автореферат диссертации по химической технологии, 05.17.07, диссертация на тему:Ситуационное моделирование технологических процессов нефтепереработки при оперативном управлении по показателям качества продуктов

РГБ ОД „

На правах рукописи

МУРТАЗИИ ТИМУР МАНСУРОВИЧ'

СИТУАЦИОННОЕ МОДЕЛИРОВАНИЕ ТЕХНОЛОГИЧЕСКИХ ИРОЦЕСОВ НЕФТЕПЕРЕРАБОТКИ ПРИ ОПЕРАТИВНОМ УПРАВЛЕНИИ ПО ПОКАЗАТЕЛЯМ КАЧЕСТВА ПРОДУКТОВ

Специальности

05 17 07 - Химическая технология топлива н высокоэнергетическнх

веществ

05.13 06 - Автоматизация и управление технологическими процессами и

производствами

АВТОРЕФЕРАТ диссертации на соискание ученой сюпеим кандидата [ехнических наук

Уфа 2000

Работа выполнена п Уфимском государственном нефтяном техническом университете.

Научным руководитель: доктор технических наук, профессор

А.П. Веревки»

Официальные оппоненты: доктор технических наук, профессор

С.А. Лхметов

кандидат технических наук, доцент Р.Д. Ахметсафнн

Ведущее предприятие: ООО Инженерный Центр

пефтехнмпереработкн «1ШТЭКО»

Защита состоится « ХО »^А/Сй&рЛ- 2000 г.

в час. «РР» мин. на заседании диссертационного совета К 063.09.01 в

Уфимском государственном нефтяном техническом университете по адресу: 450062, г. Уфа, Космонавтов, I.

С диссертацией можно ознакомиться в библиотеке Уфимского государстпепного нефтяного технического университета.

Авюреферат разослан « Л/) » -

000 г.

Ученый секретарь

диссертационного совета. ^

д т.н.. доцент х Н.Л.Самойлов

Л с и А- Лхп гл

ОБЩАЯ ХАРАКТЕРИСТИКА РАГ.ОТЫ

В последнее время становится обшеприияmil концепция обеспечения качества изделий па всем жизненном цикле (TQM), базирующаяся на серии международных стандартов ISO 900х. Рассматриваемая paGoia является одним из звеньев обеспечения данной концепции п облает нефтепереработки.

Главной особенностью иефтеиерерабатывающпх производств является нестабильность характеристик сырья и мпогоассортпметпость продукции. При этом, режим переработки в большой степени определяется характеристиками сырья и заданием иа выпуск продукции. В связи с тем. что не удается оперативно анализировать состав сырья и расчешым путем определять параметры технологических режимов, управление переработкой нефти обычно ведется с большими запасами по показателям качества.

Целью оперативного управления является обеспечение максимального выхода продуктов заданного качества из поступающего на установку сырья, мниимнзацнн энерго- и материальных затрат, т.е. обеспечение оптимальных показателей эффективности (Г1Э) процесса. Информацией, на основе которой осуществляется формирование управляющих воздействий, является: ограничения на значения параметров технологического режима, значения нормируемых показателей качества продуктов и ПЭ процесса.

Зачастую, единственным реализуемым на практике способом получения значений показателей качества (ПК) продуктов является проведение лабораторных анализов отираемых проб. 11ериодичпоси, и штрачиваемое время на лабораторные анализы при подобной оргаитации информационном подсистемы не обеспечивают возможности оперативного управления и поддержания высоких ПЭ.

Сочетание нестабильного по характеристикам сырья и отсутствие оне-рашвной информации о ПК получаемых продукт» являются основными факторами, которые делают задачу подбора lexnojioi ическото режима чрезвычайно сложной. Таким обраюм. получение высоких поктшелей эффективности процесса затруднено, п юм числе, из-за отсутствия качественной оперативной информации о процессе. Основная сложность при оперативном получении информации о ПК обусловлена отсутствием (или крайней ограни-

ченносгыо) средств контроля качества продуктов переработки нефти на потоке.

Разрешение проблемы оперативного оценивания значений ПК всех участвующих в процессе продуктов, как показывают исследования, позволяет повысить эффективность производства or нескольких до двух десятков процентов.

Наиболее простым и легко реализуемым способом получения информации о ПК является вычисление требуемых показателей по моделям.

Целыо работы является разработка методического и алгоритмического обеспечения ситуационного моделирования технологических процессов нефтепереработки при оперативном управлении по ПК получаемых продуктов.

Для достижения поставленной цели определены следующие задачи исследования:

1) определить класс моделей оценивания значений ПК продуктов для целей оперативного управления по ПК;

2) провести анализ существующих методов идентификации технологических ситуаций при оценивании значений ПК продуктов по ситуационным моделям для процессов нефтепереработки, н разработать методы идентификации моделей применительно к процессам разделения нефтяных смесей ме-юдом ректификации;

3) разработать метод формирования системы критериев разделимости ситуаций па основе анализа их определенности при идентификации ситуации;

4) разработать меюд обучения ситуационных моделей расчета ПК но наблюдаемым данным в режиме нормальной эксплуатации;

5) разработать алгоритмы и решить задачу получения ситуационных моделей оценивания значений ПК продуктов на примере конкретного процесса неф i enepepaóoi ки.

Методы псследонапмн. 11рн решении поставленных в работе задач использовались метлы: системного анализа, в частности принципы эволюционного подхода к рашиппо систем, информационной теории идентификации, физико-химического моделирования технолотческих процессов, теории

чувствптелыюстей, теории двузначной и нечеткой логики, искусственного интеллекта, статистической обработки данных, принятия решений.

Научные положении, выносимые на защиту.

1. Классификация методов идентификации техпожи пческнх ситуаций.

2. Метод идентификации 1ехнологических ситуаций на основе синтеза и последующего анализа логических выражений, построенных на злементах двузначной и нечеткой логики.

3. Метод идентификации технологических ситуаций при наличии в исходных данных неизмеряемых переменных для процессов ректификации нефтяных смесей на основе вспомогательной модели.

4. Методы обучения ситуационных моделей по наблюдениям в режиме нормальной эксплуатации объекта, предусматривающие как малый, так и высокий уровень помех.

Паучнаи попита полученных результатов.

1. Показано, что определяющее влияние на ПЭ технологического процесса в нефтепереработке оказывает оперативное поддержание заданных ПК продуктов.

2. Разработан метод формализованной оценки и ранжирования технологических ситуаций, позволяющий по числовому критерию осуществлять выбор и коррекцию модели расчета Г(К в конкретной ситуации.

3. Предложен метод формализованного представления информации о неизмеряемых переменных процесса (например, характеристик сырья), и процедура их идентификации.

4. Предложены и обоснованы критерии и метод выделения технологических ситуаций, позволяющий получать адекватные сптчацпонные модели в процессе обучения но наблюдаемым данным.

Практически» мснпосп» реплыакн) раГкми о0\ с.топ.н'пл:

1) разработкой ситуационных моделей оценивания ПК нефтепродуктов атмосферной п вакуумной перегонки в режиме реальною времени с заданной точпост ыо;

2) разработкой алгоритмов обучения аташюнных молелен расчета ПК п формированием биты шаннп обьекта в режиме нормальной жспл\а1а-цин обьекта по текущим наблюдениям;

3) разработкой программного обеспечения, позволяющего автоматизировано получать базу знании обьекта в виде ситуационных моделей расчета ПК;

4) получением моделей для оценивания ПК продуктов вакуумной перегонки мазута на установке ЛВТм-9 АО ИУПГ13 (г. Уфа);

5) разработкой программного имитатора режимов работы вакуумной колонны установки первичной переработки нефти АВ'Гм.

Апробация работы. Основные положения работы обсуждались на:

- Международных конференциях: Математические методы в химии и химической технолог ии, г. Владимир, 1998 г.; Проблемы нефтегазового комплекса России, г. Уфа, 1998 г.; Математические методы в технике и технологиях, г. Великий Новгород, 1999 г.; Методы кибернетики хнмнко-техпологпческнх процессов, г. Уфа, 1999 г.; Математические методы в технике и технологиях, г. С. Петербург, 2000 г.

- Всероссийских конференциях: Проблемы авиации п космонавтики, г. Уфа, 1998 г.; Интеллектуальное управление в сложных снстемах-99, г. Уфа, 1999 г.; II Конгресс неф|егазопромышленников России / Нефтепереработка и нефтехимия с отечественными технологиями в XXI век, г. Уфа, 2000 г., а также ряде региональных и вузовских конференциях.

Результаты исследований отражены в 10 печатных работах, получено одно свидетельство об официальной регистрации программы для ЭВМ.

Структура и оиьсм р:1бип.1. Работа состоит из введения, четырех глав, мключенпн, списка литературы и приложений. Основной текст изложен па 157 страницах, диссертация содержит 26 иллюстраций, 22 таблицы, 3 приложения, список использованных источников содержит 140 наименований.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во иисденни обоснована актуальность работы, сформулированы основные цели исследований, кратко описано содержание разделов, приведены основные положения, выносимые на защиту, практические результаты исследований.

В мерно¿1 главе проведен анализ состояния и путей решения задачи управления технологическими процессами нефтепереработки по ПК продуктов.

Задачей управления технологическими процессами является выбор такою технологического режима, при котором в условиях технологических ограничении. действия различного рода возмущении (контролируемых и неконтролируемых), смены производственных заданий на выработку продукции обеспечивается максимальный выход целевой продукции заданного качества при минимальных энергозатратах, что характеризует оптимальные ПЭ процесса.

Все Г13 системы управления могут быть оненепм но рантовой шкале, когда раит- определяется сложностью оперативною оценивания и оптимизации данных показателен. При этом особое место при расчете и обеспечении оптимальных технико-экономических показателен (глобальная цель управления) отводи тся поддержанию заданных технических пока кнелей, в частности ПК получаемых продуктов.

Одной пз основных особенностей процессов нефтепереработки и нефтехимик является большая зависимость ПК продуктов м II') производства ог характеристик поступающего на установку сырья. Нестабильность характеристик сырья определяет необходимость изменения режимных параметров с целыо поддержания нормируемых ПК получаемых продуктов.

