автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Разработка методики когнитивного моделирования и математического обеспечения для компьютерно-тренинговых систем подготовки оперативно-технологического персонала в металлургии

На правах рукописи

У

Солодов Сергей Владимирович

Разработка методики когнитивного моделирования и математического обеспечения для компьютерно-тренинговых систем подготовки оперативно-технологического персонала в

металлургии

Специальность 05 13 01 - «Системный анализ, управление и обработка информации (металлургия)»

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

ООЗ15Э8аа

Москва - 2007

003159839

Работа выполнена на кафедре автоматизированных систем управления Государственного технологического университета «Московский институт стали и сплавов»

Научный руководитель доктор технических наук, профессор

Косарев В А

Официальные оппоненты доктор технических наук, профессор

Литвак Б Г

кандидат технических наук, старший научный сотрудник Власов С А

Ведущая организация ОАО «Черметавтоматика»

ос >

Защита состоится «-ЗУ"» октября 2007 г в часов на заседании диссертационного совета Д212 132 07 в Государственном технологическом университете «Московский институт стали и сплавов» по адресу 119049, г Москва, Ленинский проспект, д 4, ауд

С диссертацией можно ознакомиться в библиотеке Государственного технологического университета «Московский институт стали и сплавов»

Автореферат разослан « сентября 2007 г

Ученый секретарь ¿^Р7 ^

диссертационного совета^^^ Калашников Е А

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Высокие требования к качеству продукции и технологический уровень современного металлургического производства обусловливают новые, более высокие требования к профессиональной подготовке кадров металлургических предприятий Согласно статистике МЧС аварии, первопричиной которых является человеческий фактор в среднем по промышленности, энергетике и в транспорте составляют 65 % от общего числа Анализ квалификации оперативно-технологического персонала (ОТП) на металлургических предприятиях России показывает, что только около 30% специалистов имеют уровень квалификации, адекватный задачам и особенностям функционирования металлургических предприятий в условиях рыночной экономики Для кардинального изменения ситуации с квалификацией кадров на предприятиях необходимы новые методы и средства повышения, текущего контроля и управления квалификацией персонала с использованием новейших компьютерных технологий обучения

Проблему эффективного повышения квалификации ОТП можно решить при помощи использования в процессе обучения производственного персонала компьютерно-тренинговых систем (КТС), созданных на основе новых методов математического моделирования и комплексного информационного представления процесса и обеспечивающих быстрое приобретение практических навыков по управлению и эксплуатации металлургического оборудования

Проведенный анализ показал, что для эффективного управления сложным металлургическим процессом (СМП) оперативный персонал использует разнородное информационное пространство, состоящее из числовой, лингвистической и визуальной информации Однако в настоящее время математическое обеспечение КТС базируется в основном на применении аналитических, эмпирических и вероятностных моделей, что сужает его возможности по оценке и прогнозированию качественной информации Поэтому для более эффективного обучения оперативно-технологического персонала при помощи КТС необходимо создать новый класс математических моделей, позволяющих моделировать полное информационно-ситуационное пространство реализации сложного металлургического процесса, в том числе визуально-образную ин-

формацию, представляющую собой когнитивные графические образы качества производимого продукта, состояния и режимов работы оборудования

Назовем когнитивным моделированием металлургического процесса математическое описание, позволяющее моделировать полное информационное пространство управления, интегрирующее всю доступную эксплуатационному и оперативному персоналу информацию (как количественную, так и качественную), и полное пространство производственных ситуаций, включающее в себя штатные, нештатные и аварийные ситуации

Создание методики когнитивного моделирования металлургических процессов и разработка с ее использованием компьютерно-тренинговых систем позволит повысить эффективность обучения и повышения квалификации кадров металлургических предприятий

Цель исследования. Целью диссертационной работы является системное исследование способов повышения эффективности профессиональной подготовки оперативно-технологического персонала, создание методики когнитивного моделирования и математических моделей сложных металлургических процессов для КТС, позволяющих повысить квалификацию специалистов сталеплавильного и прокатного производств, улучшить качество продукции и уменьшить число аварий

Задачи исследования Для достижения цели исследования необходимо решить следующие задачи

- провести комплексный анализ проблем повышения эффективности профессиональной подготовки оперативно-технологического персонала с использованием компьютерных технологий обучения,

- разработать новую методику когнитивного моделирования для синтеза математического обеспечения КТС оперативного персонала СМП, включающую в себя структурирование информационного и ситуационного пространства оперативной деятельности персонала СМП для когнитивного представления знаний в компьютерно-тренинговых системах, синтез структуры математического обеспечения КТС, обеспечивающей полнопространственное информационное и ситуационное представление металлургических процессов в компьютерных обучающих системах, разработку структуры математических моделей для оценки качественных характеристик металлопродукции и состояния оборудования с использованием разнородной информации (количественной и визуально-образной), разработку структуры ситуационно-обусловленной мо-

дели переходов между штатными, нештатными и аварийными режимами работы оборудования в КТС,

- с использованием методики когнитивного моделирования разработать, апробировать и практически реализовать в виде математического обеспечения КТС, математические модели процессов непрерывной разливки стали и отделки толстых листов, позволяющие эффективно повышать квалификацию специалистов сталеплавильного и прокатного производств

Методы исследования. Для решения поставленных задач использовались методы математического моделирования, системного анализа, теории нечетких множеств и инженерной психологии

Результаты, выносимые на защиту:

- методика когнитивного моделирования сложных металлургических процессов для КТС, позволяющая повысить эффективность приобретения навыков практической деятельности с использованием компьютерно-тренинговых систем,

- способ структурного синтеза математического обеспечения КТС, обеспечивающего полнопространственное информационное и ситуационное представление металлургических процессов в компьютерных обучающих системах,

- математические модели металлургических процессов для оценки качественных характеристик металлопродукции с использованием разнородной информации, которые отсутствуют в КТС аналогичного назначения используемых для профессиональной подготовки персонала,

- новый класс ситуационно-обусловленных моделей переходов между штатными, нештатными и аварийными режимами работы оборудования в КТС,

- когнитивные математические модели процессов непрерывной разливки стали на слябовых МНЛЗ и отделки толстых листов для КТС

Научная новизна диссертации состоит в следующих положениях

- разработана новая методика когнитивного моделирования сложных металлургических процессов для КТС, позволяющая моделировать полное информационно-ситуационное пространство управления сложным металлургическим процессом,

- разработаны структуры математических моделей для оценивания качества металлопродукции с использованием разнородной количественной и визуально-образной информации, что позволяет сформировать у обучаемого

когнитивный образ причинно-следственной взаимосвязи полного комплекса параметров процесса с качественными характеристиками продукта,

- разработан новый класс ситуационно-обусловленных моделей для КТС, позволяющих описать полноту реализации СМП в штатных, нештатных и аварийных режимах на основе использования процедуры экспертного оценивания вероятности переходов между режимами,

- с использованием методики когнитивного моделирования разработаны комбинированные математические модели процессов непрерывной разливки слябовых заготовок и отделки толстых листов для КТС, которые позволяют описывать влияние параметров режима управления, технического состояния оборудования и качества исходного сырья на качественные характеристики металлопродукции и режимы работы оборудования

Практическая значимость работы состоит в том, что разработанная методика применима для синтеза математического обеспечения КТС подготовки оперативного персонала процессов сложных металлургических производств Разработанное на основе данной методики математическое обеспечение используется в КТС и позволяет в 1,5-2,0 раза сократить время на приобретение профессиональных знаний, повышает эффективность их усвоения Использование КТС, разработанных на базе данной методики, в цеховых и заводских структурах повышения квалификации персонала значительно сокращает количество брака и беззаказной продукции, а также число аварий

Внедрение результатов. Как законченные программные продукты результаты диссертационной работы внедрены в учебных центрах и цеховых структурах обучения ЛПЦ-3 и ККЦ-1 ОАО «Северсталь» в виде компьютерно-тренинговых обучающих систем «Стан 5000» и «Непрерывная разливка стали»

Апробация работы. Основные результаты исследований докладывались и обсуждались на следующих конференциях научно-практическая отраслевая конференция «Системы автоматизированного управления производствами, предприятиями и организациями горнометаллургического комплекса» (Старый Оскол, 2003), УП региональная научно-практическая конференция студентов, аспирантов и соискателей «Молодые ученые - науке, образованию, производству» (Старый Оскол, 2004), Международная научная конференция «Образование, наука, производство и управление в XXI веке (Старый Оскол, 2004), Международная конференция «Cognitive Modeling in Linguistics - 2005»

(Болгария, г Варна, 2005), Всероссийская научно-практическая конференция «Образовательная среда сегодня и завтра» (Всероссийский форум «Образовательная среда-2005», Москва, ВВЦ), Институтская научно-технической конференции «62-е дни науки студентов МИСиС» (Москва, 2007)

Публикации. Основные положения диссертации отражены в 8 опубликованных научных работах Из них в списке литературы приведены 2 статьи из перечня периодических журналов, рекомендованных ВАК для публикации основных результатов диссертационных исследований Личный вклад автора в работах, опубликованных в соавторстве, состоит в следующем в работе [3] предложены методы использования когнитивной графики и формализации экспертных знаний оперативного персонала для построения математических моделей КТС, в работах [1, 5] разработана структура математической модели для прогнозирования качества непрерывнолитой слябовой заготовки и моделирования аварийных ситуаций, в работе [2] разработана структура математической модели прогнозирования неплоскостности толстых листов при операциях отделки, в работе [4] проанализирована эффективность использования КТС в прокатном производстве, в работах [6-8] разработано когнитивное математическое обеспечение компьютерно-тренинговых систем для обучения специалистов прокатных производств

