этом традиционный алгоритм может рассматривать эту ситуацию как признак нахождения в области экстремума и производить уменьшение шага поиска, что приведет к его остановке.

Для решения задачи оптимального управления процессом каталитического риформинга предложен алгоритм, представляющий собой комбинацию методов случайных забросов, Хука-Дживса и просеивания. Отметим, что рассмотренный подход может быть распространен не только на метод Хука-Дживса, но и на другие поисковые алгоритмы.

Основные особенности алгоритма состоят в следующем. Двухуровневая структура алгоритма с методом случайных забросов на верхнем уровне и поисковым алгоритмом на нижнем позволяет объединить достоинства каждого из методов и исключить наиболее существенные присущие им недостатки. Метод случайных забросов обеспечивает решение задачи поиска глобального экстремума целевой функции, алгоритм нижнего уровня - нахождение локальных экстремумов по данному направлению и решение проблемы овражности целевой функции.

Алгоритм оптимального управления работает следующим образом. На рис. 3 приведена зависимость условного дохода Д от двух управляющих переменных - объемного расхода сырья на входе в блок <3С и объемного расхода топливного газа на входе в печь печи первой ступени риформинга <3п (рис. 3). Функция представлена линиями уровня 1-8, штриховыми линиями обозначены действующие ограничения вида (9). Пусть метод случайных забросов выбрал точку (1). Исследующий поиск при этом определит направление уменьшения целевой функции в направлении точки (2).

ритма поиска минимума целевой функции

Следует отметить, что шаги по разным координатам могут быть различными, поэтому полученное направление отличается от диагонали. Поиск по образцу произведет движение до границы допустимой области, шаги по прямой обозначены точками. В результате будет выбрана точка (2), как обеспечивающая наименьшее значение целевой функции вдоль прямой поиска по образцу. Дальнейший поиск приведет в точку (3), так как выход из области локального минимума невозможен вследствие того, что поиск по образцу при повторных обращениях работает стандартным образом до начала увеличения целевой функции. Такое построения алго-

15

ритма снижает в некоторой степени его эффективность, но значительно минимизирует вычислительные затраты. Потеря эффективности компенсируется двухуровневой структурой с включением метода случайных забросов.

Рассмотрим следующий цикл работы алгоритма. Допустим, что выбрана случайная точка (4). Работа алгоритма будет представлена последовательностью точек (5) - (б) - (7). После сравнения текущего значения минимума (3) и найденного минимума (7) произойдет выбор точки с минимальным значением целевой функции (7), что соответствует нахождению глобального минимума целевой функции управления. В случае увеличения размерности задачи оптимизации алгоритм работает аналогично.

Особенностью предложенного алгоритма является возможность поиска глобального минимума целевой функции. Следует отметить, что вероятность нахождения глобального минимума целевой функции зависит от количества циклов поиска N и алгоритма выбора случайной начальной точки

Аналитическое доказательство сходимости предложенного алгоритма не возможно, так как на верхнем уровне используется метод случайных забросов. Для оценки работоспособности была проведена экспериментальная проверка с использованием гибридной математической модели процесса каталитического риформинга следующим образом. Для заданного состава вектора входных координат методом просеивания определялся глобальный максимум критерия оптимальности и сравнивался со значением, найденным в результате работы предлагаемого алгоритма. Во всех исследованных случаях найденные решения совпадали. Это дает основание сделать заключение о работоспособности алгоритма оптимального управления применительно к гибридной математической модели процесса каталитического риформинга. При этом время поиска минимума целевой функции методом просеивания составило около 20 часов, время поиска с помощью предлагаемого алгоритма около 75 секунд.

Четвертая глава посвящена реализации системы управления процессом каталитического риформинга. Для реализации предложенных алгоритмов оптимального управления предложено двухуровневое построение системы управления. При этом управляющие ЭВМ нижнего уровня используются только для стабилизации параметров объекта, передачи их значений к ЭВМ верхнего уровня и приема заданных значений параметров от ЭВМ верхнего уровня. Таким образом, ЭВМ нижнего уровня решают задачи контроля и управления локальными параметрами, с которыми может справиться практически любой промышленный микроконтроллер. ЭВМ верхнего уровня решает задачу оптимального управления про-

I

I

\

' цессом на основе получаемой от ЭВМ нижнего уровня информации, а

также передает полученные значений оптимальных значений управляющих воздействий ЭВМ нижнего уровня.

