Содержание к диссертации
Введение
1. Общая характеристика методов принятия решений при многих критериях
1.1. Особенности задач принятия решений при многих критериях 11
1.2. Модели векторной оптимизации 16
1.3. Модели целевого программирования 24
1.4. Модели скаляризации векторного критерия 27 Выводы 37
2. Разработка математической модели процесса получения алюминия 38
2.1. Топологический метод синтеза сложных систем 38
2.2. Структурная идентификация математической модели процесса получения алюминия 44
2.3. Восстановление параметров математической модели процесса получения алюминия 48
Выводы 53
3. Построение многокритериальной модели оптимизации процесса получения алюминия 54
3.1. Постановка задачи самоорганизации моделей скаляризации векторного критерия 54
3.2. Основные ограничения 55
3.3. Раскрытие системы предпочтений ЛПР на векторных оценках альтернатив 57
3.4. Восстановление функции полезности оценок векторного критерия 62
3.5. Восстановление функций полезности векторных оценок альтернатив в классе аддитивных суперпозиций 68
3.6. Оптимизация процесса получения алюминия 73
Выводы 76
4. Разработка алгоритма управления процессом получения алюминия 77
4.1. Постановка задачи управления процессом получения алюминия 77
4.2. Основные ограничения на управление 79
4.3. Алгоритмическое и программное обеспечение системы управления 85
Выводы 92
Заключение 93
Литература 94
Приложение 101
- Особенности задач принятия решений при многих критериях
- Топологический метод синтеза сложных систем
- Раскрытие системы предпочтений ЛПР на векторных оценках альтернатив
- Основные ограничения на управление
Введение к работе
Актуальность работы
Развитие российской алюминиевой промышленности является важной задачей в масштабах государства. С другой стороны, проблемы по защите окружающей природной среды, улучшению условий труда с каждым годом увеличивают свой удельный вес в ряду других задач.
В связи с этим модернизация и реконструкция основной части алюминиевых заводов представляется важной и актуальной задачей.
Как показывает отечественная практика наибольший эффект достигается при коренной реконструкции серий электролиза, заключающейся в переходе на технологию предварительно обожженных анодов. Однако такая реконструкция по удельным, капитальным затратам приближается к уровню капитальных вложений на новое строительство.
В связи с этим широко используется модернизация действующей технологии путем усовершенствования отдельных узлов электролизеров и компонентов ошиновки, применение эффективных алгоритмов управления на различных уровнях и ступенях производства, «сухой» анодной массы и газоочистных систем «сухого типа». Применение современного электротехнического оборудования и новейших автоматизированных систем с использованием средств вычислительной техники обеспечивает надежное и наглядное управление технологическим процессом, обширный контроль и позволяет удовлетворить самым высоким требованиям к промышленному производству с одновременной экономией затрат. Это направление реконструкции электролизных серий требует капитальных затрат в 2-3 раза меньше, чем при коренной реконструкции.
Задача автоматизации заключается в уменьшении влияния человеческого фактора в процессе регулирования и управления процессом электролиза. Применение АСУ ТП снижает себестоимость продукции за счет уменьшения отчислений в фонд зарплаты и снижения затрат на производство - расход сырья, электроэнергии и др. Другая сторона внедрения автоматики -
уменьшение времени работы персонала во вредных условиях производства, таких как воздействие паров фтора, высоких температур.
Важной частью автоматизированных систем управления является алгоритмическое обеспечение, которое в значительной степени определяет эффективность работы АСУ ТП в целом. Планирование и управление современным производством алюминия производится с учетом нескольких целей, которые, как правило, принадлежат различным функциональным группам (технологические, экологические, экономические и т.д.). Поэтому, разработка алгоритмов управления, учитывающих разносторонние требования к технологическому процессу электролиза алюминия, является важной и актуальной задачей.
Настоящая диссертационная работа посвящена решению задачи многоцелевой оптимизации процесса электролиза алюминия. Решение данной задачи достигается посредством снятия неопределенности в отношении целевой установки, определением оптимального режима работы объекта, выбором и реализацией управления с целью достижения оптимального режима.
