автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.16, диссертация на тему:Разработка алгоритмическог и программного обеспечения для анализа технологических процессов и синтеза систем оперативного управления ими (на примере производства вискозного корда)

РОССНПСКИП ХИЛШКО-ТЕХНОЛОГИЧЕСКИП УНИВЕРСИТЕТ _им. Д. И. МЕНДЕЛЕЕВА_

На правах рукописи

ДЬЯЧЕНКО Сергей Владнмнропич

РАЗРАБОТКА АЛГОРИТМИЧЕСКОГО И ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ ДЛЯ АНАЛИЗА ТЕХНОЛОГИЧЕСКИХ ПРОЦЕССОВ И СИНТЕЗА СИСТЕМ ОПЕРАТИВНОГО УПРАВЛЕНИЯ ИМИ (на примере производства вискозного корда)

Специальность 05.13.16—Применение вычислительной

техники, математического моделирования и математических методов в научных исследованиях.

Л втореферат диссертации на соискание ученой степени кандидата технических наук

Москва—1094

Работа выполнена на кафедре технической кибернетики и автоматики Ивановской государственной химико-технологической академии.

Научный руководитель—академик РАН КАФАРОВ Виктор Вячеславович.

Научный консультант — кандидат технических наук, доцент ГРИГОРЬЕВ Юрий Васильевич.

Официальные оппоненты: член-корреспондент АИН РФ, доктор технических наук, профессор ВОЛОДИН Виктор Михайлович; кандидат технических наук, старшин научный софудпкк СМИРНОВ Леи Николаевич.

Ведущее предприятие—Ивановское НПО «Информатика».

Защита диссертации состоится «...». . . . 1994 г.

в . . . час. в ауд. . . . на заседании спецп.ч лкгшроваиного совета Д 053.34.08 в Российском химико-технологическом университете им. Д. И. Менделеева по адресу: 125047, Москва, А-47, Миусская пл., 9.

С диссертацией можно ознакомиться в наршо-информационном центре Российского химико-технологического университета им. Д. И. Менделеева.

Автореферат разослан «...;>..... 1994 г.

Ученый секретарь специализированного совета

Д. А. Г.ОГ.РОВ

1.1. Обцая характеристика работы

Актуальность проблемы. Современные слоеные ХТС могут характеризоваться большим набором возмо«них состояний или режимов работы, соответствующих как режиму нормальной эксплуатации, так и возникновению различных аномальных ситуаций. Кашдый из реяимов имеет свои особенности с точки зрения управления качеством выпускаемого продукта. Поэтому для успешного решения задачи управления, а такае оперативной диагностики воэнмкаолих отказов, необходимо оценит»! параметры возможных нормальных и аномальных режимов работы, т.е. построить систему классификации производственных ситуаций. Ее использование в качестве верхнего уровня системы управления сложной ХТС позволит повысить качество и оперативность управления.,

В настоящее время имеются примеры подобных систем классификации в ядерной энергетике, геологоразведке, системах исскуственного интеллекта, однако это как правило специализированные системы, требующие больяих затрат на свою разработку и внедрение. В то не время представляется логичным использование в течении период.) накопления необходимой информации об особенностях данной ХТИ сравнительно простых, легко настраиваемых на особенности процесса, систем классификации производственных ситуаций. В настоящее время имевгся несколько теоретических подходов к построении подобных систем, есть примеры их построения применительно к ПС. Однако, больпинство из них либо требует больного объема априорной информации для своего построения, либо имеет низкое качество работы, либо низкую степень универсальности. Все это делает продолнение работ в области построения систем классификации производственных ситуаций актуальной задачей.

Цель работы. Построение программного комплекса классификации производственных ситуаций для сло»ных ХТС, имеюцего достаточную степень универсальности, в основу которого положены методы теории распознавания образов.

Научная новизна. Предложена схема последовательного иерархического использования известных методов классификации. Разработано оригинальное программное обеспечение. Произведен анализ процесса производства вискозного кордного волокна. Для

двух наиболее часто встречающихся состояний процесса дана технологическая интерпретация. Предлоиена методика определения оптимальных дозировок поверхностно-активных веществ (ПАВ), используемых в процессе.

