Содержание к диссертации
Введение
1. Аналитический обзор и постановка задач исследования 12
1.1. Анализ процесса шахтного обжига известняка как объекта управления. 12
1.1.1 Физико-химические основы процесса обжига известняка в шахтных печах 13
1.1.2 Технологические особенности протекания процесса обжига известняка в шахтных печах 17
1.1.3 Особенности управления технологическим процессом обжига известняка в шахтных печах 23
1.1.4 Шахтная печь для обжига известняка как объект управления 30
1.2. Применение специальных методов теории автоматического управления в задачах управления металлургическими процессами 32
1.2.1. Теоретические основы специальных систем управления 34
1.2.2. Нейросетевые системы управления 40
1.2.3 Основные приемы и схемы нейросетевого управления 42
1.3 Постановка задач исследования 50
2. Разработка неиросетевои модели процесса шахтного обжига известняка 52
2.1. Определение входных и выходных параметров модели, постановка задач моделирования 52
2.2. Предварительная обработка данных 57
2.2.1. Теоретические основы и обзор основных методов предварительной обработки данных 58
2.2.2. Исследование эффективности использования различных методов предобработки данных для нейросетевой модели процесса шахтного обжига известняка 61
2.3. Синтез нейросетевой модели процесса шахтного обжига известняка 66
2.3.1 Определение структуры сети 67
2.3.2 Обоснование выбора модели сети 68
2.3.3. Оптимизация параметров сети 73
2.3.4. Разработка нейросетевой модели процесса шахтного обжига известняка 79
2.4. Оценка критериев адекватности нейросетевой модели процесса шахтного обжига известняка реальному объекту 86
2.5. Выводы по главе 90
3. Разработка автоматизированной системы управления технологическим процессом шахтного обжига известняка 91
3.1 Постановка задач управления 91
3.2 Структурный синтез системы управления процессом шахтного обжига известняка с применением нейросетевых алгоритмов 99
3.3 Разработка алгоритма работы системы управления процессом шахтного обжига известняка с применением нейросетевых алгоритмов 104
3.4 Синтез нейросетевого регулятора, используемого в структуре системы управления процессом шахтного обжига известняка с применением нейросетевых алгоритмов 109
3.5 Анализ результатов тестирования системы и оценка качества ее работы 111
3.6 Выводы по главе 115
4. Автоматизированная система управления с применением нейросетевых алгоритмов в реальных производственно-технологических условиях процесса шахтного обжига известняка 116
4.1 Разработка программно-технического комплекса для внедрения автоматизированной системы управления процессом шахтного обжига известняка с применением нейросетевых алгоритмов 116
4.2 Описание возможных мероприятий по внедрению автоматизированной системы управления с применением нейросетевых алгоритмов 122
4.3 Оценка возможного экономического эффекта от внедрения автоматизированной системы управления процессом шахтного обжига известняка с применением нейросетевых алгоритмов 123
4.4 Выводы по главе 127
Заключение 128
Список литературы 130
- Особенности управления технологическим процессом обжига известняка в шахтных печах
- Исследование эффективности использования различных методов предобработки данных для нейросетевой модели процесса шахтного обжига известняка
- Структурный синтез системы управления процессом шахтного обжига известняка с применением нейросетевых алгоритмов
- Разработка программно-технического комплекса для внедрения автоматизированной системы управления процессом шахтного обжига известняка с применением нейросетевых алгоритмов
Введение к работе
Актуальность работы. В настоящее время в практике работы металлургических комбинатов при управлении процессами шахтного обжига известняка используются так называемые локальные автоматизированные системы. Такие системы позволяют успешно решать задачи стабилизации одного (реже двух-трех) параметра процесса. При использовании такого рода систем эффективность управления объектом в целом очень сильно зависит от действий оператора. При этом различные проведенные исследования работы операторов показывают, что управление часто ведется ими нерационально ввиду ограниченных возможностей человека, который не в состоянии контролировать и анализировать одновременно большое количество переменных факторов.