При оперативном управлении процессами но ПЭ и ПК продуктов проблемы возникают, в первую очередь, при разработке информационной части управляющей системы. Это объясняется следующими причинами: I) некоторые параметры процесса практически не поддаются точному количественному анализу (например, характеристики нефтяною сырт,я), поэтому оперативная ("на потоке") информации о сырье, как правило, отсутствует; 2) отсутствует возможноем. онера!ивпого определения шачепия ПК получаемых продуктов. чти не пошоляег ортаилзонам» обратную сини, по конечному результату прои ¡водстна.

К проблемам управляющих подсистем мри \правлении процессами но ПК следует отнести следующие: I) отсутствие явной и одношачноп связи между 1ехнологпчсскнмн параметрами п ПК юнарпоп продукции, чю определяет неоднозначность выбора управляющих ткнлепствпй: 2) наличие

большого числа ограничении на параметры технологического режима и ПК иродуктои; 3) ограниченность ресурсов управления: типичной является си-пация, когда управляющих параметров меньше, чем управляемых координат; 4) миогокритерпалыюсть задачи управления: при управлении по ПК продуктов требуется поддержание целого ряда ПК одного (нескольких) нефтепродуктов.

Таким образом, в условиях частой неконтролируемой смены сырья, принципиальной или технической нереализуемости измерения большинства ПЭ и Г1К, сложности задачи управления существующие методы построения систем не обеспечивают оперативность управления. В связи с этим, при управлении процессами переработки нефти не обеспечивается эффективное расходование материальных н энергетических ресурсов и заданные Г1Э процесса.

Проведенный анализ пугеп решения задачи оптимизации управления выявил, как одну из главных задач, необходимость получения оперативной информации о ПК продуктов. Исходя из вышесказанного, рассматривается основная задача исследования - принципы построения и функционирования информационной подсистемы ПК продуктов для целей оперативного управления.

Па основании анализа способов оперативного получения ПК продуктов было определено, что зачастую единственно приемлемым методом является их определение на основе косвенного измерения, т.е. вычисление показателей по моделям. Для расчета ПК по моделям используется ситуационный подход к моделированию процессов, позволяющий снизить число входных параметров моделей, упростить структуру и процедуры идентификации ко-зффицнепгов молелен ПК.

Основы сшуацпошюго моделирования были разработаны в трудах Клыкова 10.11., Поспелова Д.Д., Мелихова А.Н.. Верннпенна Л.С., Коровина С.'.Я и др.

Задача оценивание ПК продукт» по си iуациоиным моделям разделяемся па две подзадачи: I) определения структуры и параметров моделей, адекватных обьекгч в питанной области варьирования технологических параметров; 2) разделение областей адекватности таких моделей.

Кроме того, актуальном является также задача об учения ситуационных моделей, т.е. формирование базы знаний в виде ситуационных моделей расчет ПК продуктов по наблюдениям за реальным обьекюм.

В конце главы сформулированы цель работы п определены основные задачи исследования.

Во шорой главе рассматриваются вопросы пдепшфикацни технологического режима ректификационных колонн.

Применение ситуационного подхода к моделированию процессов для разработки ситуационных моделей расчета ПК продуктов предполагает использование методов идентификации технологической снгуанин с целью выбора соответствующей ситуационной модели. В работе сшвится задача идентификации технологической ситуации, определяемой множеством Я входных параметров, множеством Т технологических параметров и ограничений на качество производимой продукции. Под ы"| технологическом ситуацией будем понимать принадлежность текущих параметров из Я и Т некоторому подмножеству gl, g1eRr^T, ¡=1.2...

Для процессов нефтепереработки часто не все при таковые переменные, через которые задаются ситуации, могут быть заданы Пли оперативно измерены, например характеристики нефтяного сырья, активность катализатора и т.п. (элементы множества Я). В связи с этим, сформулированы задачи идентификации технологической ситуации в зависимое!и от исходных данных в двух постановках: I) мензмеряемые параметры процесса ¡адапы как исходная информация; 2) пекотрые элеметы миожеста К априори неизвестны.

В первом случае идентификацию технологической ситуации предлагаемся проводить па основе анализа логических выражении Для тио вначале интервал допустимых изменений каждой признаковой переменной х, разбивают па к, подитервалон. н каждому подпшерналу ставшся в соогпетвие булева переменная

Тогда идентификация ситуации может быть проведена па основе ана-

__ и

juna логических выражении Q,, j=l.N , где Nc=P[m¡ - число введенных в

1 ы

рассмотрение ситуаций, составленных пз переменных S и их отрицаний

К|

(i=l.n; к, =1,111, , ni, - количество ситуационных подннтервалов переменной

х,).

Текущую ситуацию можно отнести к одному из следующих случаев:

1) признаковые переменные принимают значения внутри границ ситуационных подннтервалов;

2) измеренное значение одной признаковой переменной равно граничному (граничная ситуация первого типа);

3) измеренные значения двух признаковых переменных равны граничным (граничная ситуация второго типа) и т.д.

В общем случае, для п признаковых переменных можно различить п типов граничных ситуаций. Кроме того, для любого числа п признаковых переменных граница n-го типа будет выражаться точкой, граница (п-1) типа -прямой, (н-2)-го типа - плоскостью. Остальные граничные ситуации более низкого порядка будут характеризоваться некоторой гиперплоскостью.

В первом случае ситуация может идентифицироваться однозначно, но поскольку ситуационная модель получена для центральных значений ситуационных полишервалов, то для текущей ситуации возможна и целесообразна коррекция оцениваемых значений ПК на основе рассмотрения функции принадлежности базовому варианту. Кроме того, зго обеспечивает безразрывное оценивание ПК при переходе от одной ситуации к другой.

Для второго случая необходима коррекция значений ПК по двум си-1>ацнопным моделям, в третьем - rio четырем, в четвертом - по восьми и т.д.

Мера принадлежности наблюдаемой ситуации базовым вариантам оценивается на основе логических выражении Q,

Меюл опенки сводится к следующей последовательности шатв: 1) т

шписп О, исключаются конъюнкты, представляющие собой инверсии S ,2)

^ i

б\левым переменным S (I) ставятся в соответствие нечеткие неременные

Б с функциями принадлежности |т(5 ), имеющими максимум в центре по-к. к. I 1

динтервала к,; 3) операциям двузначной логики ставятся в соответствие операции нечеткой логики. Тогда значения выходного символа )

можно рассматривать как функцию принадлежности текущей сшуации ¡-му базовому варианту.

Величина коррекции определяется как

а,= 0;/Х9г (2)

Г=1

где а, - весовой коэффициент, с которым расчетное значение ПК, полученное по ]-н ситуационной модели, войдет в скорректированное значение

В*=|вм|-<1,, (3)

И

где В-множество значений ПК, определяемое но]-й ситуационной модели расчета ПК продуктов.

Недостатком предложенного способа коррекции явлиек'я необходимость синтеза н вычисления логических выражений.

Для уменьшения объема вычислений предлагается следующая процедура.

I. Из переменных 5 , для которых образуется множество

Б = { -"ч ¡. г=1,К; ■ Значение р, для каждой признаковой переменной

' 1=1

х, равно V, - числу подшпервалов. на коюрмх )*(). кроме случаев, когда значение признаковой переменной х, находи 1ся в интервалах [х";х'|'| или 1хт,-х"1' 1 ле х" • х"' " ||||жмяя 11 верхняя граница интервала варьирования переменной х','. - шачення переменной х, п центре первого и последнею полшмериалов Тогда шаченпер,- \,-1

2. Выделяется подмножество логических выражений 1, ,р1.Ч;

и

Ч ~ I I Р| - соответствующих граничным ситуациям Для выделения полмпо-

жества Q<; нечеткому множеству S ставится в соответствие множество S,

элементы которого представляют собой логические единицы. Множество Qj;

формируется путем полного перебора сочетаний S е S.

к

I

3. По предложенному выше методу оценки принадлежности наблюдаемой ситуации базовым вариантам для выделенных на предыдущем шаге Qc осуществляется синтез нечетких логических выражений Qj j= f,q, и коррекция значений ПК но (2) п (3). Очевидно, что c]<Nt.

Тип граничной ситуации определяется на основе вычисленных Qj

t=lnN/ln2, (4)

где N - количество нечетких логических выражений с одинаковыми (с точностью до ошибок округления) значениями.

В работе исследована возможность коррекции вычислений ПК по ситуационным моделям на основе расчета известных видов меры (расстояния) о г текущей до базовых ситуаций. Показано, что такой подход является более трудоемким и содержит большое количество субъективных операций, таких как обоснование вида меры, способа нормирования расстояний. Коррекцию на основе расчета расстояния целесообразно использовать в случае, если оценивается совокупное влияние всех вариантов базовых ситуаций при соответствующих видах функций принадлежности признаковых переменных.

Рассмотренный метод идентификации характеризует простота реализации. В то же время, возможна идентификация ситуации только в классе измеряемых параметров технологического режима, что является достаточно сильным ограничением па использование приведенных методов для идентификации режима процессов нефтепереработки и нефтехимии. Поэтому весьма важным является разработка подходов к решению задач идентификации технологической ситуации также при наличии неизмеряемых переменных процесса, в частности характеристик сырья.

Совок)тшость КПТ порождает множество признаковых переменных Р, коюрые определяю! технологическую ситуацию. Признаковые переменные liMeioi paiiiNio cienein, щанмообусловленносгн с процессом, или различный рант важное in для характеристики ситуации. Поэтому все множество Р можно ратделпп. па подмножества р„ где i будет определять приоритет группы

признаковых переменных по критерию разделимости ситуации, примем кортеж подмножеств рь рг, ... устанавливает ранговую шкалу измерения этих приоритетов.

Таким образом, задача идентификации ситуации и выбора ситуационной модели распадается на подзадачи: I) оценки принадлежности текущих параметров t", г", r"eR и t"eT одному из подмножеств G,; 2) выбора модели из числа ситуационных моделей, соответствующих подмножесшу g/eG,.

Первая задача идентификации требует решения в случае, если подмножество О, непосредственно не определено через исходную информацию, lie решение связано с определением иепзмеряемых признаков ii, подмножеств Pi-

Предлагается определять параметры подмножества pi па основе ою-бражеппя

lF{R,T) —^->G,OU (5)

здесь Ji-соответствуюшнй критерии, которым из множества образуемых оператором 1Р{»( признаков однозначно выделяют G,.