Практическая ценность. Пакет программ момет быть использован в составе ныне действующих и вновь разрабатываемых АС УТИ. а такие как самостоятельный инструмент исследования. В работе дана подробная методика его использования на примере производства вискозного корда. Даны рекомендации, подтвершдающие необходимость введения ряда изменений в технологический процесс производства вискозного кордного волокна. Даны рекомендации по использованию ряда комбинаций ПАВ.

Программное обеспечение передано в НПО "Информатика" (г. Иваново) и внедрено в составе пакета прикладных программ "ППП - прогноз, диагноз". Ожидаемый экономический эффект от внедрения составляет 40 тыс. рублей в год (в ценах 1987 г.).

Автор защищает: алгоритмическое и программное обеспечение классификатора; результаты анализа производственных ситуаций в производстве вискозного кордного волокна; методику определения оптимальных дозировок ПАВ.

Апробация работы: Результата исследований докладывались на первом и втором Всесоюзном секинаре-совевании молодых ученых "Методы кибернетики в химии и химической технологии" (г.Иваново, ¡982: г.Грозный. 1984), Всесоюзной научно-практической конференции "Проблемы повышения качества и эффективности производства химических волокон" (г.Калинин,1984), второй Всесоюзной научной конференции "Методы кибернетики химико-технологических процессов" (г.Баку, 1307). Всесоюзной научной конференции "Математическое моделирование сложных ХТС". (г.Казань, 1988), второй Всесоюзной научной конференции "Автоматизация'и роботизация в химической промышленности" (г.Тамбов, 1988), научно-техническом совете_Всесоюзного научно-исследовательского и проектного института исскуственных волокон ВНИИВ-проект, секция АСУ (г.Мытищи, 1985)

По теме диссертации опубликовано 15 печатных работ.

Обьем работы. Диссертационная работа состоит из введения, четырех глав, выводов, списка литературы, содераащего наименований, и прилоиений. Общий обьем работы страниц, в том числе рисунков, таблиц.

1.2. Содеряание работы. -

Глава I. Технологический процесс производства вискозного кордного волокна состоит из следувцих основных стадий: мерсеризация исходной целлюлозы (обработка ее 17.52 раствором НаОН); отмим и изнельчение «елочной целлюлозы; предсозревание щелочной целлюлозы (окислительная деструкция под действие* кислорода воздуха); ксантогенирование (обработка С5г в присутствии щелочи); растворение ксантогената целлюлозы в щелочи приготовление вискозы; созревание вискозы; формование вискозного кордного волокна.

Качество выпускаемого волокна характеризуется больиим набором физико-механических показателей, контроль которых довольно трудоемок. Поэтому для оперативного управления процессом Формования используется величина приведенной обрывности волокна на прядильно-отделочном агрегате, ежечасно контролируемая.

Процесс производства вискозного кордного волокна характеризуется следующими особенностями: значительные транспортные запаздывания и большая инерционность процесса (полное время технологического цикла 36 часов); значительное влияние на протекание процесса микропримесей (соединения яелеза, марганца, поверхностно-активнне вещества); отсутствие хороших математических моделей, описывающих процесс формования волокна; значительные (до 25X) погреаности измерения технологических параметров.

Основными параметрами. влияющими на качество волокна являются: индекс зрелости вискозы по НаС1 (ЗР); вязкость вискозы (ВЗ); содеряание «¿-целлюлозы в вискозе (»О: содеряание ЯаОН в вискозе (НаОН); содеряание Нг50¥ в осадительной ванне (11,50»): содеряание в осадительной ванне (гпБО*):

плотность осадительной ванны (/').

Особенности протекания технологического процесса позволяют иметь информацию о параметрах вискозы за 1 - 1,5 часа до формования. Состав яе осадительной ванны нояно достаточно оперативно изменять. Содеряание Нг50+ в ней выступает в качестве основного оперативного управляющего параметра. Ввиду значительной инерционности процесса контроль производства производится с периодичностью от одного до «ести часов по разным параметрам.