Существенный вклад в развитие и усовершенствование процесса шахтного обжига известняка и алгоритмов управления им внесли отечественные ученые: А.В. Монастырев, Н.П. Табунщиков, И.Н. Белоглазов, В.Д. Науменко и другие, в развитие теории нейронных сетей и нейроуправления: А.И. Галушкин, В.В. Круглов, В.А. Терехов, В.А. Крисилов, В.Г. Царегородцев и другие.
В классической теории управления, на которой основываются современные автоматизированные системы управления технологическим процессом шахтного обжига известняка, обозначенные проблемы решаются с помощью математических моделей, реализуемых на основе предположений о линейности систем. Однако эти модели адекватны лишь в некоторой ограниченной области и в полной мере не могут отражать действительные физические свойства таких сложных объектов, к которым относится шахтная печь для обжига известняка, ввиду наличия в реальной системе нелинейных характеристик, множественных обратных связей, неконтролируемых внешних факторов, сложных для моделирования динамических элементов и других факторов, затрудняющих реализацию управления.
В связи с этим возникает необходимость усовершенствования существующих или поиска новых способов создания алгоритмов управления процессом шахтного обжига известняка, что будет способствовать росту эффективности управления и снижению влияния оператора на ход технологического процесса.
Исследования выполнялись в соответствии с госбюджетной тематикой НИР СПГГИ (ТУ) по теме 6.30.020. «Разработка систем управления сложными техническими объектами с использованием математических моделей в контуре управления» (I кв. 2008 – IV кв. 2010 гг.), а также с грантом СПГГИ (ТУ) «Подготовка диссертации на соискание ученой степени кандидата наук» (2007 год).
Цель диссертационной работы. Повышение качества управления процессом шахтного обжига известняка с получением извести для сталеплавильного производства.
Задачи исследований:
анализ процесса шахтного обжига известняка как объекта управления;
анализ основных методов нейросетевого управления технологическими процессами;
разработка нейросетевой модели процесса шахтного обжига известняка на основе данных оперативного контроля по работе печи;
разработка структуры нейросетевого регулятора для управления процессом шахтного обжига известняка;
синтез нейросетевых алгоритмов для системы управления процессом шахтного обжига известняка;
оценка эффективности предложенной системы и выработка рекомендаций по ее применению.
Идея работы. Усовершенствование автоматизированной системы управления процессом обжига известняка в шахтных печах путем введения в вычислительные блоки системы нейросетевых алгоритмов, позволяющих повысить ее адаптационные свойства.
Научная новизна работы.
Установлено, что применение в системе управления нейросетевой модели процесса шахтного обжига известняка, способной воспроизводить нелинейную динамику объекта на основании данных оперативного контроля печи в режиме реального времени, позволяет осуществлять корректировку управляющих воздействий и повышать качество управления.
Обосновано, что повышение качества управления процессом шахтного обжига известняка обеспечивается введением нейросетевых алгоритмов в вычислительные блоки автоматизированной системы управления.
Обоснована структура нейросетевого регулятора для управления процессом обжига известняка в печах шахтного типа, полученная путем реструктуризации параллельной схемы нейронного управления и введения в нее дополнительных блоков истории работы системы, интеллектуального классификатора и выбора способа управления.
Практическое значение работы.
1. Выявлены наиболее эффективные методы предварительной обработки данных и модели нейронных сетей для решения задач идентификации процесса шахтного обжига известняка, что позволяет их использовать для большого класса подобных объектов.
2. Разработана модель на основе нейронных сетей, способная осуществлять прогноз основных параметров процесса на основании данных оперативного контроля печи в режиме реального времени, пригодная для использования в структуре системы управления процессом шахтного обжига известняка и для настройки нейросетевого регулятора.
3. Разработана структура нейросетевого регулятора и нейросетевые алгоритмы для системы управления процессом шахтного обжига известняка, позволяющие осуществлять адаптивное управление.
Основные положения, выносимые на защиту:
1. Модель процесса шахтного обжига известняка, разработанная на основе нейросетевых алгоритмов, обеспечивает осуществление прогнозирования значений основных параметров процесса (температур в зоне подогрева, в нижней и верхней частях зоны обжига, в зоне охлаждения, а также суммарного содержания оксидов кальция и магния) на основании данных оперативного контроля печи со значением относительной ошибки моделирования не более 6%.