Цель диссертационной работы
Разработка алгоритма управления, обеспечивающего локально-оптимальное управление отдельным электролизером по трем выбранным критериям оптимальности: количество выливаемого металла из электролизной ванны, напряжение питания электролизной ванны, частота анодных эффектов с учетом существующих ограничений на технологические параметры.
Основные задачи диссертационной работы
Достижение поставленной цели предполагает решение следующих задач:
структурной и параметрической идентификации математической модели объекта управления;
раскрытия системы предпочтений лица принимающего решения (ЛПР) на векторных оценках альтернатив;
нахождения оптимальной, в смысле обобщенного критерия, точки в пространстве параметров объекта;
формирование управляющего воздействия, обеспечивающего локально-оптимальное управление процессом производства алюминия.
Методы исследования
В диссертационной работе использовались методы теории управления, теории графов, теории принятия решений, теории полезности и линейной алгебры.
Научная новизна
Научная новизна работы заключается в следующем:
в использовании топологических методов при структурной идентификации математической модели процесса производства алюминия на отдельном электролизере;
в использовании апостериорной модели векторной оптимизации для процесса производства алюминия;
в использовании регуляризованных методов скалярной оптимизации;
в разработке алгоритма локально-оптимального управления отдельным электролизером.
Положения, выносимые на защиту
композиция методов и алгоритмов для решения задачи векторной оптимизации процесса производства алюминия;
целесообразность применения апостериорной модели скаляризации векторного критерия в задаче векторной оптимизации процесса производства алюминия;
представление функции полезности в виде аддитивной свертки в задаче векторной оптимизации процесса производства алюминия.
Практическая ценность
Разработанный алгоритм может быть использован в качестве алгоритмического обеспечения существующего аппаратного оборудования АСУ ТП. Структура алгоритма достаточна гибка, по отношению к классу используемых моделей описания технологического процесса, что позволяет использовать его на различных уровнях управления и планирования производства алюминия. Результаты исследований позволили разработать программное обеспечение системы управления отдельным электролизером.
Апробация работы
Основные результаты работы докладывались на второй международной научно-технической конференции "Измерение, контроль, автоматизация -2001" (г. Барнаул, 2001г.), на международной молодежной научно -технической конференции "Интеллектуальные системы управления и обработки информации" (г. Уфа, 2001г.), научно-технических конференциях Братского государственного технического университета (г. Братск, 2001г., 2002г., 2003г., 2004 г.).
Публикации
По теме диссертации опубликовано 8 работ, в том числе 4 статьи, 4 тезиса докладов.
Структура и объем диссертационной работы
Диссертация состоит из введения, четырех глав, заключения, списка литературы и приложения. Она изложена на 100 страницах основного текста, включая 10 рисунков и 2 таблицы. Библиография содержит 80 наименований.
Особенности задач принятия решений при многих критериях
Одним из основных компонентов математического обеспечения современных систем автоматизации планирования, проектирования и управления в экономике, технике и других областях является программная реализация многокритериальных моделей оптимизации, обеспечивающих обоснованное принятие решений. Указанное положение обусловлено тем, что перечисленные процессы (в целом или на определенных этапах) формулируются в виде задач принятия решения, которые практически все являются многокритериальными. При этом большинство задач формулируется как задачи выявления одной наилучшей альтернативы (плана, проекта, способа управления и т.п.). Последнее предполагает существование и использование при формальном анализе альтернатив обобщенного (интегрального, агрегированного) критерия оптимальности, который определяет компромисс между степенями достижения целей, оцениваемых значениями частных критериев.
Обоснованность выбора какой-либо альтернативы как наилучшей определяется тем, насколько точно используемая многокритериальная модель оптимизации отвечает характеру решаемой задачи и насколько адекватно отражены реальности в обобщенном критерии оптимальности -базовом компоненте модели - целевые установки (мотивы) поиска наилучшей альтернативы. Поэтому разработка таких адекватных реальности многокритериальных моделей оптимизации в каждой конкретной задаче имеет первостепенное значение.