Анализ литературных источников показал, что в настоящее время все действующие системы управления качеством выпускаемого волокна работают по принципу возможно более полной стабилизации состава вискозы, поступающей на формование. Это связано с тем, что отсутствуют сколь нибудь хорошо работающие модели этого процесса.

Цель настоящей работы заключалась в разработке модели процесса формования вискозного кордного волокна методами распознавания образов, которая била бы пригодна для оперативного управления качеством в течении некоторого времени, а такие процедуры ее подстройки в соответствии с изменениями, происходящими в протекании технологического процесса.

Глава 2 начинается с обсу!дения методов построения модели процесса формования волокна. 1!э данных литературных источников с учетом особенности технологического процесса был сделан выбор в • пользу использования методов распознавания образов, т.к. данная теория естественным образом решает вопросы корректировки модели в ходе переобучения системы распознавания и не предъявляет вестких требований к качеству исходной информации.

Практически все системы управления качеством выпускаемой продукции, построенные с использованием методов классификации имеют четко выраяеннуш двухуровневую структуру. На первом уровне используются собственно методы классификации для определения текущего состояния обьекта управления. Здесь используются методы обучения без учителя, lia втором этапе производится определение и реализация конкретного управляющего воздействия. Здесь, как правило, используются математические модели обьектов в виде регрессионных зависимостей. В последнее время появились работы, в которых оба уровня системы управления используют методы классификации, причем верхний уровень рассматривается как разновидность методов предварительной обработки информации, необходимость в использовании которого связана с обеспечением статистической однородности выборки данных, используемых методами распознавания на нижнем уровне.

Задача классификации производственных ситуаций для целей оперативного управления качеством готового продукта сформулирована следующим образом. Требуется оценить эффективность предлагаемой

стратегии управления Ц при заданных исходных технологических параметрах X. Воэмолш два варианта оценки: "хороиз" - управление П позволит достичь заданного качества готового продукта, и "плохо" - качество продукта будет ни«е заданного, в связи с чем необходима другое управление П . Задача формирования нового управления II долина быть решена либо оператором, либо соответствующими устройствами, после чего оно таше подлеяит оценке. Исходный технологический обьект управления рассматривается как устройство типа "черный ящик".

Обная структура предлагаемой системы классификации изобрамена на рисунке 1. Она имеет две ступени: построение обученного классификатора (обучение) и использование построенного классификатора для оценки предлагаемой стратегии управления (прогноз). Стадия обучения включает в себя три последовательных этапа: приготовление обучавией выборки, кластер-анализ (обучение без учителя) и обучение с учителем. Последовательное использование двух методов обучения делает всю систему очень гибкой, т.к. допускает как их совместнув реализации, так и использование только одного из методов.

Обучавшая выборка представляет собой совокупность пар (Х.1)) из предистории работы обьекта, калдая из которых снаб»ена оценкой стратегии 7 ("хорош" или "плохо"). Предварительная обработка информации вклвчает в себя два этапа: нормировка н фильтрация данных. Использован медианный фильтр.

Задачей этапа кластер-анахиза является получение ответа на следупиие вопросы. Наблвдаетса ли в признаковом пространстве тенденция концентрации отдельных образов (Х.О) к некоторым центрам? Сколько их? Каковы статистические характеристики каядого кластера? Какие точки исходной выборки образупт данный кластер? Какова значимость камдого технологического параметра с точки зрения полученного разбиения? Иаковы границы каядого кластера?

Алгоритм использованного метода кластер-анализа имеет вид (заметим, что здесь и далее по[, X понимается совокупность как технологических параметров, таи и управлящих воздействий):

1. Производится разбиение исходной выборки на произвольное число групп радиуса II.

2. Для каядой пары групп вычисляется величина критерия обьединения

Структура предлагаемой системы классификации

Рис.1.