Разработана функционально-алгоритмическая схема системы оптимального управления. Предложены способы взаимодействия алгоритмов оптимального управления и существующих 8САБА-систем управления технологическими процессами. Рассмотрена возможная техническая реализация системы управления процессом каталитического риформинга.

Для оценки эффективности применения системы оптимального управления статическим режимом процесса каталитического риформинга

- произведен ряд расчетов по следующей схеме. Для заданного состава

входных координат рассчитывалось значение критерия оптимальности. Затем производилось изменение значения одной из входных лингвисти-

II ческих переменных при неизменных значениях других входных координат. Исследование проводилось для следующих входных лингвистических переменных: АК*, КС*, КТГ*, СП*1. Влияние переменных СП*2 и СП*з аналогично СП*!. Выявлено, что изменение значений входных лингвистических переменных сильно влияет на значение критерия оптимальности, рассчитанное по гибридной математической модели процесса каталитического риформинга. Это позволяет сделать вывод о достаточно высокой эффективности системы оптимального управления на базе гибридной математической модели процесса каталитического риформинга.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

1. Проведен анализ процесса каталитического риформинга с точки зрения оптимального управления, выявлены особенности процесса, затрудняющие его автоматизацию. Поставлена задача выработки подходов оптимального управления статическим режимом каталитического риформинга для повышения эффективности процесса.

2. Разработан метод построения гибридных сотовых математических моделей объектов управления, способных использовать как количественную, так и качественную информацию об объекте управления.

3. Синтезированы алгоритмы расчета по сотам различного типа с возможностью объединения количественной и качественной информации в пределах одной соты.

4. Построена гибридная математическая модель процесса каталитического риформинга, позволяющая обрабатывать качественную информацию о процессе. Оценена адекватность полученной модели с использованием критерия Фишера.

5. Синтезирован алгоритм оптимизации статического режима процесса каталитического риформинга, отличающийся использованием гибридной математической модели объекта управления.

6. Решена задача оптимального управления процессом каталитического риформинга: разработана система оптимального управления, включая алгоритмическое и техническое обеспечение.

7. Произведена оценка эффективности системы оптимального управления статическим режимом процесса каталитического риформинга. Показано, что внедрение предлагаемой системы повысит эффективность процесса на 3%.

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

1. Антонов О.В., Проталинский О.М. Построение математической модели каталитического риформинга с использованием качественной информации // Математические методы в технике и технологиях -ММТТ-12: Сб. трудов Международ, науч. конф. В 5-и т. 'Г. 5. Секции 11, 12 / Новгород, гос. ун-т. Великий Новгород, 1999.- 202 с. С 82-83.

2. Антонов О.В., Проталинский О.М. Математическая модель дезактивации катализатора риформинга на основе качественной информации // Математические методы в технике и технологиях - ММТТ-2000: Сб. трудов Международ, науч. конф. В 7-и т. Т. 6. Секции И, 12,13 /

!

4.

V

5.

Санкт-Петербургский гос. технол. ин-т (техн. ун-т). Санкт-Петербург, 2000. 316 с. С 159-160.

Антонов О.В., Проталинский О.М. Повышение эффективности оптимального управления с использованием оперативной базы знаний технологов // Математические метода в технике и технологиях -ММТТ-14: Сб. трудов Международ, науч. конф. в 6-и т. Т. 6. Секции 10, 11, 12 / Смоленский филиал Московского энергетичес. инс-та (техн. ун-та). Смоленск, 2001.258 с. С 129-130. Проталинский О.М., Антонов О.В. Тренажерный комплекс на основе математической модели объекта с использованием качественной информации // Математические методы в технике и технологиях: Сб. трудов XV Международ, науч. конф. В 10-и т. Т. 5. Секции 5, 6 / Под общ. ред. В. С. Балакирева. Тамбов: Изд-во Тамб. гос. техн. ун-та, 2002.296 с. С 118-119.

Антонов О.В., Проталинский О.М. Методы построения комбинированных математических моделей технологических процессов // Математические методы в технике и технологиях: Сб. тр. XVI Между-нар. науч. конф. В 10 т. Т. 8. Секция 12./ Под общ. ред. B.C. Балпки-рева./РГАСХМ ГОУ, Ростов н/Д, 2003.-150 с. С 49-50. Проталинский О.М., Антонов О.В. Комбинированная математическая модель процесса каталитического риформинга. - Известия высших учебных заведений. Северо-Кавказский Регион. Технические науки. №4,2003. с.4-6.

