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

российский химико-технологический университет

им. Д. II. МЕНДЕЛЕЕВА

^^ ОД На правах рукописи

ДЬЯЧЕНКО Сергеи Владимирович

РАЗРАБОТКА АЛГОРИТМИЧЕСКОГО И П Р О Г Р АММН О ГО 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 методой г. научных исследованиях.

Автореферат диссертации на соискание ученой степени кандидата технических наук

Москва—1 ПО 1

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

Научный руководитель—академик РАН КАФАРОВ Виктор Вячесданоиич.

Научны й к о н с у л ь т а н т — кандидат технических наук, доцент ГРИГОРЬЕВ Юрий Васильевич.

О ф и ц и а л ь н ы е опп о нент ы: член-корреспондент АИН РФ, доктор технических наук, профессор ВОЛОДИН Виктор Михайлович; кандидат технических наук, старший научный согрудпчк СМИРНОВ Леи Николаевич.

Ведущее предприятие—Ивановское НПО «Информатика».

Защита диссертации состоится « . » . 1994 г.

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

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

Автореферат разослан «с '. » ."'У**?*. . 1994 г.

Ученым секретарь специализированного совета

Д. А. БОБРОВ

1.1. Обцая характеристика работы

Актуальность проблемы. Современные ело юше ХТС могут характеризоваться большим набором возмошшх состояний или режимов работы, соотЕетствувпих как релину нормальной эксплуатации, так и возникновения различных аномальных ситуаций. Каядый из реаимов имеет свои особенности с точки зрения управления качеством выпускаемого продукта. Поэтому для успешного решения задачи управления, а такие оперативной диагностики возникающих отказов, необходимо оцените параметры возмояних нормальных и аномальных ремиков работы, т.е. построить систему классификации производственник ситуаций. Ее использование в качестве верхнего уровня системы управления слотой ХТС позволит повысить качество и оперативность управления..

В настояцее время имевтея примеры подобных систем классификации э ядерной энергетике, геологоразведке, системах исскуственного интеллекта, однако это как правило специализированные системы, требувиие больних затрат на своп разработку и внедрение. В то не время представляется логичным использование в течении период.! накопления необходимой информации об особенностях данной ХК сравнительно простых, легко настраиваемых на особенности процесса, систем классификации производственных ситуаций. В настоящее время имеются несколько теоретических подходов к построении подобных систем, есть примеры их построения применительно к !!ТС. Однако, больнинство из них либо требуют больмого обьема априорной информации для своего построения, либо имеет низкее качество работы, либо низкую степень универсальности. Все это делает продолжение работ в области построения систем классификации производственных ситуаций актуальной задачей.

Цель работы. Постюение программного комплекса классификации производственных ситуаций для сло»ных ХТС, имеюиего достаточную степень универсальности, в основу которого полояены 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

г

двух наиболее часто встречаются состояний процесса дана технологическая интерпретация. Предложена методика определения оптимальных дозировок поверхностно-активных веществ (ПЙВ), используемых в процессе,

Практическая ценность. Пакет программ моют Сыть использован в составе ныне действующих и вновь разрабатываемых АСУ Т/1. а также как самостоятельный инструмент исследования. В работе дана подробная методика его использования на примере производства вискозного корда. Даны рекомендации, подтверждающие необходимость введения ряда изменений в технологический процесс производства вискозного кордного волокна. Даны рекомендации по использовании ряда комбинаций ПАВ.

Программное обеспечение передано в НПО "Информатика" (г. Иваново) и внедрено в составе пакета прикладных программ "(Ш - прогноз, диагноз". Ожидаемый экономический эффект от внедрения составляет 40 тыс. рублей в год (в ценах 198? г.).

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

Апробация работы: Результаты исследований докладывались на первом и втором Всесоюзном семинаре-совещании молодых ученых "Методы кибернетики в химии и химической технологии" (г.Иваново. 1982; 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. 1987), 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 исскуственких волокон ВНИЙВ-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, содержащего наименований, и приложений. Общий обьем работы страниц, в юм чясле рисунков, таблиц.

1.2. Содержание работы. Глава 1. Технологический ■ процесс производства вискозного кордного волокна состоит из следуших основных стадий: мерсеризация исходной целлюлозы (обработка ее 17.5И раствором НаОН); отмим и измельчение «елочной целлюлозы; предсозревэние щелочной целлюлозы (окислительная деструкция под действие* кислорода воздуха); ксантогенирование (обработка С5г в присутствии яелочи); растворение ксантогената целлюлозы в иелочи приготовление вискозы: созревание вискозы; Формование вискозного кордного волокна.

