автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.07, диссертация на тему:Принципы и стратегия гибкого управления многоассортиментными химическими производствами в условиях неопределенности

Р Г Б ОД

На правах рукописи

I ~> ¡.но

ЕГОРОВ АЛЕКСАНДР ФЕДОРОВИЧ

ПРИНЦИПЫ И СТРАТЕГИЯ ГИБКОГО УПРАВЛЕНИЯ МНОГОАССОРТИМЕНТНЫМИ ХИМИЧЕСКИМИ ПРОИЗВОДСТВАШ1 В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ

05.13.07 - Автоматизация технологических процессов и производств (промышленность)

АВТОРЕФЕРАТ

диссертации на соискание ученой степени доктора технических наук

МОСКВА - 1995

Работа выполнена на кафедрах кибернетики химико-технологических процессов и гибких автоматизированных производственных систем Российского химико-технологического университета им. Д. И. Менделеева.

Научные консультанты: академик РАН

доктор технических наук,

Официальные оппонента: доктор технических наук, доктор технических наук, доктор технических наук,

Ведущая организация: АООТ Вентральный научно-исследовательский институт комплексной автоматизации

Защита диссертации состоится^199бг. в Ю часов на заседании диссертационного совета Д 053.34.08 в РХТУ им.Д.й.Менделеева (12504?, Москва, А-47, Миусская пл., д.9) в зуд. М0 ,

С диссертацией можно ознакомиться в Научно- информационном центре РХТУ им. Д.И.Менделееву. ^ __

Автореферат разослан $199^~г.

Кафаров В. В.

профессор

Перов В. Л.

профессор Дотоцкий В.А.; профессор Володин В.М.; профессор Дворецкий С.И.

Ученый секретарь диссертационного совета

Бобров Д.А.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ.

Актуальность проблемы. Важной проблемой для химических — предприятий с многоассортиментным непрерывным и дискретно-непрерывным характером производства является способность гибко с высокой степенью маневренности и минимальными затратами ресурсов автоматически перестраиваться на выпуск новой продукции и переработку новых видов сырья, быстро приспосабливаться к изменениям состава сырья, состояния технологического оборудования, спроса и рыночных цен на готовую продукцию и к неритмичности поставок сырья и отгрузки продукции.

Решение указанной проблемы находится в стадии развития. При этом необходимо решить целый ряд новых теоретических и практических задач не свойственных для предприятий с фиксированным ассортиментом выпускаемой продукции.

Разработанные академиком В.В.Кафаровым принципы и методы кибернетической организации и стратегия системного подхода позволили ему и ученым его школы создать научные основы оптимального функционирования многоассортиментных химических производств (МАХП).

Оптимальное функционирование МАХП при этом обеспечивается принятием правильных решений по соответствующему изменению целей, стратегии, алгоритмов и систем управления в сложных производственно-экономических ситуациях с учетом технологических, экономических, социальных и экологических критериев и ограничений.

Реализация указанных направлений исследований обеспечит повышенную живучесть и конкурентноспособность химических предприятий с многоассортиментным непрерывным и дискретно-непрерывным характером производства.

В этой связи развитие концепции кибернетической организации и систематическое изложение принципов и стратегии, а также разработка новых методов,численных алгоритмов и систем управления МАХП в условиях неопределенности исходной информации и целей функционирования является актуальной.

Диссертационная работа выполнялась в соответствии с координационным планом научно-исследовательских работ АН СССР по направлению "Теоретические основы химической технологии" на 1981-1985г.г. и на 1986-1990 г.г.; целевой комплексной НТП

0.Ц.047 "Автоматизация в отраслях народного хозяйства на базе микропроцессорной техники машин, оборудования и технологических процессов во всех звеньях производства" на период 1985-1990г.г.; целевой комплексной НТП 0.80.02"Создать и ввести в эксплуатацию системы автоматизированного производства и управления в народном хозяйстве на основе интеграции автоматизированных систем управления различного уровня, применения вычислительной техники и микропроцессорных средств" на период 1985-1990г.г.; государственной НТП "Ресурсосберегающие и экологически чистые процессы в металлургии и химии". Направление "Малотоннажные химические производства" на период 1990-1995г. г. и межвузовской НТЕР'Теоретические основы химической технологии" на период 1990-1995г.г.

Цель работы:

- развитие методологических основ кибернетической организации непрерывных и дискретно-непрерывных мнотассортиментных химических производств;

- разработка теоретических принципов и стратегии гибкого управления иерархическими многоуровневыми многослойными МАХП в условиях неопределенности исходной информации и целей функционирования;

- разработка методов глобальной и многокритериальной оптимизации для решения задач гибкого управления МАХП в условиях низкочастотных возмущений;

- создание теоретических основ, разработка моделей, методов и численных алгоритмов решения задач прогнозирования, планирования и оперативного управления МАХП в условиях нечеткой неопределенности;

- развитие теоретических основ, разработка моделей, методов и алгоритмов управления технологическими процессами МАХП, функционирующими в условиях неопределенности статистической и нестатистической природы;

- разработка программно-математического обеспечения, экспертных систем и диалоговых процедур принятия решений для создания гибких систем управления МАХП;

- разработка и внедрение, на основе полученных теоретических и практических результатов, алгоритмов и систем управления многоассортиментными химическими производствами.

Методы исследования. В работе использовались и развиты различные разделы системного анализа, теории исследования операций и

искусственного интеллекта, современной теории управления, методов

математического программирования и моделирования и химической__________

кибернетики.

Научная новизна работы заключается в следующем:

- развиты методологические основы кибернетической организации непрерывных и дискретно-непрерывных многоассортиментных химических производств. Классифицированы возмущающие и управляющие воздействия, цели, производственно-экономические ситуации, критерии функционирования и задачи кибернетической организации МАХП;

- предложены основные принципы и разработана стратегия, позволяющая в конкретной производственно-экономической ситуации стратифицировать и решать задачи гибкого управления МАХП в условиях неопределенности исходной информации и целей функционирования;

- развит метод и разработаны модифицированные алгоритмы глобальной оптимизации на основе ^-преобразования, с использованием которых и нечетких штрафных функций изучен и решен широкий класс задач математического программирования, включая невыпуклые, не--дифференцируемые задачи и задачи смешанно-целочисленной оптимизации;

- предложен новый подход к построению множества Парето-опти-мадьных решений для задач многокритериальной оптимизации с позиций теории нечетких множеств. Разработаны принципы выбора компромиссных решений, диалоговые процедуры, а также численные методы и алгоритмы построения полного множества Парето;

- созданы теоретические основы (.сформулирована общая и частные математические задачи, разработаны модели, методы и алгоритмы) для решения задач гибкого управления МАХП в условиях неопределенности, включая задачи технико-экономического, оптимального календарного и оперативно-календарного планирования;

- развиты принципы, подходы и методы управления технологическими процессами МАХП, функционирующими в условиях неопределенности статистической и нестатистической природы. Предложен новый подход к созданию адаптивных систем управления комбинированного типа, использующий принципы построения адаптивных систем с эталонной моделью и самонастраивающихся регуляторов. Для учета нелинейности и нестационарности технологических процессов в МАХП предложен комбинированный метод оценки нечетких отношений и разработаны методы и алгоритмы идентификации и адаптации нечетких отношений.

Практическая ценность и реализация результатов работы. Про-

веденные в работе теоретические исследования, предложенные принципы и стратегия явились методологической основой повышения эффективности функционирования широкого класса непрерывных и дискретно-непрерывных многоассортиментных химических производств в условиях неопределенности исходной информации и целей функционирования.

разработано программно-математическое обеспечение методов глобальной и многокритериальной оптимизации в условиях нечеткой неопределенности, позволяющие решать широкий класс задач "состав-свойства", планирования и оперативного управления МАХП в условиях низкочастотных возмущений.

Разработано программно-математическое обеспечение, включающее базы знаний и данных, для решения задач долгосрочного прогнозирования многассортиментных химических производств в условиях конкретных производственно-экономических ситуаций.

Разработан комплекс алгоритмов и программ для целей управления и проектирования цифровых адаптивных и нечетких систем управления технологическими процессами МАХП, функционирующими в условиях неопределенности статистической и нестатистической природы.

Разработаны структуры объектно-ориентированных программно-технических комплексов на базе микропроцессорной техники, реализующих адаптивные и нечеткие алгоритмы управления, которые могут найти широкое использование при разработке систем управления химико-технологическими процессами в условиях неопределенности.

Программно-математическое обеспечение, реализующее методы глобальной и многокритериальной оптимизации передано в НИЩемент, НПО "Композит" и НПО "ИРЕА", где используется для решения широкого класса задач планирования и управления многоассортиментными химическими производствами.