Объем и структура работы. Диссертация состоит из введения, четырех глав, заключения, изложенных на 118 страницах машинописного текста, содержит 32 рисунка, 9 таблиц, список литературы из 116 наименований и 2 приложения.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы диссертации, сформулированы цели и задачи исследования, представлены основные научные результаты, выносимые на защиту и практическая ценность исследований

В первой главе проведено системное исследование проблем повышения эффективности профессиональной подготовки оперативно-технологического персонала

На основе анализа причин ошибочных действий персонала при помощи когнитивного подхода к исследованию человеко-машинных систем, показано, что 39 % ошибок происходит из-за неадекватной оценки причины нарушений и

неполноты наблюдений за состоянием процесса, те по причине неполноты знаний о качественных характеристиках объекта

Проведенный анализ полноты моделируемого информационно-ситуационного пространства реализации технологических процессов в КТС специалистов металлургического производства и энергетики выявил недостатки известных моделей, которые заключаются в отсутствии моделирования качественных показателей процесса (качество продукта и состояние оборудования), что сужает возможность применения существующих методик для создания математических моделей СМП для КТС

Показано, что тренинг в большинстве КТС для профессиональной подготовки основан на бихевиористкой теории, согласно которой обучение специалистов строится на базе чисто механических принципов выполнения учебно-тренировочных задач, соответствующих штатным, нештатным и аварийным ситуациям без возможностей переходов между ними

Предложено для решения проблемы подготовки кадров разработать новый класс КТС на основе методики когнитивного моделирования, которая позволяет описывать полное информационно-ситуационное пространство оперативного управления СМП. Для реализации полнопространственного информационно-ситуационного представления СМП в КТС предложено описывать переходы между штатными, нештатными и аварийными ситуациями, производить моделирование качественной информации (состояние оборудования и качество продукта) и использовать для ее визуального представления когнитивные графические образы, которые являются средством передачи знаний о качественных характеристиках объекта Для прогнозирования качественной информации предложено использовать математический аппарат на основе нечеткой логики

Во второй главе на основе результатов проведенного комплексного анализа проблем повышения эффективности профессиональной подготовки оперативно-технологического персонала с использованием компьютерных технологий обучения формулируются основные положения методики когнитивного моделирования сложных металлургических процессов

Задача повышения эффективности решений принимаемых ОТП при управлении металлургическим оборудованием, является комплексной, так как она зависит от общей организации производства, удобства эксплуатации системы управления технологическим процессом (эргономики) и др В рамках

диссертационной работы рассматривается разработка методики когнитивного моделирования СМП, которая позволит уменьшить число ошибок ОТП из-за недостатка информации о качественных показателях процесса

Формальную постановку задачи разработки класса когнитивных математических моделей для КТС можно сформулировать следующим образом на основе разнородного информационного пространства сложного металлургического процесса ситуационного пространства Х^б^хЬ'гХХз, и множества дефектов £)={£);, £>2, , Ас/, получаемых при производстве металлопродукции, требуется разработать набор математических описаний процессов

п

дефектообразования, использующих разнородную информацию М = и М , и

¡=1 1

класс ситуационных моделей С, описывающих переходы между штатными, нештатными режимами и аварийными ситуациями, где /; - множество показаний приборов, /2 - множество данных визуального наблюдения, 13 - множество данных протокольной информации, Я], Бг, множество штатных, нештатных и аварийных ситуаций процесса, м - математическое описание полного комплекса моделей оценки качества продукции, м1 - математическая модель I-ой структуры для оценивания качества металлопродукции, п - общее число типовых математических моделей, С? - ситуационная модель, описывающая переходы между штатными, нештатными режимами и аварийными ситуациями

Отмечено, что при управлении СМП одновременно используется разнородная информация, точечные замеры значений параметров, статистические законы распределения для отдельных величин, лингвистические критерии и ограничения, полученные от специалистов-экспертов и тд Исходя из этого, предложено структуру когнитивного математического описания сложного металлургического процесса для КТС представлять как совокупность математических описаний

Г* „ 1 ' ] к ' ь

и м.экс и и м* и и М™п и и о,

.<=1 ] ,к=1 ./=1 .

где М- математическое описание СМП, М**с ,М' М'"и - математические описания для моделирования информационного пространства в виде экспертных, аналитических и эмпирических моделей, С/ - ситуационная модель процесса, ТУ, 7, К, Ь- общее число моделей

Предложено для моделирования качественных показателей, характеризующих состояние металлопродукции и оборудования, использовать экспертные модели, а также их комбинации с аналитическими и эмпирическими моделями Для описания дефектов металлопродукции и оборудования предложено использовать кортеж вида Ик = < «тип дефекта», «степень развития дефекта» > Для представления измеряемой в ходе процесса информации и описания влияния динамических характеристик протекающих процессов на качество металлопродукции разработана структура аналитико-экспертной модели, представленная на рис 1

Рис 1 Структура аналитико-экспертной модели оценивания качества металлопродукции

Модель системы управления формирует вектор управляющих воздействий е на основе значений вектора задающих воздействий X, вектора возмущающих воздействий г и промоделированных значений параметров режима управления У, стабилизируемых при управлении процессом Нечеткий сегмент модели строится на основе когнитивных представлений оперативного персонала о влиянии на качество металлопродукции ¿^ых отклонений измеряемых параметров режима управления У от заданных значений X Векторы У и 01вт являются составной частью разнородного информационного пространства при когнитивном моделировании Нечеткий сегмент аналитико-экспертной модели оценивания качества металлопродукции представляет собой систему для расчета веса дефекта по значениям Ау и Дх

М^ = \" Дефект продукции", <ДУ ,Дг >,/?!■,

1 I ВЫХ I

где ДУ ,Дт - входные наборы лингвистических переменных «отклонение значения» и «время отклонения», О1 - вектор выходных лингвистических перемен-

ных «качество продукции», рассчитываемых аналитико-экспертной моделью, Я - база знаний

Для моделирования косвенно вычисляемой информации, характеризующей состояние не полностью наблюдаемого металлургического процесса и описания ее взаимосвязи с качеством металлопродукции, разработана структура эмпирико-продукционной модели, представленная на рис 2.

Рис.2 Структура эмпирико-продукционной модели оценивания качества металлопродукции

В эмпирическом сегменте модели на основе вектора задающих воздействий X рассчитывается вектор состояния с не полностью наблюдаемого объекта, который содержит исходные данные для оценивания качества металлопродукции в продукционном сегменте эмпирико-продукционной модели. Продукционный сегмент модели строится на основе статистической информации о взаимосвязи косвенно вычисляемых параметров процесса и качества металлопродукции

М£ = {"Дефект продукции", <Х ,С >,Я },

где С - вектор косвенно вычисляемой информации, характеризующей состояние объекта; - вектор выходных лингвистических переменных «качество продукции», рассчитываемых эмпирико-продукционной моделью

Векторы С и являются составной частью разнородного ин-

формационного пространства при когнитивном моделировании

Предложен набор структур экспертных моделей для оценивания качественных характеристик металлопродукции. Для прогнозирования дефектов металлопродукции на основе визуальной оценки качества исходного сырья разработана структура экспертной модели-

= Дефект продукции", <Х -£>вх.^ых >,/? }> где X - вектор входных лингвистических переменных, описывающих символьную информацию, £>вх - вектор входных лингвистических переменных, описы-

вающих качество исходного сырья, Х>|ых - вектор выходных лингвистических переменных «качество продукции», рассчитываемых экспертной моделью

Предложено использовать продукционные модели для оценивания дефектов на основе параметров с дискретно изменяющимися значениями (например, марка стали, тип шлакообразующей смеси (ШОС)) Продукционная модель имеет структуру

М\ = {" Дефект продукции", < Хд,£>*ых >,Я },

где Xя - вектор задающих воздействий, меняющихся дискретно, Ов4ьк - вектор выходных переменных «качество продукции», рассчитываемых продукционной моделью

Разработана структура комбинированной экспертной модели оценивания качественных характеристик металлопродукции, представленная на рис 3 и состоящая из продукционного и нечеткого сегментов, которую предложено использовать в случае, если качество продукции характеризуется набором экспертной информации и параметров с дискретно изменяющимися значениями Продукционный сегмент модели необходим для выбора функций принадлежности лингвистических переменных, используемых в нечетком сегменте модели

X« ^ Продукционная модель выбора функций принадлежности с" „ Нечеткая модель оценки качественных характеристик металлопродукции 0ВЫХ

Овх

X" ^

Рис 3 Структура комбинированной экспертной модели оценивания качества металлопродукции

Представим комбинированную экспертную модель оценивания качества металлопродукции в виде системы

¡М ^ = |" Функции принадлежности", < X д, цн >, Я| М5Д = Дефект продукции", <>,д|

где - продукционный сегмент модели выбора функций принадлежности лингвистических переменных, используемых в экспертной модели, цн - вектор,

описывающий область определения лингвистической переменной и числовых параметров, описывающих термы, М^- экспертный сегмент оценивания качества продукции, Xй- вектор задающих воздействий, меняющихся непрерывно, £>|ых - вектор выходных лингвистических переменных «качество продукции», рассчитываемых комбинированной экспертной моделью.