Качество выпускаемого волокна характеризуется болышм 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 железа, марганца, поверхностно-активнне веяеетва); отсутствие хороиих математических моделей, опирающих процесс формования волокна; значительные (до 257.) погрешности измерения технологических параметров.

Основными параметрами. влияпцими на качество волокна являются: индекс зрелости вискозы по НаС1 (ЗР): вязкость вискозы (ВЗ): содержание»¿-целлюлозы в вискозе («О; содержание ИаОН в вискозе (НаОН); содержание Нг50¥ в осадительной ванне ((1,50»); содеряание гтбОу в осадительной ванне (1п50»); плотность осадительной ванны

Особенности протекания технологического процесса позволяют, иметь информации о параметрах вискозы за I - 1.5 часа до Формования. Состав же осадительной ванны можно достаточно оперативно изменять. Содержание Нг50» в ней выступает в качестве основного оперативного управляюцего параметра. Ввиду значительной инерционности процесса контроль производства производится с периодичность!) от одного до жести часов по разным параметрам.

Анализ литературных источников показал, что в настоящее время все действующие системы управления качество* 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, происходящим в протекании технологического процесса.

Глава 2 начинается с обсушдения методов построения модели процесса формования волокна. Из 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 предьявляет иестких требований к качеству исходной информации.

Практически все системы управления качеством" выпускаемой продукции, построенные с использованием методов классификации имеют четко выраленнув двухуровневую структуру. На первом уровне используются собственно методы классификации для определения текущего состояния обьекта управления. Здесь используются методы обучения без учителя, (¡а втором этапе производится определение и реализация конкретного управляющего воздействия. Здесь, как правило, используются математические модели объектов 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 никнем уровне.

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

стратегии управления и при заданных исходных технологических параметрах X. Возможны два варианта оценки: "хорошо" - управление О позволит достичь заданного качества готового продукта, и "плохо" - качество продукта будет ни*е ладанного, в связи с чем необходимо другое управление II . Задача формирования нового управления II дол»на бить реиена либо оператором, либо соответствующими устройствами, после чего оно такие подлепит оценке. Исходный технологический обьект управления рассматривается как устройство типа "черный яиик".

Обяая структура предлагаемой системы классификации изображена на рисунке 1. Она имеет две ступени: построение обученного классификатора (обучение) и использование построенного классификатора для оценки предлагаемой стратегии управления (прогноз). Стадия обучения вклшчает в себя три последовательных этапа: приготовление обучащей 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 совместную реализации, так и использование только одного из методов.

Обучавшая выборка представляет собой совокупность пар (Х.Ц) из предисгории работы объекта, каядая из которых снабжена оценкой стратегии У ("хороян" или "плохо"). Предварительная обработка информации включает в себя два этапа: нормировка и фильтрация данных. Использован медианный фильтр.

Задачей этапа кластер-анаг.иза является получение ответа на следувяие вопросы. Наблюдаетел ли в признаковом пространстве тенденция концентрации отдельных образов с X,I/) к некоторым центрам? Сколько их? Каковы статистические характеристики камдого кластера? Какие точки исходной выборки образуют данный кластер? Какова значимость ка»дого технологического параметра с точки зрения полученного разбиения? Иаковы границы камдого кластера?

Алгоритм использованного нетода кластер-анализа имеет вид (заметим, что здесь и далее по;, X понимается совокупность как технологических параметров, таг и управляющих воздействий):

1. Производится разбиение исходюй выборки на произвольное число групп радиуса й.

2. Для калдой пары групп вычисляется величина критерия объединения

Структура предлагаемой системы классификации

Рис.1.

н, »п. — — г

В =---IX, - , (П

П, + П^

где п, , п, - число точек в группах,

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

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

4. Резкое увеличение значения В на очередном этапе обьединения свидетельствует о той, что на последнем этапе била осу«ествлена попытка обьединения компактных, далеко отстоящих друг от друга групп - кластеров. На это* обьедкнение групп заканчивается. Чем болые величина последнего скачка по В, тем более уверенно мо*но утверждать о наличии кластеров.