п, «п., _ _ ,

В =------— IX, - Х,| . (I)

п, » п.,

где п, . пл - число точек в группах,

X, . X» - центры тяшести (средние по параметрам) групп.

3. Объединяется две группы, для которых величина В минимальна.

4. Резкое увеличение значения В на очередном этапе объединения свидетельствует о том. что на последнем этапе была осуществлена попытка объединения компактных, далеко отстоящих друг от друга групп - кластеров. На этом объединение групп заканчивается. Чей больше величина последнего скачка по В. тен более уверенно можно утверждать о наличии кластеров.

5. Определяются весовые коэффициенты признаков с точки зрения полученного разбиения

Л Н;* D¿

—~— . I = 1.и . (2)

где « - число признаков, I - число выделенных кластеров, Я - число точек исходной выборки, Н4- - число точек, отнесенных к 1-ому кластеру, - дисперсия 1-го признака в исходной выборке, В1()- - дисперсия }-го признака в 1-ом кластере.

6. Производится построение системы .линейных разделяющих поверхностей для отделения каждого кластера от всех остальных:

У = Д„ + £ А; X; (3)

* *

п,- = L сои;« сх„- х

IX '

йс = -0.5^Я,(Х«- lJK ) где [COU,у J - матрица, обратная матрице ковариаций.

Дальнейшее обучение классификатора производится в пределах каждого кластера отдельно. Гоч<и. отнесенные к данному кластеру, разбивается на два класса, подлежащие распознавании, согласно оценок качества управления "плихо'У'хороио". При описании стадии обучения под обучащей выборкой будем понимать выборку, образованную в пределах кластера.

Обучение с учителе* (этап "обучение" на рис.1) производится с использованием следующего семейства решавших правил: - линейная дискриминантная функция (ЛДФ)

d;= InPi^ XrC"'Kt- 0,5~н[с"%. 1 = 1,2 (4)

V=d,-d2

- квадратичная дискриминантная функция (КДФ)

D; = Л (Xv- ¿j . 1 = 1.2 (5)

где d/- расстояние до центра соответствующего класса образов ("хорово" или "плохо")

- нелинейная дискриминантная функция (НЛДФ)

ii- InPt- 0,5In|Cj- O.SCX-H.o'C-'lX-H,) ,1 = 1,2 С6J Y=d,-d*

На нилнем уровне при прогнозе качества предлагаемой стратегии управления U было решено использовать все три правила (4) - (6) путем простого или взвешенного голосования, где вес правила соответствовал бы степени текущего доверия к нему и ног бы изменяться на основе принципа поощрения-наказания. Оценка качества обучении производится по обучающей выборке с подсчетом процента неправильно распознанных реализаций для кавдого класса. При неудовлетворительном качестве обучения производится формирование обобщенных решавших функций с последующим выбором информативных признаков, после чего этап обучения повторяется.

Классификация точки модулем, прогноза производится на основании знаков разделяющих функций (3), (4). (5), (6). Для оценки степени удаленности точки от разделяющей гиперплоскости, величина значения разделяющей функции оценивается в долях от изменения его от неточности исходных данных Л.

Уверенно классифицируются только точки, для которых Y*=Y/aY по модулю больие единицы. Если при классификации точки возникает ситуация, когда Y*>1 для более чем одного кластера, дальнейший прогноз производится по всем выбранным кластерам.

Оценка качества прогноза, производится путем сопоставления спрогнозированной оценки качества управления U и его практической оценки по качеству готовой продукции. Если классификлор достаточно часто начинает ошибаться, производится его переобучение.

На основании изложенных выше алгоритмов было разработано программное обеспечение задачи - пакет программ "ПРОГНОЗ". Имеются версии пакета для ЕС ЭВМ, семейства ДВН и ПЭВМ типа IBM

РС. Дан общий подход и выбору его настроечных параметров, произведена отладка программного обеспечения на контрольном примере.

Глава 3 посвящена обсуждению результатов анализа технологического процесса производство вискозного кордного волокна на Светлогорском ПО "Хнмволокно".