Адаптивные и нечеткие алгоритмы переданы в АО НИИ "Центрпрог-раммсистем" г.Тверь, НПО "Промавтоматика", Воронежское ОКБА НПО "Химавтоматика", НПО НИОПиК, где используются для целей проектирования систем управления, и внедрены в промышленную эксплуатацию на Азербайджанском и Оренбургском газоперерабатывающих заводах и Новомосковском ПО "Азот".

Результаты исследований составили материал трех учебных пособий, написанных с участием автора, и используются при изучении курсов "Системы оптимального функционирования гибких автоматизированных химических производств" и "Использование принципов ис-

- Б -

кусственного интеллекта в системах управления гибкими химическими производствами", которые читаются студентам специальности 251804 в ГХТУ им.Д.И.Менделеева.

Аппробация работы. Основные положения диссертационной работы докладывались на 4 международных и 30 Всесоюзных, республиканских и Всероссийских конференциях, в том числе: на Всесоюзных конференциях по математическому моделированию сложных химико-технологических систем (Таллин,1982 г.; Одесса, 1985 г.; Казань,1988 г.); по математическому, алгоритмическому и техническому обеспечению АСУ ТП (Ташкент, 1980 г. и 1988 г.); по автоматизации и роботизации в химической промышленности (Тамбов, 1988 г.); по созданию и внедрению систем автоматического и автоматизированного управления технологическими процессами (Москва, 1986 г.); по химии и технологии цемента (Черкесск, 1988 г.); по новым процессам, оборудованию и гибким производственным системам для многономенклатурных химических производств (Днепропетровск, 1985 г.); по микропроцессорным комплексам для управления технологическими процессами (Грозный. 1989 г.); по системному анализу и совершенствованию хозяйственного механизма предприятий (Свердловск, 1990 г.); по гибким производственным системам химического профиля (Ленинград,1988 г.); по математическим методам в химии (Тула, 1993 г.); по динамике процессов и аппаратов химической технологии (Ярославль, 1994 г.); по методам кибернетики химико-технологических процессов (Москва, 1984 г., 1987 г., 1989 г., 1994 г.); на международных конференциях по автоматизированному проектированию, управлению и роботехнике (Санкт-Петербург, 1993 г.); по конструированию химического оборудования и автоматизации (ХИСА, Прага, 1993 г.); по автоматизации химических процессов и производств ( Чехия, 1994 г.).

Публикации. Результаты, отражающие содержание диссертационной работы, изложены в 75 публикациях.

Объем работы. Диссертационная работа состоит из введения, пяти глав, выводов, списка цитируемой литературы и приложения.

СОДЕРЖАНИЕ РАБОТЫ.

Во введении обосновывается актуальность, научная новизна и практическая ценность результатов диссертационной работы. Сформулированы цели, основные направления исследовании и положения выносимые на защиту.

Первая глава посвящена созданию методологических основ кибернетической организации и управления многоассортиментными химическими производствами (МАХП) в условиях неопределенности.

Анализ МАХП как объектов кибернетической организации позволил:

1. Выявить общие и отличительные особенности многоассортиментных химических производств непрерывного и дискретно-непрерывного действия с точки зрения технологии, организации и управления производством. Отличительными являются объем выпуска, организация структуры и выпуска МАХП, которые достаточно просто учитываются при разработке моделей, методов и алгоритмов гибкого управления МАХП. В то же время общие особенности МАХП такие как: многостадиен ость производства; многофункциональность и многовариантность работы технологического оборудования; наличие емкостей для сырья, полупродуктов и продуктов; возможность расширения ассортимента и переработки разных видов сырья; стохастический и нечеткий характер процессов; оценка функционирования по технологическим и экономическим критериям и многокритериальное^ задач функционирования позволяют сделать вывод о целесообразности разработки общих принципов, стратегии, методов и алгоритмов оптимального функционирования и гибкого управления МАХП как непрерывного, так и дискретно-непрерывного действия.

£. Классифицировать возмущающие воздействия, поступающие на МАХП (рис.1) по типу, характеру и природе неопределенности, что позвот лило сделать заключение, что МАХП функционируют преимущественно в условиях действия стохастических и нечетких возмущений. 3. Классифицировать управляющие воздействия, цели и критерии функционирования МАХП (рис.2). Управляющие воздействия, смысловое содержание термина которых в этом случае имеет более емкое содержание, подразделены на технологические, структурные, организационные и целевые. Изменение последних направлено на изменение целей. критериев и стратегии функционирования МАХП.

Проведенный анализ позволил сформулировать два основных направления концепции с широким спектром задач кибернетической организации МАХП. Первое направление позволяет на этапе проектирования создавать МАХП, обладающие рядом характеристических свойств, таких как управляемость, наблюдаемость, минимальная чувствительность, устойчивость и др. и с учетом присущей им, стохастической, интервальной и нечеткой неопределенности в исходной информации и

Рис.1. Классификация возмущающих воздействий в МАХП.

целях функционирования. Второе направление позволяет обеспечить принятие оптимальных решений по изменению управляющих воздействий в условиях неопределенности.

Для классификации задач кибернетической организации МАХП использовались три признака: степень пространственной детализации X1 ¡Ы.г:'), степень временной детализации и степень не-

определенности исходной информации 2к(к-1,5). При этом выделены пять уровней неопределенности: полная детерминированность объекта ¡21'.|; детерминированный характер возмущений стохастический

характер возмущений (2Э); нечеткий характер возмущении (24); с интервальной неопределенностью характер возмущений (г5). Степень пространственной детализации включает одноуровневую (X1), двухуровневую (X2) и многоуровневую детализацию (Хп) объекта исследо-

в

Организационные Системные (целевые)

и-временная траектория работы, параметры расписания и-цели и критерии функционирования

Ц-оптимальный объем выпуска Ц- управление при Ф и и-уаг

Ф —► Э Ф-► Э -► С-Э

ЛПР-начальник смены, цеха, гл.инженер (АСУ ТП, АСУП) ЛПР-директор, гл.специалисты (АСУП)

II

и

Управляющие воздействия (и)

Цели функционирования (Ц)

. технологические (Т) Критерии функционирования (Ф) - экономические (Э)

\ социально-

экологические (С-Э)

Лицо принимающее решение (ЛПР)

2

Технологические Структурные

И - режимные переменные и конструктивные параметры и - структурные переменные

Ц - стабилизация, оптимальное управление Ц - логическое управление, взаимодействие аппаратов

Ф —► Т-Э Ф--Т-Э

ЛПР - оператор-технолог (САУ) ЛПР - оператор-технолог (АСУ ТП)

Рис.2. Управляющие воздействия. Цели и критерии функционирования МАХП. вания, а степень временной детализации-однослойную (У1), двухслойную (У2) и многослойную (У1") детализацию объекта. Слои выделены по временному признаку. Причем каждому слою соответствует свой горизонт планирования и свой класс задач оптимального функционирования -прогнозирование, технике-экономическое планирование, оптимальное планирование, оперативное календарное планирование и управление, автоматическое управление и регулирование.

Анализ основных направлений концепции и классификационных

признаков" задач кибернетической~организации МАХП позволил - предста--------

бить схему взаимосвязи задач кибернетической организации МАХП (рис.3). Следует отметить, что каждый класс задач синтеза и оптимального Функционирования выдвигает свои объективные - требования к проектируемым и действующим многоассортиментным химическим производствам, которые учитываются выбором соответствующих критериев и анализом конкретных производственных (или производственно-экономических) ситуаций, классификация и анализ которых приводится в работе. Наиболее общей и сложной из этих задач является задача кибернетической организации иерархических многоуровневых многослойных МАХП в условиях неопределенности.

В работе проведен подробный анализ опубликованных работ, посвященных решению задач синтеза сложных химико-технологических (в т.ч. многоассортиментных) производств с заданными динамическими свойствами и с учетом неопределенности, а также задач оптимального функционирования МАХП. Анализ публикаций посвященных решению задач оптимального функционирования многослойных химических производств позволил сделать вывод о том. что они сводятся к задачам линейного программирования, многокритериальной смешанно-целочисленной дискретной динамической оптимизации с учетом неопределенности статистической и нестатистической природы, выявил недостатки существующих подходов и методов решения указанного класса задач. Кроме того сделано заключение о том, что для управления отдельными технологическими процессами МАХП в условиях неопределенности наиболее эффективно использовать цифровые адаптивные системы с эталонными моделями и интеллектуальные системы с нечеткими алгоритмами управления.

Во второй главе на базе методологии системного подхода разработаны теоретические принципы, стратегия и численные методы глобальной и многокритериальной оптимизации для целей гибкого управления многоассортиментными химическими производствами.