2. Введение в структуру автоматизированной системы управления процессом шахтного обжига известняка нейросетевого регулятора, схема которого получена путем реструктуризации параллельной схемы нейронного управления и добавления в нее дополнительных блоков истории работы системы, интеллектуального классификатора и выбора способа управления, обеспечивает повышение качества управления по величине перерегулирования, времени переходного процесса, плотности вероятности внутри границ допустимых пределов изменения параметра и среднеквадратическому отклонению ошибки регулирования.
Методика исследований.
При исследованиях применялись классические и специальные методы теории автоматического управления, методы теории нейронных сетей и нейроуправления, а также методы статистического анализа. Проверка полученных в ходе работы теоретических результатов выполнялась в среде MATLAB и подтверждалась результатами опытно-промышленных испытаний.
Достоверность научных результатов. Достоверность основных научных положений, выводов и рекомендаций обоснована совпадением полученных результатов с промышленными данными и результатами исследования промышленного объекта.
Апробация работы. Содержание и основные положения работы докладывались на семинаре «Инновационные технологии, моделирование и автоматизация в металлургии» (ВО «РЕСТЭК», Санкт-Петербург, 2009); научно-технических конференциях молодых ученых Санкт-Петербургского государственного горного института (Санкт-Петербург, 2007, 2008, 2009, 2010) и семинарах кафедры автоматизации технологических процессов и производств СПГГИ (ТУ).
По теме диссертации опубликовано 5 научных работ, из них 2 в изданиях, рекомендованных ВАК Минобрнауки России. Подана заявка на патент.
Личный вклад автора.
Автор самостоятельно выполнил:
анализ процесса шахтного обжига известняка как объекта управления;
синтез модели на основе нейронных сетей, способной осуществлять прогноз основных параметров процесса;
разработку структуры нейросетевого регулятора процесса шахтного обжига известняка;
разработку алгоритмов для автоматизированной системы процесса шахтного обжига известняка.
Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения и библиографического списка. Содержит 140 страниц машинописного текста, 25 рисунков, 9 таблиц и список литературы из 110 наименований.
Особенности управления технологическим процессом обжига известняка в шахтных печах
Хорошие технико-экономические показатели обжига известняка в шахтной печи - высокое качество получаемого продукта (химический и гранулометрический состав, влажность, предел механической прочности известняков) и низкий удельный расход природного газа - можно получить только при «нормальной работе» печи. Понятие о нормальной работе связывается с так называемым ровным ходом печи. Такой ход характеризуется следующими признаками [110, 58]: стабильностью температуры печного газа на выходе из печи, правильным соотношением количества топлива, правильным распределением газа по сечению печи, правильным соотношением количества топлива/воздух, равномерной загрузкой печи и стабильным уровнем сырья на протяжении всей работы печи, нормой концентраций печных газов.
Температура печного газа на выходе из печи - это индикатор положения зоны горения. При температуре печного газа 180-240С зона горения расположена на оптимальной высоте шахты печи. Увеличение этой температуры выше указанного диапазона - признак смещения зоны горения вверх. Снижение температуры печного газа ниже указанного диапазона — признак смещения зоны вниз. И первое, и второе смещение зоны приводит к ухудшению всех показателей работы печи: увеличению выхода недожога, уменьшению концентрации СОг, перерасходу топлива и известняка, снижению производительности печи.
При смещении зоны вверх необходимо или уменьшить отбор газа или увеличить отбор извести, или одновременно сделать и то, и другое. При смещении зоны горения вниз необходимо или уменьшить отбор извести, или увеличить отбор газа, или одновременно сделать и то, и другое.
Оптимальный режим работы необходимо поддерживать по температуре печного газа на выходе из печи. По значению параметра «температура печного газа» можно анализировать работу печи. Медленный рост этой температуры выше 240С свидетельствует о смещении зоны горения вверх, медленное снижение температуры печного газа ниже 180С говорит о смещении зоны горения вниз. Редкие и крутые пики на диаграмме температуры печного газа говорят о недогру-женности печи с последующей интенсивной загрузкой.