Определение подмножества g,J также предлагаем« проводить па основе оператора Ч'{»}, но уже в подмножестве Gj

4'!r„t,|—е/, (6i

¡десь ^-соответствующий критерий, которым из множества образуемых оператором М']»} признаков из G, однозначно выделяют ц,'

Таким образом, задача идентификации технологической ситуации рассматривается как многокритериальная лвухэтапная процедура принятия решении.

Сходимость процедуры принятия решений оцениваемся по крщерпю

J=ri{g1,»-n.—>0. (7)

где индекс ц„ определен по (5); * J - некоторый оператор

В качестве модели оюбраженпя Ч'|«| для идентификации режимов процессов ректификации предложено пеполыовап, модель расчею харакюр-П1,IX ючек НТК (ПК боковых отборов) i" = l(K. 1 ). i;ie -icMiiepaivpa пы-

кппанпя а % i -то отбора, «=10.90 "о, coo i ве ici miinii) ю одной m выделенных сипаипй. например М1,

Проведенные нами исследования показали, что за пределами области адекватности ситуационных моделей для процессов разделения нефтяных смесей методами ректификации сохраняется однозначная связь входных координат модели R и Г п расчетного параметра t!1. Характерные точки истинных температур кпиенпя (НТК) боковых отборов являются параметрами состояния процесса и функционально связаны с измеряемыми R и Т, а также пеизмеряемыми параметрами множества R.

Применяя процедуру восстановления кривой НТК сырья по точкам, рассчитанным по М1, можно получить множество кривых, положение которых будет определяться как внешними факторами, например типом сырья, так п параметрами технологического режима. При этом функциональная связь парамефа модели t|х и параметров процесса R и Т четко прослеживался. Полученную кривую назовем кривой псевдо-ИТК сырья Г(т"д"). Кривая псевдо-ПТК сырья является вспомогательной моделью, предназначенной для определения пспзмеряемою параметра - типа сырья.

IIa рис. I приведены кривые псевдо-ИТК, полученные по модели отображения для некоторых режимов Цп) соотве1ствует кривой псевдо-ИТК для тина сырья-смесь Туимазинской и Западно-Сибирской малосернистой нефш 50 % / 50 (•) соответствует кривой псевдо-ИТК для типа сырья- чистая Западно-Сибирская мшюсернистая нефть).

550

О

ч 500

CL ГО

О 450

0 сз

f 400

го о. <1>

1 350 0) h-

300

о

1'ис I Кривые исевдо-ПГК сырья, восстановленные по вспомогательной модели

от 0.2 03 04 05

Доля отгона продукта

Исследования показали, чго при заданном сырье при различных режимных параметрах кривые псевдо-ИТК образуют пучок кривых, границы которого не будут совпадать с границами пучка кривых, соответствующего другому сырью в смысле критерия .1,. Таким образом, задача идентификации технологической ситуации через кривые псевдо-ИТК эквивалентна задаче распознавания образов. Причем, первая подзадача идентификации подмножества О, сводится к поиску пучка кривых, соответствующего признаку 1],, 1|, ерь вторая подзадача идентификации О, определена как опускание соответствующей кривой в этом пучке.

Рассмотрены алгоритмы идентификации технологической ситуации па основе кривых псевдо-ИТК при различном уровне информации о иеизмеряе-мых переменных процесса п предложены различные критерии для (6) и (7).

Процедура идентификации имеет вид.

(Лаг I. Идентифицируют подмножество О, и ситуацию ц,', (¡=(,11^.;

¡=1,1)1; пс-чнсло введенных в рассмотрение подмножеств, разделяемых по не-пзмеряемым параметрам процесса (ситуация в подмножестве р>(); щ-чпсло выделенных ситуаций в ранге одного неизмеряемого признака).

Шаг 2. Восстанавливают признак с|, подмножества рь используя свойства признаков g,leG1.

Шаг 3. Если признак г|, совпадает с признаком, определенным в шаге I, то подмножество О, идентифицировано верно. В противном случае, ситуацию рассматривают в подмножестве 0|(Ы).

Если после перебора всего подмножества р, не было обнаружено совпадения идентифицируемых на различных этапах признаков 1),, возможны следующие варианты окончания процедуры:

• шачепия ПК оцениваются на основе чувствнгельнооей, с привлечением информации о «(близости» текущего режима к выделенным подмножествам (¡,;

• если имеются механизмы адаптации моделей, то выделяются дополнительные подмножества О, п соответствующие модели М'

Разработка процедуры проверки признака п, (шаг 2) требует индивидуального подхода к отдельным процессам нефтепереработки и >леметам

подмножества р3. В частности, для процессов разделения нефтяных смесей в ректификационных колоннах (например, вакуумная перегонка мазута) одним из возможных вариантов может быть дополнительная идентификация характеристик сырья кривыми истинных температур кипения. Для этого восстанавливают истинную кривую НТК сырья по идентифицированной ситуационной модели М,,к расчета характерных точек боковых отборов и сравнивают ее с кривыми НТК, которые соответствуют введенным в рассмотрение типам нефти.

В случае если ситуационные модели расчета характерных точек НТК боковых отборов не оценивались, предлагается использовать следующий подход.

Установлено, что кривые псевдо-ИТК для разного типа сырья, восстановленные по одной н той же модели отображения М1 при одинаковых измеряемых входных параметрах reR (например, для вакуумной колонны установки первичной переработки нефти D„ Рн, t| ), имеют разное расположение относительно друг друга. Тогда вышеупомянутую процедуру восстановления истиной кривой исевдо-И ГК можно заменить восстановлением кривой псевдо-ИТК при одинаковых входных начальных условиях (базовых значениях). По относительному положению восстановленной и модельных кривых псев-до-ПТК можно судить о качественном составе сырья.

Рассмотрена процедура приведения кривой исевдо-ПТК действующею режима к базовым значениям входных параметров, при которых определены модельные кривые.

Рассмотрены вариант использования информации о мере близости действующей стпуаттнп к выделенным при идентификации ситуационной модели п оценивании значений ПК продукте.

В третьей главе рассмотрены вопросы обучения ситуационных моделей расчета ПК продуктов.

Процесс обучения ситуационных моделей можно охарактеризовать как формирование базы знаний об обьекте. При этм следует учесть, что: 1) оценивание параметров моделей ведется в режиме нормальной эксплуатации но наблюдаемым данным параметров техполо! пческого режима орт аннзанией обраптой связи но птачеппям ПК. получаемых лабораторным путем; 2) one-

нпваемые параметры ситуационных моделей взаимосвязаны с процедурой идентификации технологической ситуации; 3) оценивание параметров моделей может проводиться в условиях влияния помех на каналы измерения технологических переменных, в связи с чем, стоит задача выбора п адаптации устойчивых к действию помех алгоритмов параметрической идентификации: 4) алгоритмы оценивания параметров моделей должны давагь возможность их реализации с минимальными трудозатратами на базе промышленных микроконтроллеров в условиях ограниченных ресурсов машинной памяти и использовать возможности стандартных библиотек; 5) применение статических моделей расчета ПК предполагает динамическую коррекцию технологических параметров с целью приведения их к одному временному срезу, г.е. необходима операция динамической фильтрации (динамического выравнивания) параметров.

Целью параметрической идентификации ситуационных моделей расчета ПК продуктов является максимальное приближение расчетного значения модели и значений ПК, получаемых лабораторным путем.

Сформулируем в общем виде задачу параметрической идентификации ситуационных моделей расчета ПК продуктов.

Задача разбиения множества технологических ситуаций на подмножества и формирования матрицы коэффициентов ситуационных моделей формулируется следующим образом.

Для значений п, г2.....т„ входной координаты г из облает К, значения

!ь Ь, ..., 1,„ состояния 1,=Иг,) из области Т найти соотве|сIвуюшмн им векюр коэффициентов а,|=а(г1,1,), ¡=1.п, )=1.т для всех возможных сочетаний {г,,1,}, ¡ = I.в , }= 1.111 таких, чю для любых г"еК и ("е Г использование а,=а( г,.1,), рассчитанных для г,, I, при г", 1°, дает потери кршерия оценивания покаппеля эффективности, не превышающие й.

:Ф(а,1,г1Д].В,|)-ф(а1|,г(1.|",В,,)^о. (8)

где В = 1?! г,. I!) — множество показателей качества продуктов, (т„1,)- определяют ближайшую ситуацию к (г",|") Таким обратм. на всем пространстве множества технологических парамечров будет выполнимся условие

(вО-Р^Лфб. (9)

Ирм разработке процедур обучения ситуационных моделей расчета ПК вводится допущение о неизменности структуры моделей для различных технологических ситуаций. В результате исследований моделей процессов разделения нефтяных смесей методами ректификации установлено, что структуру молелен ПК, определяемую феноменологически, либо методами регрессионною анализа, в широком диапазоне варьирования признаковых переменных для типовых обьектов и аналогичных ПК можно принять неизменной. 11еоптпмалыюсть структуры ситуационных моделей ведет к незначительному увеличению необходимого числа моделей, что компенсируется простотой реализации алгоритмов параметрической идентификации. Допущение о неизменяемой структуре моделей позволяет избавится от необходимости включать в алюришы параметрического оценивания моделей процедуры ашомашческой ошимнзацип структуры, реализация которых связана со сбором и обработкой большого обьема информации п привлечением дополнительных вычислительных ресурсов, что затруднительно в режиме нормальной экснлуа1ацнп объекта.

Наиболее приемлемым вариантом для получения моделей оценки ПК продуктов является использование итерационных методов для получения структуры моделей ПК и модели начального приближения для улучшения скорости сходимости алгоритмов, и рекуррентных - для параметрической адаптации молелен ПК в условиях действия помех и отсутствия априорной информации о помехах в наблюдениях. За основу метода идентификации параметров моделей расчета ПК припя! рекуррентный метод стохастической аппроксимации

При разработке процедур обучения ситуационных моделей рассматриваются две возможные сшуании: 1) помехи в каналах измерения параметров пренебрежимо малы; 2) помехи в каналах измерения параметров сопоставимы по уровню с полезным сигналом. Первое предположение мошоляе! сформировать относительно простой в реализации алгоритм подбора коэффициентов моделей по одному наблюдению. При эюм принимается гипотеза о стационарности характеристик, т.е. параметры, по которым проводится

обучение, измеренные в дискретный момент п принимают ге же значения при тех же внешних условиях, что и в момент п-1 и г.д. Это лает возможность по одному наблюдению проводить п шагов процедуры стохастической аппроксимации. На основе данного алгоритма формируются модели начального приближения, позволяющие ускорить процесс сходимости процедуры стохастической аппроксимации при оценивании коэффициентов моделей в условиях действия помех (по серии наблюдений).