Анализ основных направлений концепции кибернетической организации позволил предложить наиболее важные принципы гибкого управления. Принцип многокритериальности связан с многоцелевым назначением производства, является следствием наличия множества целевых функций и отражает сложность процессов функционирования многоассортиментных химических производств, включающих технологические, экономические и социально-экологические нормы. Принцип адап-

Рис. з Схема взаимосвязи задач кибернетической организации МАХП.

тивности нацелен на создание механизмов адаптации, обеспечивающих качественное функционирование МАХП в условиях постоянно действующих возмущений и дает-возможность-быстро-перестраивать-технологи-------------

ческие процессы многоассортиментных химических производств на выпуск новой продукции с минимальными затратами ресурсов. Принцип иерархичности позволяет декомпозировать МАХП на ряд взаимосвязанных подсистем, что повышает оперативность принятия решений в процессе гибкого управления МАХП. Принцип единства технологического, организационного и управленческого начал обеспечивает системное решение задач с целью создания кибернетически организованных химических производств. Принцип распознаваемости и прогнозируемое™ формирует важный компонент системы принятия решений, позволяющий оценить производственную (производственно-экономическую) ситуацию, стратифицировать ее и принять правильное решение по гибкому управлению МАХП. Принцип самоорганизации отражает способность расширения и реорганизации как технологического объекта, .так и системы принятия решений в процессе функционирования МАХП. • • На основе перечисленных принципов разработана стратегия гибкого управления МАХП, включающая следующие этапы:

1. Анализ конкретной производственно- экономической ситуации.

2. Словесное описание содержательной задачи управления.

3. Разработка формализованных моделей с использованием экспериментальных данных, физико-химических и экономических закономерностей и постановка целей гибкого управления МАХП, которые имеют следующий вид:

ГГХ(иД(П,У(П) е ? (1)

Ф- Фшидси.ш)); Ф->Ф* (2)

где: Р(-) -формализованная модель объекта управления (многоассортиментного производства или его элементов), Х(1)Д(0 - векторы входных и выходных переменных в момент времени I; 2(Ь) - вектор состояния; Ф - вектор функций критериев (целей) гибкого управления объектом; Ф* - желаемое состояние объекта в целевом пространстве; Ё - область изменения Р.

4. Выбор вектора управления и формулировка формализованной задачи гибкого управления, которую математически можно записать в следующем виде:

/ «(хсидаэдси.иа))—ъ* (з)

иж(и - АЫ

1 р(ха)да)ла),и(ш Е р

- ie "

Необходимо отметить, что процедура выбора вектора управления U(t) предусматривает анализ всевозможных производственных ситуации, выявляет возможность самоуправления объекта и выбирает компоненты вектора управления в оптимальном смысле по критериям управляемости, простоты реализации и максимального достижения целей функционирования системы.

5. Стратификация задачи (3) процедурой распознавания с целью определения ее принадлежности к стандартному или не стандартному классу математических моделей (задач).

6. Выбор алгоритма из библиотеки стандартных (или уже разработанных) алгоритмов, либо разработка новых алгоритмов решения, которые пополняют библиотеку задач, методов и алгоритмов.

7. Получение численных результатов и анализ качества используемого алгоритма гибкого управления.

8. Коррекция неудовлетворительных решений путем изменений в процедурах указанных выше алгоритмов стратегии гибкого управления.

Следует отметить, что гибкие системы управления являются человеко-машинными системами и состоят из объекта управления и системы принятия решений с лицом принимающим решения, взаимодействующим с системой в диалоговом режиме.

Общая математическая задача гибкого управления многоассортиментным химическим производством формулируется следующим образом:

Z = (N,K,6(t),R,T, V) (4)

W(t)=(X(t),Z(t),Y(t)) (5)

F(Vi(t),ü(t)) < О (6)

V(t+1) = V(t) + B(W(t),U(t)) (7)

U(t) = jr(W(t)) (8)

X(t) £ X; K(t) E K; G(t) £ G (9)

R(t) e R; T(t) e T; Y(t) £ Y; V(t) e V (10)

/ р(Ф, Ф")-► min (11)

U*(t.) - Arg Ф = ®(W(t), ü(t)) W(t) E (S)

(W(t), U(t)) £ Я

где ¡2 - математическая модель многоассортиментного химического

Й -

производства с учетом ограничений на переменные модели; я -нелинейный оператор причино-следственных связей; N - число элементов объекта управления; К -вектор конструктивных параметров; G(t.)-вектор структурных параметров объекта; T(t),R(t) - вектор технологических переменных и переменных расписания; V(t) - вектор запасов в различных емкостях; W(t) - вектор, являющийся объединением векторов X(t),Z(t.) ,Y(t.) и характеризующий производственную ситуацию объекта (5).

Соотношения (4)-(6.) представляют собой математическую модель объекта. Соотношение (7) является моделью накопления сырья, полупродуктов, конечных продуктов в соответствующих емкостях, причем HHi(t), 13 Ct)> -вектор функций, описывающих приход и расход материальных потоков. Соотношение (8) отражает причинно-следственную связь между производственной ситуацией W(t) и вектором управления U(t) . Соотношения (9), (10) представляют собой систему ограничений, налагаемых на соответствующие переменные объекта'управления; р(Ф, Ф*) - некоторая мера в пространстве целевых функ- ' ций.

В таком случае стратегия гибкого управления сводится к поиску такого вектора U*(t) , который перевел бы объект в желаемое состояние Ф* в пространстве целевых функций в условиях изменяющейся производственной ситуации (S).

Та или иная ситуация (.производственная или экономическая) определяется в первую очередь наличием или отсутствием определенных возмущающих воздействий, яеляющихся частью вектора X(t) .

Для компенсации возмущающих воздействий в различных производственных (и экономических) ситуациях и с целью перевода объекта управления в желаемое состояние Ф* необходимо использовать предлагаемую стратегию гибкого управления многоассортиментными химическими производствами, позволяющую обеспечить принятие оптимальных решений по изменению управляющих воздействий.

Стратегию гибкого управления необходимо использовать на всех уровнях иерархии задач прогнозирования, планирования и управления многоассортиментными химическими производствами.

С учетом классификации возмущающих, управляющих воздействий и производственных ситуаций разработаны структура и методы решения задач планирования и управления многоассортиментными химическими производствами в условиях неопределенности статистической и нестатистической природы, (рис.4).

МГО«|>) (ММОН

Рис. 4 Структура и методы решения задач технико-экономического (ТЭП) и оптимального календарного планирования (ОКП) МАХН.ЗЛП- задачи линейного программирования, ЗГП-задачи гибкого планирования,ЗМЛП-задачи многокритериального линейного программирования, ЗСЦЦДП-задачп смешанио-пелочисленного дискретного динамического программирования, ЗСП-задачи стохастического программирования, ТНМ-теорня нечетких множеств, МФЛ-модифицированные функции Лагранжа, НШФ-нечеткие штрафные функции, СЗЛП-симплексный метод решения ЗЛП, ЗБО-задачи безусловной оптимизации,МГОу-метод глобальной оптнмизаипи на основе ^-преобразования, ММОН-методы многокритериальной оптимизации в сочетании с теорией нечетких «• множеств.

Класс задач линейного программирования (ЗЛП) и задач смешанно-целочисленного дискретного динамического программирования -1ЗСЩДДП) с помощью нечетких штрафных функций - (НШФ) сведены к задачам безусловной оптимизации, для решения которых разработаны эффективные численые методы глобальной оптимизаци на основе ч»-преобразования (МГСЦ.). Для решения многокритериальных задач оптимизации (3MQ) и гибкого управления МАХП предложен новый подход к построент множества Парето-оптимальных решений с позиций теории нечетких множеств (ТНМ) и разработан метод для решения широкого класса невыпуклых нелинейных задач многокритериальной оптимизации на основе различных принципов выбора компромиссных решений, диалоговых процедур, численных методов глобальной оптимизации на основе ф-преобразования и алгоритмов построения полного множества Парето.

Для решения задач линейного и смешанно-целочисленного дискретного динамического программирования в условиях неопределенности разработаны алгоритмы, позволяющие свести задачи линейного'и-смешанно-целочисленного дискретного динамического программирования в условиях стохастической 3(z3), нечеткой 3(z4) и интервальной 3(z5) неопределенностях к совокупности детерминированных задач 3(22).