Расход условного топлива в шахтных газовых печах колеблется от 14 до 20% от веса извести [75]. Превышение количества топлива обычно приводит к пережогу извести, снижению концентрации СС 2, уменьшению производительности печи, появлению слипов или расплавов, повышенному износу футеровки. Снижение количества топлива очень важно не только из экономической точки зрения, но также для защиты окружающей среды. 3. Правильное распределение газа по сечению печи. Модернизированные шахтные печи для кальцинации известняка имеют большой внутренний диаметр. Неровное распределение газа по печи способствует образованию высокотемпературных зон и, следовательно, увеличению потребления топлива. А так как объем отходящего газа СО2 прямо пропорционален количеству топлива, то неравномерное распределение газа способствует увеличению распространения диоксида углерода в атмосферу [106]. 4. Правильное соотношение количества топлива/воздух Для осуществления рационального режима обжига необходимо, чтобы общий коэффициент избытка воздуха был оптимальным. Снижение количества воздуха, подаваемого в зону охлаждения печи, приводит к химическому недожогу топлива и повышению температуры выходящей из печи извести. Значительное увеличение расхода вторичного воздуха снижает температуру в зоне обжига и увеличивает потери тепла с отходящими газами [102]. 5. Равномерная загрузка печи и стабильный уровень сырья на протяжении всей работы печи Отпускание уровня с последующей ускоренной загрузкой, а также работа со сниженным уровнем приводит к целому ряду негативных явлений: - занижение уровня сокращает высоту зоны подогрева и поэтому известняк, который загружается на этот уровень, выходит из печи с недожогом; - одновременно с этим малая высота зоны подогрева не дает печному газу остыть до температуры 180-240С, и он выходит с большей температурой, увеличивая потери тепла, следствием чего является перерасход топлива и снижение концентрации С02 в печном газе; - заниженный уровень приводит к быстрому росту температуры печного га за даже при правильном положении зоны горения, а это дезориентирует обслужи вающий персонал, который контролирует положение зоны горения по температу ре печного газа; эта дезориентация приводит к последующей интенсивной загруз ке печи, что приводит к резкому снижению температуры печного газа ниже 180С даже при правильном положении зоны горения. 6. Норма концентраций печных газов Средний анализ нормально функционирующей печи: С02 - 22-24 %, 02 - 3-5 %, СО - до 40 ррт. Остальное — азот. Возможны такие отклонения от нормы: Низкое содержание С02, высокое содержание кислорода, низкое содержание СО. Это может связано с излишним расходом воздуха (отклонением от оптимальных значений общего коэффициента избытка воздуха) или означает, что тепловая работа печи нормальная, но на головке печи или на тракте отбора газа есть щели, которые приводят к присосам воздуха. Следует устранить эти щели. Низкое содержание С02, низкое содержание 02 и высокое содержание СО (больше 3-5 %). Это свидетельствует о завышении соотношения топлива к массе известняка.
Исследование эффективности использования различных методов предобработки данных для нейросетевой модели процесса шахтного обжига известняка
На первом этапе построения нейросетевой модели необходимо определить в широком смысле цели моделирования. Основными целями, преследуемыми при построении модели, могут являться следующие цели — изучение поведения объекта и выбор стратегии, обеспечивающей его оптимальное функционирование. Очевидно, вторая цель более подходит для модели, используемой в структуре системы управления. Кроме того, перед построением нейросетевой модели процесса необходимо убедиться в целесообразности применения нейросетевых методов. Для этого процесс должен обладать следующими свойствами: не иметь законченной математической постановки задачи либо аналитических методов ее решения или иметь такие сложные и трудоемкие в применении аналитические модели, что неиросетевые модели, не имеющие строго формализованного подхода, будут выдавать более простой способ решения поставленной задачи. Нейросетевая модель, имитирующая поведение объекта исследования, будет представлять «чёрный ящик» с множеством входных и выходных параметров. Модель представляет собой функцию отклика нейронной сети, исследуемый объект, представляемый значениями синоптических связей — суть «черного ящика» [30]. Входные воздействия в нейросетевой модели доступны изменению в процессе моделирования и будут оказывать влияние на отклик нейронной сети.