К настоящему времени предложено большое число методов и реализующих их алгоритмов синтеза обобщенных критериев и многокритериальных моделей оптимизации в задачах принятия решений. Однако вопросы теории, совершенствования известных и разработки новых методов построения таких моделей продолжают оставаться актуальными. При этом до настоящего времени не получила должного разрешения проблема согласования условий применимости многокритериальных моделей оптимизации с реальными возможностями лица, принимающего решения (ЛПР). Эти условия связаны с требованиями к информации, получаемой от ЛПР, для уяснения того, что следует понимать под наилучшей альтернативой в конкретной многокритериальной задаче принятия решений (т. е. для определения принципа оптимальности).
Для описания содержательной и математической сущности задач и методов принятия многокритериальных решений будем использовать символьное представление задачи принятия решений в виде тройки {x,S,R}. Здесь X — исходное множество конкурирующих альтернатив (вариантов, решений), на основе анализа которого необходимо определить лучшую в смысле принципа оптимальности R альтернативу xReX с учетом заданного множества S возможных условий ее последующего применения (реализации).
Смысловая конкретизация альтернатив на практике определяется физической сущностью реальной задачи принятия решения. Смысловая конкретизация принципа оптимальности R определяется совокупностью кх,...,кт свойств, характеризующих качество альтернатив. Например, свойствами технического устройства, учитываемыми при его проектировании, могут быть: надежность (время безотказной работы), время выполнения возлагаемой на него задачи, габаритные размеры, потребляемая энергия и т.п. Предполагается, что существует правило сравнения качества альтернатив по присущим им свойствам, позволяющее определять альтернативу, которую следует предпочесть всем другим альтернативам из X. Принцип оптимальности R отражает представление о такой альтернативе. Условия S характеризуются неуправляемыми (не подлежащими выбору при принятии решений) факторами, влияющими на свойства шьтернатив, например, для технического устройства это температура окружающей среды, влажность воздуха, квалификация обслуживающего персонала и т.п. Конкретные значения факторов определяют возможную реализацию seS условий. Далее считается, что альтернативы могут быть описаны совокупностью конструктивных и функциональных параметров, т.е. каждая альтернатива является точкой некоторого параметрического пространства Qn з Х,хєХ,х = {х\х2,...,хп), где п - число параметров, используемых для описания альтернатив. Например, параметрами описания проекта технического устройства могут быть наименования базовых конструктивных элементов и связей между ними, координаты расположения элементов на несущей плате, габариты каждого элемента. Пространство Qn будем называть пространством решений. При этом пространству Q„ не приписывается, вообще говоря, никаких специфических структурных свойств, и, следовательно, указанное предположение не накладывает никаких ограничений на задачу принятия решений. Относительно свойств кх,...,кт альтернатив полагается, что они являются критериями [36, 73], т.е. могут быть выражены числами. Последнее означает существование при любой реализации s є S условий отображений f.:X-±Ех,і = \,-,т. Числа ft{x\s) называют оценками альтернативы хєі по критериям kt(i = l,...,m), вектор К = (кх,...,кт) - векторным критерием. При этом векторная оценка /(xs) = (/,(4s),...,/ffl(4s)) альтернативы хеХсПп интерпретируется как точка критериального пространства Ет, координатные оси которого соответствуют критериям к;(і = 1,...,т). При исследовании задач принятия решений рассматриваются вопросы выбора и реализации способа формирования исходного множества альтернатив X путем определения вектора параметров (х1,...,хп) и их возможных значений, вопросы обоснования набора критериев kt,...,km, отображений fi:X- diczEx и f:X- DczE способов их реализации, а также вопросы описания множества условий S.
Топологический метод синтеза сложных систем
В современной теории управления одной из основных является проблема моделирования динамических систем по результатам наблюдений. Это связано с тем, что в теории автоматического регулирования принципы построения системы управления разрабатывались на основе заданной модели. При существенном отличии модели, принятой при проектировании, от реального объекта, эффективность разработанной системы управления сводится на нет. В связи с этим в теории управления возникло направление известное в настоящее время как идентификация систем.