г

I

»21372

2.001? -А 21772

Тип. АГТУ Зак.877 Тир. 100 20.11.03

ВВЕДЕНИЕ.

ГЛАВА 1. АНАЛИЗ ПРОЦЕССА КАТАЛИТИЧЕСКОГО РИФОРМИНГА И ПОСТАНОВКА ЗАДАЧИ ИССЛЕДОВАНИЯ.

1.1. Описание процесса каталитического риформинга.

1.2. Анализ процесса как объекта управления.

1.3. Состояние вопросов автоматизации и моделирования процессов каталитического риформинга (литературный обзор).

1.4. Постановка задачи исследования.

ГЛАВА 2. ПОСТРОЕНИЕ ГИБРИДНОЙ МАТЕМАТИЧЕСКОЙ МОДЕЛИ ПРОЦЕССА КАТАЛИТИЧЕСКОГО РИФОРМИНГА.

2.1. Основные принципы построения гибридных математических моделей.

2.2. Использование нечетких множеств для целей математического моделирования и управления.

2.3. Построение диаграммы взаимного влияния факторов процесса каталитического риформинга.

2.4. Типовые элементарные соты диаграммы взаимного влияния.

2.5. Расчет по типовым элементарным сотам.

2.6. Построение гибридной сотовой математической модели процесса каталитического риформинга.

2.7. Проверка адекватности гибридной математической модели.

ГЛАВА 3. РАЗРАБОТКА АЛГОРИТМОВ ОПТИМАЛЬНОГО УПРАВЛЕНИЯ С ИСПОЛЬЗОВАНИЕМ ГИБРИДНЫХ МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ.

3.1. Постановка задачи оптимального управления процессом каталитического риформинга.

3.2. Выбор методов решения задачи оптимизации.

3.4. Алгоритм оптимального управления установкой каталитического риформинга.

ГЛАВА 4. РАЗРАБОТКА СИСТЕМЫ ОПТИМАЛЬНОГО УПРАВЛЕНИЯ ПРОЦЕССОМ КАТАЛИТИЧЕСКОГО РИФОРМИНГА.

4.1. Разработка структуры системы управления.

4.2. Разработка функционально-алгоритмической структуры системы управления.

4.3. Взаимодействие программного обеспечения системы оптимального управления и существующих SCADA-систем.

4.4. Разработка технической структуры системы управления.

ВЫВОДЫ.

Нефтеперерабатывающая промышленность России играет важную роль в экономическом развитии страны. Производство нефтепродуктов - наиболее конкурентоспособная отрасль национальной экономики с позиций интеграции страны в систему мировых экономических связей. Основной задачей нефтеперерабатывающей промышленности является обеспечение потребностей в энергоносителях, моторных топливах и смазочных маслах, а также в сырье для нефтехимии. Анализ тенденций развития мирового рынка производства и потребления продуктов нефтепереработки показывает, что основная доля приходится на транспортное топливо (50-52%), а также бытовое и промышленное топливо (35-38%). Ситуация практически не изменится вплоть до 2010 года. Однако наметились принципиальные изменения в структуре производимых нефтепродуктов. Так, если в 1975-1980 годах сумма легких и средних дистиллятных продуктов составляла 60—61%, то в 1995 году она уже была 72% и к 2010 году достигнет 85% [95].

Структура нефтепереработки является основным критерием эффективности применяемых технологий и целевого использования сырья. В частности важным показателем служит удельный вес облагораживающих и углубляющих переработку нефти процессов. По данным журнала Oil and Gas [96] российская нефтеперерабатывающая промышленность по этому критерию серьезно отстает от мирового уровня. Краткий сравнительный анализ приведен в приложении 1.

Вместе с тем, в мировой нефтепереработке наметилась четкая тенденция повышения качества моторных топлив в направлении обеспечения их экологической безопасности при применении [92]. Введенные в США и некоторых странах Европы новые стандарты на моторные топлива (реформулированные топлива) предусматривают достаточно резкое изменение компонентного состава, а также ограничения содержания ароматических углеводородов (особенно бензола), серы, азота, высококипящих фракций [40].

Для достижения показателей моторных топлив в соответствии с новыми стандартами потребуется значительная перестройка структуры нефтепереработки. Кроме того, в России возникают специфические проблемы рационального использования нефтяного сырья, получения высококачественных моторных топлив из попутных нефтяных газов, газоконденсатов, широкой фракции легких углеводородов и углеводородных газов нефтеперерабатывающих заводов.