Предложено представлять ситуационную модель в виде структуры, состоящей из 2-х сегментов сценарно-обусловленной модели и ситуационно-обусловленной модели В сценарно-обусловленной модели реализуется штатная процедура выполнения учебно-тренировочной задачи Рг, а ситуационно-обусловленная модель описывает переходы моделируемого объекта в состояния, не предусмотренные сценарно-обусловленной моделью в случае несвоевременных действий обучаемого или некорректных значений управляющих воздействий и Структура взаимодействия сценарно-обусловленной и ситуационно-обусловленной моделей приведена на рис 4

Рис 4 Структура взаимодействия сценарно-обусловленной и ситуационно-обусловленной моделей

Процедура выполнения учебно-тренировочной задачи, реализованная в сценарно-обусловленной модели, зависит от целей обучения, те это может быть отработка как отдельных технологических операций, так и их полного комплекса, начиная от пуска оборудования в ручном режиме, дальнейшего его перевода в автоматический режим работы и последующий вывод оборудования из рабочего цикла Кроме того, сценарно-обусловленная модель может иметь некоторые отличия для типового оборудования различных предприятий на-

пример, при управлении МНЛЗ регулирование скорости литья может осуществлять либо разливщик, либо оператор В тоже время характер воздействия режима управления на качество продукции и состояние оборудования в обоих случаях будет являться одним и тем же Поэтому с точки зрения проектирования ситуационного математического описания металлургических процессов для КТС актуальность представляет лишь разработка ситуационно-обусловленной модели

Для разработки ситуационно-обусловленной модели необходимо подобрать конечный набор выходных координат Е, характеризующих состояние объекта. В общем случае выходными координатами могут являться параметры из набора <Х,У,2>, где Х - вектор задающих воздействий, У - вектор выходных параметров системы управления процессом, X - вектор косвенно вычисляемых параметров процесса

Полному ситуационному пространству исследуемого объекта сопоставляется структура, представляемая в виде графа, каждая вершина которого характеризует определенную технологическую ситуацию Таким образом, процесс составления ситуационно-обусловленной модели сводится к построению полного графа первопричин для каждой ситуации на основании анализа процесса В общем виде граф первопричин аварийных и нештатных ситуаций

Граф составляется исходя из принципов, что каждой аварийной ситуации предшествует либо штатная, либо нештатная ситуация, а переходу в новое состояние способствуют действия ОТП по настройке оборудования либо управлению процессом

Будем называть состояниями штатные, нештатные и аварийные ситуации, изображенные на графе первопричин Таким образом, общее количество состояний, описываемых графом, равно N = р + п+1

Формализацию знаний о возникновении нештатных и аварийных ситуаций предложено проводить с использованием метода экспертного оценивания вероятности перехода объекта в нештатный режим функционирования Представим процедуру экспертного оценивания вероятности перехода объекта в нештатный или аварийный режим функционирования следующим образом для каждого из состояний изображенных на графе строится таблица правил нечетких продукций, отражающая вероятности переходов в следующие состояния Перед этим на основе анализа процесса исключаются выходные координаты состояния объекта, не участвующие в переходах из текущего состояния, и для каждого ] - то состояния объекта Р (где ]=1 К) формируется набор выходных координат Е1 Далее формируется матрица переходов Р[Иу.Щ, описывающая возможные переходы из ] - го состояния

II „1

-Л „У* Р' Р Р

,РП Р1"

Строки матрицы представляют собой векторы переходов из у - го состояние объекта, а каждый элемент в строке - возможность перехода в следующее состояние, который может принимать значения «О», если переход невозможен, либо «1», если переход осуществим

д |0, переход невозможен ^ [1, переход возможен

Таким образом, для каждого ]-то состояния Р1 существует набор посылок Е1, описывающих вероятность набора заключений те переходов из]-го состояния в другое или вероятность того, что объект останется в том же состоянии Е> 5>

Предложено в качестве терм-множества лингвистической переменной «вероятность перехода» использовать множество 7^= {«практически невозможно», «мало вероятно», «вероятно», «весьма вероятно»} или в символическом виде 18= {г, РБ, РМ, РВ} Эксперты определяют лингвистическую переменную «вероятность перехода» на области определения ^=[0,1] Таким образом, дугам переходов из 7-го графа первопричин соответствует набор лингвистических переменных Б1 Получим экспертную ситуационно-обусловленную модель переходов

= переход",< Е1>,Я}

Переходу объекта в следующее состояние соответствует лингвистическая переменная с максимальным значением вероятности перехода тах[5;]

В третьей главе с использованием методики когнитивного моделирования разработано математическое описание процесса непрерывного литья сля-бовой заготовки для КТС

Проведен комплексный анализ факторов, влияющих на качество слябо-вой заготовки, статистики брака и аварийных простоев при непрерывной разливке стали Выявлено, что основными видами дефектов являются неметаллические включения, трещины, пояса, брак в результате аварий, а наиболее распространенными аварийными и нештатными ситуациями - разрыв корочки заготовки и подвисание корочки заготовки в кристаллизаторе На основе выявленных факторов разработана структура когнитивной математической модели процесса непрерывного литья в упрощенном виде приведенная на рис 6

В аналитической модели металлопереноса на основе скорости разливки и и задания на' разливку т рассчитывается уровень металла в кристаллизаторе Н4, а в эмпирической модели теплообмена рассчитывается вектор 0, который включает в себя информацию о толщине корочки заготовки, ее температуре и прогибах корочки между роликами в зоны вторичного охлаждения (ЗВО) В ситуационной модели производится моделирование режима работы МНЛЗ Р, те оценка вероятности возникновения нештатной ситуации «подвисание корочки заготовки» и аварийной ситуации «разрыв корочки» Кроме выше перечисленных параметров, входной информацией ситуационной модели является вектор 5/ содержащий информацию о типе и расходе используемой шлакообразующей смеси (ШОС) и состояния ее поверхности на мениске металла в кристаллизаторе

В блоке экспертных и продукционных моделей оценивается качество заготовки на основе полного комплекса информации о задании на разливку Г, состоянии процесса 9, Я4, 5/, настройке оборудования г

Модель влияния параметров металлопереноса не качество заготовки

Модель влияния параметров теплообмена на качество заготовки

"'"Модель влияния температурно-скоростного

режима литья на ликвационные явления и осевую пористость

Модель влияния режима качания кристаллизатора на

образование поперечных _трещин_

Модель влияния работы ШОС в фисталпиэаторе на качество поверхности НЛЗ

Модель прогнозирования качества непрерывнолитой заготовки на основе настройки оборудования

Экспертные и продукционные модели оценивания качества заготовки

Рис 6 Структура когнитивного математического описания процесса непрерывной разливки стали для КТС

Аналитическая модель

металлопереноса

Эмпирическая модель теплообмена

Предложено использовать структуру аналитико-экспертной модели прогнозирования качества продукции для разработки комбинированной модели влияния параметров процесса металлопереноса на качество сляба Разработаны нечеткие сегменты комбинированной модели для оценивания дефектов «неметаллические включения» и «ужимины», которые представлены в виде кортежей

Мнв = {" не" ,< АН™ ,Ат,Онв >,Щ, М^ ужимины",< АН**,Дт,Оуж >,Я}, где АН™, А-входные лингвистические переменные «отклонения уровня металла в кристаллизаторе» для оценки неметаллических включений и ужимин, Ах - входная лингвистическая переменная «время отклонения уровня металла в кристаллизаторе», £>нв, О^ - выходные лингвистические переменные «неметаллические включения» и «ужимины»

Предложено использовать структуру эмпирико-экспертной модели прогнозирования качества продукции для разработки комбинированной модели влияния параметров процесса теплообмена на качество сляба Разработан продукционный сегмент комбинированной модели для оценивания дефекта макроструктуры «перпендикулярные трещины», на основе относительного выпучивания корочки заготовки

^"^{"перпендикулярные трещины",<Л,е,£)перп>,й}, где 5? - группа марок стали, е - относительное выпучивание корочки заготовки между роликами, Дперп - выходная переменная отражающая степень развития трещин перпендикулярных узким и широким граням.

Для оценки влияния температурно-скоростного режима литья на развитие ликвационных явлений и осевой пористости разработана комбинированная экспертная модель, в продукционном сегменте которой по марке стали и сечению заготовки Ах В производится выбор функций принадлежности, а в экспертных сегментах на основе скорости вытягивания заготовки и и перегрева стали в промковше выше температуры ликвидуса Аг производится расчет степеней развития дефектов «осевая ликвация» и «осевая пористость» Ооп М °л = {" осевая ликвация ",<и, Ы, />ол >,К), Моп ={"осевая пористость", < и, Д/, Ооп >,/?}, Для прогнозирования влияния режима качания кристаллизатора на образование поперечных поверхностных трещина разработана продукционная модель

Мт = {"поперечные_трещины",<и,¿У,£>пт >,К) ,

где и О) - входные переменные «скорость разливки» и «частота качания кристаллизатора», £)пт- выходная переменная «поперечные трещины»

Для моделирования влияния работы ШОС в кристаллизаторе на качество поверхности заготовки предложено использовать экспертные и продукционные модели Разработана продукционная модель, прогнозирующая возникновение дефектов «поверхностное науглероживание» и «поперечные трещины» на основе марки стали и типа ШОС

= {"работа ШОС",<"марка стали","тип ШОС",Ошж >,Щ, где А/™00 - модель для прогнозирования дефектов заготовки, связанных с неправильным выбором типа ШОС, «марка стали» и «тип ШОС» - входные перемен-

ные модели, Ошос - выходной вектор переменных модели «дефекты непрерывнолитой заготовки

Разработана экспертная модель, описывающая влияние работы ШОС на качество заготовки