В процессе анализа было обнаружено существование двух кластеров, причем наиболее серьезные различия между ними наблюдаются по содержанию гпБОу в осадительной ванне. Однако, концентрация в ванне долена поддерживаться постоянной, что

достигается дозировкой свежего раствора Рассмотрение

причин, приведших к появлению кластеров, позволило установить следующие факты.

1. Время существования кластера с пониженным относительно среднего значенном концентрации МО* в осадительной ванне, как правило, составляет 2-3 суток.

2. Различие в содержании гп$0, для кластеров составляет (2 - 3) г/л. причем эти колебания не связаны с изменением его дозировок в ванну.

3. Как правило, моменты перехода технологического процесса из кластера с ловыменным содер«анием гп30у в другой совпадают с моментами увеличения обрывности волокна.

Поскольку анализ, проведенный в разное время показывает схожие результаты, была сформулирована гипотеза о том, что наличие данных кластеров характерно для процесса производства вискозного кордного волокна. Поэтому в дальнейшем будем называть их установиваиыися режимами формования волокна. В этот термин мы вкладываем следующий смысл.

Под установившимся режимом понимается состояние технологического'процесса, характеризующееся преобладанием одного из возможных механизмов химический реакции или определенного физико-химического процесса или одним из возможных режимов работы технологического оборудования. Люб_ой процесс можно описать

математической моделью _V = Р ( X "> , определяющей связь

технологических переменных X (х, , хг .....1 с показателем

качества готовой продукции или показателями эффективности ведения технологического процесса V - (уу , уг.....уп 1.

Если технологический проиесс имеет несколько установиваихся ремимов, то для камдого из них момно предлонить свою модель:

. .....Очевидно, что при этом одно и то ше

значение выходного показателя Ч будет. обеспечиваться п>ри различных значениях X в зависимости от ремима: X,, Х2, ....Х4. Поскольку любая система управления (в том числе и ручная) долша обеспечивать заданный интервал значений У. то если собрать информация о состоянии процесса за достаточно больной период времени, в пространстве состояний момно выделить

несколько областей А, , А^..........кавдая из

которых соответствует тому диапазону изменения параметров X, £ри котором получаемый продукт имеет достаточное качество V. Ряд замеров будут, очевидно, располагаться вне областей й<,

И2.....что может быть связано как с переходами

из одного репша в другой, так и случайными отклонениями процесса от нормального состояния (выпуск продукции, не соответствующей заданному качеству V).

С целью выявления связи концентрации 1п50* с показателями качества целлюлозы, на первом кордном производстве Светлогорского ПО "Химволокно" были взяты пробы ■ целлюлозы, поступавшей на переработку. Для образцов целлюлозы, собранных во время эксперимента, была исследована кинетика растворения. Установлено, что время растворения навесок целлюлозы в аммиачном растворе гидроокиси меди в среднем составляет для первого ре«иыа 10.2 мин., для второго - 4.3 мин.

Установлено, что поскольку Светлогорское ПО "Химволокно" работает на скесках целлюлозы из нескольких партий, то переработка сиесок с болыой дисперсией по времени растворения, как правило приводит к ухудшению процесса фильтрации вискозы и снияению крепости корда.

Поиск причин различной активности целлюлозы по отноменив к аммиачному раствору гидроокиси меди основывался на следующих экспериментальных фактах.

1. Предварительная обработка навески целлюлозы водой или 17,5* раствором НаОН практически не влияет на время растворения.

2. Обработка труднорастворимой целлюлозы из некоторых партий (Байкальская холодного облаторзвивания) несколькими каплями

бензина с последующи* его испарением значительно уменыает время ее растворения.

3. Обработка целлюлозы производства CÍA водой. пропущенной через магнитное поле с индукцией 0,8 Тесла, сокрачаег ее время растворения со 120 до 15 минут.

4. Обработка целлюлозы производства СИЛ несколькими каплями бензнна практически не влияет на ее время растворения.