5. Определяются весовые коэффициенты признаков с точки зрения полученного разбиения

4- Н.» —

---- .1 = 1.« . (2)

* Г?, II *

где 1 - число признаков, I. - число выделенных кластеров, И - число точек исходной выборки, Н; - число точек, отнесенных к 1-ому клагтеру. 0; - дисперсия ]-го признака в исходной выборке. - дисперсия 1-го признака в 1-ом кластере.

6. Производится построение системы .линейных разделяюцих поверхностей для отделения каядого кластера от всех остальных:

У = И„ 4 £ А: X; (3)

П; : £ сои",« (Х„-

= -0,5 11

где [СОИ - матрица, обратная матрице ковариаиий.

Дальнейшее обучение классификатора производится в пределах камдого кластера отдельно. Гоч<и, отнесенные к данному кластеру, разбивается на два класса. п>здле«а*ие распознавании, согласно оценок качества управления "плохо"/"хоро*о". При описании стадии обучения под обучавцей выборкой будем понимать выборку, образованную в пределах кластера.

Обучение с учителем (этап "обучение" на рис.1) производится с использованием следуицего сенейства решащих правил: - линейная дискрииинантная функция с ПДФ >

(1,= 1пР; » ХТС''М4- 0,5 М[<Г'¥;. 1 = 1,2 (4)

- квадратичная дискриминантная функция (КДФ)

0;= Л <Х;- ¡¡¿У/В. : . 1 = 1.2 (5)

* * V V

где ()<•- расстояние до центра соответствующего класса образов ("хорошо" или "плохо")

- нелинейная дискриминантная функция (НЛДФ)

й; 1пРг- 0.51п|С;|- 0,5(Х-^)ГС"/(Х-Н; ) , \ - \Л (6) V=d/-d2

На нижнем уровне при прогнозе качества предлагаемой стратегии управления и било решено использовать все три правила (4) - (В) путем простого или взвеаенного голосования, где вес правила соответствовал би степени текучего доверия к нему и мог бы изменяться на основе принципа поощрения-наказания. Оценка качества обучения производится по обучающей выборке с подсчетом процента неправильно распознанных реализаций для кавдого класса. При неудовлетворительном качестве обучения производится формирование обобщенных решающих 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 разделявшей гиперплоскости, величина значения разделяющей функции оценивается в долях от изменения его от неточности исходных данных лЧ.

Уверенно классифицируются только точки, для которых по модулю больше единицы. Если при классификации точки возникает ситуация, когда У>1 для более чем одного кластера, дальнейший прогноз производится по всем выбранным кластерам.

Оценка качества прогноза, производится путем сопоставления спрогнозированной оценки качества управления и и его практическо?-. оценки по качеству готовой продукции. Если классификатор достаточно часто начинает ошибаться, производится его переобучение,

На основании изложенных выше алгоритмов было разработано программное обеспечение задачи - пакет программ "ПРОГНОЗ". Имеется версии пакета для ЕС ЭВМ, семейства ЦВК и ПЭВМ типа 1ВИ

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

Глава 3 посвящена обсуждении результатов анализа технологического процесса производства вискозного кордного волокна на Светлогорском ПО "Химволокно".

В процессе анализа било обнаружено суцествоаание двух кластеров, причем наиболее серьезные различия между ними наблюдаются по содержании гпБ0У в осадительной ванне. Однако, концентрация 2п50» в ванне долина поддерживаться постоянной, что достигается дозировкой свежего раствора 2п50». Рассмотрение причин, приведших к появлению кластеров, позволило установить следующие факты.

1. Время существования кластера с пониженным относительно среднего значение* концентрации гп50* в осадительной ванне, как правило, составляет 2-3 суток,

2. Различие в содержании 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 поваженным содержанием 2п50у 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 установившимися режимами формования волокна. В этот термин мы вкладываем следующий смысл.

Под установившимся режимом понимается состояние технологического'процесса, характеризующееся преобладание« одного из возможных механизмов химический реакции или определенного физико-химического процесса или одним из возможных режимов работы технологического оборудования. Любой процесс можно описать математической ыодельв У = Р ( X ) , определяющей связь технологических переменных X = 1х, , . ... , х,*] с показателей качества готовой продукции или показателями эффективности педения технологического процесса V - Iуу , у2 .... .у* 1.