Особенность применения метода стохастической аппроксимации к рассматриваемому случаю заключается в ситуационном характере моделей ПК продуктов. В связи с этим, отдельной н важной задачей при идентификации параметров ситуационных моделей является отнесение серии текущих наблюдений к k-й ситуации.

Для решения задачи оценивания параметров ситуационных моделей расчета ПК продуктов по серии наблюдений предлагается следующий подход.

1. Интервалы варьирования признаковых переменных разбиваются на ептуацпоппые поднитервалы с учетом области адекватности модели.

2. Для k-й ситуации (к=1,2,...) задаются объемом обучающей выборки (число шагов п в процедуре стохасiпческой аппроксимации).

3. На основе анализа логических выражений для k-й ситуации, либо использованием кривых псевдо-ПТК решается задача о i несения текущих технологических параметров к одной из выделенных ситуаций .

4. Для k-й ситуации очередным (первым) шагом процедуры стохастической аппроксимации оцениваются параметры модели расчета ПК продуктов.

5. Полученная модель k-ii ситуации проверяется на адекватность путем расчета средней погрешности определения значений ПК либо по обучающей выборке, либо rio сформированной проверочной выборке из лиана юна k-й ещуаннн. 1:сли средняя погрешность расчета ПК превышает тадашто, го обучение модели для k-ñ ситуации продолжают еще для п серий наблюдений

Выделение новой технологической ситуации и ситуационной модели расчета ПК проводится на основе выполнения условия I1)). При лом опреле-

ляюг новые сигуациоппые поддиапазоны варьирования признаковых переменных.

PaccMoipeniibie методы идентификации ситуации предполагают известными значения режимных технологических параметров в центре подин-тервала (базовые значения). В связи с этим, при выделении повои ситуации первым шаюм процедуры обучения яплиаси переопределение границ соседних нодинтервалов.

Таким образом, для всех введенных технологических ситуации существует модель начального приближения при расчете по которой всегда выполняйся условие (9). При этом постулируется выполнение принципа симметричности интервала относительно ею базовых значений.

Установлена приближенная зависимость между погрешностью измерения парамефов технологического режима, числом шагов (обьемом обучающей выборки) процедуры сюхастическоп аппроксимации при обучении си-ivamioiiHoîi модели н допустимой точностью оценивания значений ПК про-д\кюн по полученным моделям.

Адекватность предлагаемых решений тестировалась па разработанной имитационной модели вакуумной колонны установки первичной перегонки нефш.

В чегверюи главе рассматривается формирование базы знаний в виде опуашюнных моделей для оценивания значений ПК продуктов вакуумной колонны К-5 установки АВТм-9 АО НУНПЗ г. Уфа.

Оцениваемыми ПК для вакуумной колонны установки АВ'Гм-9 являются: кинематическая вязкость и температура вспышки II, III, IV масляных фракции.

Модели представляют собой следующие заннспмост:

.;■=,/>«,.п. v1=lp(.:",tr'} с =v(«:n

где t"-температура выкипания а % ¡-го oi6opa, ix=10,90 %, i = l-4; t, -leMiiepaiypa i-iooiôopa; P-давление вверху колонны; v,-коэффициент книематческой вязкоеib i-ю отбора: l"c"-leMiiepaiypa вспышки i-ro отбора.

Входными параметрами моделей являются измеряемые параметры технологического режима: температуры отборов н давление верха колонны. Кроме того, для идентификации технологической ситуации и модели расчета ПК используется информация о значениях расходов сырья в колонну п выводимых из колонны продуктов перегонки. Обучение моделей проводится на основе лабораторных анализов оцениваемых продуктов.

По составленной обучающей выборке (8 наблюдений) проводилось обучение. Для рассматриваемых технологических ситуаций было выделено три ситуационные модели. На рис. 2 показано изменение ПК, полученным по моделям н лабораторным путем, для режимов обучающей выборки (13 наблюдений).

3 4 5 6 № режима

в б

2 4

§ 2

5 о

со

10 11 12 Мв режима

10 11 12 N8 рем*1ма

Рпс. 2 П)мепенне оцениваемых значений ПК для режимов обучающей выборки ( ♦ - соответствует изменению ПК, определяемого лабораторным путем, ■ - соо|ветствует изменению Г1К, определяемого расчеI ним путем).

5 ю

Средняя о1 постельная ногрешпосп> оценивании мшема тческоп тп-косш второй фракции для режимов обучающей выборки сосювила 4,5 %, кинемаIической вяжостн четвертой фракции - 3,2 %, оценивание темпера!)-ры вспышки второй (||ракппи - 1,0 %, чегверюй (фракции - 1,3 %. Полученные ситуационные модели расчет ПК продуктов позволяю! с приемлемой

для процессов оперативною управления точностью (3-5 %) оценивать значения ПК продуктов вакуумной колонны К-5 установки ЛВТм-9 ДО ПУНШ в диапазоне варьирования параметров технологическою режима обучающей выборки.

По результатам исследовании, проведенным в работе, для автоматизации процедур получения ситуационных моделей п расчета ПК продуктов для вакуумной колонны составлена программная реализация предложенных в работе алгоритмов обучения и идентификации ситуации п моделей. Результат оформлен в виде Свидетельства Роспатента об официальной регистрации программы для ЭВМ.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

В диссертации содержится решение научной задачи разработки методов п алгоршмов оперативной оценки значении ПК продуктов и характеристик сырья па примере процессов разделения нефтяных смесей ректификацией. В ходе исследования получены следующие результаты.

1. Для целей оперативного управления но ПК предложено и обосновано использование модели с неизменной структурой. При этом, нелинейность п нестационарноеть процессов учитывается ситуационным характером моделей расчета ПК продуктов, идентифицируемым, в том числе, по пеизмеряе-мым параметрам процесса.

2. Проведена классификация идентифицируемых технологических сн-паннн и разрабшан меюд идентификации в пространстве измеряемых переменных на основе сншеза и последующего анализа логических выражений, задающих ситуацию в вариантах двузначной п нечеткой логики. Показано, чю предложенный метод обеспечивает безразрывное оценивание ПК при переходе от одной ситу ации к другой.

3. Обоснован выбор критериев, поиюляющих рашелять ситуации п идеиIнфпцирова!ь иеизмеряемые признаковые переменные на основе ратра-Гкчаппого метода вспомогательных операторов.

4. Разработаны алюрнтмы обучения ситуационных моделей расче1а ПК в режиме нормальной эксплуатации обьекта, предусматривающие как малый. 1ак и высокий уровень помех в наблюдениях.

5. Сформирована база знаний вакуумной колонны К-5 установки ДВ Гм-'> ДО НУН1Г5 в виде ситуационных моделей расчета ПК. позволяющая

в диапазоне рабочих режимов с приемлемой для процессов управления точностью (3-5 %) проводить оперативное оценивание ПК (кинематической вязкости и температуры вспышки II, III, IV масляных фракций) по косвенным (измеряемым) параметрам.

6. Результаты работы используются в проекте реконструкции АСУ ТГ1 установки ЛВТм-9 АО НУППЗ, а также внедрены в учебный процесс УГМТУ для студентов специализаций 25.04 -Технология нефти и газа и 21.02 - Автоматизация химико-технологических процессов.

СПИСОК РАБОТ IIO ТЕМЕ ДИССЕРТАЦИИ

1. Муртазин Т.М., Веревкпн А.П. Задача управления процессом деас-фальтизации. / Материалы 48-й научно-технической конференции сгудешов, аспирантов и молодых ученых. Секция автоматизации производственных процессов. -Уфа, УГНТУ, 1997.-е. 24-25.

2. Веревкин А.П., Муртазин Т.М. О решении задачи управления процессами разделения нефтяных смесей.). / Сб. трудов Международной научи, конференции «Математические методы в химии и технологиях (ММХТ-11)» Владим. Гос. ун-т. г. Владимир, 1998. - с. 19.

3. Муртазин Т.М., Кирюшнн О.В. Программа прогнозирования качества гудрона на основе вакуумной колонны. / Материалы 49-й научно-технической конференции студентов, аспирантов и молодых ученых. Секция технологическая. -Уфа. УГНТУ, 1998.-е. 150-151.

4. Веревкин А.П., Муртазин Т.М. Моделирование процессов принятия решений в сложных системах управления // Проблемы нефтегазового комплекса России / Материалы международной конференции, посвященной 50-летию УГНТУ, - Уфа. 1998. - с. 85-88.

5. Веревкин А.П., Кнрюшин О.В., Муртазин Т.М. О формировании управлений при принятии решений на основе нечеткого вывода. '/ Проблемы авиации и космонавтики и роль ученых в их решении Тез. докл. научно-нракт. Конференции. УГАТУ, -Уфа. 1998, - с.57-59.

6. Веревкпн А.11., Муртазин Т.М., Кирюпшн О.В. Задачи и принципы автоматизированного управления нефтехимическими процессами на основе интеллектуальных технических средств. // Интеллектуальной управление в сложных спстемах-99. / Материалы Республ. иаучно-техп. конф. - Уфа, 190'). -с. 152-154.

7. Веревкин Л.П., Муртазин Т.М. Адаптация моделей показателей качества для целей оперативного управления / Сб. трудов Международной научи. конференции «Математические методы в технике и технологиях (ММТТ-12)» Новгород, гос. ун-т. г. Великий Новгород, 1999. - т. 5, - с. 134-

8. Веревкин Л.П., Мургазин Т.М. Параметрическая идентификация моделей расчета показателей качества продуктов в режиме нормальной эксплуатации. // Методы кибернетики химико-технологических процессов. / 5-я Международная научная конференция КХТП-99, т. 2, ки. 1, 1999. - с.189-191.

9. Веревкин А.П., Муртазин Т.М. Идентификация ситуационных моделей для расчета показателей качества и эффективности при управлении. // Нефтепереработка и нефтехимия. С отечественными технологиями в XXI век. / Материалы секции В II Конгресса нефтегазопромышленников России -Уфа, 2000. - с. 199

10. Веревкин А.П., Муртазин Т.М. Программа расчета показателей качества продуктов вакуумной перегонки мазута на установках атмосферно-вакуумной трубчатки. Версия 1.0. / Свидетельство об официальной регистрации программы для ЭВМ № 2000610106 от 09.02.2000.