5. Обработка целлюлозы производства С1Й несколькими каплями бензинового экстракта, полученного из целлюлозы партии 744 Байкальского ЦБК (холодного облагораживания, (Jíl-З, время растворения 25 минут), сокрачает ее врем« растворения до 5 - 10 минут.

В. Нанесение бензинового экстракта, полученного из целлюлозы партии 744, на навески Байкальской целлюлозы с большим временем растворения, как правило (за исключением 2 партий из 8) вначале приводит к уменьшению их времени растворения, однако после внесения нескольких порций экстракта время растворения навески целлюлозы резко возрастает.

Вся эта информация, особенно изменение времени растворения целлюлозы после обработки омагниченной водой, говорит о том. что значение времени растворения определяется характером смачиваемости поверхности целлюлозы, что связано в том числе с содержанием и распределением поверхностно-актнвных вечеств (ПАЙ), наносимых на целлюлозу.

Была поставлена работа по исследованию влияния различных ПАВ на активность целлюлозы. Установлено, что различные ПАВ по разному активируют целлюлозу, т.е. появляется возможность исследования активности ПЙВ различной природы и различного состава с целью поиска оптимальной концентрации, используя сравнительно малотоксичный аммиачный раствор гидроокиси меди, избежав к тому яе длительного процесса приготовления и анализа вискозы в случае использования CS3 .

Классификатор был использован для анализа технологических особенностей переработки опытных партий целлюлозы холодного облагораживания Байкальского ЦБК без предварительной обработки проксанолом 11Л-3 при вводе ПЙВ В1М55 в мерсеризатор в различных дозировках.

Был произведен анализ информации на наличие кластеров. Для

этого интервал обработки величиной 200 точек перемещался вдоль массива технологической информации с обновлением каждый раз на 50 точек. Основные выводы мояно сформулировать следующим образом:

!. Номент перехода на переработку целлюлозы без нанесения ЦЛ-3 идентифицирован с моментом появления нового кластера в пространстве состояний.

2. Уменыение дозировки Ви-355 в мерсеризатор с 2.2 л/100кг до 2.1 л/100кг такяе привело к образовании в пространстве состояний нового кластера, однако не сразу, а спустя 26 часов. Это время мояно интерпретировать как время изменения концентрации Б и-3 5 5 в мерсеризацнонной шелочи при снияении его дозировок.

3. Переход на переработку целлюлозы, предварительно обработанной проксанолом такяе привел к появлению нового кластера спустя 26 часов.

4. Кластер, соответствую^ переработке целлюлозы без ЦЛ-3 с дозировкой ВО-355 в мерсеризатор 2.1 л/100кг, отличается от остальных значительной компактностью.

Заметна стабилизация числа ячеек после перехода на переработку целлюлозы без ЦЛ-3 при дозировке Ви-355 2.2 л/100кг и резкое возрастание его после снияения дозировок. ' Это мояно интерпретировать следушвим образом. Хотя переработка целлюлозы без Ц/1-3 при дозировке ВО-355 2.2 л/100кг привела к выделении нового кластера, тем не менее ничего принципиально нового в технологическом процессе не произояло, наблюдалась ли»ь более тесная группировка точек в пределах все той яе области признакового пространства. Совервенно другая ситуация возникла при снижении дозировки. Новый кластер образовался в другой области признакового пространства, т.е. в технологическом смысле переработка целлюлозы без ЦЛ-3 при дозировках В0-355 2.1 л/100кг принципиально отличается от всех других. Показано. что оптимальные дозировки данного ПЙВ значительно нияе 2.2 л/ЮОкг <0,22* от массы целлюлозы), поэтому следует ожидать значительной стабилизации технологического процесса при уменьяении дозировок Ви-355.

Все это хорошо согласуется с полученными нами экспериментальными данными.

Глава 4, С целью оценки эффективности разработанного

алгоритмического и программного обеспечения • были произведены испытания пакета программ "ПРОГНОЗ" на первом кордном производстве Светлогорского производственного обьединенил "Химволокно" . Зффективность работы программного обеспечения оценивалась по проценту неправильно распознанных реализаций раздельно для обучения классификатора и прогноза. В нзчестве показателя качества. подлежащего прогнозу, использовалась приведенная обрывность вискозного кордного волокна на прядильн отделочном агрегате.