Для общей задачи математического программирования (ЗМП)

х* - Arg- ( min f(X) ) (12)

1 х s G >

с ограничениями в виде

г 1 giW - О , i £ h

G - X giU) i 0, i £ 12 (13)

( Si (X) > о, i E 13

выбор нечеткой штрафной функции

Fix, t) - fix) + til - jiGU))b, t,b > 0 (14)

и функции принадлежности нечетких множеств допустимых решений

jjíííx'i - min ( щ, (ж) } (15)

ici V 1 >

позволяет исходную задачу математического программирования свести к задаче безусловной оптимизации

х* - Ars ( min F(x,t) } (16)

X Е R >

В работе развит метод глобальной оптимизации на основе <{. -преобразования, в основе которого лежат процедуры Лебегова разбиения, аппроксимации экстраполяции и решения системы линейных алгебраических уравнений.

Исходная задача глобальной оптимизации:

( *nax - Arg <max F(j*)>

xeG (17)

( Fmax ~ FC*max)

с использованием ^-преобразования сводится к редуцированной задаче:

(18)

Fmax - fcmax - Arg { *(£,) - О > ( Лвах - -Xfemax)

где

<К*> >0 для всех t, (19)

" $ р(£,,х)' в(е,,х)-<1х

(G)

р(Ъ,х) - весовая функция; в(е,,х) - характеристическая функция.

{I если х е G*

(21)

О если х i G

G* - i х: Fix) > £, > Функции +(£,), х(0 представляют собой сложные однопараметри-ческие функции в виде многомерных интегралов.

С учетом характера изменения значений аппроксимируемых функций по закону распределения Бернулли предложен модифицированный алгоритм глобальной оптимизации на основе ^-преобразования, в котором критерий эмпирического риска заменен критерием среднего

риска, являющимся более надежным, и имеющим вид: *

min J (сО - min L («и - ф(г,ь a))*--Bi a i-1

Сi\ it/ { tin (s " 4i)

в.- с,)- а > (f)i О

(22)

Z (s -1) . . . (S - C,i+ 1)

12 • • •

На основе исходного и модифицированного алгоритмов разработаны процедуры постепенного сжатия области поиска и комбинированные

- 1? -

вычислительные процедуры алгоритма глобального поиска.

Для решения широкого класса задач многокритериальной оптимизации ¡3M0) с невыпуклыми и нелинейньми-оптишзйруемыми функциями

fjl.X'), j-l,m

1* - Arg (лш F(x)) - шах {f i (x) ,f2(x),... ,fm(x)>, (23) xsCcRn XeCcRn

где С-область допустимых решений и ограничениями gj(х)

в работе развит подход, основанный на сведении исходной ЗМО к задаче глобальной оптимизации на основе теоремы Гермейера и последующем построении множества Парето в различных пространствах. Разработаны принципы выбора компромиссных решений, диалоговые процедуры, а также численные методы и алгоритмы построения полного множества Парето. Для построения последнего исследованы-и развиты три способа: построение полного множества Парето в парамет-' рическом пространстве, в критериальном пространстве и на основе теории нечетких множеств.

В рамках нового подхода к построению множества Парето-оптимальных решений для ЗМО с позиций теории нечетких множеств выделены три этапа:

Зтап 1: Размывание критериев и ограничений. В смысле приближенного достижения целей и удовлетворения ограничений локальные области оптимальности Хз'пах и допустимых решений С1! смягчаются нечеткими множествами х^тах и С\, функции принадлежности которых имеют вид:

В результате применения к исходной ЗМО различных процедур размывания критериев и ограничений образуются т нечетких целей 11-.. ^(х) и К (к -|1|) нечетких ограничений (х) являющихся

функциями принадлежности нечетких множеств оптимальных и допустимых решений, соответственно.

Зтап 2: Слияние функций принадлежности .

(24)

д.~так(х): х-

[0,13; CK ßJ^ixX 1 ДЛЯ всех j-l,m

10,13; (х) <1 для всех i е I

С\

ix;: х-

- IS -

Нечеткое оптимальное решение представляет собой нечеткое подмножество, определяемое пересечением нечетких множеств Xj,nax и

Lj.

yrex . ^шахп _.х^; С - Са П...П Ck; D -i"®* П С

Функции принадлежности этих нечетких множеств на основе различных принципов слияния имеют следующий вид:

X XI Хт

- © .

с cl ck

№ - © X с

Этап 3. Принятие решений.

Оптимальным решением ЗМО является решение х*, которое доставляет наибольшую степень принадлежности множеству решении:

- при слиянии только нечетких целей

иоЧх") - max nJ^Cx) хгС х

- при совместном слиянии нечетких целей и ограничений

1ЮИ(х*) - max ио(х) - max { jui^C*) ©М*)>

X с

xsX xsX

Комбинация различных вариантов каждого этапа позволяет конструировать многочисленные вычислительные процедуры для решения

ОШ.

В третьей главе для реализации стратегии гибкого управления многоассортиментными непрерывными и дискретно-непрерывными химическими производствами разработаны модели, методы и алгоритмы прогнозирования, планирования и оперативного управления ими в условиях неопределенности.

Прогнозирование подразделено на долгосрочное и оперативное. Долгосрочное прогнозирование спроса на продукцию многоассортиментных производств предлагается осуществлять с использованием метода дерева целей. На первом этапе разрабатывается дерево областей применения многоассортиментной продукции. В корне дерева располагается продукт, в вершине - возможные области его применения. Движение по этому дереву от корня к вершинам позволяет для конкретного продукта узнать в каких областях возможно его использование.

На основании анализа структуры дерева областей применения была создана база знаний для представления информациив—которой воспользовались продукционной моделью. Помимо базы знаний для решения проблемы была создана база данных, все поля которой делятся на открытые - заполняемые экспертом и закрытые, заполняемые во время обработки информации. Кроме того, был разработан блок выбора решений, который представляет собой банк вопросов с различными вариантами ответов, получаемых при анализе дерева областей применения химических продуктов и знаний специалиста по маркетингу.

Результатом решения задачи долгосрочного прогнозирования является набор продуктов из множества производимых, обеспечивающих максимизацию критерия, зависящего от спроса на продукты и прибыли от их реализации.

При решении задачи оперативного прогнозирования многоассортиментных производств выделены две подзадачи :

-выбор на заданном диапазоне возможного выпуска оптимального обьема производства для каждого продукта ;

-выбор оптимального ассортимента в конкретной экономической ситуации .

Задача выбора оптимального ассортимента имеет следующую математическую формулировку :

й(3)-

А Е

nPi

Tll öi

П , ,AKD

- HI»" -д, -

- cfjEdi

- m" / £щ"

Ed, -] ДВп!=/ ÄUi]

eвщ* iа 1-1

(5) - ( Ц\ 3yc-n-,

(3

ус. п.

+ 3

fiep

(25)

Зпер j

Ф

b

L (r

1-1

A"

IFi + ( 1 - T) Ui)

(S)}

(26)

(27)

Arg ( max Ф У 1 AeQ(S)

где И - множество выпускаемых продуктов , ВП* - множество оптимальных обьемов производства выпускаемых продуктов ; Ц* - множество оптимальных цен ;3УС-П- * - множество условно постоянных затрат на производство продуктов ;Зпер* - множество переменных затрат .A-(ni>,(l-l,Na) - ассортимент ( набор продук-

тов из множества П ) , IPi - прибыль при выпуске 1-го продукта ; ctj - значимость i -го продукта ; Edj - коэффициент эластичности спроса; к - весовой коэффициент ; Q - производительность многоассортиментного производства по всем продуктам за интервал оперативного прогнозирования .

Таким образом задача оперативного прогнозирования сводится к необходимости определения оптимального ассортимента А* выпуска Na продуктов , для которого в конкретной экономической ситуации (S) выполняются все соотношения математической модели и критерий Ф достигает максимального значения .

Задача технико-экономического планирования (ТЗП) сформулирована в виде задачи линейного программирования (ЗЛП) большой размерности в различных математических постановках: в условиях гибкого планирования, многокритериальности, при неопределенности исходной информации: интервальной, вероятностной и нечеткой.

Задача ТЭП как ЗМП с учетом ограничений вида (13 ) и соответствующего выбора функции принадлежности нечетких множеств допустимых решений сведена к задаче безусловной оптимизации вида.

f {...../. . ( i,.?i(?K0 . .

X - Arg < min xsR

/ / l.giUKO ö \l

f(*) + t [l - min | l/(l+kgi(x)) , gi00>0j

(28)

а, к > О

Для решения задач ТЭД в условиях нечеткой неопределенности разработан алгоритм, построенный на основе (Ь-И)-представлений нечетких чисел, позволяющий свести исходную задачу к решению трех ЗЛП.

Задача оптимального календарного планирования многоассортиментных химических производств в условиях неопределенности относительно поставки сырья и спроса на продукцию формулируется следующим образом.