11. Веревкин А.П., Муртазин Т.М. Применение ситуационного подхода к моделированию процессов нефтепереработки. // Сб. трудов Международной научн. конференции «Математические методы в технике и технологиях (ММТ'Г-13)» г. Санкт-Петербург, 2000 - с. 167-170.

Лицензия ЛР № 020267 от 22.11.96. Подписано к печати ¡-Ц. II 00 . Формат бумаги 60x84 1/16. Бумага писчая. Печать офсетная. Печ. листов -(,5 .Тираж 90 экз Заказ 396.

Типография Уфимского государственного нефтяного технического университета. 450062. т. Уфа. ул. Космонавтов. I.

135.

Соискатель

Введение

1 Управление технологическими процессами в нефтепереработке и нефтехимии по показателям качества

1.1 Задача управления процессами нефтепереработки по показателям качества •

1.2 Методы управления процессами нефтепереработки по ПК получаемых продуктов

1.2.1 Информационные подсистемы в системах управления по ПК

1.2.2 Управляющие подсистемы в системах управления по ПК продуктов

1.3 Постановка задачи работы 35 Основные результаты первой главы

2 Разработка методов идентификации технологических ситуаций нефтеперерабатывающих производств (на примере работы установки 39 АВТм)

2.1 Задача идентификации технологических ситуаций процессов нефтепереработки

2.2 Задача идентификации в классе ситуаций с неизмеряе-мыми входными переменными

2.3 Разработка методов идентификации технологических режимов ректификационных колонн

2.4 Идентификация технологических режимов вакуумной колонны АВТ в пространстве, задаваемом неизмеряемыми признаковыми переменными

2.5 Идентификация режима вакуумной колонны установки АВТ при неизвестных неизмеряемых признаковых переменных

2.5.1 Идентификация ситуационной модели на основе дополнительной информации о кривых ИТК сырья

2.5.2 Идентификация характеристик сырья вакуумных колонн установок АВТм

2.6 Оценивание ПК на основе информации, полученной при идентификации ситуации

Основные результаты второй главы

3 Параметрическая идентификация моделей расчета ПК продуктов

3.1 Определение параметров ситуационных моделей расчета ПК продуктов по экспериментальным данным.

3.2 Постановка задачи параметрического оценивания ситуационных моделей ПК продуктов

3.3 Исследование основных закономерностей взаимосвязи между параметрами ректификационных колонн на неформальных моделях

3.4 Параметрическая идентификация ситуационных моделей расчета ПК в условиях отсутствия влияния помех

3.5 Параметрическая идентификация ситуационных моделей расчета ПК в условиях действия помех 106 Основные результаты третьей главы

4 Разработка информационной подсистемы для целей оперативного управления вакуумной колонны установки первичной перегонки нефти по ПК продуктов

4.1 Исследование процесса вакуумной перегонки мазута как объекта управления

4.1.1 Описание технологической схемы и задачи управления вакуумной колонной установки АВТм-9 ОАО НУНПЗ

4.1.2 Анализ качества управления при существующих схемах управления

4.2 Формирование базы знаний ситуационных моделей расчета ПК продуктов для вакуумной колонны К-5 установки

АВТм-9 ОАО НУНПЗ 131 4.3 Программное обеспечение решения задачи обучения ситуационных моделей и расчета ПК продуктов для вакуумных колонн установок АВТ 137 Основные результаты четвертой главы •

Задача эффективного управления процессами нефтепереработки и нефтехимии в условиях возрастающих требований к качеству получаемых на установках продуктов, к рациональному использованию материальных и природных ресурсов, к сокращению эксплуатационных издержек на производство становится, в последнее время, особенно актуальной. Это связано, в первую очередь, с ужесточающимися требованиями рынка к повышению, конкурентоспособности выпускаемой продукции и обеспечением заданных показателей эффективности производств.

Главной особенностью нефтеперерабатывающих производств является нестабильность характеристик сырья и многоассортиментность продукции. При этом, режим переработки в большой степени определяется характеристиками сырья и заданием на выпуск продукции. Большое число публикаций, например [1 - 4], указывают на необходимость тщательного анализа нефти при производстве продукции с заданными товарными характеристиками. Работы по данному направлению ведутся уже продолжительное время [5-9]. Однако, в связи с тем, что не удается оперативно анализировать состав сырья и расчетным путем определять параметры технологических режимов управление переработкой нефти обычно ведется с большими запасами по показателям качества.

Головным процессом в нефтепереработке является первичная переработка нефти (ППН). Роль процессов первичной переработки нефти определяется ее местом в технологической схеме переработки нефти. Полупродукты, выработанные на установках ППН, являются сырьем для последующих ступеней переработки. В связи с этим, качество полупродуктов, получаемых на начальном этапе, во многом определяет качество и количество товарной продукции, получаемой в процессе всего производства. Это является одной из главных причин, обуславливающих необходимость повышения качества управления процессами ППН. Подтверждают сделанные выводы множество работ и исследований, посвященных проблеме интенсификации процессов первичной переработки нефти и ее отдельных блоков. Находят применение как конструктивные решения [5, 10 - 13], так и решения по оптимизации управления технологическим процессом [14 - 16].

Управление процессами ППН, как правило, производится в соответствии с технологическим регламентом, в котором оговариваются условия для режимных параметров ведения процесса и нормируются ПК получаемых продуктов. Целью управления является обеспечение максимального выхода продуктов заданного качества из поступающего на установку сырья. Информацией, на основе которой осуществляется формирование управляющих воздействий, является: ограничения на значения параметров технологического режима, значения нормируемых показателей качества продуктов и показателей эффективности процесса.

Зачастую, единственным реализуемым на практике способом получения значений показателей качества (ПК) продуктов является проведение лабораторных анализов отбираемых проб. При этом, количество лабораторных анализов за смену, как правило, ограничено, а результаты анализов проб, проводимых разными лабораториями даже одного завода, как показывает практика, часто различаются настолько, что принятые на их основе решения приводят к разным результатам. Принципиальная периодичность и затрачиваемое время на лабораторные анализы при подобной организации информационной подсистемы не обеспечивают возможности оперативного управления и поддержания высоких показателей эффективности. Качество управления, в этом случае, сильно зависит от субъективного фактора, который проявляется при отборе пробы продукта, проведении лабораторных анализов, внесении управляющих воздействий, и колеблется, примерно, на порядок в зависимости от знаний и опыта оперативного персонала.

Сочетание нестабильного по характеристикам сырья и отсутствие оперативной информации о ПК получаемых продуктов являются основными факторами, которые делают задачу подбора технологического режима чрезвычайно сложной. Таким образом, получение высоких показателей эффективности процесса затруднено, в первую очередь, из-за отсутствия качественной оперативной информации о процессе, что обусловлено отсутствием (или крайней ограниченностью) средств контроля качества продуктов переработки нефти на потоке.

Наиболее перспективным способом получения информации о ПК продуктов является вычисление требуемых показателей по моделям. Традиционными моделями процессов н/п и н/х являются неформальные, т.е. физико-химические модели, которые позволяют решать, т.н., прямые задачи моделирования: по заданным составам, расходам, состоянию сырья, конструктивным параметрам технологического оборудования, режимным (технологическим) параметрам рассчитываются количество, состав и состояние продуктовых (полуфабрикатных) потоков.

Решению этих задач посвящены многочисленные труды известных в области технологии нефтепереработки ученых В.В.Кафарова [39], Г.М.Островского [104], Б.К.Марушкина [6], А.А.Кондратьева [9] и многих, многих других.

Известны работы [1, 2, 8, 17], в которых на основе использования фи-зико- математических моделей процессов нефтепереработки рассчитывались технологические режимы переработки различных типов базового сырья, наиболее характерного для исследуемых процессов (установок). В качестве наиболее общей характеристики сырья обычно выступает кривая истинных температур кипения (ИТК) [2, 8, 18]. Полученная информация затем может быть использована при определении управляющих воздействий на действующем производстве.

Однако подобные модели, как правило, с большим трудом могут быть использованы для целей оперативного управления. Это связано с тем, что:

- состав нефтяного сырья часто на потоке не измеряется;

- время счета, особенно в оптимизационных постановках задач, для оперативного управления обычно велико;

- имеет место избыточность информации, например, при оперативном управлении нет необходимости знать конструктивные параметры, физико-химический состав компонентов и т.д.;

- многие модели не учитывают динамику процесса;

- требуют привлечения значительных вычислительных ресурсов.

Решение проблемы оперативного получения информации о ПК продуктов нефтепереработки связано с так называемой обратной задачей моделирования, которая предполагает получение информации о составе продуктовых (полуфабрикатных) потоков на основе информации об измеряемых технологических, в первую очередь, физических параметрах. Практика управления процессами нефтепереработки и сказанное выше свидетельствует о том, что, анализируя технологический режим, можно судить о примерном составе сырья, т.е. возможна оперативная идентификация типа перерабатываемой нефти, например на основе моделей по виду кривой ИТК.

Модели для целей оперативного управления по ПК получаемых продуктов должны удовлетворять ряду требований [24], в частности давать возможность проведения расчетов за время, в течении которого ПК изменяются незначительно; быть достаточно простыми с тем, чтобы могли быть реализованы на серийных средствах; в качестве исходной информации использовать измеряемые параметры технологического режима, либо параметры, значения которых могут быть вычислены или получены оперативно и т.д.

Перечисленным требованиям отвечают ситуационные модели, когда пространство признаковых переменных, которыми характеризуется технологический процесс, разбивается на отдельные подмножества, для каждого из которых строится топологически (структурно) однородная модель, как правило, формальная. Использование ситуационного подхода позволяет уменьшить число входных координат моделей, упростить структуры, а формальная природа моделей позволяет учесть слабоструктурированную информацию. Публикации [25-31], посвященные развитию и применению ситуационного подхода в различных приложениях свидетельствуют об актуальности рассматриваемой проблемы.

Источником повышения эффективности процессов при использовании оперативно полученной информации о значениях ПК всех участвующих в производстве продуктов является снижение запасов качества и более точное использование ресурсов управления. При этом, по литературным данным, повышение эффективности может достигать от двух до четырех десятков процентов. Ряд статей [19, 20, 21, 135] и исследований в форме диссертаций

22], посвященных проблеме оценки показателей эффективности производства от степени оперативности управления, и специальная методика ГОСТа

23] свидетельствуют о факте существования проблемы, а использование материалов перечисленных публикаций позволяет оценить эффективность от оперативного управления процессами по ПК продуктов.