где ¡25,т,ГУ" - входные лингвистические переменные «расход ШОС», «время нештатного состояния шлака», «визуальная оценка состояния ШОС», Г)3™, £>уп, £>нв - выходные лингвистические переменные «угловые продольные трещины», «пояс», «неметаллические включения»

Для оценки влияния настройки оборудования на качество заготовки разработаны комбинированные экспертные модели, в продукционных сегментах которых по марке стали осуществляется выбор функций принадлежности, а нечеткие сегменты представлены в виде системы

где г1 г2, и- наборы входных лингвистических переменных «отклонение ролика» секций ЗВО под кристаллизатором и криволинейного участков, отклонение ролика» для секций ЗВО участка правки и горизонтального участка и скорость разливки соответственно, V", Я™ - выходные лингвистические переменные «гнездообразная трещина» и «осевая трещина»

Для моделирования режима работы оборудования МНЛЗ разработана ситуационно-обусловленная модель, описывающая переходы в аварийную ситуацию «разрыв корочки заготовки» и нештатную ситуацию «подвисание корочки заготовки» Граф первопричин для описанных ситуаций представлен на рис 7 Таким образом, общее число состояний, описываемых графом, N=6 Матрица переходов режима работы МНЛЗ в нештатные и аварийные состояния имеет вид

М™ж = {"работа ШОС",< ЛхВ,^,т, О'", Оу", £>п,Онв >,/?},

Р[6хб] =

0 0 0 1 0 1 0 0 0 1 1 0 0 0 0 1 1 0 0 0 0 1 0 0 0 0 0 1 1 1 0 0 0 0 0 1

Рис 7 Граф первопричин аварийной ситуации «разрыв НЛЗ»

В первой строке матрицы, соответствующей штатной ситуации «замер температуры в ПК», описаны переходы в состояния «штатная работа в автоматическом режиме» и «разрыв заготовки»

В рамках исследования ситуационного пространства рассмотрена модель переходов из состояния «замер температуры в ПК»

С1 = {"состояние 1",<1>,Д>,«}, где £'=[г), АЦ - набор входных лингвистических переменных (посылок), 51 = [Я4, 5й] - набор выходных лингвистических переменных (заключений), описывающих вероятность перехода в состояния «штатная работа в автоматическом режиме» и «разрыв корочки заготовки»

В четвертой главе методика когнитивного моделирования применена для разработки математической модели процессов отделки толстых листов после прокатки для КТС

На основе комплексного анализа причин образования неплоскостности листов и требований, предъявляемых к качеству листового проката, разработана структура математического описания процессов ускоренного охлаждения и правки листов, представленная на рис 8

Рис 8. Структура когнитивного математического описания процессов отделки толстых листов

В сегментах модели на основе управляющих воздействий производится прогнозирование неплоскостности листа й^0 и его температуры Гуко после установки контролируемого охлаждения (УКО) Сегмент прогноза режима правки, являющийся связывающим между сегментами моделей процессов ускоренного охлаждения и горячей правки, прогнозирует допустимый режим правки, включающий в себя настройку правильных валков г для штатного режима правки, отклонения в настройке правильных валков Лг от штатного режима правки и скорость правки ип По выбранному режиму правки и неплоскостности листа после УКО прогнозируется неплоскостность листа после листоправильной машины (ЛПМ) О"™. В случае некорректно выбранного режима правки необходима повторная правка листа и в этом случае прогноз режима правки, ведется уже по неплоскостности листа после ЛПМ

Для оценивания неплоскостности листа после УКО разработана экспертная модель, входными переменными для которой являются соотношения рас-

ходов воды между верхними и нижними, а также между центральными и боковыми форсунками секций охлаждения

где <2ь 0.2 - входные лингвистические переменные «соотношение расходов верх/низ» и «соотношение расходов центр/края», £>усо = [«горб», «короб»] - набор выходных лингвистических переменных, описывающих степени развития неплоскостности листа после УКО

Соотношение расходов воды между верхними и нижними коллекторами секций УКО рассчитывается по формуле

где , б," - расходы воды на верх и низ секций охлаждения, г- номер секции

охлаждения по длине машины, ] - номер секции по ширине машины, йл2 -номера начальной и конечной секции охлаждения по длине машины, задействованных по технологии для охлаждения листа заданной марки стали и толщины, ]1,]2 - номера начальной и конечной секции охлаждения по ширине машины, задействованных по технологии для охлаждения листа заданной ширины

Соотношение расходов воды между центральными и крайними коллекторами секций УКО рассчитывается по формуле

где к - номер центральной (по ширине) секции охлаждения УКО

В случае охлаждения узкого листа выражение для оценки его неплоскостности после УКО преобразуется в вид

М^°={"форма после УКО\<йуО(К° >,Щ

Для расчета температуры листа после УКО разработана приближенная математическая модель на основе нормативной и эмпирической информации.

={"форма после УЛ"О",<б1,02,Оуко >,«},

¿—I Гр3 Л. пт 11 -г-УКО

<=.1 Ц, +Ц, »'о

,н

г УКО

\

У

где 7,уко,70уко- температуры листа после охлаждения и до охлаждения соответственно, б" ><2™ - эталонные расходы воды на верхние и нижние коллекторы секций охлаждения, и, и3 - текущая и эталонная скорости транспортировки листа через УКО, - эмпирический весовой коэффициент

Разработана модель прогнозирования допустимого режима правки, структурно состоящая из двух сегментов сегмента прогнозирования штатного режима правки листа на основе продукционной модели Мшг и экспертного сегмента прогнозирования отклонений от штатного режима правки Л/°т 1м шт = {" штатный ", < 57 А к, Т,г,ь„ >,Щ, [Мот = {" отклонения",Дг>, Я), где Ь, к, Т, Вй- входные переменные «ширина листа», «толщина листа», «температура листа перед ЛПМ», «неплоскостность листа перед ЛПМ» , г д>п, Дг - выходные переменные «штатная настройка валков», «скорость правки» и «коррекция к настройке валков»

Для оценивания формы листа после ЛПМ разработана комбинированная экспертная модель, нечеткий сегмент которой представлен в виде

МШК качество правки", <Ь,к,Т,кт,г ,&г ,Овх,Олгм >,К|,

где Ь, 1г, Т, к,п- входные лингвистические переменные «толщина листа», «ширина листа», «температура», «показатель текучести», г,Аг- входные векторы лингвистических переменных, соответствующих штатной настройке кассеты и коррекции к штатной настройке верхних валков кассеты, £>вх - вектор входных лингвистических переменных, описывающих неплоскостность листа до правки, длпм. вектор выходных лингвистических переменных, описывающих неплоскостность листа после правки

Выявлены основные аварийные и нештатные ситуации при горячей правке листов повреждение валков, застревание листа в правильной машине, разгрузка кассеты правильной машины, на основе чего построен граф первопричин, приведенный на рис 9 Общее число состояний графа первопричин аварийных и нештатных ситуаций при правке 4 «штатный режим», «застревание листа», «разгрузка кассеты», «повреждение валков»

Матрица переходов объекта в следующие состояния имеет вид.

"1111"

Р[4х4] =

10 0 0 0 0 0 0 0 0 0 0

В первой строке матрицы, соответствующей штатной ситуации «штатный режим», описаны возможные переходы в состояния «застревание листа», «разгрузка кассеты», «повреждение валков»

Описана модель переходов из состояния «штатный режим» О1 = {"состояние 1",<г.Аг.г),^",«1,«2^3^4 >,«),

где =[г,Аг,\),Ою]- набор входных лингвистических переменных,

51 =[51,52,53,54] - набор выходных лингвистических переменных - «вероятность перехода»

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

Основными результатами диссертационной работы являются

1 Разработана методика когнитивного моделирования, позволяющая описывать полное информационно-ситуационное пространство деятельности оперативно-технологического персонала при управлении сложным металлургическим процессом, что обеспечивает повышение эффективности приобретения практических навыков и знаний с использованием компьютерно-тренинговых систем.

2 Синтезирована структура математического обеспечения для моделирования системы «оборудование - орган управления -технологический процесс -продукт», представляющая собой совокупность аналитических, эмпирических, экспертных и ситуационных моделей

3. Разработаны структуры математических моделей для оценки качества металлопродукции на основе описания полного разнородного информационного пространства управления сложным металлургическим процессом, что позволяет сформировать у обучаемого когнитивный образ причинно-следственных взаимосвязей комплекса переменных состояния процесса с качественными характеристиками продукта

4 Разработан новый класс ситуационно-обусловленных моделей, основанных на процедуре экспертной оценки вероятности перехода между штатными, нештатными и аварийными режимами, которая позволяет упростить разработку ситуационных моделей сложных металлургических процессов для компьютерно-тренинговых систем

5. На основе предложенной методики когнитивного моделирования разработаны математические описания процессов непрерывной разливки стали и отделки толстых листов после прокатки для компьютерно-тренинговых систем, позволяющие описывать влияние параметров режима управления, технического состояния оборудования и качества исходного сырья на качественные характеристики металлопродукции и режимы работы оборудования.