Задача идентификации формулируется следующим образом [75]: по результатам наблюдений над входными и выходными переменными системы должна быть построена оптимальная в некотором смысле модель, т.е. формализованное представление системы.
В зависимости от априорной информации об объекте управления различают задачи идентификации в узком и широком смысле. Задача идентификации в узком смысле состоит в оценивании параметров и состояния системы по результатам наблюдений над входными и выходными переменными, полученными в условиях функционирования объекта. При этом предполагается, известна структура системы и класс моделей, к которому относится данный объект. Априорная информация об объекте в этом случае достаточно велика.
Априорная информация об объекте при идентификации в широком смысле отсутствует или очень бедная, поэтому приходится предварительно решать большое число дополнительных задач. К ним относятся: выбор структуры системы и задание класса моделей, оценивание степени стационарности и линейности объекта, оценивание степени и формы влияния входных переменных на выходные, выбор информативных переменных и т.д.
В большинстве технических задач из структуры объекта и, по крайней мере, частичного понимания его функционирования можно извлечь определенную априорную информацию и, в частности, вид структуры модели. В этом случае остается только получить информацию о числовых значениях ряда параметров. В результате задача идентификации сводится к задаче оценивания параметров.
Под оцениванием параметров понимается экспериментальное определение значений параметров, характеризующих поведение объекта, в предположении, что структура модели известна [75]. Решение задачи оценивания параметров может быть основано как на активных экспериментах, так и на наблюдениях над исследуемым объектом.
Для определения структуры модели в предположении линейности объекта исследования использован метод формализованного структурно -параметрического синтеза системы управления, предложенный в работе [3]. Основу метода составляет функциональное преобразование исходной матрицы структуры, связывающей переменные состояния. Матричная запись уравнений системы получена на основе представления структуры исследуемой структуры в виде специального графа. Возможность представления системы в виде специального графа обосновывается, исходя из определенного изоморфизма структурной схемы сигнальному графу. Предложенная форма записи уравнения системы, учитывающая композицию структуры, служит базой для решения задач анализа, синтеза, идентификации.
Понятие «система» связано с соотношениями между входными и выходными величинами или с операционными функциями. Эти понятия могут быть интерпретированы с помощью графов. На основании анализа объекта управления строится граф связности технологических параметров. Вершинам графа соответствуют параметры объекта. Каждая ветвь графа отображает причинно-следственную связь между параметрами (вершинами) и изображается ориентированными ветвями. По графу связности строится структурная схема объекта управления. При структурно-параметрическом синтезе системы вершинам графа ставятся в соответствие операторы системы, а дугам - сигналы системы. Такой вид графа назван структурным графом (С - граф) [3]. В соответствии с геометрическими образами структурных схем для структурного графа введены определение узлов 1, 2 и 3-го рода. Определение 1. Узлами первого рода называются узлы графа, содержащие не менее двух входящих и одну выходящую ветви (суммирующие узлы) и удовлетворяющие уравнению: где х, - исходящая переменная узла; хк - входящие переменные для j - го узла; V,3 -соответственно квантор всеобщности и существования. Определение 2. К узлам второго рода относятся узлы С-графа, содержащие одну входящую и не менее двух выходящих ветвей (узлы ветвления) и удовлетворяющие уравнению:
Раскрытие системы предпочтений ЛПР на векторных оценках альтернатив
На действующих алюминиевых предприятиях автоматическое управление процессом электролиза алюминия традиционно решает две основные задачи [60]: -стабилизации напряжения электролизера, приведенного к номинальному току серии Jc (приведенного напряжения Unp); -стабилизации по заданному значению (базовой уставке) потока глинозема, подаваемого в электролизер. Недостатки традиционного способа управления известны и заключаются в том, что электролизер с течением времени значительно изменяет свои характеристики. В результате выбранные заданные значения (уставки) по приведенному напряжению и по подаче глинозема, даже если они были оптимальны, через какое-то время таковыми не оказываются. Рядом отечественных и зарубежных исследователей были предприняты попытки