Для построения нейросетевой модели экспертным путем были выделены факторы, определяющие ход процесса обжига известняка в печах шахтного типа. В качестве входных были выбраны следующие параметры: XI - расход газа на верхний пояс (Fen)? Х2 - расход газа на нижний пояс (FHn), ХЗ - расход газа на центральное устройство ввода топлива (Fr), Х4 - уровень материала в печи (L), Х5 - температура приточного воздуха (Тв), Х6 - температура газа (Тг), Х7 -производительность печи (FM), Х8 - расход воздуха на нижний пояс (FBHn), Х9 -расход воздуха на верхний пояс (Рввп) XI0 - расход воздуха на охлаждение (Feoxn), XII- температура рециркулята (ТРЕЦ), Х12 - расход рециркулята на нижний пояс (FpHn), XI3 - расход рециркулята на верхний пояс (FPBn), XI4 -расход рециркулята на центральное устройство ввода топлива (Рцувт)- В качестве выходных были выбраны следующие параметры: Y1 - температура в зоне подогрева (Тзп), Y2 - температура в нижней части зоны обжига (Тнзо) Y3 -температура в верхней части зоны обжига (ТВзо) Y4 - температура в зоне охлаждения (Тзохл), Y5 - суммарное содержание СаО и MgO в извести (NCaoMgo) В работах [21, 30, 44] доказана зависимость числа факторов от качества решения нейронной сетью поставленной задачи. В этой связи необходимо провести анализ входных и выходных переменных с целью определения важности элементов входного вектора и возможности снижения его размерности. В работе [30] для этого предлагается провести корреляционный анализ данных и исключить из входного вектора незначимые (по значению коэффициента парной корреляции) параметры, в работе [21] предлагается использовать метод главных компонент, позволяющий не отбрасывая конкретные входы учитывать лишь наиболее значимые комбинации их значений, а в работе [44] наряду со статическими методами предлагается использовать метод анализа чувствительности. Однако недостатком последнего метода является получение результата лишь после построения сети, что не подходит для решаемой задачи.
Таким образом, с целью установления связи между факторами и выходными параметрами выполнен корреляционный анализ входных и выходных факторов модели, в результате которого определены парные корреляции между ними. В таблице 2.1 представлена корреляционная матрица процесса шахтного обжига известняка
Как показала корреляционная матрица процесса (рис. 2.1), наименее тесные корреляции присущи парам X5Y, X6Y. Согласно рекомендациям работы [30] необходимо сократить эти входы модели. После обсуждения полученных результатов с экспертами было решено исключить из модели эти факторы.
Остальные незначимые по коэффициенту корреляции факторы было решено сохранить в настоящей работе, но после прохождения всех этапов моделирования провести оценку их значимости путем последовательного исключения вышеназванных факторов из входного вектора модели и сравнения полученных результатов моделирования.
Задачей нейросетевой модели является прогнозирование основных выходных параметров, среди которых температура в зоне подогрева, температура в нижней части зоны обжига, температура в верхней части зоны обжига, температура в зоне охлаждения и суммарное содержание СаО и MgO в извести на основании значений текущих входных параметров, среди которых определены следующие параметры - расход газа на верхний пояс, расход газа на нижний пояс, расход газа на центральное устройство ввода топлива, уровень материала в печи, производительность печи, расход воздуха на нижний пояс, расход воздуха на верхний пояс, расход воздуха на охлаждение, температура рециркулята, расход рециркулята на нижний пояс, расход рециркулята на верхний пояс, расход рециркулята на центральное устройство ввода топлива.
Структурный синтез системы управления процессом шахтного обжига известняка с применением нейросетевых алгоритмов
В результате проведенных исследований удалось выявить, что управляющие переменные (расход газа на нижний пояс и расход газа на верхний пояс) на коротком промежутке времени обладают существенным стохастическим разбросом. Это указывает на необходимость совершенствование системы управления процессом. Причем недостаточно высокие показатели качества ведения процесса шахтного обжига известняка вызваны как стохастичностью управляющих параметров, так и излишними воздействиями технологического персонала на них. Следовательно, повышение качества обжига известняка в печах шахтного типа возможно путем стабилизации и довольно жесткой увязки управляющих переменных процесса за счет внедрения усовершенствованной автоматизированной системы управления, которая позволит до минимума сократить влияние «человеческого фактора».