В последнее время становится общепринятой концепция системного и тотального контроля качества продуктов и эффективности процессов от этапа предпроектных исследований, производства, сопровождения продукции и до утилизации - логистика. Отражением концепции является появление и внедрение в практику производства как зарубежных, так отечественных стандартов [32-35]. Рассматриваемая работа является одним из звеньев обеспечения данной концепции в области нефтепереработки.

Целью работы является разработка методического и алгоритмического обеспечения ситуационного моделирования технологических процессов нефтепереработки при оперативном управлении по ПК получаемых продуктов.

При решении поставленных в работе задач использовались методы: системного анализа, в частности принципы эволюционного подхода к развитию систем, информационной теории идентификации, физико-химического моделирования технологических процессов, теории чувствительностей, теории двузначной и нечеткой логики, искусственного интеллекта, статистической обработки данных, принятия решений.

Научные положения, выносимые на защиту.

1. Классификация методов идентификации технологических ситуаций.

2. Метод идентификации технологических ситуаций на основе синтеза и последующего анализа логических выражений, построенных на элементах двузначной и нечеткой логики.

3. Метод идентификации технологических ситуаций при наличии в исходных данных неизмеряемых переменных для процессов ректификации нефтяных смесей на основе вспомогательной модели.

4. Методы обучения ситуационных моделей по наблюдениям в режиме нормальной эксплуатации объекта, предусматривающие как малый, так и высокий уровень помех.

Практическая ценность результатов работы обусловлена:

1) разработкой ситуационных моделей оценивания ПК нефтепродуктов атмосферной и вакуумной перегонки в режиме реального времени с заданной точностью;

2) разработкой алгоритмов обучения ситуационных моделей расчета ПК и формированием базы знаний объекта в режиме нормальной эксплуатации объекта по текущим наблюдениям;

3) разработкой программного обеспечения, позволяющего автоматизировано получать базу знаний объекта в виде ситуационных моделей расчета ПК;

4) получением моделей для оценивания ПК продуктов вакуумной перегонки мазута на установке АВТм-9 АО НУНПЗ (г. Уфа);

5) разработкой программного имитатора режимов работы вакуумной колонны установки первичной переработки нефти АВТм.

В первой главе сформирована иерархия показателей эффективности систем управления и показано, что задача обеспечения заданных технико-экономических показателей (глобальной цели управления) решается на основе управления по ПК получаемых продуктов отдельными технологическими циклами (установками). Выполнен анализ методов и средств управления технологическими процессами по ПК получаемых продуктов. Обосновано использование метода косвенного измерения значений ПК на основе моделей. Введено понятие и определена структура ситуационных моделей расчета ПК продуктов. Приведена структура предлагаемого вычислителя ПК и сформированы задачи исследования.

В конце главы сформулированы цель работы и определены основные задачи исследования.

Во второй главе рассматриваются вопросы идентификации технологических ситуаций для целей оперативного управления по ПК на основе ситуационного моделирования. Проводится анализ известных методов идентификации с точки зрения применимости в задачах ситуационного моделирования объектов нефтепереработки, в частности, процессов ППН.

Рассматривается возможность формирования логических выражений на основе анализа принадлежности признаковых переменных к выделенным ситуациям с привлечением теории двузначной и нечеткой логики. Предлагаются способы формирования нечетких логических выражений путем использования функций степеней принадлежности различной формы, и проведен анализ вида нечеткого расширения логических операций на критерий разделимости ситуаций.

Как средство идентификации технологической ситуации используется промежуточная модель (в виде некоторой кривой псевдо-ИТК), позволяющая качественно разделять ситуации при изменении типа (состава) сырья.

Рассматривается иерархия признаковых переменных, на основе которых осуществляется поэтапная идентификация ситуаций и моделей расчета ПК. Приводятся алгоритмы идентификации характеристик сырья установок ППН при различной информационной обеспеченности и уровня сформиро-ванности базы знаний об объекте.

Рассматриваются методы использования информации, полученной при идентификации технологической ситуации, для оценивания ПК продуктов.

В третьей главе рассматриваются вопросы обучения ситуационных моделей. Проведена классификация методов информационной теории идентификации и рассмотрена возможность их использования для параметрической идентификации ситуационных моделей в режиме нормальной эксплуатации объекта. На основе проведенного анализа обосновано применение рекуррентного метода стохастической аппроксимации для параметрического оценивания моделей расчета ПК в режиме нормальной эксплуатации объекта.

Предлагаются алгоритмы идентификации параметров моделей расчета ПК при различных уровнях помех в наблюдаемых данных, по которым проводится обучение.

Разработана имитационная система вакуумной колонны установки ППН для исследования адекватности предлагаемых решений.

В четвертой главе рассматривается формирование базы знаний, в виде ситуационных моделей для оценивания значений ПК продуктов вакуумной колонны установки АВТм-9 ОАО НУНПЗ г. Уфа. Показана адекватность сформированных моделей расчета ПК при варьировании режимных параметров в рамках обучающей выборки как на основе модельных (машинных) экспериментов, так и на основе экспериментальных данных с действующего производства.

В заключении приводятся основные результаты и выводы по работе.

В приложениях приводятся результаты по исследованию метода коррекции при ситуационном подходе, результаты физико-математического моделирования вакуумной колонны и формального описания объекта, результаты имитационного эксперимента по оцениванию показателей качества продуктов вакуумной перегонки мазута, ситуационные модели, полученные при формировании базы знаний вакуумной колонны К-5 установки АВТм -9, руководство пользователя программным продуктом «Программа расчета показателей качества продуктов вакуумной перегонки мазута на установках атмо-сферно-вакуумной трубчатки. Версия 1.0».

6. Результаты работы использовались при построении АСУТП установкой АВТм-9 АО НУНПЗ, а также внедрены в учебный процесс УГНТУ для студентов специализаций 25.04 -Технология нефти и газа и 21.02 - Автоматизация химико-технологических процессов.

ЗАКЛЮЧЕНИЕ

В диссертации содержится решение научной задачи разработки методов и алгоритмов оперативной оценки значений ПК продуктов и характеристик сырья на примере процессов разделения нефтяных смесей ректификацией. В ходе исследования получены следующие результаты.

1. Для целей оперативного управления по ПК предложено и обосновано использование модели с неизменной структурой. При этом, нелинейность и нестационарность процессов учитывается ситуационным характером моделей расчета ПК продуктов, идентифицируемым, в том числе, по неизмеряе-мым параметрам процесса.

2. Проведена классификация идентифицируемых технологических ситуаций и разработан метод идентификации в пространстве измеряемых переменных на основе синтеза и последующего анализа логических выражений, задающих ситуацию в вариантах двузначной и нечеткой логики. Показано, что предложенный метод обеспечивает безразрывное оценивание ПК при переходе от одной ситуации к другой.

3. Обоснован выбор критериев, позволяющих разделять ситуации и идентифицировать неизмеряемые признаковые переменные на основе разработанного метода вспомогательных операторов.

4. Разработаны алгоритмы обучения ситуационных моделей расчета ПК в режиме нормальной эксплуатации объекта, предусматривающие как малый, так и высокий уровень помех в наблюдениях.

5. Сформирована база знаний вакуумной колонны К-5 установки АВТм-9 АО НУНПЗ в виде ситуационных моделей расчета ПК, позволяющая в диапазоне рабочих режимов с приемлемой для процессов управления точностью (3-5 %) проводить оперативное оценивание ПК (кинематической вязкости и температуры вспышки II, III, IV масляных фракций) по косвенным (измеряемым) параметрам.

1. Вознесенская Е.В., Карасева А.А., Новаковская И.В. и др. Влияние фракционного состава сырья на технологические показатели производства и свойства базовых масел // Химия и технология топлив и масел. - 1976. - № 7. -с. 10-13.

2. Коссер Р. Дж. Расчет пределов отбора фракций современными распределенными системами управления ректификационными колоннами // Нефть, газ и нефтехимия за рубежом. 1988. - № 1.-е. 131-134.

3. Веревкин А.П. Муниров Ю.М. О моделях ректификационных колонн при оперативном управлении по показателям качества продуктов / Нефть, газ и нефтехимия за рубежом. 1996. - № 7-8.

4. Абрамович C.LLL, Трубенкова Н.И. Влияние фракционного состава сырья на технологические показатели процессов очистки масел // Труды БашНИИНП.-М.: Химия, 1971.-е. 15-17.

5. Совершенствование технологических производств смазочных масел II Труды ВНИИНП. М.: Химия. - 1978. - Вып. 30.

6. Марушкин Б.К., Беликова Л.А. Анализ ректификации мазута для выделения узких масляных фракций. В кн. Тезисы докладов Всесоюзного совещания по теории и практике ректификации нефтяных смесей - Уфа, Баш-НИИНП, 1975.-е. 151-254.

7. Богатых К.Ф., Кондратьев А.А., Минуллин М.Н., Арсланов Ф.А. Расчет состава непрерывной смеси по экспериментальной кривой однократного испарения II Теоретические основы химической технологии. 1971. - № 4 - том 5.-е. 508-513.

8. Кондратьев А.А. О повышении четкости ректификации в сложных колоннах АВТ // Химия и технология топлив и масел. 1973. - № 11. - с. 34.

9. Богатых К.Ф. Углубление переработки мазута в насадочных колоннах с перекрестным контактом фаз. В кн.: Проблемы углубления переработки нефти: Тез. докл. Шестой республ. научно- технич. конф. - Уфа, 1985. -с. 125- 133.

10. Марушкин Б.К., Беликова И.А., Богатых К.Ф. и др. Ректификация мазута при сухом вакууме // , 1985. с. 125- 133.

11. Марушкин Б.К., Беликова И.А., Богатых К.Ф. и др. Ректификация мазута при сухом вакууме // Нефтепереработка и нефтехимия 1982. - № 10. - с.7-9.

12. Богатых К.Ф., Шуверов В.М., Макаров А.Д. Повышение качества дистиллятов путем совершенствования схем технологии вакуумной перегонки мазута. Изд. п. 69. - с. 10.

13. Чуракова С.К. Разработка технологии фракционирования мазута с получением масляных дистиллятов в перекрестноточных насадочных колоннах. Автореф. дис. . к-та техн. наук. Уфа, 1994. - 24 с.