Информация вводилась с тактом дискретности То=1 час. Значения параметров, частота кошроля которых ни*е, восстанавливались путем линейной интерполяции. С целью приведения всей информации к одному моменту времени, параметры вискозы брались по результатам анализа за предыдущий час. Общий обьем информации для обучения составлял 200 точек. /¡ля построения обучающей выборки использовался хронологический алгоритм. Изменение характера графика зависимости критерия обьединения от числа групп после 1=5 позволило сделать внвпд о наличии 5 групп. Результаты обучения вполне удовлетворительны (ошибка не более 20'/.). Обкий результат прогноза является неудовлетворительным, причем классификатор в большинстве случаев на вопрос о текущем значении обрывности дает ответ "хороио", хотя на интервале прогнозирования наблюдались и значительные всплески обрывности.

Однако, сравнение характера поведения дискриыинантных Функций с характером изменения обрывности позволило обнаружить следующую интересную особенность. Как правило, при уменьшении значений дискриыинантных функций наблюдается увеличение обрывности волокна, т.е. видна явная корреляция ыеиду знаками изменения обрывности и изменения дискриыинантных Функций.

Этот экспериментальный Факт • позволил сформулировать алгоритм прогнозирования обрывности от достигнутого уровня. Если значение дискриминантной функции для

прогнозируемой точки меные, чем для предыдущей, имеем прогноз "хуае" (будет наблюдаться увеличение обрывности). В противном случае имеем прогноз "лучше". Использование данного алгоритма позволило уменьшить реальный процент оиибок с 41 до 19 процентов.

Таким образом, прогнозирование от достигнутого (по'принципу "хуме" или "лучше") значительно более надеано, чем прямое

применение ре«акяих правил.

Окончательный алгоритм прогнозирования физико-механических показателей качества волокна имеет вид:

1. Производится приготовление обучавшей выборки.

1?. Определяется число установившихся ре»имов

технологического процесса, или число групп, в которые группируются технологические данные. Строится система разделяющих поверхностей.

3. Аля каждого из ре«имов или групп выбирается пороговое значение показателя качества Ко, обеспечивающее примерно равное представительство образов "хорошо" и "плохо". Строится система дискриминантных Функций, по обучающей выборке оценивается распознающая способность классификатора.

4. Для каждой вновь поступающей точки определяется изменение значений дискриминан1ных функций, разделяющих признаковое пространство на режимы или группы и на образы "хорошо" и "плохо". Точка классифицируется к тем группам, для которых значение дискрикинантной функции (выраженное в долях от возможной погрешности из-за неточности исходных данных) больше -1. Причем, наибольвее предпочтение отдается тем группам. для которых изменение значения дискриминантных функций больше 2. По величине дискриминантных функций для образов "хорошо'' и "плохо" дается прогноз:

- "лучше", если «У>1

- "хуже", если л Ус-1

- "неопределено". если |*V|с 1

Методом голосования определяется общий результат прогноза.

5. Переобучение классификатора производится при появлении 4 - 5 ошибок прогноза подряд.

Показана возможность применения разработанного программного обеспечения для прогнозирования крепости волокна и корда, удлинения волокна и выпуска мотковой продукции. Процент ошибок -не более 20'/!.

Основные результаты и выводы

1. Разработано программное обеспечение многокаскадной классификации производственных ситуаций для целей оперативного управления качества выпускаемого продукта.

2. Произведен анализ технологического процесса производства вискозного кордного волокна. Выявлены два основных режима Формования волокна.

3. Дана технологическая интерпретация выделенных режимов.

4. Предложена методика определения оптимального количества поверхностно- активных вецеств. вводимых на стадии мерсеризации целлюлозы.

5. Произведен анализ результатов переработки опытных партий целлюлозы без предварительной обработки проксанолом Ufl-3.

6. Предложены ряд изменений организации введения поверхностно-активных веществ на Светлогорском ПО "Химволокно".