Для многоассортиментного химического производства, состоящего из начальных и конечных емкостей для хранения сырья, готовой продукции и собственно многоассортиментной ХТС (рис.5) в условиях неопределенности исходной информации о поставках ш видов сырья и спросе на п видов продукции в каждом подпериоде времени Ь(Ь-1,>)т) необходимо принять оптимальное решение о выборе вектора управляющих воздействий и*(1) с целью минимизации критерия Ф.

Ха) У(Ь) 7^)

Рис.5 . Укрупненная схема многоассортиментых производств.

Матетатическая формулировка задачи оптимального календарного планирования имеет вид:

Й -

I -

Ь - + 1

и (Г)- АГа

х'и+л - х_а) + х (I) - ха)

Г(1) - Хн < Х*а) < Хе

т.) -

N7

гшси) < о ; П(Ь) £ иа); I. Б(0(Л)) < О - 7(0(1))

7эа+п - 73а) + та) - тс а) ь - о

7г(1) - То; 7н < 7Эа) I - + 1

N1

ф - I Гэ(оа)) Ф —* ПИП

0(Ь) > О > £ я

х а) £ х а) 7са) г тса) ;I -

(29)

(30)

(31)

(32)

(33)

(34)

(35)

(36)

(37)

Соотношения (29), (30) и (34), (35) представляют собой модели накопления сырья и продукции различных видов в соответствующих емкостях. Соотношения (31) и (33) определяют количество потребляемого сырья и количество выпускаемой продукции, если многопродуктовая ХТС работает в режимах с интенсивностью иа). Соотношения (32) характеризуют области изменений и ограничений на управляющие воздействия.

Задача (3?) , а также сформулированная в работе задача оптимального календарного планирования многостадийных непрерывных многоассортиментных химических производств принадлежат к классу задач смешанно-целочисленного дискретного динамического программирования в условиях неопределенности, для решения которых предложены эффективные алгоритмы, основанные на методе глобальной оптимизации на основе ф-преобразования и прямом расчете значений

функций критериев, а также на понятии нечетких штрафных функций.

Для решения задач оперативно-календарного планирования и оперативного управления МАХП предложен подход, основанный на использовании лексикографических методов многокритериальной оптимизации, в которых в зависимости от конкретной сложившейся ситуации принимается решение о изменении целей функционирования МАХП.

Б четвертой главе разработаны методы, модели и алгоритмы управления технологическими процессами в многоассортиыентных химических производствах в условиях неопределенности возмущающих воздействий и исходной информации.

Для управления химико-технологическими процессами в интенсивных режимах функционирования и в условиях действия возмущающих воздействий статистической природы предложен подход к созданию адаптивных систем управления комбинированного типа, использующий принципы построения адаптивных систем с эталонной моделью (АСЗМ) и самонастраивающихся регуляторов (СНР). Обобщенная структурная схема адаптивной системы комбинированного типа приведена на рис.6.

Рис. б. Обобщенная структурная схема цифровой адаптивной системы управления.

В соответствии со структурной схемой разработаны принципиальная структурная схема и алгоритм цифрового адаптивного управления, в котором на каждом такте квантования осуществляется оценка параметров объекта с использованием методов, реализуемых в СНР и перенастройка параметров цифрового регулятора с использованием

методов синтеза АСШ. Причем параметры цифрового регулятора изменяются с целью обеспечения желаемого переходного процесса в замкнутой системе управления, заданного в параметрическом виде.

Для управления технологическими процессами многоассортиментных химических производств в условиях неопределенности нестатистической природы и наличия лишь качественной информации об объекте разработаны нечеткие алгоритмы управления с использованием метода нечеткого математического программирования и на основе моделей нечетких бинарных отношений альтернатив.

Для управления динамическими объектами в условиях неопределенности сформулирована и решена задача достижения нечетко определенной цели при нечетких ограничениях.

В этом случае предполагается, что управляемая система в каждый момент времени находится в состоянии xt . которое принадлежит заданному конечному множеству возможных состояний Х-{ 61,... бк>; соответствующее этому состоянию в момент Ь управляющее воздействие является элементом множества и—( а\.....а т У. Причем'в'

каждый момент времени на наложено нечеткое ограничение С^ , являющееся нечетким множеством в и с функцией принадлежности (и

Переход системы из одного состояния в другое под воздействием управляющего воздействия характеризуется условным распределением вероятностей рСхг.+а^,^ '). Время окончания процесса Мк зафиксировано и задано начальное состояние хо . В конечный момент времени система должна находиться в одном из возможных состояний 63, 3-1,..к, которое соответствует заданному конечному диапазону управляемой переменной. Говоря иначе, конечной целью управления является нечеткое событие б''1 , являющееся нечетким множеством в X, определяемое функцией принадлежности не (хы).

Таким образом, определение управляющего воздействия, позволяющего перевести процесс за фиксированное время IV. из начального в данное конечное состояние, заключается в максимизации вероятности достижения нечеткой цели в момент при условии выполнения не-

_ N ■■ 1

четких ограничений на управляющее воздействие С ,.... С к .

Был разработан нечеткий алгоритм управления динамическими объектами, на основании которого рассчитывается матрица стратегий, элементами которой являются значения управляющих воздействий

¿ь максимизирующие условную вероятность достижения нечеткой цели в соответствующий дискретный момент времени.

С использованием моделей нечетких бинарных отношений альтернатив разработаны два нечетких алгоритма управления технологическими процессами МАХП. Для расчета управляющего воздействия в первом из них используется транспонированное нечеткое отношение по каналу управления согласно уравнению

Хэх1 - УэуаО ]?тх1-у (38)

Ру1(иу) - шах { ип 1ру1 Шу); Дтк.Х1-уШу.их1)3> (39)

Ух1 иу

где 1?тх1-у " транспонированное нечеткое отношение по каналу уп-

а»

равления Х}-У с функцией принадлежности (ФП) м-тя.х1-у(4у.их1); УЭУ1 нечеткое подмножество текущего значения управляемой переменной по

«V л»

каналу управления с ФП ру1(Цу), выражающей сдвиг по ФП ру1(иу); Хэ>

нечеткое подмножество управляющего воздействия с ФП рх1(их).

Второй нечеткий алгоритм реализован в интеллектуальной системе управления с нечетким регулятором. Формализация связей в нечетком регуляторе осуществляется с помощью КхИ лингвистических правил, связывающих между собой измеряемую управляемую переменную у, скорость ее изменения Ду и дополнительную управляемую переменную с величиной управляющего воздействия. Целое число К указывает число диапазонов дополнительной управляемой переменной, для которых используется свой набор лингвистических правил. Целое N - Ма'Ма равно числу лингвистических правил нечеткого регулятора с М1 и М2 - числом меток, терминов, образующих словарь нечетких переменных у и Ду соответственно.

Нечеткое отношение 1?п задается трехмерной матрицей степеней принадлежности, причем каждому п-му лингвистическому правилу соответствует свое нечеткое отношение. Результирующее нечеткое отношение, фактически являющееся нечетким регулятором, определяется объединением трехмерных массивов Ип по каждому из п лингвистических правил.

Для учета нелинейности и нестационарности технологических процессов в МАХП предложен комбинированный метод оценки нечетких отношений и разработаны методы и алгоритмы идентификации и адаптации нечетких отношений к условиям реального функционирования.

Адаптация осуществляется введением обратной связи пол каналу "~отклонения- между рассчитанным Y и измеренными значениями Y~ управляемой переменной.

Метод адаптации основан на сравнении элементарных функций

принадлежности (ЭФШ подмножеств Y и Y в дискретные моменты времени к. В зависимости от отклонений значений ЭФП по каждому элементу универсального множества Uy рассчитывается штрафная функция fш.к. которая штрафует те элементы множества Uy, значение ЭФП Ук

выше значений ЭФП Yk-

fffl.KlUy) ехр(-с)-ехр[ру(Цу) - py(UY)]/Uy> (40)

где с - параметр оценки штрафной функции, действующий как фактор усиления штрафа; ру и ру - элементарные функции принадлежности

расчета Y и измерения Y управляемой переменной.

В пятой главе, результаты теоретических исследований, прове-' денных в предыдущих главах, применены для решения практических задач гибкого управления в условиях неопределенности (прогнозирования. планирования, оперативного и автоматического управления) многоассортиментными производствами органических химических реактивов, цемента и жидкофазных процессов окисления ксилолов.