6 Разработанные когнитивные математические модели включены в состав компьютерно-тренинговых систем «Стан 5000» и «Непрерывная разливка стали» и внедрены в учебных центрах и цеховых структурах обучения ЛПЦ-3 и ККЦ-1 ОАО «Северсталь» Использование этих систем при обучении оперативно-технологического персонала позволило обеспечить сокращение в 1,5-2,0

раза времени на профессиональную подготовку, повысить квалификацию специалистов, улучшить качество продукции и снизить число аварий

Основные положения диссертации опубликованы в работах:

1 Косарев В А , Солодов С В. Синтез полнопространственной модели процесса непрерывной разливки стали для многофункциональной компью-терно-тренинговой системы//Изв вузов Черная металлургия -2005 -№11 -с 49-54

2 Косарев В А, Солодов С В Модели оценки качества продукции при отделке толстых листов // Изв вузов Черная металлургия - 2006 - №7.-с. 66-67

3 Косарев В А , Солодов С В О формализации лингвистической неопределенности профессиональных знаний эксплуатационно-технологического персонала сложных металлургических процессов // В сб трудов «Обработка текста и когнитивные технологии» / Варна - 2005 -№11 -с 109-114

4 Victor Kosarev, Sergey Solodov. Intellectual computer system for training of maintenance-technological personnel of hot-strip mill // Proceedings "Cognitive modeling m linguistics"/ Varna- 2005 - № 12 p 279

5 Солодов С В , Косарев В А Разработка полнопространственной композиционной математической модели процесса разливки стали на слябовых МНЛЗ для повышения эффективности подготовки оперативно-технологического персонала с использованием компьютерных тренинговых систем // В сб трудов «62-е дни науки студентов/ Москва, МИСиС» - 2007 - с 300-301

6 Косарев В А (РФ), Солодов С В. (РФ), Лопатин В Ю (Узбекистан) и др Интерактивная обучающая среда «Стан 5000» свидетельство об официальной регистрации программы для ЭВМ №2007610263 / заявитель и правообладатель ГОУ ВПО МИСиС, заявл 14 И 2006, зарег 12 01 2007

7 Косарев В А (РФ), Солодов С В (РФ), Лопатин В Ю (Узбекистан) и др Интерактивная обучающая среда «Стан 450» свидетельство об официальной регистрации программы для ЭВМ №2007613246 / заявитель и правообладатель ГОУ ВПО МИСиС, заявл 26 04 2007, зарег 1 08 2007.

8 Косарев В А (РФ), Солодов С В (РФ), Лопатин В Ю (Узбекистан) и др Интерактивная обучающая среда «Стан 1700 ПХЛ» свидетельство об официальной регистрации программы для ЭВМ №2007613245 / заявитель и правообладатель ГОУ ВПО МИСиС, Заявл 26 04.2007, зарег 1 08 2007

Формат 60 х 90 Vi6 Объем 1,6 п л

Тираж 100 экз Заказ 1455

Отпечатано с готовых оригинал-макетов в типографии Издательства «Учеба» МИСиС, 117419, Москва, ул Орджоникидзе, 8/9 ЛР №01151 от 11 07 01

ПЕРЕЧЕНЬ СОКРАЩЕНИЙ.

ВВЕДЕНИЕ.

ГЛАВА 1. АНАЛИЗ ЭФФЕКТИВНОСТИ ИСПОЛЬЗОВАНИЯ КОМПЬЮТЕРНЫХ ОБУЧАЮЩИХ СИСТЕМ ДЛЯ ПОДГОТОВКИ КАДРОВ В МЕТАЛЛУРГИИ.

1.1. Исследование профессиональных функций и ошибок деятельности оперативно-технологического персонала при эксплуатации и управлении сложными техническими системами.

1.2. Исследование способов представления качественных показателей характеризующих состояние технологического процесса.

1.3. Анализ полноты моделируемого информационно-ситуационного пространства реализации технологических процессов в компьютерно-тренинговых системах для профессиональной подготовки оперативного персонала.

1 АВыводы к главе 1.

ГЛАВА 2. СИНТЕЗ МЕТОДИКИ КОГНИТИВНОГО МОДЕЛИРОВАНИЯ СЛОЖНЫХ МЕТАЛЛУРГИЧЕСКИХ ПРОЦЕССОВ ДЛЯ КОМПЬЮТЕРНО-ТРЕНИНГОВЫХ СИСТЕМ.

2.1.Постановка задачи.

2.2. Структурирование информационно-ситуационного пространства управления сложных металлургических процессов.

2.3. Структурный синтез математического обеспечения КТС.

2.3.1.Аналитико-экспертные модели оценивания качества металлопродукции.

2.3.2.Эмпирико-продукционные модели оценивания качества металлопродукции.

2.3.3.Экспертные модели оценивания качества металлопродукции.

2.3.4. Ситуационное математическое описание металлургических процессов.

2.4.Выводы к главе 2.

ГЛАВА 3. РАЗРАБОТКА КОГНИТИВНОЙ МАТЕМАТИЧЕСКОЙ МОДЕЛИ ПРОЦЕССА НЕПРЕРЫВНОЙ РАЗЛИВКИ СТАЛИ НА СЛЯБОВЫХ МНЛЗ ДЛЯ КТС.

3.1. Исследование актуальности создания КТС оперативного персонала МНЛЗ.

3.2.Анализ факторов, влияющих на качество непрерывнолитой заготовки, и причин аварийных простоев.

3.3. Структура когнитивного математического описания процесса непрерывного литья.

3.4.Формирование лингвистических переменных для описания дефектов непрерывнолитой заготовки.

3.5.Разработка моделей оценивания качества сляба.

3.5.1.Комбинированная модель влияния параметров металлопереноса на качество заготовки.

3.5.2. Комбинированная модель влияния параметров теплообмена на качество заготовки.

3.5.3.Мод ель влияния температурно-скоростного режима литья на ликвационные явления и осевую пористость.

3.5.4.Модель влияния режима качания кристаллизатора на образование поперечных трещин.

3.5.5.Модель влияния работы ШОС в кристаллизаторе на качество поверхности НЛЗ.

3.5.6.Модель оценивания качества непрерывнолитой заготовки на основе настройки оборудования.

3.6. Ситуационно-обусловленная модель аварии «разрыв НЛЗ».

3.7. Реализация когнитивного математического описания процесса непрерывного литья слябовых заготовок при подготовке и повышении квалификации специалистов конвертерного производства ОАО «Северсталь».

3.8.Выводы к главе 3.

ГЛАВА 4. РАЗРАБОТКА КОГНИТИВНОЙ МАТЕМАТИЧЕСКОЙ МОДЕЛИ ПРОЦЕССОВ ОТДЕЛКИ ТОЛСТЫХ ЛИСТОВ ДЛЯ

4.1 .Исследование актуальности создания КТС ОТП процессов отделки толстых листов.

4.2.Синтез структуры когнитивной модели процессов отделки листов для КТС.

4.3.Анализ причин образования дефектов и способов их прогнозирования при охлаждении листов в УКО.

4.4.Разработка математической модели прогнозирования формы листов после УКО.

4.5.Модель расчета температуры листа после УКО.

4.6.Анализ информации на основе которой ОТП принимает решение по режиму правки на ЛПМ.

4.7.Модель прогнозирования режима правки.

4.8.Модель прогнозирования формы листа после ЛПМ.

4.9.Ситуационное моделирование нештатных и аварийных ситуаций при горячей правке.

4.10.Выводы к главе 4.

Актуальность темы. Высокие требования к качеству продукции и технологический уровень современного металлургического производства обусловливают новые, более высокие требования к профессиональной подготовке кадров металлургических предприятий. Согласно статистике МЧС аварии, первопричиной которых является человеческий фактор в среднем по промышленности, энергетике и в транспорте составляют 65 % от общего числа. Анализ квалификации оперативно-технологического персонала (ОТП) на металлургических предприятиях России показывает, что только около 30% специалистов имеют уровень квалификации, адекватный задачам и особенностям функционирования металлургических предприятий в условиях рыночной экономики. Для кардинального изменения ситуации с квалификацией кадров на предприятиях необходимы новые методы и средства повышения, текущего контроля и управления квалификацией персонала с использованием новейших компьютерных технологий обучения.

Проблему эффективного повышения квалификации ОТП можно решить при помощи использования в процессе обучения производственного персонала компьютерно-тренинговых систем (КТС), созданных на основе новых методов математического моделирования и комплексного информационного представления процесса и обеспечивающих быстрое приобретение практических навыков по управлению и эксплуатации металлургического оборудования.

Проведенный анализ показал, что для эффективного управления сложным металлургическим процессом (СМП) оперативный персонал использует разнородное информационное пространство, состоящее из числовой, лингвистической и визуальной информации. Однако в настоящее время математическое обеспечение КТС базируется в основном на применении аналитических, эмпирических и вероятностных моделей, что сужает его возможности по оценке и прогнозированию качественной информации. Поэтому для более эффективного обучения оперативно-технологического персонала при помощи КТС необходимо создать новый класс математических моделей, позволяющих моделировать полное информационно-ситуационное пространство реализации сложного металлургического процесса, в том числе визуально-образную информацию, представляющую собой когнитивные графические образы качества производимого продукта, состояния и режимов работы оборудования.

Назовем когнитивным моделированием металлургического процесса математическое описание, позволяющее моделировать полное информационное пространство управления, интегрирующее всю доступную эксплуатационному и оперативному персоналу информацию (как количественную, так и качественную), и полное пространство производственных ситуаций, включающее в себя штатные, нештатные и аварийные ситуации.

Создание методики когнитивного моделирования металлургических процессов и разработка с ее использованием компьютерно-тренинговых систем позволит повысить эффективность обучения и повышения квалификации кадров металлургических предприятий.

Цель исследования. Целью диссертационной работы является системное исследование способов повышения эффективности профессиональной подготовки оперативно-технологического персонала, создание методики когнитивного моделирования и математических моделей сложных металлургических процессов для КТС, позволяющих повысить квалификацию специалистов сталеплавильного и прокатного производств, улучшить качество продукции и уменьшить число аварий.