7. Сформулирована методика использования комплекса программ классификации для оценки качества предлагаемого управляюаего воздействия.

8. Комплекс программ включен в состав' * 11ПП - прогноз, диагноз" НПО "Информатика" с ожидаемым экономическим эффектом 40 тыс.рублей в год (в ценах 198? года).

9. Комплекс программ передан сотрудникам НЛО Светлогорского ПО "Химволокно" для использования в качестве инструмента исследований особенностей технологического процесса.

Основные положения диссертации опубликованы в следующих работах:

1. Выбор существенных параметров в производстве химических волокон/ Соколова U.C., Григорьев В.В., Дьяченко C.B. - Черкассы, 1982.-4 е.- Деп. в ОНИИТЭХим. 106хп-Д82.

2. Программа выделения устойчивых режимов технологического процесса/Дьяченко C.B., Григорьев И.В., Соколова И.С.:Иежвуз. сб. "Алгоритмическое и программное обеспечение АСУ".-Калинин, 1984.

3. Применение методов автоматической классификации для анализа кордного производства/ Дьяченко C.B., Григорьев В.В., Соколова И.С.. Разумов В .Р.-М.. 1985 .-9 е.- Деп. в ШШТЭИприборо-строения,ДР2799пр-85Деп.

■ 4. Анализ второго кордного производства Светлогорского ПО "Хиыволокно" методами . распознавания образов/ Соколова U.C., Григорьев Ю.В., Дьяченко C.B., Горулева И.О.-Черкассы,1386.-7 с. Деп. б ОНИИТЗХии, 173-хп.

5. Анализ первого кордного производства Светлогорского ПО

"Химволокно" методами распознавания образов / Дьяченко C.B., Григорьев B.R., Соколова И.С.. Четверикова О.В. - Черкассы.1936,-7 с.-Деп. в ОНИИТЭХим. 273-хп.

6. О возможности долгосрочного прогнозирования устойчивости формования вискозного волокна/ Дьяченко C.B., Григорьев D.B., Попов С.П.-Черкассы.1987.-8 с.-Деп. в ОНИИТЗХии. Шхп-67.

7. Испытания ППП "Прогноз" на 2 кордной производстве Светлогорского ПО "Химволокно". в 1985 году/ Дьяченко C.B., Григорьев R.B.. Павлов В.В.-Черкассы,1987.-7 с.-Деп. в ОНИИТЭХим. filxn-87.

9. Оперативный анализ устойчивости процесса формования на базе методов распознавания образов/Тихомиров В.Ф.. Григорьев В.В, Дьяченко C.B.. Соколова И.С., Олейник Т.Д.//Хим. волокна.-1986.-N 5.

9. Дьяченко C.B.. Григорьев D.B. Применение метода аннулятора для параметрической идентификации обьектов управления //Тез. докл. -Грозный,1984.

10. Анализ кордного производства методами автоматической классификации/ Дьяченко C.B..Григорьев В.В..Соколова И.С. // Тез. докл. -Грозный.1984.

11. Прогноз обрывности нитей в производстве минного корда/ Григорьев В.В., Соколова И.С.. .Пьячзнко С.В.//Тез. докл.-Калинин. 1984.

12. Алгоритмическое и программное обеспечение многокаскадной классификации производственных ситуаций сложных ХТС/ Григорьев В.В. .Дьяченко C.B.. Сокольский A.I!.// Тез. докл. -Тамбов. 1988.

13. Концепция многокаскадной классификации производственных ситуаций сложных ХТС/ Григорьев C.B..Дьяченко C.B..Сокольский Й.К //Тез. докл. -Баку. 1987.

14. Григорьев В.В..Дьяченко C.B. Многокаскадная классификаци в задачах ситуационного анализа и управления сложными химико-технологическими системами//Химия и хим. технология.-1994.-N 3.

15. Дьяченко C.B.. Григорьев В.В. Анализ установиввихся режимов формования вискозного кордного волокна//Хим. волокна.-1994.-Н 2.