Если технологический процесс имеет несколько установившихся режинов, то для каждого из них можно предложить своп модель:

Fy.Fi .....Очевидно, что при этом одно и то же

значение внхсдного показателя У будет . обеспечивать£я £ри различных значениях X в зависимости от режима: X/, Хг. ....Х^. Поскольку любая система управления (в той числе и ручная) должна обеспечивать заданный интервал значений У. то если собрать информацию о состоянии процесса за достаточно больной период времени, в пространстве состояний можно выделить

несколько областей А, , А,,..... Л/, каждая из

которых соответствует тому диапазону изменения параметров X, при котором получаемый продукт имеет достаточное качество У*. Ряд замеров будут, очевидно, располагаться вне областей А(, Аг. .... что может быть связано как с переходами из одного режима в другой, так и случайными отклонениями процесса от нормального состояния (выпуск продукции, не соответствующей заданному качеству У*).

С целью выявления связи концентрации с

показателями качества целлюлозы, на первом кордном производстве Светлогорского ПО "Химволокно" были взяты пробы • целлюлозы, поступавцей 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 режима 10,2 мин., для второго - 4,3 мин.

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

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

1. Предварительная обработка навески целлюлозы водой или 17,52 раствором НаОН практически не влияет на время растворения.

2. Обработка труднорастворимпй целлюлозы из некоторых партий (Байкальская холодного облагораживания) несколькими каплями

бензина с последуюцим его испарением значительно уменьшает время ее растворения.

о. Обработка целлюлозы производства СSА водой, пропуиенной через магнитное поле с индукцией 0,8 Тесла, сокращает ее время растворения со 120 до 15 минут.

4. Обработка целлюлозы производства СШП несколькими каплями бензина практически не влияет на ее время растворения.

5. Обработка целлюлозы производства СНА несколькими каплями бензинового экстракта, полученного из целлюлозы партии 744 Байкальского ЦБК (холодного облагорамивания. ЦЛ-З, время растворения 25 минут), сокращает ее время растворения до 5 - 10 минут.

6. 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, сднако 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-активных веиеств (ПАВ), 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 возмо»ность исследования активности ПАВ различной природы и различного состава с целью поиска оптимальной концентрации, используя сравнительно малогокснчный аммиачный раствор гидроокиси меди, избемав к тому ie длительного процесса приготовления и анализа вискозы в случае использования CS,.

Классификатор был использован для анализа технологических особенностей переработки опытных партий целлюлозы холодного облагораиивания Байкальского (|СК без предварительной обработки проксанолом ЦЛ-З при вводе ПАВ BU-155 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 монно сформулировать следующим образом:

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

2. Уменьшение дозировки ВЧ-355 в мерсеризатор с 2,2 л/100кг до 2,1 л/!00кг такие привело к образовании в пространстве состояний нового кластера, однако не сразу, а спустя 26 часов. Это время момно интерпретировать как время изменения концентрации В У-3 5 5 в мерсеризационной иелочи при снижении его дозировок.

3. Переход на переработку целлюлозы, предварительно обработанной проксанолом так«е привел к появлению нового кластера спустя 2Б часов.

4. Кластер, соответствуввий переработке целлюлозы без ЦЛ-3 с дозировкой ВУ-355 в мерсеризатор 2,1 л/100кг, отличается от остальных значительной компактностью.

Заметна стабилизация числа ячеек после перехода на переработку целлюлозы без Ц/1-3 при дозировке Ви-355 2.2 л/100кг и резкое возрастание его после снижения дозировок. ■ Это можно интерпретировать следующим образом. Хотя переработка целлюлозы без ЦЛ-3 при дозировке ви-355 2.2 л/100кг привела к выделению нового кластера, тем не менее ничего принципиально нового в технологической процессе не произошло, наблюдалась лишь более тесная группировка точек в пределах все той же области признакового пространства. Совериенно 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 ВИ-355 2,1 л/ЮОкг принципиально отличается от всех других. Показано, что оптимальные дозировки данного П(1В значительно ниже 2.2 л/100кг (0,22/С от массы целлюлозы), поэтому следует ожидать значительной стабилизации технологического процесса при уненыении дозировок Еи-355.

Все это хорожо 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 объединения "Хныволокно" . Эффективность работы программного обеспечении оценивалась по проценту неправильно распознанных реализаций раздельно для обучения классификатора и прогноза. й качестве показателя качества. подлеиацего прогнозу, использовалась приведенная обрывность вискозного кордного волокна на прядильн'; отделочном агрегате.