Для обеспечения стабилизации температур в разных зонах печи, сокращения функций оператора при управлении системой, и повышения качества получаемого продукта за счет снижения расхода природного газа и образование углекислого газа в диссертационной работе предлагается использовать структуру регулятора, представленную на рисунке 3.6. Структурный синтез системы проводился преимущественно на основе параллельной схемы нейронного управления [69], представленной на рисунке 3.5.
Параллельная схема нейронного управления Здесь в качестве контроллера используется обычный ПИД-контроллер, а нейроконтроллер параллельного типа используется для настройки управляющего входного сигнала ul, который является выходным сигналом обычного контроллера. Настройка выполняется таким образом, чтобы выходной сигнал объекта управления у как можно точнее соответствовал заданному опорному сигналу г. Задача нейроконтроллера параллельного типа заключается в том, чтобы подкорректировать управляющее воздействие ul, если оно не обеспечивает хорошего результата. Схема содержит нейронную сеть для эмулятора объекта управления, создающую оценку у выходной координаты объекта управления у и нейронную сеть, выдающую управляющий сигнал и2, используемый для коррекции управляющего сигнала ul, создаваемого обычным контроллером. Коррекция выполняется таким образом, чтобы обеспечить минимизацию рассогласования между опорным сигналом и выходом объекта управления.
Кроме параллельной схемы нейронного управления при разработке структуры системы управления процессом шахтного обжига использовались результаты работ [73, 74].
Структура системы управления, предложенная в настоящей работе, была синтезирована путем реструктуризации параллельной схемы нейронного управления и добавлению в нее дополнительных блоков истории работы системы, интеллектуального классификатора и выбора способа управления.
Система выполнена в виде информационно-вычислительного комплекса и состоит из следующих основных блоков (рис. 3.6): объект управления 1; блок первичной переработки данных 2, осуществляющий преобразование данных полученных с объекта в форму определенную пользователем; блок ввода/вывода данных 3 или другими словами графический интерфейс пользователя, осуществляющий взаимодействие пользователя и системы, на который приходит задание 4; блок реализации алгоритмов ПИД-регулирования 5, где на основе показаний единичного датчика формируется единичное управляющее воз действие на исполнительный механизм; блок многопараметрического управления 6, состоящий из четырех основных блоков: блока истории работы системы 7, осуществляющий сбор основных параметров системы и формирование различных выборок данных для отдельных блоков системы, а также осуществляющий расчет формулы коэффициента эффективности работы системы, интеллектуального классификатора 8, осуществляющего выбор оптимального режима работы системы, блока моделирования 9, выполняющего оценку состояния объекта с точки зрения изменения тактики и стратегии поведения и блока управления 10, выдающего управляющие воздействия; блока выбора способа управления 12, который на основании оценки, полученной от блока моделирования 9, выбирает на основании некоторого критерия способ управления для каждого управляемого параметра системы.
Система предусматривает последовательную реализацию следующих основных режимов: подготовка данных, обучение и обработка данных. Причем во время нахождения системы в режимах подготовки данных и обучения блок многопараметрического управления в управлении объектом не участвует.
Режим подготовки данных состоит из трех связанных процессов: формирование исходных векторов, данных о работе объекта, их, идентификация и создание рабочих массивов данных объекта.
Разработка программно-технического комплекса для внедрения автоматизированной системы управления процессом шахтного обжига известняка с применением нейросетевых алгоритмов
Средний уровень построен на базе программируемого логического контроллера (ПЛК), осуществляющего управления процессом шахтного обжига известняка.
Верхний уровень представляет собой автоматизированное рабочее место оператора с графическим интерфейсом пользователя с сервером, на котором хранятся основные базы данных по работе печи обжига известняка.