К сожалению, в настоящее время степень использования ценного углеводородного сырья невелика. На нефтеперерабатывающих заводах страны в предыдущие годы стабильно сжигалось на факелах около 8 млрд. м3 попутного нефтяного газа или более 20% от его ресурсов. В труднодоступных местах добычи нефти доля сжигаемого на факелах жирного газа достигает до 90%. Вовлечение в переработку газов и рефлюксов прямой перегонки нефти и бензинов, объем которых составляет половину всех ресурсов нефтезаводских газов, в 1994—1995 гг. находилось на уровне 64%; объем направляемого на переработку жирного газа составил всего 26%.

Создание современных нефтеперерабатывающих комплексов, решающих эту проблему требует больших капитальных и энергетических затрат. Стоимость строительства одного современного нефтеперерабатывающего завода мощностью 1-2 млн. т по сырью, предусматривающего комплексную переработку нефти, составляет 1-1.5 млрд. долларов США [95]. В этих условиях для России особое значение приобретают малозатратные новые технологии, позволяющие эффективно использовать сырье в переработке нефти, обеспечивающие повышение качества и снижение стоимости выпускаемой продукции.

Все это возможно при условии максимально полного использования ресурсов существующих установок нефтеперерабатывающих заводов. Наибольшие возможности в этом направлении представляют установки вторичной каталитической переработки нефтепродуктов, в том числе каталитический ри-форминг. Каталитический риформинг бензинов является важнейшим процессом современной нефтепереработки и нефтехимии. Он служит для одновременного получения высокооктанового базового компонента автомобильных бензинов, ароматических углеводородов - сырья для нефтехимического синтеза - и водородосодержащего газа - технического водорода, используемого в гидро-генизационных процессах нефтепереработки. Каталитический риформинг является в настоящее время наиболее распространенным методом каталитического облагораживания прямогонных бензинов. Установки каталитического рифор-минга имеются практически на всех отечественных нефтеперерабатывающих заводах.

Управление установкой каталитического риформинга является достаточно сложной задачей по целому ряду причин. Технологический режим процесса определяется достаточно большим количеством режимных переменных. Кроме того, на процесс действуют существенные возмущающие воздействия. Имеет место непрерывное изменение качества поступающего на установку сырья и топливного газа. Определенный вклад в нарушение установившегося технологического режима вносит потеря активности катализатора и изменение технического состояния оборудования. Установка каталитического риформинга связана с другим оборудованием нефтеперерабатывающего завода, поэтому управление процессом должно учитывать режим работы этого оборудования.

Все это требует частой перестройки технологических режимов и многокритериального поиска оптимальных режимов управления. Поиск оптимальных управлений путем проведения экспериментов невозможен в связи со значительными материальными затратами.

Внедрение систем оптимального управления установками каталитического риформинга наталкивается, в свою очередь, на ряд трудностей. В первую очередь, это связано с вопросами построения адекватных математических моделей каталитических процессов вторичной нефтепереработки. При этом основной проблемой следует считать наличие достаточно большого количества информации о процессе, которую невозможно формализовать традиционными методами. К ней относится информация о качественном составе сырья и топливного газа, состоянии оборудования и пр.

Развитие теории нечетких множеств [40] открыло пути формализации качественной информации, а также её использования для целей управления, в том числе построение нечетких моделей объектов управления, нечетких регуляторов и систем в целом [1,93]. При этом технологические параметры изучаемого объекта рассматриваются как лингвистические переменные, значения которых определяется терминами типа "высокий", "низкий", "быстро", "медленно". Именно в таких терминах эксперты описывают различные состояния объекта, и теория нечетких множеств позволяет формализовать такие описания. С помощью данного подхода можно описывать параметры, о которых у нас нет достоверных данных. Кроме того, нечеткие множества позволяют работать с параметрами, значения которых не могут быть измерены обычными способами и вводятся оператором. Например, нагар на трубах печи: мал, не очень велик, велик, очень велик. Нечеткость возникает не только при описании значений параметров, но и при описании алгоритмов. Возможно построение системы регулирования на данных опроса экспертов, сформулированных следующим образом: «если температура велика и давление высоко или очень высоко, то управляющее воздействие большое отрицательное» [71].