Задачи исследования. Для достижения цели исследования необходимо решить следующие задачи:

- провести комплексный анализ проблем повышения эффективности профессиональной подготовки оперативно-технологического персонала с использованием компьютерных технологий обучения;

- разработать новую методику когнитивного моделирования для синтеза математического обеспечения КТС оперативного персонала СМП, включающую в себя: структурирование информационного и ситуационного пространства оперативной деятельности персонала СМП для когнитивного представления знаний в компьютерно-тренинговых системах; синтез структуры математического обеспечения КТС, обеспечивающей полнопространственное информационное и ситуационное представление металлургических процессов в компьютерных обучающих системах; разработку структуры математических моделей для оценки качественных характеристик металлопродукции и состояния оборудования с использованием разнородной информации (количественной и визуально-образной); разработку структуры ситуационно-обусловленной модели переходов между штатными, нештатными и аварийными режимами работы оборудования в КТС;

- с использованием методики когнитивного моделирования разработать, апробировать и практически реализовать в виде математического обеспечения КТС, математические модели процессов непрерывной разливки стали и отделки толстых листов, позволяющие эффективно повышать квалификацию специалистов сталеплавильного и прокатного производств.

Методы исследования. Для решения поставленных задач использовались методы математического моделирования, системного анализа, теории нечетких множеств и инженерной психологии.

Результаты, выносимые на защиту:

- методика когнитивного моделирования сложных металлургических процессов для КТС, позволяющая повысить эффективность приобретения навыков практической деятельности с использованием компьютерно-тренинговых систем;

- способ структурного синтеза математического обеспечения КТС, обеспечивающего полнопространственное информационное и ситуационное представление металлургических процессов в компьютерных обучающих системах;

- математические модели металлургических процессов для оценки качественных характеристик металлопродукции с использованием разнородной информации, которые отсутствуют в КТС аналогичного назначения используемых для профессиональной подготовки персонала;

- новый класс ситуационно-обусловленных моделей переходов между штатными, нештатными и аварийными режимами работы оборудования в КТС;

- когнитивные математические модели процессов непрерывной разливки стали на слябовых МНЛЗ и отделки толстых листов для КТС.

Научная новизна диссертации состоит в следующих положениях:

- разработана новая методика когнитивного моделирования сложных металлургических процессов для КТС, позволяющая моделировать полное информационно-ситуационное пространство управления сложным металлургическим процессом;

- разработаны структуры математических моделей для оценивания качества металлопродукции с использованием разнородной количественной и визуально-образной информации, что позволяет сформировать у обучаемого когнитивный образ причинно-следственной взаимосвязи полного комплекса параметров процесса с качественными характеристиками продукта;

- разработан новый класс ситуационно-обусловленных моделей для КТС, позволяющих описать полноту реализации СМП в штатных, нештатных и аварийных режимах на основе использования процедуры экспертного оценивания вероятности переходов между режимами;

- с использованием методики когнитивного моделирования разработаны комбинированные математические модели процессов непрерывной разливки слябовых заготовок и отделки толстых листов для КТС, которые позволяют описывать влияние параметров режима управления, технического состояния оборудования и качества исходного сырья на качественные характеристики металлопродукции и режимы работы оборудования.

Практическая значимость работы состоит в том, что разработанная методика применима для синтеза математического обеспечения КТС подготовки оперативного персонала процессов сложных металлургических производств. Разработанное на основе данной методики математическое обеспечение используется в КТС и позволяет в 1,5-2,0 раза сократить время на приобретение профессиональных знаний, повышает эффективность их усвоения. Использование КТС, разработанных на базе данной методики, в цеховых и заводских структурах повышения квалификации персонала значительно сокращает количество брака и беззаказной продукции, а также число аварий.

Внедрение результатов. Как законченные программные продукты результаты диссертационной работы внедрены в учебных центрах и цеховых структурах обучения ЛПЦ-3 и ККЦ-1 ОАО «Северсталь» в виде компью-терно-тренинговых обучающих систем: «Стан 5000» и «Непрерывная разливка стали».

Апробация работы. Основные результаты исследований докладывались и обсуждались на следующих конференциях: научно-практическая отраслевая конференция «Системы автоматизированного управления производствами, предприятиями и организациями горнометаллургического комплекса» (Старый Оскол, 2003); VII региональная научно-практическая конференция студентов, аспирантов и соискателей «Молодые ученые -науке, образованию, производству» (Старый Оскол, 2004); Международная научная конференция «Образование, наука, производство и управление в XXI веке (Старый Оскол, 2004); Международная конференция «Cognitive Modeling in Linguistics - 2005» (Болгария, г. Варна, 2005); Всероссийская научно-практическая конференция «Образовательная среда сегодня и завтра» (Всероссийский форум «Образовательная среда-2005», Москва, ВВЦ);

Институтская научно-технической конференции «62-е дни науки студентов МИСиС» (Москва, 2007).

Публикации. Основные положения диссертации отражены в 8 опубликованных научных работах. Из них в списке литературы приведены 2 статьи из перечня периодических журналов, рекомендованных ВАК для публикации основных результатов диссертационных исследований. Личный вклад автора в работах, опубликованных в соавторстве, состоит в следующем: в работе [105] предложены методы использования когнитивной графики и формализации экспертных знаний оперативного персонала для построения математических моделей КТС; в работах [103, 107] разработана структура математической модели для прогнозирования качества непрерывнолитой слябовой заготовки и моделирования аварийных ситуаций; в работе [104] разработана структура математической модели прогнозирования неплоскостности толстых листов при операциях отделки; в работе [106] проанализирована эффективность использования КТС в прокатном производстве; в работах [110, 115, 116] разработано когнитивное математическое обеспечение компьютерно-тренинговых систем для обучения специалистов прокатных производств.

Объем и структура работы. Диссертация состоит из введения, четырех глав, заключения, изложенных на 118 страницах машинописного текста, содержит 32 рисунка, 9 таблиц, список литературы из 116 наименований и 2 приложения.

4.10.Выводы к главе 4

ЗАКЛЮЧЕНИЕ

В диссертационной работе на основе системного исследования полноты моделируемого информационно-ситуационного пространства реализации технологических процессов в компьютерно-тренинговых системах для профессиональной подготовки оперативного персонала, автором предложена новая методика когнитивного моделирования сложных металлургических процессов.

В рамках решения этой проблемы автором получены следующие результаты:

1. Разработана методика когнитивного моделирования, позволяющая описывать полное информационно-ситуационное пространство деятельности оперативно-технологического персонала при управлении сложным металлургическим процессом, что обеспечивает повышение эффективности приобретения практических навыков и знаний с использованием компьютерно-тренинговых систем.

2. Синтезирована структура математического обеспечения для моделирования системы «оборудование - орган управления -технологический процесс - продукт», представляющая собой совокупность аналитических, эмпирических, экспертных и ситуационных моделей.

3. Разработаны структуры математических моделей для оценки качества металлопродукции на основе описания полного разнородного информационного пространства управления сложным металлургическим процессом, что позволяет сформировать у обучаемого когнитивный образ причинно-следственных взаимосвязей комплекса переменных состояния процесса с качественными характеристиками продукта.

4. Разработан новый класс ситуационно-обусловленных моделей, основанных на процедуре экспертной оценки вероятности перехода между штатными, нештатными и аварийными режимами, которая позволяет упростить разработку ситуационных моделей сложных металлургических процессов для компьютерно-тренинговых систем.

5. На основе предложенной методики когнитивного моделирования разработаны математические описания процессов непрерывной разливки стали и отделки толстых листов после прокатки для компьютерно-тренинговых систем, позволяющие описывать влияние параметров режима управления, технического состояния оборудования и качества исходного сырья на качественные характеристики металлопродукции и режимы работы оборудования.

6.Разработанные когнитивные математические модели включены в состав компьютерно-тренинговых систем «Стан 5000» и «Непрерывная разливка стали» и внедрены в учебных центрах и цеховых структурах обучения ЛПЦ-3 и ККЦ-1 ОАО «Северсталь». Использование этих систем при обучении оперативно-технологического персонала позволило обеспечить сокращение в 1,5-2,0 раза времени на профессиональную подготовку, повысить квалификацию специалистов, улучшить качество продукции и снизить число аварий.

1. Bainbridge, L. Ironies of Automation // Automática. 1983. Vol.19. No.6. Pp. 775-773.

2. Галактионов, А.И. Особенности формирования психического образа аварийных ситуаций при обучении операторов АСУ / А.И. Галактионов, И.В. Грошев // Психологический журнал. 1996. Том 17. - №2. - с.46-55

3. Jakob Nielsen, Robert L. Mack. Usability Inspection Methods. Wiley, 1994. P. 448.

4. Поспелов, Д. A., Пушкин В. H., Садовский В. H. Эвристическое программирование и эвристика как наука / Д. А. Поспелов, В. Н. Пушкин, В.Н. Садовский // Вопросы философии. 1967. - № 7. - с. 45-56.

5. Хаккер, В. Инженерная психология и психология труда / Винфрид Хаккер. М.: Машиностроение, 1985.-376 с.

6. Бодров, В.А. Психология и надежность: человек в системе управления техникой / В.А. Бодров, В.А., В .Я. Орлов. М.: ИП РАН, 1998. -288 с.

7. Ю.Основы инженерной психологии: учебник под ред. Б.Ф. Ломова. 2-е изд. перераб. и доп. - М.: Высшая школа, 1986. - 447 с.