Для многоассортиментного производства органических химических реактивов для научных исследований решены задачи прогнозирования и оперативного календарного планирования на примере выпуска десяти продуктов: 1 -Циклобутанкарбоксильная кислота; 2 -2,2-дизтокси-пропан; 3 -Фенилацетилен; 4 -1,5-диамино-З-окс.ипентан; 5 -Цианук-сусная кислота; б -Дифенилсульфид; 7 -Этиловый эфир хлоругольной кислоты; 8 -Ртутьхлорфенил; 9 -Тетраметилсилан; 10 -Гексаметилтри-амид фосфористой кислоты.

В результате решения задачи оперативного прогнозирования с использованием системы ИНТЕР-ЭКСПЕРТ установленной на персональном компьютере IBM PC и разработанного программного обеспечения ассортимент органических химических реактивов был разбит на три группы: !) группа с оптимальным ассортиментом приносящим прибыль и состоящим из трех продуктов 3,6 и 7; 2) группа из трех продуктов (1,4 и 8), которые следует выпускать,- хотя их реализация будет приносить убытки, но они будут минимальными из-за покрытия полностью переменных затрат и частично условно-постоянных затрат; 3)

группа из четырех продуктов (2,5,9 и 10), производство которых в рассматриваемой конкретной экономической ситуации нецелесообразно.

С использованием различных способов организации выпуска критериев и алгоритмов оптимизации был решен ряд задач оперативного календарного планирования многоассортиментного производства десяти органических химических реактивов на тридцати аппаратах, при заданном маршруте обработки для каждого продукта и другой необходимой информации. Наилучшие результаты обеспечил циклический выпуск продуктов заданного ассортимента с длительностью одного цикла равного времени выпуска одной порции всех продуктов.

Для непрерывного многоассортиментного цементного производства был решен широкий класс задач технико-экономического, оптимального календарного планирования и оперативного управления в условиях неопределенности и с учетом конкретных производственно-экономических ситуаций.

Объектом исследований являлся завод "Гигант" ПО "Воскресен-скцемент", выпускающий три разновидности цемента: портландцемент 400 (ПЦ-400), портландцемент 500 (ЛЦ-500) и шлакопортландцемент 400 (ШПЦ-400). При этом используется следующее основное технологическое оборудование: 8 сырьевых мельниц, б вращающихся печей обжига и 9 цементных мельниц.

Для решения задач ТЭП разработано алгоритмическое и программное обеспечение для 1БМ РС, с помощью которого определен оптимальный план выпуска цемента по ассортименту на весь год и по кварталам в условиях интервальной и нечеткой неопределенности относительно коэффициентов использования печей и мельниц.

01 а)

Ог(Ь)

Оп(Ь)

Рис.7. Отделение помола и получения цемента.

ЦМ-цементная мельница, Е-емкость (силос).

Для целей определения загрузки цементных мельниц по разновидностям цемента (рис.7 ) и на каждом подпериоде времени горизонта планирования и изменении спроса на различные разновидности цемента сформулирована математическая постановка задачи оптимального календарного планирования.

/ ш

Vз -УД« + Еяц-иы^-ОДЬ)

1-1

2

4-1,п 1>1,N1

- ; У,нч УД« «V N п

£ £ и,Д1) <ТП -в, 1-13-1 _

£ ип(П <ЬТ(« 1-1,т 3-1

1-2,Ит+1 5-1,п 1-1.и

(41)

Ф

Мт и п

Е £ £ Ц -Эи-дц-ииСЬ)

Ат

.Л'

пйп Ф

и,/(«

2

СЬО) 3-1,л

е (Б)

ни I

где Тп- рассматриваемый интервал времени; - Тп/Ит; п- число разновидностей цемента;

(42)

(43)

«подпериод време-ш-число параллель-

но работающих мельниц;Ул («, Уз°, У3Н, У^Б - текущий , начальный, нижний и вехний допустимые уровни запаса цемента о- той разновидности в соответствующей емкости; д^ - часовая производительность 1-той мельницы на выпуск з-той разновидности цемента; и*Д« -время работы 1-й мельницы на выпуск 3-й разновидности цемента в текущий момент(«-отгрузка цемента 3-й разновидности в текущий момент; а ¡-коэффициент использования 1-й мельницы навесь период Тп;Эи-удельные энергетические затраты 1-той мельницы на выпуск 3-й разновидности цемента, Ц-стоимость 1 квч электроэнергии.

Для решения этой задачи применены метод модифицированной Функции Лагранжа и метод глобальной оптимизации на основе ф-пре-образоБания и нечетких штрафных функций.

Результатом решения задачи оптимального календарного планирования является и^ («-время работы (на интервале времени « 1-й мельницы на выпуск 3-й марки цемента.

Были получены решения на интервале времени равному одному месяцу в условиях детерминированного (табл.1), стохастического и неопределенного спроса на разновидности цемента.

Таблица 1

Результаты решения задачи оптимального календарного планирования отделения помола цемента.

1 1 1 2 3 4 5 6 7 8 9

1 212 101 320 196 158 97 300 110 302

г» X, ГО 120 32 40 57 83 45 47 50

г-, ь) 165 173 132 200 197 215 100 222 95

Решен класс задач оперативного управления отделением приготовления сырьевой смеси, отделением получения и отгрузкой цемента различных разновидностей.

Для оперативного управления отделением приготовления разработана автоматизированная система расчета сырьевой смеси в условиях неопределенности с любым числом сырьевых компонентов и при различных способах задания состава клинкера. В автоматизированной системе задачи расчета состава сырьевой смеси сформулированы в виде задач нелинейной и многокритериальной оптимизации, для решения которых использовались алгоритмы и программно-математическое обеспечение, разработанное в главе 2.

Для целей оперативного управления приготовлением и отгрузкой цемента различных разновидностей сформулирован и решен ряд математических задач в лексикографической многокритериальной постановке. Задача оперативного управления отгрузкой цемента формулируется следующим образом: в конкретной производственной ситуации, характеризуемой имеющимися запасами всех разновидностей цемента и возможностями его отгрузки необходимо определить оптимальные значения величин отгрузок по разновидностям цемента, обеспечивающих нормальное функционирование системы силосов. Математически задача имеет следующий вид.

213)-

V; - - СЬ

V," <; п

£ СЬ 3-1 (з)

< VI

в.

1*110,3)-0

(В

V, < В

- {В, Ь°

Л

■ & 03): 0-1

3-1,п

> О

(3-1,п)>

3-1, п

V,

V,

12(0,з)- ( тах —в- ш!п —„)

3 V;

3 V!

в'

0гШ5)

(44)

(45)

- £5 -

где В-общий объем выпуска продукции.

Для этой задачи выделены две ситуации:

Ситуация si: весь произведенный цемент может быть отгружен

L (Vj° - VjH) 4 В

j-1

В этом случае оптимальная величина отгрузки каждой марки цемента на данном интервале времени равна разности между текущим и минимальным запасами цементов: Qj* - Vj° - VjH, (j-l,n). Ситуация s2: произведено цемента больше чем можно отгрузить п

Е (Vj° - VjH) > В j-1

В этом случае оптимальная величина отгрузки каждой марки цемента

определяется в результате решения следующей задачи оптимизации

Q* - Arg { min [f22(Q,s) + T-fi2(Q,s)3 > (47)

Qöl(s)

Для решения задачи (47) использовались разработанные алгоритмы глобальной оптимизации на основе <j>-преобразования.

Принято предположение о подчинении закону распределения Пуассона количества поступающих вагонов для отгрузки цемента:

Исходными данными являются: п - 3; V3°- [4000, 1500, 2600]; V3H - [3600, 1200, 23003; А-18вагонов/такт; 1 - 64.5 т/вагон

Результаты решения задачи оперативного управления отгрузки цемента представлены е табл.2 .

Таблица 2.

Результаты решения задачи оперативного управления отгрузкой

цемента.

1 " имитации к В Ситуация Qi* 02* Оз* XI* Х2* хз*

! 1 13 838.5 s2 371 256.5 211 7 1 5

( 1 по 1419.0 si 400 300.0 360 6 4 5

) Л г» 1 U» 1151.0 S'l 400 300.0 360 6 4 5

Решена также задача для фиксированного числа отгружаемых вагонов для различных разновидностей цемента х^. Результаты решения задачи приведены в табл.2.

В диссертационной работе приведены результаты проектирования, имитационного моделирования, реализации с использованием микропроцессорной техники и внедрения систем управления технологически-

ми процессами, функционирующими в условиях неопределенности, с использованием адаптивных цифровых систем и нечетких алгоритмов управления, приведенных в главе 4. Для управления гидродинамическими режимом реактора кипящего слоя кибернетического импульсного цементного комплекса разработан комбинированный цифровой адаптивный алгоритм, включающий рекуррентные алгоритмы идентификации динамических моделей и алгоритмы настройки цифрового ПИД-регулятора по эталонной модели с параметрически заданной формой кривой переходного процесса в замкнутой системе управления.