14. Чен Дж. К., Чанг К.Т. Новые разработки в области ректификации // Нефть, газ и нефтехимия за рубежом. 1989. - № 2. - с. 87-98.

15. Веревкин А.П. Автоматическое управление технологическими процессами нефтепереработки по показателями качества продуктов: Дис. докт. техн. наук: 05.13.07. Защищена 02.06.99; Утв. 10.12.99. - Уфа, 1999. - 302 е.: ил. - Библиогр.: с. 279-303.

16. Веревкин А.П., Муниров Ю.М. Проблемы автоматического управления атмосферно-вакуумными установками. // Химия и технология топлив и масел, № 11-12.-М.: 1994.-С.7-8.

17. Креймер M.JL, Худайдатов Л.Б. Получение сырья узкого фракционного состава из сернистых нефтей для производства смазочных масел // Труды ин-та Баш НИИНП. М.: Химия, 1971, вып. 9. - с. 5-15.

18. Александров И.А. Перегонка и ректификация в нефтепереработке. -М.: Химия.- 1981.-352 с.

19. Веревкин И.А Экономические аспекты оперативного управления //Нефтепереработка и нефтехимия. С отечественными технологиями в XXI век. Материалы секции В II Конгресса нефтегазопромышленников России. -Уфа.-2000.-с. 176.

20. Ибрагимов И.А., Метт М.С., Нуриев М.Н. Методы и модели планирования нефтеперерабатывающих производств в условиях неполной информации. JL: Химия, 1987. - 232 с.

21. Интенсификация использования нефтехимических агрегатов. Экономические проблемы // Справочник / Докучаев Е.С. и др. М.: Химия, 1987. - 204 с.

22. Зац А.С. Взаимодействие факторов, определяющих оптимальную производительность технологических установок НПЗ: Автореф. дис. . канд. экон. наук: 08.00.05 / УГНТУ. Уфа, 1997. - 24 с.

23. Рекомендации ГСИ. Анализ состояния измерений. Контроль испытаний на предприятии, в организации, объединении / Методика и порядок проведения работы. МИ 2240-92. М.: 1992. - 84 с.

24. Арсланов Ф.А., Веревкин А.П., Иванов В.И., Муниров Ю.М., Гаре-ев Р.Г. Моделирование ректификационных колонн установок АВТ для целей оперативного управления по показателям качества / ЦНИИТЭНефтехим. -М.: 1992.-с. 94-98.

25. Клыков Ю.И. Ситуационное управление большими системами. -М.: Энергия, 1974.- 136 с.

26. Клыков Ю.И. Ситуационная модель управления большой системой // Изв. АНСССР. Техн. кибернетика. 1990. № 6.

27. Поспелов Д.Д. Ситуационное управление: теория и практика. М.: Наука, 1986.- 184 с.

28. Дорофеюк А.А., Касавин А.Д., Торговицкий И.Ш. Контроль качества и восстановление характеристик объектов, работающих в нескольких режимах. В кн.: Докл. II Всес. совещ. по статистич. методам а теор. управл.-М : Наука. - 1970.

29. Браверман Э.М. Методы экстремальной группировки параметров и задача выделения существенных факторов. // Автоматика и телемеханика. -1970.-№1

30. Касавин А.Д. Адаптивные алгоритмы кусочной аппроксимации в задаче идентификации. // Автоматика и телемеханика. 1970. - №1.

31. Литовка Ю.В. Субоптимальное управление технологическими объектами // Приборы и системы управления. 1998. - № 1. - с. 13-14.

32. ISO 9000-1-94 Стандарты по общему руководству качеством и обеспечению качества.

33. ГОСТ Р ISO 9002-96 Системы качества. Модель обеспечения качества при производстве, монтаже и обслуживании.

34. ГОСТ Р ISO 9003-96 Системы качества. Модель обеспечения качества при окончательном контроле и испытаниях.

35. ГОСТ Р ISO 10011-93 Руководящие указания по проверке систем качества. Часть 1, 2, 3.

36. Евланов Л.Г., Кутузов В.А. Экспертные системы управления. М.: Наука, 1986.- 133 с.

37. Захаров В.Н., Поспелов Д.А., Хазацкий В.Е. Системы управления. М.: Наука, 1987.-424 с.

38. Алиев Р.А. Абилов Ю.А., Панахов А.А. Оптимальное управление установкой первичной переработки нефти на основе ее нечеткой модели. // Изв. вузов. Нефть и газ. 1983. №6 .-С. 80-83.

39. Кафаров В.В., Гордеев Л.С., Макаров В.В. Методологическая парадигма оптимальной организации многоассортиментных химических производств // Теоретические основы химической технологии. 1998. - том 30. - с. 309-313.

40. Гордеев Л.С., Козлова М.А., Макаров В.В. Интегрированная экспертная система для организации многоассортиментных химических производств // Теоретические основы химической технологии. 1998. - том 32. - с. 322-332.

41. Online diagnostics makes manufacturing more robust. Part 1 / Padalkar S., Karsai G.,Sztiponovits J., Delara F. // Chem. Eng. (USA). 1995. - 102, № 3. -c. 80-83.

42. ГОСТ 27883-88 ( СТ СЭВ 6127-87 ) Средства измерения и управления технологическими процессами. Надежность Общие требования и методы испытаний:-М.: 1988.

43. Дж. ван Гиг Прикладная общая теория систем, ч. 1. М.: Мир, 1981. -336 с.

44. Вавилов А.А., Имаев Д.Х. Эволюционный синтез систем управления. Л.: Изд-во ЛЭТИ, 1983. - 80 с.

45. Бодров В.И., Дворецкий В.Г., Матвейкин В.Г. Проблемы управления в многоассортиментных гибких автоматизированных производственных системах нового поколения / Теоретические основы химической технологии. 1994, т. 28. - № 5. - с. 537-546.

46. Многоуровневое управление динамическими объектами / Васильев В.И., Гусев Ю.М., Ефанов В.Н. и др. -М.: Наука, 1987. 309 с.

47. Implementation of an intelligent control system for vacuum distillation / Bai Fangzhou, Tu Yongzhong, Ding Wei // High Technol. Left. 1996. - № 1. - c. 88-93.

48. Клемеш И., Понтон Д.В. Анализ эффективности использования нейронных сетей для моделирования процессов дистилляции // Теоретические основы химической технологии. 1992, т. 26. - № 3. - с. 412-424.

49. Веревкин А.П., Муртазин T.M. Моделирование процессов принятия решений в сложных системах управления // Проблемы нефтегазового комплекса России / Материалы международной конференции, посвященной 50-летию УГНТУ, Уфа, 1998. - с. 85-88.

50. Технологические расчеты установок переработки нефти / Танатаров М.А., Ахметшина М.Н., Фасхутдинов Р.А. и др. М.: Химия, 1987. - 352 с.

51. Кулаков М.В. Технологические измерения и приборы для химических производств. М.: Машиностроение, 1983. - 424 с.

52. Багиров Н.Т. Современные установки первичной переработки нефти. -М.: Химия, 1974.

53. Промышленные приборы и средства автоматизации / Справочник под ред. Черенкова В.В. Л.: Машиностроение, 1987. - 847 с.

54. Чельцов А.В. Измерительные устройства для контроля качества нефтепродуктов М.:Химия. 1981. -261с.

55. Анализатор нефти, дающий быстрые результаты // Нефтегазовые технологии. 1997. -№ 5.-е. 51.

56. Веревкин А.П., Иванов В.И. Принципы построения автоматических систем управления ректификационными колоннами и их комплексами. // Динамика неоднородных систем, вып.14. / М.: ВНИИСИ, 1988. с. 68-74.

57. Федеров А.В., Статюха Г.А. Алгоритм принятия решений при управлении сложным химико-технологическим объектом. // Хим. технология.-К.: 1987. №4.

58. Альбом математических описаний и алгоритмов управления типовыми процессами химической технологии. Химические и массообменные процессы. Руководящие технические материалы. М.: НИИТЭХИМ, 1968. -Вып. 3.-41 с.

59. Альбом математических описаний и алгоритмов управления типовыми процессами химической технологии. Массообменные процессы. Руководящие технические материалы. М.: НИИТЭХИМ, 1970. - Вып. 4. - 30 с.

60. Кондратьев А.А., Ахмадеев М.Г. Принципы расчета статики сложных систем разделения / Тез. докл. Третья Всесоюзная конференция по теории и практике ректификации. Северодонецк, 1983. - ч.2. - с. 90-93.

61. Хохланд Ч.Д. Многокомпонентная ректификация. М.: Химия. -1969.-347 с.

62. Ахмадеев М.Г. Моделирование на ЭВМ объектов управления нефтепереработки и нефтехимии: Учеб. пособие. Уфа: Изд. Уфим. нефт. ин-та, 1989.-97 с.

63. Балакирев B.C., Володин В.М., Цирлин A.M. Оптимальное управление процессами химической технологии. М.: Химия, 1978. - 384 с.

64. Информационный листок фирмы SIMSCI.

65. An efficient initialization procedure for simulation and optimization of large distillation problems / Rabeau Pierre, Gani Rafiqul, Leibovici Clande // Ind. And Eng. Chem. Res. 1997. - 36, № 10. - c. 4291-4298.

66. Reducing data dimensionality through optimizing neural network inputs / Tan S., Mavrovouniotis M.L. // AlChE Journal. 1995. - 41, № 6. - c. 1471-1480.

67. Modeling requirements for robust control of distillation columns / Sko-gestad S., Jacobsen E.W., Lundstom P. // Autom. Contr.: Proc. 11 th Trienn World Congr. Int. Autom. Contr., Tallin, 13-17 Aug., 1990. Vol. 6.- Oxford etc., 1991. -c. 191-197.

68. Process control utilizing based multivariate statistical models / Chen G., McAvoy T.J. // Chem Ehg/ 1996. - 74, № 6. - c. 1010-1024.

69. Веревкин А.П. Муниров Ю.М. О моделях ректификационных колонн при оперативном управлении по показателям качества продуктов / Нефть, газ и нефтехимия за рубежом. 1996. - № 7-8.

70. Approximate models for nonlinear process control / Sentory G., Agomennoni O., Desages A., Romagnoli J. // AIChE Journal. 1996. - 42, № 8. -c. 2240-2250.