8. Van Eekhout, J.M. and W.B. Rouse. Human Errors in Détection, Diagnosis, and Compensation for Failures in Engine Control Room of a

9. Supertanker // IEEE Trans. System, Man and Cybernetics. 1981. Vol.11, No.12. Pp.813-816.12.3енкин, A.A. Когнитивная компьютерная графика/ A.A. Зенкин; под ред. Д.А. Поспелова. М.: Наука, 1991. 192 с.

10. Соловов, A.B. Проектирование компьютерных систем учебного назначения: учебное пособие / A.B. Соловов. Самара: СГАУ, 1995 - 138 с.

11. Соловов, A.B. Когнитивная компьютерная графика в инженерной подготовке / A.B. Соловов // Журнал "Высшее образование в России". 1998. - № 2. - с. 90-96.

12. Поспелов, Д.А. Фантазия или Наука. На пути к искусственному интеллекту / Д.А. Поспелов. М.: Наука, 1982. -224 с .

13. Щекин, Г.В. Ассиметрия мозга и психологические особенности человека / Г.В. Щекин // Ваша тестотека / Межрегион, заочн. универс. управл. персоналом, Киев, 1992. N2. - с. 102-112.

14. Алексеев, Н.Г., Эволюция проблематики искусственного интеллекта / Н.Г. Алексеев, Б.Г. Юдин // Кибернетика: неограниченные возможности и возможные ограничения. Перспективы развития / Наука. Москва. - 1981. -с. 117-124.

15. Комаров, В.А. АОС и инженерная интуиция/ В.А. Комаров, A.B. Соловов // Вестник высшей школы. 1986. - № 2. - с. 30-33.

16. Соловов, A.B. Когнитивные аспекты мультимедиа в электронной поддержке обучения / A.B. Соловов //Труды Международной конференции "IEEE International Conference on Advanced Learning Technologies". Казань: КГТУ. 2002. - С. 74-78

17. Боумен, У. Графическое представление информации / У. Боумен; пер. с англ. М.: Мир, 1971 - 228 с.

18. Венда, В.Ф. Инженерная психология и синтез систем отображения информации / В.Ф. Венда. М.: Машиностроение, 1975. - 396 с.22.3инченко, В.П. Формирование зрительного образа / В.П. Зинченко, Н.Ю. Вергилис. М.: изд. МГУ, 1969.

19. Дозорцев, В.М., Шестаков H.B. Компьютерные тренажеры для производств химико-технологического типа: полезность, эффективность, окупаемость / В.М. Дозорцев, Н.В. Шестаков // Проблемы безопасности и чрезвычайных ситуаций. 1997. -№7

20. A.c. № 1088055 СССР, МКИ 09В9/00. Тренажер оператора кислородного конвертера / С.П. Мочалов, P.C. Айзатулов, В.П. Цымбал и др. // Открытия. Изобретения. 1984. №15. с. 195, 196.

21. Мочалов, С.П. Разработка и реализация на персональной ЭВМ тренажерно-обучающей системы по кислородно-конвертерному процессу / С.П. Мочалов, В.П. Цымбал, Ю.И. Федотова и др. // Изв.вузов Черная металлургия. 1991. №12. - с.94-100.

22. Мочалов, С.П. Тренажер оператора кислородного конвертера / С.П. Мочалов, В.П. Цымбал, С.А. Шипилов и др. // Изв.вузов Черная металлургия. 1988. -№10. с.136-139.

23. Малинов, М.Б. Создание систем математического моделирования и обучения операторов кислородного конвертера / М.Б. Малинов, С.П. Мочалов // Изв.вузов Черная металлургия. 2005.- №2. с.52-55.

24. Лаврик, А.Н. Обучающий тренажер для подготовки операторов машин непрерывного литья заготовок / А.Н. Лаврик, Е.В. Протопопов, В.В. Соколов и др. // Металлург. 2004.- №6. -с. 13-15.

25. Косарев, В.А. Оценка состояния кислородно-конвертерной плавки на основе адаптивных алгоритмов / В.А. Косарев, E.H. Деркачев, Г.И. Мосалов и др. // Изв.вузов Черная металлургия. 1977. №7. - с. 28-34

26. Деркачев, E.H. Оценка состояния кислородно-конвертерной плавки / E.H. Деркачев, В.А. Косарев, Г.И. Мосалов // Тезисы докл. V Всесоюзной конференции «Теория и практика и кислородно-конвертерных процессов» / Днепропетровск. 1977. с.112-113.

27. Косарев, В.А. Оценка состояния кислородно-конвертерной плавки / В.А. Косарев, Г.И. Мосалов, С.А. Бакулин// Сб. «Системные исследования металлургических процессов и производства» / М.: Металлургия. 1979. -№115. с.44-46.

28. Косарев, В.А. Адаптивная система субоптимального управления конвертерной плавкой / В.А. Косарев, К.С. Антошин // Сб. «Системные исследования металлургических процессов и производства» / М.: Металлургия , 1982. №144, с.85-92.

29. Косарев, В.А., Бакулин С.А. Управление газошлакометаллической эмульсией в кислородном конвертере / В.А. Косарев, С.А. Бакулин // Сб. «Математическое моделирование» /М.: Металлургия. 1990. с.81-89.

30. Сургучев, Г.Д. Об одной методике моделирования кислородно-конвертерного процесса / Г.Д. Сургучев, Ю.Я. Трейстер, О.Б. Клешко // Изв. вузов. Черная Металлургия. 1972. №7. - с.27-31.

31. Сургучев, Г.Д. Математическое моделирование кислородно-конвертерной плавки с учетом тепломассопереноса / Г.Д. Сургучев, В.А. Косарев, Н.И. Жиянов // Изв. вузов. Черная Металлургия. 1974. №9. - с.48-53.

32. Косарев, В.А. Оценка устойчивости технологического режима плавки по спектральным характеристикам измерений расхода отходящих газов / В.А. Косарев, Г.Д. Сургучев // Сб. «Применение системного анализа в металлургии» / М.: Металлургия. 1982 .- №136.

33. Дозорцев, В.М. Компьютерные тренажеры для нефтехимии и нефтепереработки: опыт внедрения на российском рынке / В.М. Дозорцев, Н.В. Шестаков // Приборы и системы управления. 1998. № 1.

34. Дозорцев, В.М. Обучение операторов технологических процессов на базе компьютерных тренажеров / В.М. Дозорцев // Приборы и системы управления. 1999.- № 8.

35. Дозорцев, В.М. Динамическое моделирование в оптимальном управлении и автоматизированном обучении операторов технологических процессов. Часть 2 / В.М. Дозорцев // Приборы и системы управления. 1996.-№8.

36. Паршин, В.М. Управление качеством непрерывнолитой заготовки / В.М. Паршин, А.Д. Чертов // Сталь. -2005. №1. - С. 20-29.

37. Крамер, Г. Математические методы статистики / Г. Крамер. М.: Мир, 1975.-648 с.

38. Айвазян, С.А. Прикладная статистика. Классификация и снижение размерности / С.А. Айвазян, Б.М. Бухштабер, И.С. Енюков и др. М.: Финансы и статистика, 1989. - 607 с.

39. Ларичев, О.И. Качественные методы принятия решений. Вербальный анализ решений / О.И. Ларичев, Е.М. Мошкович. М.: Наука. Физматлит, 1996. - 208 с.

40. Антонов, A.B. Системный анализ. Учеб. для вузов / A.B. Антонов. -М.: Высш. шк., 2004. 454 е.: ил.

41. Рыков, A.C. Модели и методы системного анализа: принятие решений и оптимизация: учеб. пособие для вузов / A.C. Рыков. М.: МИСиС, Издательский дом «Руда и металлы», 2005. - 352 с.

42. Ярушкина, Н.Г. Основы теории нечетких и гибридных систем: учеб. пособие / Н.Г. Ярушкина. М.: Финансы и статистика, 2004. - 320 с.

43. Леоненков, A.B. Нечеткое моделирование в среде MATLAB и fuzzyTECH / A.B. Леоненков. СПб.: БХВ - Петербург, 2003. - 756 с.

44. Андрейчиков A.B., Андрейчикова О.Н. Интеллектуальные информационные системы: Учебник. М.: Финансы и статистика, 2004. -424 с.

45. Гаскаров, Д.В. Интеллектуальные информационные системы. Учеб. для вузов / Д.В. Гаскаров. М.: Высш.шк., 2003. - 431 с.

46. Джонс, М.Т. Программирование искусственного интеллекта в приложениях / М. Тим Джонс; пер. с англ. Осипов А.И. М.: ДМК Пресс, 2004.-312 с.

47. Зарубин, B.C. Математическое моделирование в технике: учеб. для вузов / под ред. B.C. Зарубина, А.П. Крищенко. 2-е изд. стререотип. - М.: Изд-во МГТУ им. Н.Э. Баумана, 2003. - 496 с.

48. Самарский, A.A. Математическое моделирование: Идеи. Методы. Примеры / A.A. Самарский, А.П. Михайлов. 2-е изд., испр. - М.: ФИЗМАТЛИТ, 2005. - 320 с.

49. Карташов, Э.М. Аналитические методы в теории теплопроводности твердых тел: учеб. пособие / Э.М. Карташов. 3-е изд., перераб. и доп. - М.: Высш. шк., 2001. - 550 с.

50. Емельянов, В.А. Тепловая работа машин непрерывного литья заготовок: учеб. пособие для вузов. / Емельянов В.А. М.: Металлургия, 1988.- 143 с.

51. Шмрга, Л. Затвердевание и кристаллизация стальных слитков / Л.Шмрга; пер. с чешек.; под ред. Кашина В.И. М.: Металлургия, 1985. - 248 с.