Информация вводилась с тактом дискретности То=I час. Значения параметров. частота контроля которых ниха, восстанавливались путем линейной интерполяции. С целью приведения всей инфорыации к одному моменту времени, параметры вискозы брались по результатам анализа за предыдущий час. Обций обьем информации для обучения составлял 200 точек. Для построения обучающей выборки использовался хронологический алгоритм. Изменение характера графика зависимости критерия обьединения от числа групп после позволило сделать вывод о наличии 5 групп. Результаты обучения вполне удовлетворительны (окибка не более 20X). Обций результат прогноза является неудовлетворительным, причем классификатор в большинстве случаев на вопрос, о текущем значении обрывности дает ответ "хорошо", хотя на интервале прогнозирования наблюдались и значительные всплески обрывности.

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

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

прогнозируемой точки меньше, чем для предыдуцей, имеем прогноз "хуже" (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 (но'принципу "хуяе" или "лучше") значительно более надежно, чем прямое

применение решающих правил.

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

1. Производится приготовление обучающей выборки.

.!. Определяется число установившихся режимов

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

3. Для каждого из режимов или групп выбирается пороговое значение показателя качества Мо. обеспечивающее примерно равное представительство образов "хорошо" и "плохо". Строится система дискриминантных функций, по обучающей выборке оценивается распознзсщая способность классификатора.

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

- "лучже". если »У>1

- "хуже", если «У<-1

- "неопределено". если

Методом голосования определяется общий результат прогноза.

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

Показана возможность применения разработанного программного обеспечения для прогнозирования крепости волокна и корда, удлинения волокна и выпуска моткопой продукции. Процент ошибок -не более 20%.

Основные результаты и выводы

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

2. Произведен анализ технологического процесса производства вискозного кордного волокна. Выявлены два основных ремима формования волокна.

3. Дана технологическая интерпретация выделенных ретыов.

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

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

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

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

8. Комплекс программ включен в состав' "П11П - прогноз, диагноз" НПО "Информатика" с ожидаемым экономическим эффектом 40 тыс.рублей в год (в ценах 198? года).

9. Комплекс программ передан сотрудникам Ц/10 Светлогорского ПО "Химволокно" для использования в качестве инструмента исследований особенностей технологического процесса.

Основные положения диссертации опубликованы в следуюиих работах:

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

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

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

4. Анализ второго кордного производства Светлогорского ПО "Химволокно" методами распознавания образов/ Соколова И.С., Григорьев Ю.В., Дьяченко C.B., Горулева И.О.-Черкассы, 1386.-7 с. Деп. Б ОНИИТЗХим, 173-хп.

5. Анализ первого кордного производства Светлогорского ПО

"Химволокно" истодами распознавания образов /Дьяченко C.B., Григорьев В.В., Соколова И.С., Четверикова О.В. - Черкассы,1986 7 с.-Деп. в ОНИИТЗХим. 273-хп.

6. О возможности долгосрочного прогнозирования устойчивости формования вискозного волокна/ Дьяченко C.B.. Григорьев В.В.. Попов СJ.-Черкассы. 1987 .-8 с.-Деп. в ОНИИТЗХим. 172хп-87.

7. Испытания ППП "Прогноз" на 2 кордном производстве Светлогорского ПО "Химволокно". в 1985 году/ Дьяченко C.B.. Григорьев 1D.В.. Павлов В .В.-Черкассы.1987.-7 с.-Деп. в ОНИИТЗХим. Blxn-67.

8. Оперативный анализ устойчивости процесса формования на базе методов распознавания образов/Тихомиров В.Ф., Григорьев Ю.В, Дьяченко C.B., Соколова И.С., Олейник Т.Д.//Хим. волокна.-1986.-N5.

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

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

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

12. Алгоритмичёское и программное обеспечение многокаскадной классификации производственных ситуаций сложных ХТС/ Григорьев ».В..Дьяченко C.B., Сокольский Й.К.// Тез. докл. -Тамбов. 1988.

13. Концепция многокаскадной классификации производственных ситуаций сложных ХТС/ Григорьев В.В. .Дьяченко С.В..Сокольский fi.К //Тез. докл. -Баку. 1987.

14. Григорьев Ю.В..Дьяченко C.B. Многокаскадная классификаци в задачах ситуационного анализа и управления сложными химико-технолигическими 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.-N 2.