Следует отметить, что многие работы в этом направлении [1,34] ведутся с позиции полного перехода на качественное описание процесса. Такой подход оправдан только в случае отсутствия какой-либо количественной информации о процессе. В большинстве случаев имеет место другая ситуация - количественная информация присутствует, но не позволяет построить математическую модель в целом. Вместе с тем, имеется массив качественной информации, дополняющий количественную. При этом только качественное описание приводит к совершенно неоправданным потерям количественной информации и, следовательно, к неудовлетворительной точности математического описания. Вопросы совместного использования количественной и качественной информации при математическом описании и управлении процессами представлены недостаточно.

Построение математической модели процесса каталитического рифор-минга с совместным использованием количественной и качественной информации открывает значительные перспективы для расширения возможностей оптимального управления процессом. Следует учесть, что для крупнотоннажных процессов с большими затратами на производство, к которым относится и процесс каталитического риформинга, внедрение систем оптимального управления позволит получить значительную экономическую выгоду. Управление процессом в оптимальном режиме позволяет повысить эффективность процесса на 35% за счет увеличения производительности установки и повышения качества продукции, что при мощности установки в 1 млн. тонн составляет до 50 тыс. тонн продукта в пересчете на сырье.

Таким образом, разработка эффективных автоматизированных систем управления установками каталитического риформинга, которые смогут использовать количественную и качественную информацию и, тем самым, повысить производительность оборудования и улучшить качественные показатели выпускаемого продукта, является, несомненно, актуальной научной и практической проблемой.

Целью настоящей работы является повышение эффективности эксплуатации установок каталитического риформинга за счет внедрения систем оптимального управления технологическим процессами на базе математических моделей с возможностью совместного использования количественной и качественной информации об объекте управления.

С учетом вышесказанного, цель настоящей работы является актуальной.

Соответствующей указанной цели научной проблемой является разработка алгоритмов оптимального управления процессом каталитического риформинга. При этом в качестве основной трудности выделим отсутствие полного математического описание объекта в количественных отношениях. Вместе с тем существует значительный объем информации о процессе в виде лингвистических описаний, который обычно теряется при построении модели процесса. Отметим, что в литературе вопросы совместного использования количественной и качественной информации проработаны явно недостаточно. Очевидно, что построение гибридных моделей позволит более полно учесть всю имеющуюся информацию о процессе и значительно расширить возможности управления им.

Для достижения поставленной цели необходимо:

- осуществить анализ процесса каталитического риформинга применительно к целям оптимального управления;

- разработать метод построения гибридных математических моделей каталитических процессов нефтепереработки, позволяющую совместно использовать количественную и качественную информацию о процессах;

- построить гибридную математическую модель процесса каталитического риформинга;

- разработать алгоритмы оптимизации процесса каталитического риформинга с использованием гибридных моделей;

- разработать систему управления, реализующую алгоритмы оптимизации процесса каталитического риформинга.

Методы исследования: математическое моделирование, общие принципы теории управления, поисковые методы оптимизации, методы искусственного интеллекта.

Научная новизна работы состоит в следующем:

- разработан метод построения гибридных математических моделей технологических процессов с возможностью объединения количественной и качественной информации о процессе;

- построена гибридная математическая модель процесса каталитического риформинга;

- синтезирован алгоритм решения задачи оптимизации процесса каталитического риформинга, учитывающий особенности гибридной математической модели.

Практическая ценность работы:

- разработаны алгоритмы расчета по гибридным математическим моделям объектов управления;

- разработано программное обеспечение, реализующее алгоритм оптимизации процесса каталитического риформинга с использованием гибридной математической модели процесса;

- разработана система оптимального управления процессом каталитического риформинга, позволяющая повысить эффективность процесса за счет обработки качественной информации.

Апробация работы. Основные теоретические и прикладные результаты диссертационной работы изложены в 7 публикациях автора.

Результаты работы докладывались на XVI Международной научной конференции «Математические методы в технике и технологиях ММТТ-Дон» (г. Ростов-на-Дону, 2003), XV Международной научной конференции «Математические методы в технике и технологиях» (г. Тамбов, 2002).

Структура и объем работы. Диссертационная работа состоит из введения, четырех глав, выводов по работе, списка используемой литературы и приложений. Она изложена на 186 страницах, содержит 66 рисунков. Список литературы включает в себя 101 наименование. Приложения объемом 6 страниц.