усовершенствования алгоритмов, и некоторые из них достигли значительных эффектов. Но все они изначально сводятся только к стабилизации тех или иных параметров процесса электролиза. Вместе с тем современные достижения в теории управления позволяют перейти к построению близких к оптимальным алгоритмов управления с использованием автоматической адаптации и самонастройки к изменениям характеристик объекта управления. Величина обобщенного критерия качества, определяется главным образом: - криолитовым отношением; - уровнем электролита; - уровнем металла; - напряжением на электролизной ванне. В последние годы намечается устойчивая тенденция использования в промышленных условиях все более кислых электролитов, вплоть до значения КО, равного 2,18- достаточно низкого с точки зрения российских традиций, которые, как известно, основаны на исследованиях 50 - гг., показывающих, что максимум выхода по току алюминия достигается при КО = 2,7 - 2,8. Исследования последних лет свидетельствуют, что при уменьшение криолитового отношения плотность электролита уменьшается. Уменьшение плотности расплава является благоприятным фактором. Можно назвать, по крайней мере, два положительных последствия снижения плотности: 1. Разность плотностей между алюминием и расплавом мала, следовательно малые возмущения в ванне могут вызвать значительные движения межфазной границы алюминий - электролит и весьма важно увеличивать эту разность. Для предотвращения смешения металла и электролита разность их плотностей не должна быть меньше 0,15- 0,2 г/см . Поскольку плотность алюминия является величиной постоянной в процессе электролиза, то нужную разность можно поддерживать только за счет электролита, поэтому уменьшение плотности расплава будет только способствовать лучшей сепарации электролита и металла. 2. Снижение плотности электролита приводит к увеличению скорости растворения глинозема, а также уменьшает вероятность образования осадка на подине. Снижение криолитового отношения выгодно с точки зрения наработки металла и может быть выгодным с точки зрения затрат электроэнергии. Ограничения, введенные на параметры Нм и h, определены согласно конструктивным размерам электролизеров - глубиной шахты ванны [28]. На практике пытаются поддерживать высокий уровень металла, так как при нормальной форме рабочего пространства об объеме металла в ванне судят по высоте его столба на подине. Действительно, из опыта работы известно, что электролизер с большими уровнями металла работает стабильнее. Это, в первую очередь, объясняется высокой теплоемкостью жидкого алюминия. Как показывают расчеты, количество тепла, накопленного жидким алюминием, в 30-40 раз превышает количество выделяющегося в расплаве тепла в течение одного часа [28]. Поэтому с увеличением количества металла в шахте стабильнее температура расплава и, в первую очередь электролита, при всех возможных колебаниях поступления тепла в ванну (изменениях силы тока, выпивки металла, пробивки корки и т.д.). Такая тепловая инерционность электролизера способствует стабилизации процесса. Как известно, из-за подовых настылей ток с подошвы анода к подине стекает через металл не только вертикально, но и наклонно. В этом случае вектор тока может быть представлен вертикальной и горизонтальной его составляющими. Взаимодействие же горизонтальной составляющей тока с магнитным полем, приводит к перекосу поверхности металла в шахте, искажению формы рабочего пространства и снижению производительности электролизера [28]. Величина этого перекоса пропорциональна плотности горизонтального тока в металле и поэтому при повышенном уровне металла плотность горизонтального тока снижается, и перекос поверхности металла уменьшается.
Однако при большом уровне металла уменьшается уровень электролита, что приводит к усилению образования осадков на подине. Поэтому для каждой конструкции электролизеров должен быть подобран свой оптимальный уровень металла. Следует заметить, что чем выше уровень технологии (наличие стабилизации тока серии, низкая частота анодных эффектов, использование автоматического питания глиноземом (АПГ)), тем меньший уровень металла можно поддерживать в шахте [28].
Количество электролита в ванне должно быть достаточным для растворения в нем необходимого количества глинозема и зависит от используемого способа питания электролита глиноземом. При пробивке и погружении корки в электролит количество глинозема должно быть достаточным для 6-8 часов работы - в зависимости от принятой схемы обработки [27]. В этом случае масса электролита должна превышать в 120-160 раз часовую потребность электролизера в глиноземе. При использовании АПГ вес электролита может быть во много раз меньше.