С использованием разработанного для 1ВМ РС пакета программ было проведено имитационное моделирование адаптивной системы управления в условиях высокочастотных и низкочастотных возмущений, позволившие сделать вывод о высокой скорости сходимости рекуррентных алгоритмов идентификации и эффективности комбинированного адаптивного цифрового алгоритма управления в целом. Различные модифицированные адаптивные алгоритмы и системы управления с эталонными моделями переданы АО НИИ "Центрпрограымсистем", НПО "Про-мавтоматика", Воронежское ОКБА НПО "Химавтоматика", где используются для целей проектирования адаптивных систем управления, и внедрены в промышленную эксплуатацию на Азербайджанском и Оренбургском газоперерабатывающих заводах и Новомосковском ПО "Азот". Для управления реакторными процессами жидкофазных процессов окисления ксилолов при наличие лишь качественной информации о процессе, разработаны нечеткий алгоритм управления процессом нагревания реакционной массы на основе метода нечеткого математического программирования и интеллектуальная система с нечетким алгоритмом управления температурой в периодическом реакторе, основным элементом которой является база знаний. Было разработано программное обеспечение и проведено имитационное моделирование нечетких алгоритмов управления, показавшее высокое качество управления и малую чувствительность к изменению параметров объекта управления. Разработанные нечеткие алгоритмы управления переданы в фонд алгоритмов и программ АО НИИ "Центрпрограммсистем"г.Тверь для использования в АСУТП реакторных подсистем.

Основные результаты работы и выводы.

1. Развиты методологические основы и определен класс задач кибернетической организации непрерывных и дискретно-непрерывных многоассортиментных химических производств в условиях изменяющей-

- 31 -

ся производственно-экономической ситуации.

Z. Предложены основные принципы и разработана стратегия гибкого управления МАХП в условиях неопределенности исходной информации и целей функционирования.

3. Разработаны теоретические основы решения задач гибкого управления МАХП включая задачи технике-экономического, оптимального календарного и оперативно-календарного планирования в условиях различного вида неопределенности спроса на продукцию, поставок сырья и отгрузки готовой продукции, относящиеся к классу задач многокритериальной, смешанно-целочисленной дискретно-динамической оптимизации.

4. Предложен новый подход к решению задач многокритериальной оптимизации с позиции теории нечетких множеств, в основе которого лежат различные принципы выбора компромисных решении, диалоговые процедуры и численные методы построения полного множества Парето. Развит метод и разработаны модифицированные алгоритмы глобальной оптимизации на основе ф-преобразования, позволяющие эффективно осуществлять сжатие области поиска глобального экстремума.

5. Предложен новый подход к созданию адаптивных систем управления технологическими процессами МАХП комбинированного типа, использующий принципы построения адаптивных систем с эталонной моделью и самонастраивающихся регуляторов.В нечетких системах управления. построенных с использованием моделей нечетких бинарных отношений альтернатив, для учета нестационарности и нелинейности технологических процессов в МАХП предложен комбинированный метод идентификации и адаптации нечетких отношений.

6. Разработано программно-математическое обеспечение для IBM PC. предназначенное для:

- решения задач прогнозирования многоассортиментных химических производств с использованием баз знаний и данных;

- решения широкого класса задач "состав-свойство", планирования и оперативного управления МАХП в условиях низкочастотных возмущений;

- целей управления и проектирования цифровых адаптивных и нечетких систем управления технологическими процессами МАХП, функционирующими в условиях неопределенности статистической и нестатистической природы.

7. Полученные результаты теоретических исследований, разработанное программно-математическое обеспечение и адаптивные и нечеткие алгоритмы применены для решения практических задач гибкого

- ?E -

управления непрерывными и дискретно-непрерывными многоассортиментными химическими производствами цемента, ксилола и др. и внедрены в НИИЦемент, НПО "Композит", НПО "ИРЕА", АО НИИ "Центр-программсистем" г.Тверь, НПО "Промавтоматика", Воронежское ОКБА НПО "Химавтоматика", НПО "НИСШК", Азербайджанском и Оренбургском газоперерабатывающих заводах и Новомосковском ГО "Азот" с получением экономического и социального эффектов.

Основные результаты диссертационной работы изложены в 75 публикациях, главными из которых являются следующие:

1. Кафаров В.В., Макаров В.В., Егоров А.Ф. Гибкие автоматизированные производственные системы химической и смежных отраслей промышленности // Итоги науки и техники. Процессы и аппараты химической технологии, 1988 т.16.-С.92-161.

2. Перов В.Л., Егоров А.Ф., Керимов P.M. Анализ и оптимизация технологических режимов работы абсорбера с подвижной шаровой насадкой. Сб.Газ.промышленность,М. ,ВНИИЭгазпром,1982,выл.9.С.1-37

3. Кафаров В.В., Перов В.Л., Клименкова Л.А., Егоров А.Ф. Применение микропроцессорной техники в системах управления технологическими процессами.- В сб. Хим.пром-ть за рубежом, НИИТЭХИМ, 1984, N2 (254), С.44-61.

4. Серов В.Л., Егоров А.Ф. Использование принципов адаптации при построении гибких автоматизированных производственных систем// Журн.Всесоюз.хим. об-ва им. Д.И.Менделеева. 1987.-t.32.-N3. С. 316-321.

Б. |Перов В.Л.|, Егоров А.Ф. Стратегия гибкого управления

многоассортиментными химическими производствами в условиях неопределенности //Теор. основы хим.технол. 1994, т 28, N5, С. 519-529.

6. |Perov V.L. |, Egorov А. F., Fam Quang Вас, Sheduling and

control system modelling of flexible chemical plants. Intern.conf on CAD/CAM, robotics and factories of future. Sn.Peterburg, 1993, p. p. 326-333.

7. Fam Quang Вас, Egorov a.F., Perov V.L. Sheduling and control system modelling of roultiproduct and multipurpose bate chemical plants. The 11th Intern, congress of Chem.Eng. Chem.Equipment gesing and Automation. "CHISA-93",Praha, Czech.Republic, 1993.

- с© -

8. [Перов В. Д. 1, Егоров А.Ф. Разработка моделей, алгоритмов

и систем управления гибкими многоассортиментными химическими про----------

изводствами в условиях неопределенности. Sbornik konference Rizeni Frocesu s mezinarodni ucasti Horni Becva,1994 p.p.293-299.

9. Перов В. Л., Вердиян М.А., Егоров А. Ф., Фам Куанг Баг. Принципы кибернетической организации цементных комплексов // Тр. Моск.хим.-технол. ин-та им.Д.И.Менделеева.-1988.-Вып. 152.-С.61-66.

10. Егоров А.Ф., Фам Куанг Баг. Модифицированный алгоритм глобального поиска на основе преобразования. -Там же.-С. 147-150.

11. Перов В.Л., Егоров А.Ф., Бобров Д.А. и др. Разработка учебно-исследовательских комплексов гибких ХТС с использованием микропроцессорной техники. Там же.- С.67-74.

12. Перов В.Л., Егоров А.Ф., Фам Куанг Баг. Календарное планирование в многопродуктовых периодических химических производствах. Модели,методы и алгоритмы //Учебное пособие.МХТИ, 1992, ,40с.

13. Перов В. Л., Егоров А.Ф., Клименкова Л. А. и др.// Разработка алгоритмического обеспечения цифровых систем управления ХТП и ХТС // Тр.Моск.хим.-технол.ин-та им.Д.И.Менделеева. - 1986.-140.-С. 112-11?.

14. Фам Куанг Баг, Егоров А.Ф. Чувствительность сложных химико-технологических систем.-Там же.- С.154-155.

15. Перов В.Л., Егоров А. Ф., Хабарин А.Ю., Макогонова В.Д. Функциональное и программно-математическое обеспечение системы автоматизированного проектирования системы автоматического управления химико-технологическими процессами// Тр.Моск.хим.-технол, ин-та им.Д.И.Менделеева.- 1983.-140.-С.132-139.

16. Перов В.Л. ..Дорохов И.Н., Егоров А.Ф. и др. Проблемы синтеза формализованных моделей для целей проектирования САУ ХТП и ХТС.-Там же.-С.150-156.

17. Перов В.Л., Егоров А.Ф., Кузьмин М.А., Сидельников С.И. Разработка моделей и алгоритмов управления гибкими автоматизированными производственными системами (ГАЛС) // Сб. научн. тр.Моск. ним.-технол.ин-та им.Д.И.Менделеева и Пражского хим.-технол. ин-та.-М.-1990.-С.143-150.