ВЫВОДЫ

Общим результатом работы является научно обоснованное решение проблемы управления процессом каталитического риформинга с использованием гибридной математической модели. В процессе решения данной проблемы получены следующие основные результаты:

1. Проведен анализ процесса каталитического риформинга с точки зрения оптимального управления, выявлены особенности процесса, затрудняющие его автоматизацию. Поставлена задача выработки подходов оптимального управления статическим режимом каталитического риформинга для повышения эффективности процесса.

2. Разработан метод построения гибридных сотовых математических моделей объектов управления, способных использовать как количественную, так и качественную информацию об объекте управления.

3. Синтезированы алгоритмы расчета по сотам различного типа с возможностью объединения количественной и качественной информации в пределах одной соты.

4. Построена гибридная математическая модель процесса каталитического риформинга, позволяющая обрабатывать качественную информацию о процессе. Оценена адекватность полученной модели с использованием критерия Фишера.

5. Синтезирован алгоритм оптимизации статического режима процесса каталитического риформинга, отличающийся использованием гибридной математической модели объекта управления.

6. Решена задача оптимального управления процессом каталитического риформинга: разработана система оптимального управления, включая алгоритмическое и техническое обеспечение.

7. Произведена оценка эффективности системы оптимального управления статическим режимом процесса каталитического риформинга. Показано, что внедрение предлагаемой системы повысит эффективность процесса на 3%.

1. Алексеев J1.B. Интерпретация и определение функций принадлежности нечетких множеств. - В кн.: Методы и системы принятия решений. Рига : Зи-нанте, 1979, с.42-50.

2. Алиев P.A., Абдикеев Н.М., Шахназаров М.М. Производственные системы с искусственным интеллектом.- М: Радио и связь. 1990. 264 с.

3. Алиев P.A., Мамедова Г.А. Оптимизация управления процессом первичной переработки нефти с использованием нечетких множеств // Изв. АН Азерб. ССР; сер. физ.-мат. и техн. наук.- 1981, № 4, с. 96-103.

4. Алиев P.A., Эфендиев И.Р., Сулейманов Н.М. Оптимизация процесса каталитического крекинга как задача стохастического программирования. Теоретические основы химической технологии // Изв. АН СССР 1983. - № 1, Т. ХУ11, - с. 135-137.

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

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

7. Балакирев B.C., Проталинский О.М. Применение математического аппарата нечетких множеств при автоматизации технологических процессов. Измерение, контроль, автоматизация, 1985, № 2, с. 86-94.

8. Беллман Р., Заде JI. Принятие решений в расплывчатых условиях,- В кн.: Вопросы анализа и процедуры принятия решений.- М.:Мир, 1976. С. 172215.

9. Бельцов Б.А. О математическом описании процесса платформинга // Химия и технология топлив и масел. 1966, - № 8. - с. 11-12.

10. Бельцов Б.А. Об алгоритме управления процессом платформинга // Химия и технология топлив и масел. 1967, - № 4. - с. 31-32.

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

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

13. Борисов А.Н., Крумберг O.A., Федоров И.П. Принятие решений на основе нечетких моделей. Примеры использования.- Рига:3инатне, 1990.- 184 с.

14. Вольф А., Крамах Е. Кинетические модели каталитического риформинга // Химия и технология топлива и масел. 1979. - № 12, - с. 10-14.

15. Вопросы анализа и процедуры принятия решения. М.: Мир, 1976.-230 с.

16. Глазов Г. И., Сидорин В. П. Каталитический риформинг и экстракция ароматических углеводородов. М.: Химия, 1981. 188.

17. Гуреев A.A., Жоров Ю.М., Смидович Е.В. Производство высокооктановых бензинов. М.: Химия, 1981

18. Гусев JI. А., Смирнова И. М. Развитие теории размытых множеств. Измерения, контроль, автоматизация: Науч.-техн. Сб. обзоров/ЦНИИТЭИ приборостроения. М.: 1978, вып. 3 (15), с. 39-47.

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

20. Дюбуа Д., Прад А. Теория возможностей. Приложения к представлению знаний в информатике.- М: Радио и связь. 1990. 288 с.

21. Ентус Н.Р., Шарихин В.В. Трубчатые печи в нефтехимической промышленности. М.: Энергоатомиздат, 1983. - 162 е., ил.

22. Жоров Ю.М. Изомеризация углеводородов. М.: Химия, 1983. - с. 304.

23. Жоров Ю.М., Карташов Ю.Н., Панченков Г.М. и др. Математическая модель в стационарном режиме платформинга с учетом реакций изомеризации // Химия и технология топли в и масел. 1980, - № 7. - с. 9-12.