71. Веревкин А.П., Муртазин Т.М. Применение ситуационного подхода к моделированию процессов нефтепереработки. // Сб. трудов Международной научн. конференции «Математические методы в технике и технологиях (ММТТ-13)» г. Санкт-Петербург, 2000 (в печати).

72. Good, bad or optimal ? Performance assessment of multivariable processes. / Huang В., Shah S.L., Kwok E.K. // Automatic. 1997. - 33, № 6. - c. 1175-1183.

73. Березовский В.А., Тарасов В.А. Проектирование и эксплуатация автоматизированных систем управления нефтеперерабатывающими и нефтехимическими предприятиями. -М.: Химия, 1977.

74. Красовский А.А., Буков В.Н., Шендрик B.C. Универсальные алгоритмы оптимального управления непрерывными процессами. М.: Наука, 1977.-272 с.

75. Вентцель Е.С. Исследование операций: задачи, принципы, методология. М.: Наука, 1980. - 208 с.

76. Егоров С.В., Мешалкин В.П., Сельский Декомпозиционно-координационая концепция управления и оптимизации сложных химико-технологических систем / Теоретические основы химической технологии. -1998.-том 32, № 1.-е. 82-91.

77. Nictlineare Steuerung und Regelung durch inverse Simulation mit kom-plexen DAE Modellen / Zapp G., Sendler W. // Chem. Ing. - Techn. - 1993. -65, № 9, - c. 2096-2097.

78. Дудников Е.П., Балакирев B.C., Кривсунов В.Н., Цирлин A.M. Построение математической модели химико-технологических объектов. JL: Химия, 1970.-311 с.

79. A direct nonlinear adaptive-control of statefeedback linearizable systems / Kim W.H., Groves F.R. // Chem Eng. Commun. 1995. - 132. - c. 69-90.

80. Parameter constrained adaptive control / Timmons W.D., Chizeck H.J., Casas F. И др. // Ind. d Eng. Chem. Res. 1997. - 36, № 11. - c. 4894-4905.

81. Design of robust nonsquare constrained model- predictive control / Sarimveis H., Genceli H., Nikolaou M. // AIChE Journal. 1996. - 42, № 9. - c. 2582-2593.

82. Comparison of model-based and conventional control: A summary of experimental results / Subawalla H., Paruchuri V.P., Gupta А. И др. // Ind. And Eng. Chem. Res. 1996. - 35, № 10. - c. 3547-3559.

83. Интеллектуальные системы управления с использованием нейронных сетей: Учеб. Пособие / Васильев В.И., Ильясов Б.Г., Валеев С.С. и др. -УГАТУ, г. Уфа, 1997.-92 с.

84. Кафаров В.В., Гордеев JI.C., Глебов М.Б., Цинбяо Го К вопросу моделирования и управления непрерывными технологическими процессами с помощью нейронных сетей // Теоретические основы химической технологии. 1995. - том 29. - с. 548-552.

85. Korb Т., Zell A. Adeclarative neural network description languarge // Microprocess. and Microprogramm. 1989, 27, № 1-5. - c. 181-188.

86. Горбань А. Нероинформатика и ее приложения // Открытые системы. 1998, № 4-5. - с.36.

87. An efficient initialization procedure for simulation and optimization of large distillation problems / Rabeau Pierre, Gani Rafiqul, Leibovici Clande // Ind. And Eng. Chem. Res. 1997. - 36, № 10. - c. 4291-4298.

88. Галушкин А.И. Синтез многослойных систем распознавания образов.-М.: Энергия, 1974.-368 с.

89. Шапот М., Рощупкина В. Интеллектуальный анализ данных и управление процессами. // Открытые системы, 1998. № 4-5. - с. 29-35.

90. Асаи К. и др. Прикладные нечеткие системы./ Пер. с япон.; под. ред. Тэрано Т., Асаи К. Сугэно М. М.: Мир, 1993. -368с.

91. Алиев Р.А. и др. Производственные системы с искусственным интеллектом. М.: Радио и связь, 1990. - 264 с.

92. Веревкин А.П., Кирюшин О.В., Муртазин Т.М. О формировании управлений при принятии решений на основе нечеткого вывода. // Проблемы авиации и космонавтики и роль ученых в их решении. / Тез. докл. научно-практ. Конференции, УГАТУ, -Уфа, 1998, с.57-59.

93. Искусственный интеллект. Справочник. / Под ред. Э.В. Попова. -М.: Радио и связь, 1990.-т.1 -461 с.,т.2-304 с.,т.3 -363 с.

94. Справочник современных автоматических систем управления технологическими процессами 1989 г. (выпуск IV) // Нефть, газ и нефтехимия за рубежом. 1989. - № 3. - с. 99-133.

95. Информационный листок фирмы Gensum. NeurOn-line.

96. Кафаров В.В., Дорохов И.М., Марков В.П. Системный анализ процессов химической технологии. Применение метода нечетких множеств. -М.:Наука, 1986.-356.

97. Кофман А. Введение в теорию нечетких множеств. -М.: Радио и связь, 1982.-432 с.

98. Краткий справочник нефтепереработчика-JI.: Химия, 1980.-328 с.

99. Голота Я.Я. Непрерывозначная логика, JL, 1982.- 74 с. Деп. ВИНИТИ 14.10.82., № 5154-82.

100. Голота Я.Я. О двух подходах к пониманию отрицания в непре-рывнозначимых логиках, Л., 1982.- 36 с.-Деп. ВИНИТИ 14.10.82., № 6464-82.

101. Островский Г.М., Бережинский Т.А., Беляев А.Р., Алгоритмы оптимизации химико-технологических процессов. М.: Химия, 1978. - 296 с.

102. Николаев В.И., Брук В.М. Системотехника: методы и приложения. -Л.: Машиностроение, 1985. 199 с.

103. Гмурман В.Е. Теория вероятностей и математическая статистика. -М.: Высшая школа, 1999. 478 с.

104. Смирнов В.И. Курс высшей математики. Т 3. ч. 2. - М.: Наука, 1977. - 444 с.

105. Горелик A.JL, Скрипкин В.А,. Методы распознавания. М.: Высшая школа, 1977. - 222 с.

106. Казакова Л.П., Крейн С.Э. Физико-химические основы производства нефтяных масел. -М.: Химия, 1978. 318 с.

107. Растригин А.А. Системы экстремального управления. -Наука.- М.-1974.-632 с.

108. Волин Ю.М., Островский Г.М. Методы теории чувствительности в задачах химической технологии. / Теоретические основы химической технологии. 1993. - №3.

109. Львовский Е.Н. Статистические методы построения эмпирических формул. М.: Высшая школа, 1978. - 239 с.

110. Драйпер Н., Смит Г. Прикладной регрессионный анализ. М.: Статистика, 1973.-391 с.

111. Кацюба О.А. Численные методы решения задач идентификации и оптимизации химико-технологических систем: Учеб. пособие. Куйбышев, КПтИ, 1984.-83 с.

112. Горбань А. Нероинформатика и ее приложения // Открытые системы. 1998, № 4-5. - с.36.

113. Korb Т., Zell A. Adeclarative neural network description languarge // Microprocess. and Microprogramm. 1989, 27, № 1-5. - c. 181-188.

114. Цыпкин Я.З. Основы информационной теории идентификации. -ML: Наука, 1984.-320 с.

115. Теория автоматического управления, ч. II / под ред. Нетушила А Б. М.: Высшая школа, 1977. - 432 с.

116. Кондратьев А.А. Расчет ректификации непрерывной смеси в колонне с несколькими вводами питания и отборами / Теоретические основы химической технологии. 1972. - т. 6. - № 3. - с. 477-479.

117. Моделирование статических режимов сложных ректификационных колонн на ПЭВМ. // Методические указания к лабораторной работе. / Ахмадеев М.Г., Нигматуллин В.Р., Исмагилов Р.Н. Уфа: УГНТУ, 1996. - 44 с.с/

118. Бард И. Нелинейное оценивание параметров. М.: Статистика, 1979.-349 с.

119. Цыпкин Я.З. Основы теории обучающих систем. М.: Наука, 1970.-252 с.

120. Теория автоматического управления, ч. II / под ред. Нетушила А.В. М.: Высшая школа, 1977. - 432 с.

121. ГОСТ 8.532-85 (CT СЭВ 4570-84). ГСИ. Стандартные образцы состава веществ. Порядок межлабораторной аттестации. М.: Изд-во стандартов, 1985.- 17 с.

122. СТ СЭВ 545-77. Правила оценки анормальности результатов наблюдений. М.: Изд-во стандартов, 1977. - 26 с.

123. Веревкин А.П., Дадаян Л.Г. Анализ и синтез автоматических систем регулирования сложных объектов нефтепереработки и нефтехимии. -Уфа: Изд-во Уфимского нефт. ин-та, 1989. 94 с.

124. Веланд Л.Х., Хойланд Дж., Аронсон К.Р., Уайт Д.К. Высокоэффективная АСУ установкой первичной перегонки нефти. // Нефть, газ и нефтехимия за рубежом. 1987. - №.9. - с. 98-104.

125. Веревкин А.П. Особенности задачи управления процессами разделения нефтяных смесей на установках АВТ. // Межвузовский сб. «Нефть и газ». Уфа: Изд-во УГНТУ, № 3, 1996.-С.82-84.

126. Thurstan C.W. Part 1. Computer aided design of distillation column controls. // Нуdracarbon process: 1981. 60. № 7. p. 125-130.

127. Расчеты экономической эффективности новой техники / Справочник под ред. К.М. Великанова Л.: Машиностроение, 1989. - 448 с.

128. Муртазин Т.М., Веревкин А.П. Задача управления процессом де-асфальтизации. / Материалы 48-й научно-технической конференции студентов, аспирантов и молодых ученых. Секция автоматизации производственных процессов. -Уфа, УГНТУ, 1997. с. 24-25.

129. Веревкин А.П., Муртазин Т.М. О решении задачи управления процессами разделения нефтяных смесей.). / Сб. трудов Международной научн. конференции «Математические методы в химии и технологиях (ММХТ-11)» Владим. Гос. ун-т. г. Владимир, 1998. с. 19.

130. Муртазин Т.М., Кирюшин О.В. Программа прогнозирования качества гудрона на основе вакуумной колонны. / Материалы 49-й научнотехнической конференции студентов, аспирантов и молодых ученых. Секция технологическая. -Уфа, УГНТУ, 1998. с. 150-151.