52. Карлик, В.А. Разработка методов управления, создание и промышленное внедрение унифицированных АСУ тепловыми режимамивысокопроизводительных слябовых MHJ13: Дисс. на соискание ученой степени канд. техн. наук / В.А. Карлик М.: МИСиС, 1986. -280 е.: ил.

53. Мюллер, Т. Мероприятия по обеспечению качества при производстве непрерывнолитых слябов / Т. Мюллер, П. Мюллер, Х.-А. Юнгблют и др. // Черные металлы. 1999. - №12. - с. 24-29.

54. Разливка стали на MHJ13 конвертерного производства: Технологическая инструкция ТИ-105 СТ. КК-11-2005: г. Череповец, СеверСталь. 2005. 65 с.

55. Флендер, Р. Образование внутренних трещин в непрерывнолитых заготовках / Р. Флендер, К. Вюнненберг // Черные металлы. 1982. - №23. -с.24-32.

56. Мирсалимов, В.М. Напряженное состояние и качество непрерывного слитка/ В.М. Мирсалимов, В.А. Емельянов. М.: Металлургия, 1990.- 151 с.

57. J.V. Florchak. Straight-v.curved-mould continuous caster for slab production// Ironmaking and Steelmaking. 1979. V.6, №3. P. 123-130.

58. Пальмерс, А. Расчет механических и термических напряжений в непрерывнолитой заготовке / А. Пальмерс, А. Этьен, Ж. Миньон // Черные металлы. 1979. - №19. - с. 3-11.

59. Панченко, И .Г. К вопросу о критериях возникновения внутренних трещин в непрерывнолитых заготовках / И.Г. Панченко, А.Я. Глазков, О.Н. Андреенко и др.; Харьковское отделение ЧЕРМЕТИНФОРМАЦИЯ. -Харьков, 1984. 8 с. Деп. в ЧЕРМЕТИНФОРМАЦИЯ.

60. Коротаевский, А.П. Выбор расчетной схемы при определении выпучивания корки непрерывнолитых слитков / А.П. Коротаевский; МВТУ им. Н.Э. Баумана М., 1984. - 31 с. Деп. в ЧЕРМЕТИНФОРМАЦИЯ.

61. Пюрингер, О.М. Формирование непрерывнолитой заготовки на MHJ13 / О.М. Пюрингер // Черные металлы. 1976. - №7. - с. 3-8.

62. Удовик, O.A. К вопросу о внутренних трещинах в непрерывнолитых заготовках / O.A. Удовик, Г.А. Николаев.// Физикохимические воздействия на кристаллизацию стали: сборник научных трудов. / Киев: Изд. ИПЛ АН УССР, 1982. с.135-141.

63. Дюдкин, Д.А. Качество непрерывнолитой стальной заготовки/ Д.А. Дюдкин. К.: Тэхника, 1988. - 253 с.

64. Чумаков, С.М. Опыт использования акселерометрической системы технологического контроля кристаллизатора / С.М. Чумаков, А.Н. Сорокин // Сталь. 1998.-№6 -. с. 17-19.

65. Смирнов, А.Н. Процессы непрерывной разливки: Монография / А.Н. Смирнов, В.Л. Пилюшенко, A.A. Минаев и др. Донецк: ДонНТУ, 2002. -536 с.

66. Бродский, С.С. Оптимизация выбора огнеупоров при разливке стали на МНЛЗ / С.С. Бродский, А.Н. Смирнов, В.В. Несвет и др.// Металл и литье Украины. 1999. - №3-4. - с. 40-42.

67. Евтеев, Д.П. Непрерывное литье стали / Д.П. Евтеев, И.Н. Колыбалов. М.: Металлургия, 1984. - 200 с.

68. G. Routshka. Refractory materials. Essen: Vulkan-Erlag, 1997. - P.443.

69. Яух, Р. Качество непрерывнолитых заготовок / Р. Яух // Черные металлы. 1978. - № 6. -с. 20-30.

70. Влияние содержания углерода в стали на теплопередачу и образование корки в кристаллизаторе. М.: Черметинформация, 1975, перевод №8982. 27 е./ S.N. Singh, К.Е. Blazek. Journal of Metals, 1974, №10. p. 17-27.

71. Рутес, B.C. Теория непрерывной разливки/ B.C. Рутес, В.И. Аскольдов, Д.П. Евтеев и др. М.: Металлургия, 1971. - 296 с.

72. Экспертная система в реальном времени, применяемая для управления уровнем металла в кристаллизаторе УНРС. М.: Черметинформация, перевод №19408, 1990. 17 е./ Yu. Sasabo. ISIJ International, 1990. - Vol. 30, №2. - p. 136-141.

73. Димитриу, Б. Ввод в эксплуатацию системы регулирования уровня зеркала жидкого металла в кристаллизаторе по принципу нечеткой логики на заводе фирмы BAOGANG STEEL / Б. Димитриу, Р. Микут, Г. Бреттхауэр и др. //Черные металлы. 1999. - №6. - с. 16-19.

74. Батаргин, В.Г. Новая система автоматического поддержания уровня металла в кристаллизаторе с использованием электромеханического привода / В.Г. Батаргин, С.М. Чумаков. // Сталь. 1998. - №1. - с.22-25.

75. Глинков, Г.М. АСУ ТП в черной металлургии / Г.М. Глинков, В.А. Маковский: учеб. для вузов; 2-е изд. перераб. и доп. М.: Металлургия, 1999. -310 с.

76. Атлас дефектов стали. Пер. с нем. -М.: Металлургия, 1979. 188 с.

77. Ежов, A.A. Дефекты в металлах. Справочник-атлас / A.A. Ежов, Л.П. Герасимова. М.: «Русский университет», 2002 - 360 с.

78. Яухола, М. Динамическая модель системы охлаждения вторичной зоны для машины непрерывного литья заготовок / М. Яухола, Э. Кивеля, Ю. Коттинен, и др.// Сталь.- 1995. №2.- с. 25-28.

79. Исследование непрерывной разливки стали / Под ред. Дж. Б. Лина; пер. с англ.: Брюссель. 1977. - М.: Металлургия , 1982.-200 с.

80. Уманец, В.И. Влияние структурных превращений на образование поверхностных трещин в непрерывнолитых слябах / В.И. Уманец, С.Д. Разумов, A.M. Поживанов и др.// Сталь. 1982. - №5. - с. 21-22.

81. Абратис, X. Массо- и теплопередача в кристаллизаторе МНЛЗ / X. Абратис, М. Юнеман, К. Абратис // Черные металлы. 2002. - №4. - с.29-38.

82. Чумаков, С.М. Возможности автоматического предупреждения о прорывах на выходе кристаллизатора / С.М. Чумаков, Б.А. Делекторский, А.Н. Сорокин и др. // Сталь. 1998. - №5. - с.22-26.

83. Белый, А.П. Центральная сегрегационная неоднородность в непрерывнолитых заготовках и толстолистовом прокате / А.П. Белый, О.Б. Исаев, Ю.И. Матросов, и др. М.: Металлургиздат, 2005. - 136 с.

84. Непрерывное литье стали. М.: Металлургия, 1982г. 475 с.

85. Бурцев, К.И. Прокатное производство /К.И. Бурцев. М.: Металлургия, 1970. - 384с.

86. Ковычев, М.В. Производство листового металла / М.В. Ковычев, В.В. Миллер. М.: Металлургия, 1976. - 224 с.

87. Матросов, Ю.И. Стали для магистральных трубопроводов / Ю.И. Матросов, Д.А. Литвиненко, С.А. Голованенко. М.: Металлургия, 1989. 288 с.

88. Косарев В.А., Солодов С.В. Синтез полнопространственной модели процесса непрерывной разливки стали для многофункциональной компьютерно-тренинговой системы // Изв.вузов. Черная металлургия. 2005. -№11.-с. 49-54.

89. Косарев В.А., Солодов С.В. Модели оценки качества продукции при отделке толстых листов // Изв.вузов. Черная металлургия 2006. - №7. -с. 66-67.

90. Victor Kosarev, Sergey Solodov. Intellectual computer system for training of maintenance-technological personnel of hot-strip mill // Proceedings "Cognitive modeling in linguistics"/ Varna- 2005. № 12. p. 279.

91. Шеннон, Р. Имитационное моделирование систем. Искусство и наука/Р. Шеннон. -М.: Мир, 1978.-417 с.

92. Ю9.Стрелков, Ю.К. Инженерная и профессиональная психология: учеб. пособие для студ. высш. учеб заведений / Ю.К. Стрелков. 2-е изд., стер. - М.: Издательский центр «Академия», 2005. - 360 с.

93. Башмаков, А.И. Разработка компьютерных учебников и обучающих систем / А.И. Башмаков, И.А. Башмаков. М.: Информационно-издательский дом «Филинъ», 2003. - 616 с.

94. Махутов, H.A. Научные исследования и подготовка специалистов по обеспечению защищенности критически важных объектов / H.A. Махутов, М.М. Гаденин // Машиностроение и инженерное образование. 2004. - №1. -с. 19-32.

95. Материалы Международной научно-практической конференции «Промышленная безопасность», 9 июня 2003 г., Москва. М.: НТЦ «промышленная безопасность» Госгортехнадзора России, 2003. -248 с.

96. Н.Воробьев, Ю.Л. Катастрофы и человек / Ю.Л. Воробьев, Н.И. Локтионов, М.И. Фалеев и др. М.: Издательство ACT-ЛТД, 1997. - 254 с.