24. Жоров Ю.М. Моделирование физико-химических процессов нефтепереработки и нефтехимии. М.: Химия, 1978, 213с.

25. Жоров Ю.М., Панченков Г.М. Методы определения скоростей, энергии активации и области протекания простых и сложных реакций, осуществляемых в потоке // Нефтехимия. 1961. - Т. 1, № 2. - с. 172-181.

26. Жоров Ю.М., Панченков Г.М., Тараньян Ю.А. и др. Разработка математического описания платформинга для оптимизации процессов // Кинетика и катализ, 1967, - I.VIII, вып. 3. - с. 658 - 662.

27. Жоров Ю.М. Расчеты и исследования химических процессов нефтепереработки. -М.: Химия, 1973, 213с.

28. Заде JI. А. Основы нового подхода к анализу сложных систем и процессов принятия решений. В кн. Математиика сегодня. М.:3нание, 1974, № 6, с. 549.

29. Заде JI.A. Понятие лингвистической переменной и его применение к принятию приближенных решений. М.:Мир, 1976. - 165 с.

30. Зейналов М.Ф. Управление установкой двухступенчатого каталитического крекинга в условиях неопределенности: Дисс. на соиск. уч. степ. канд. техн. наук. Баку, 1986. - 100 с.

31. Зейналов Ф.И., Алибеков П.Г. и др. Подбор оптимальных режимов крекинга с использованием каталитического газойля в качестве рециркулянта // Химия и технология топлив и масел, 1966. - № 3, - с. 25-29.

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

33. Кальницкий B.C., Глуходедова В.Н. Методика построения регрессионной математической модели технологического процесса как объекта управления // Изв. Сев.-Кавк. Науч. Центра высшей школы. Техн. науки,-1979. № 2. — с. 37-39.

34. Капустин В,М., Кукее С.Г., Беротолусини Р.Г. // Нефтеперерабатывающая промышленность США и бывшего СССР. М.: Химия, 1995.

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

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

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

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

39. Крейн Дж. Труды IV Международного нефтяного конгресса. М.: Гостоп-техиздат, 1961, с.34

40. Лейтман Ю.С. Технологические основы управления процессом каталитического крекинга в «кипящем» слое пылевидного катализатора и разработка модели процесса. Дисс. на соиск. уч. степ. канд. техн. наук. Баку, 1972 -310с.

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

42. Малышев Н.Г., Бернштейн Л.С., БоженюкА.В. Нечеткие модели для экспертных систем в САПР. — М.: Энергоиздат, 1991. — 136 с.

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

44. Масагутов P.M. Алюмосиликативные катализаторы и изменение их свойств при крекинге нефтепродуктов. М.: Химия, 1975, 172 с.

45. Маслянский Т.Н., Шапиро Р.Н. Каталитический риформинг бензинов. М.: Химия, 1985. - 315 е., ил.

46. Матвеев П.С., Авдеев Б.М. и др. Некоторые методы алгоритмизации объектов управления // Труды ЦНИИКА. 1965. - №5.

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

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

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

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

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

52. Нечеткие множества и теория возможностей. Последние достижения/Под ред. P.P. Ягера. М.: Радио и связь, 1986.-408 с.

53. Орлов А.И. Задачи оптимизации и нечеткие переменные.-М.: Знание, 1980.- 64 с.

54. Орлов А.И. Связь между средними величинами и допустимыми преобразованиями шкалы.- Математические заметки, т. 30, вып. 4, 1981, с. 561-568.

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

56. Осуга С. Обработка знаний. М.: Мир, 1989. - 293 с.

57. Панасюк В.И., Ковалевский В.Б., Политыко Э.Д. Оптимальное управление в технических системах. Мн.: Навука i тэхнша, 1990. - 272 с.

58. Панченков Г.М., Колесников И.М., Лейтман Ю.С. и др. Кинетика каталитического крекинга в «кипящем» слое катализатора // Химия и технология топлив и масел,- 1965, № 4. - с. 11-15.

59. Попов Э.В. Экспертные системы. М., Наука. 1987. 285 с.

60. Поспелов Д.А. Логико-лингвистические модели в системах управления.-М.:Энергоиздат, 1981.-232 с.

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

62. Прикладные нечеткие системы/Асаи К., Ватада Д., Иваи С. и др./Под ред. Т. Тэрано, К. Асаи, М. Сугено.- М.: Мир, 1993. 368 с.