Первоначальное внедрение разработанных в диссертационной работе нейросетевых алгоритмов на средний уровень системы в качестве программного приложения к основной программе, реализуемой на контроллере, по мнению автора, не целесообразно. Прежде всего, это связано с острой потребностью нейросетевых алгоритмов к дообучению на начальных этапах функционирования в реальных условиях протекания процесса шахтного обжига известняка, а также с потребностью активного использования баз данных по работе печи.
Поэтому при первоначальном внедрении предложенной в диссертационной работе системы автор рекомендует использовать второй вариант структурной схемы, при котором разработанная система является отдельной программой, реализованной на промышленном компьютере, контроллере или любой другой вычислительной машине. Структурная схема такого варианта построения АСУТП процессом шахтного обжига известняка представлена на рисунке 4.2.
Такой вариант внедрения разработанных нейросетевых алгоритмов позволит осуществлять дообучение входящих в их структуру нейронных сетей без нанесения существенного ущерба основному процессу. Прежде всего, это связано с возможностью разработанной в диссертационной работе системе, благо даря такой структуре, работать в информационном режиме или режиме советчика. Для работы системы в режиме советчика необходимо на базе разработанной в диссертационной работе системы построить экспертную систему.
Экспертная система может состоять из следующих основных компонентов: решателя (интерпретатора); рабочей памяти (РП), называемой также базой данных (БД); базы знаний (БЗ); компонентов приобретения знаний; объяснительного компонента; диалогового компонента. База знаний в экспертной системе будет формироваться из базы данных, предназначенной для хранения исходных и промежуточных данных решаемой в текущий момент задачи. Однако, в отличие от базы данных, база знаний предназначена для хранения данных, описывающих рассматриваемую область, и правил, описывающих целесообразные преобразования данных этой области. Основным элементом, приводящим экспертную систему к решению поставленной задачи, является решатель. Используя исходные данные из рабочей памяти и знания из базы знаний, он формирует последовательность правил и, применяя ее к исходным данным, приводит систему к правильному решению задачи. Компонент приобретения знаний обеспечивает экспертную систему знаниями, осуществляемыми пользователем-экспертом. Объяснительный компонент объясняет, как система получила решение задачи и какие знания она при этом использовала, что облегчает эксперту тестирование системы и повышает доверие пользователя к полученному результату. Диалоговый компонент обеспечивает организацию общения экспертной системы с пользователем, как в ходе решения задач, так и в процессе приобретения знаний и объяснения результатов работы. Построение разработанной в диссертационной работе системы на базе экспертной системы, позволит получить следующие преимущества: оперативно решать прямые и обратные задачи анализа управления при минимизируемых функционалах затраты энергии, расхода топлива, время управления и др.; исследовать практическую устойчивость систем управления и оценивать их робастность на множестве состояний функционирования; в реальном времени определять вид и рассчитывать параметры управляющих воздействий оптимального регулятора (нейросетевого или ПИД-регулятора); Экспертная система может иметь сетевой вариант, позволяющий решать задачи анализа и синтеза оптимального управления в режимах удаленного доступа и быть реализованной на одном контроллере. В данной главе диссертационной работы представлено описание комплекса рекомендуемых мероприятий, способствующих обеспечению успешного функционирования разработанной автоматизированной системы с применением нейросетевых алгоритмов в реальных условиях процесса шахтного обжига известняка. Процесс успешного внедрения разработанной в диссертационной работе системы в реальные условия процесса шахтного обжига известняка сводится к последовательному выполнению следующих этапов: подготовка системы к внедрению, испытание системы и оценка функционирования системы.
На этапе подготовки системы к внедрению создаются условия для внедрения системы. Данный этап подразумевает установку требуемого системой дополнительного оборудования, а также проверку готовности всего комплекса шахтного обжига известняка к внедрению системы. При этом рекомендуется убедиться в готовности не только оборудования, но и инженерно-технического персонала, обслуживающего шахтную печь.
При проверке готовности оборудование рекомендуется убедиться в корректной работе всех элементов системы, в том числе в корректности настройки ПИД-регуляторов и т.д. Кроме того для проведения испытаний рекомендуется создать параллельную базу данных (к уже имеющейся) для сохранения результатов испытаний системы.
Похожие диссертации на Автоматизированная система управления процессом шахтного обжига известняка с применением нейросетевых алгоритмов