13.Перов В.Л., Егоров А.Ф. .Ерошкин A.A. Разработка математической модели процесса обжига цементного клинкера в кипящем слое ¡да целей управления//Сб. научн. тр. Физико-химические проблемы {им.пр-в.Моск.хим.-технол. ин-та им.Д.И.Менделеева. 1990.-С.43-46.

- Э4 -

19. Перов В.Л., Егоров А.Ф., Керимов P.M., Шергольд И.Б. Адаптивная система управления абсорбером с подвижной шаровой насад кой//Газовая пр-ТЬ.-1983.-N5.-С.37-38.

£0. Клименкова Л.А., Егоров А.Ф., Перов В. Л. Исследование цифровой системы управления насадочным абсорбером// Химическая технология. -1985. -N6. -С. 36-38.

21. Егоров А.Ф., Фам К.В., Клименкова Л.А. Алгоритм расчета дискретных передаточных функции//В сб. Автоматизация химических производств.М.: НИИТЗХИМ.-1985.-N8.-С.13-19.

22. Перов В.Л., Егоров А.Ф., Вердиян М.А., Ерошкин А.А. Моделирование процесса обжига цементного клинкера в реакторе кипящего слоя//Изв.ВУЗов. Химия и хим.технология.-1991.-т34.-7.-С.75-79.

23. Перов В.Л., Егоров А.Ф..Ерошкин А.А. Разработка алгоритмов управления процессом обжига цементного клинкера в кипящем слое. Там же.- С.80-84.

24. [Перов В.Л.1, Егоров А.Ф., Абуталыбова Д.Э. Раеработка

нечеткого алгоритма управления реактором периодического действия. Там же.-1994.-4.-С.70-77.

25. Egorov А.P. Chemical Processes Control in Multipurpose Plants. 10th Conference. Process Control'95. Tatranske Matliare.1995.Preprints.v.2.p.p.258-262.

26. Егоров А.Ф., Кузнецов A.H., Соболевский В.В. Применение экспертных систем для решения задач календарного планирования многассортиментных химических производств//Математические методы в химии. ММХ-8:Тез.докл.Всероссийской конф. Тула,-1993,-с.192.

27. Егоров А.Ф., Соболевский B.C. Составление расписаний работы многоассортиментных химических производств с различными маршрутами выпуска продукции//Российский хим.-технол ун-т им. Д.И.Менделеева.-М.,1994-23С.Деп.в ВИНИТИ 10.10.94.Ы2311-В-94ДЕ1

23. Перов В.Л., Егоров А.Ф., Фам Куанг Баг, Староверова Н.Г. Численные методы построения множества Парето при решении невыпуклых нелинейных многокритериальных задач исследования объектов химической технологии//Моск.хим.-технол. ин-т.-М.,1989.-10с.-Деп. в ВИНИТИ 21.07.89.N4917-89 Деп.

29. Перов В.Л., Егоров А.Ф., Фам Куанг Баг, Староверова Н.Г.Об одном алгоритме построения множества Парето при решении многокритериальных задач химической технологии//Моск. хим.-тех-нол.ин-т.-м.,1989.-8с.-Деп. в ВИНИТИ 21.07.89. N4916-89 Деп.

- Э6 -

30. Перов В.Л., Егоров А.Ф., Фам Куанг Баг, Староверова Н.Г. Построения множества Парето-оптимальных решений задач многокрите-

- риальной оптимизации на основе теории нечетких множеств//—Моск.----------

хим.-технол.ин-т.-м.,1989.-12с.-Деп. в ВИНИТИ 21.07.89. N4918-89 Деп.

31. Перов В. Л., Егоров А.Ф., Абуталыбова Д.Э. Разработка алгоритмов оптимального по быстродействию управления реактором периодического действия/УМоск. хим.-технол.ин-т.-М.,1992.-14с.-Деп. Б ВШШТИ 27.07.92. N2467 Деп.

32. Егоров А.Ф., Абуталыбова Д.Э., Фам Куанг Баг. Синтез динамических моделей сложных химико-технологических систем на основе обобщенного оператора связей.//Российский хим.-технол. университет.-М. ,1993ю-11с. Деп. в ВИНИТИ 28.10.93 N2690 Деп.

33. Егоров А.Ф., Перов В.Л., Туркатов С.А., Сухоросова О.В. Пакет прикладных программ для решения задач многокритериальной многомерной оптимизации //Научн.-технич. сборник. Ракетнр-технический сборник.-1990.-2-С.140-149. ' •

214. Егоров А.Ф., Косинцева О.Ф., Молчанова М.Е. Разработка алгоритмов оценки динамической гибкости многономенклатурных объектов химической технологии.//В кн. Применение методов моделирования. Теория и практика,М.,МХТИ, 1987, С.176-185. Рук.деп. в ВИНИТИ 20.07.87 N5227B.

35. Кафаров В.В., Егоров А.Ф. Система автоматизированного моделирования и проектирования адаптивных систем управления химико-технологическими процессами.//Тез. докл. II Всесоюз. Межвуз. конф. Матем.обеспеч.АСУ ТП.-Ташкент, 1980, секц.1., С.35-36.

36. Егоров А.Ф., Ломанн В., Перов В.Л. Разработка алгоритмов управления узлом синтеза в производстве полиэтилена высокого давления на основе аппарата нечетких множеств.//Математические моделирование сложных химико-технологических систем (CXTC-III): Тез. докл.Всесоюз.конф.-Таллин,1982.- С.83-84.

2". Перов В.Л.. Егоров А.Ф. Проблемы синтеза математических моделей для целей проектирования САУ ХТП и ХТС.//Методы кибернетики химико- технологических процессов (КХТП-1): Тез.докл.Всесоюз .конф.-M..1984.-С.112-113.

38. Кафаров В.В., Егоров А.Ф. Разработка методов синтеза сложных химико-технологических систем с заданными динамическими свойствами. //СХТС- IV: Тез. докл. Всесоюз. конф. -Одесса, 1985. -С.7-9.

се -

39. Егоров А.Ф., Фам Куанг Баг. Синтез самостабилизирующихся сложных химико-технологических систем. Там же.-С.76.

40. Перов В.Л., Егоров А.Ф., Фам Куанг Баг. О множественности целей оптимального функционирования гибких непрерывных производственных систем. //Автоматизация и роботизация в химической промышленности: Тез.докл.Всесоюз.конф.-Тамбов,1988.-С.130.

41. Фам Куанг Баг, Перов В.Л., Егоров А.Ф. Алгоритм расчета сырьевой смеси в условиях неопределенности исходной информации//В сб.: Тез.докл.VII Всесоюзн.научно-технич. совещания по химии и технологии цемента.-Черкесск, 1988.- С.285.

42. Егоров А.Ф., Фам Куанг Баг. Оптимальное функционирование дискретно-непрерывных многопродуктовых производств цемента. //КХТП-III:Тез.докл.Всесоюз.конф.-М.,1989.-С.84.

43. [Перов В.Л.|, Егоров А.Ф. Кибернетическая организация и

управление гибкими многоассортиментными химическими производствами. //Математические методы в химии.ММХ-8:Тез.докл.Всероссийской конф. Тула,-1993.-С.192.

44. Егоров А.Ф., Кузнецов А.Н., Соболевский B.C. Применение экспертных систем для решения задач календарного планирования многассортиментных химических производств. Там же.-С.166.

45. [Перов В.Л.|, Егоров А.Ф. Принципы и стратегия гибкого

управления многоассортиментными химическими производствами в условиях неопределенности.//КХТП-IV: Тез.докл.IV Международной научной конф. М., 1994- С.141-142.

46. Егоров А.Ф., Абуталыбова Д.Э. Управление реакторами периодического действия при нечеткой исходной информации.Там же.- C.6f

47. Егоров А.Ф., Соболевский B.C. Оптимальная организация работы оборудования многоассортиментных химических производств с различными маршрутами выпуска продуктов. Там же.- С.85.

48. Егоров А.Ф., Балябкин A.A., Кузнецов А.Н. Постановка и решение задач прогнозирования выпуска продукции многоассортиментными химическими производствами с использованием экспертных систем.// Динамика процессов и аппаратов химической технологии: Тез.докл.IV Всероссийской научной конф.- Ярославль, Яросл. го-суд. техн. ун-т.-1994.-т II.-С.97.

49. Петров Б.Н., Кафаров В.В., Рутковский В.Ю., Перов В.Л., Ядыкин И.Б., Алекперов Г.З., Шергольд И.Б., Керимов P.M., Егоров А.Ф. Авторское свидетельство N970526, Б.И. N43, 1"~