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

64. Проталинский О.М. Оптимальное управление технологическими процессами с использованием качественной информации на примере одностадийного производства стекловолокна: Дисс. на соиск. учен, степени канд. техн. наук.-М., 1987.

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

66. Радченко Е.Д., Нефедов Б.К., Алиев P.P. Промышленные катализаторы гидрогенизационных процессов нефтепереработки. М.: Химия, 1987.

67. Реклейтис Г., Рейвиндран А., Рэгсдел К. Оптимизация в технике: в 2-х кн. Кн. 1. М.: Мир, 1986.-320 с.

68. Реклейтис Г., Рейвиндран А., Рэгсдел К. Оптимизация в технике: в 2-х кн. Кн. 2. М.: Мир, 1986. 320 с.

69. Ротштейн А.П. Интеллектуальные технологии идентификации: нечеткая логика, генетические алгоритмы, нейронные сети. — Винница: УНИВЕРСУМ—Винница, 1999. — 320 с.

70. Ротштейн А.П. Медицинская диагностика на нечеткой логике. — Винница: Континент—ПРИМ, 1996. — 132 с.

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

72. Рубекин Н.Ф. Адаптивные системы управления непрерывными технологическими процессами в нефтехимии. М.: Химия, 1975. - с. 142

73. Рубекин Н.Ф., Козолов И.А. Система автоматического оптимального управления каталитическими процессами платформинга и гидроочистки. Серия: Автоматизация и контрольно-измерительные приборы. ЦНИИТЭНефте-хим.-М., 1972, с. 156.

74. Симарзин В.В., Борзенко Н.М., Рабинович Б.А., Серебрянский А .Я. Субоптимальные алгоритмы управления процессом каталитического крекинга // Труды ЦНИИКА. 1983.-Вып.55.-с. 21-23.

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

76. Стрейц В. Возможности табулирования оптимальных процессов регулирования и полученные до сего времени результаты // Труды I конгресса IFAC. -М., 1961. ,т.1. -С.123-139.

77. Химия нефти / Батуева И.Ю., Гайле A.A., Поконова Ю.В. и др. Л.: Химия, 1984 - 360 е., ил.

78. Химмельблау Д.М. Прикладное нелинейное программирование. М.: Мир, 1975.

79. Шапиро Д.И. Принятие решений в системах организационного управления: использование расплывчатых категорий. М.: Энергоатомиздат, 1983. - 184 с.

80. Ширинов А.И. Исследование и разработка автоматизированной системы управления установкой ступенчато-противоточного каталитического крекинга. Дисс. на соиск. уч. степ. канд. техн. наук. Баку, 1979 - 164 с.

81. Шумский В.М. Разработка автоматизированной системы оптимального управления новым технологическим процессом каталитического крекинга. Дисс. на соиск. уч. степ. канд. техн. наук. М., 1968 - 198 с.

82. Юсри Захра, Жоров Ю.М., Паушкин Я.М. Кинетические характеристики катализаторов каталитического риформинга // Нефтехимия: Нефтехимические процессы и нефтепереработка. Труды МИНХ и ГП. 1964. - Вып. 51. -с. 78-83

83. Griffin D.E. Process Apparatus Control System For Optimizing Objective Variable. Pat. USA 3828171 /1974/.

84. Gumen M.I., Bilyk I.I., Velichko V.I., Belyi A.S., Smolikov M.D., Kiryanov D.I. Increasing of the Efficiency of the Riforming LG-35-11/300, Petroleum Processing and Petrochemistry, 2001, № 11, p. 54-57.

85. Duplyakin V.K. II Chemical Engineering Science for Advanced Technologies, Proceedings of the Third session 26-30 May 1997. Kazan. Russia. P. 3.

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

87. Kramazz J., Wolff A. Chem. Techn., 1979, №4, p. 181-184.

88. Morel D. II Upgrading Heavy Ends with IFP. Ed. Institut francais du petrole. 1997. P. 5.

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

90. Reif H.E., Kress R.E., Smith G.S. Petroleum Refiner, 1961, v. 40, № 5, p. 237242.

91. Sanchez E. Resolution of Composite Fuzzy Relation Equation. Information and Control, 1976, Vol. 30, p. 38-48.

92. Smith J.M. Chem. Eng. Progr., № 6, 1959, p.p. 59-76.

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

94. White P.I. Hydrocarbon Processing, 1968, v. 47, № 5, p. 103-108.