Объем электролита при постоянном значении межполюсного расстояния зависит от его уровня и формы рабочего пространства (ФРП) [27]. При снижении уровня электролита возрастает вероятность возникновения анодных эффектов; но и при высоком его уровне может наступить то же явление, т. к. при одинаковом весе погружаемой порции глинозема его концентрация может оказаться недостаточной. Кроме того, повышение уровня электролита, вопреки распространенному мнению, приведет к снижению перепада напряжения на границе анод - электролит за счет увеличения площади контактирования и снижения плотности «стекающего» с анода тока. Но, с другой стороны, с увеличением уровня электролита возрастает время взаимодействия выходящего из-под анода диоксида углерода с материалом анода, в результате которого образуется оксид углерода, выделяется тепло и увеличивается расход анода.
Основные ограничения на управление
Программная реализация алгоритмов выполнена в среде MatLAB 5.3. Система MatLAB [50] создана для проведения инженерных и научных расчетов: математический аппарат, используемый ею, предельно приближен к современному математическому аппарату инженера и ученого и опирается на вычисления с матрицами, векторами и комплексными числами. В ней реализована удобная операционная среда, позволяющая формулировать проблемы и получать их решения в математической форме. Система MatLAB 5.3 имеет собственный язык программирования.
В языке MatLAB 5.3 [33] имеются программы двух типов: Script -файлы (файлы — сценарии или управляющие программы) и файл - функции (процедуры). При помощи Script - файлов оформляются основные программы, управляющие организацией вычислительного процесса, и отдельные части основных программ. Файл - функции оформляют отдельные процедуры и рассчитаны на неоднократное использование.
Программа mainl.m организует процесс восстановления функции полезности. После запуска mainl.m предлагается ввести количество критериев. Далее на совокупности критериев необходимо определить подмножеств пар критериев, между которыми с помощи ЛПР установлено отношение или эквивалентности. Количество пар определяется из условия одноразового сочетания из числа варьируемых критериев. Для каждой пары критериев в соответствии с п. 3.5, предлагается ввести следующую информацию: - уровни частных отображений f и fj, относительно которых определяются границы множества Су. Уровни отображений f. и /у для обучающей выборки не должны принадлежать множеству экстремальных значений; - точности ах,а} оценок нижних и верхних границ множества Си, соответствующие чувствительности ЛПР к вариациям значений отображений критериев; - величины А,. » or,., Aj » aj. Эта информация в качестве параметра передается подпрограмме раскрытия системы предпочтения ЛПР. Подпрограмма реализует интерактивный алгоритм выделения множества С значений вектора /, неразличимых для ЛПР со значениями / . Подпрограмма позволяет выявить обучающую выборку Щ є И в виде приближенного отношения эквивалентности (3.7). Объем обучающей выборки определяется количеством пар критериев. Полученная информация преобразуется с использованием расчетного соотношения (3.19) к виду (3.20) и передается в качестве параметра подпрограмме расчета коэффициентов свертки векторного критерия. Подпрограмма реализует регуляризирующий алгоритм, который, задается итерационным процессом (3.22) с правилом останова (3.23). Проверка функции полезности, восстановленной по обучающей выборке, на предмет соответствия системе предпочтений ЛПР, производится по проверочной выборке при помощи расчетных соотношений, полученных в п. 3.6. Для выявления проверочной выборки необходимо использовать подпрограмму раскрытия системы предпочтения ЛПР. В отличии от информации для выявления обучающей выборки, уровни отображений f. и fj для проверочной выборки должны принадлежать множеству экстремальных значений. Таким образом, программа mainl.m совместно с подпрограммами раскрытия системы предпочтения J11 IP, оценки функции полезности и расчета коэффициентов свертки позволяет получить функцию полезности и оценить ее на предмет соответствия системе предпочтений ЛПР. Полученная функция полезности отражают целевую установку ЛПР, и остается постоянной при заданных целях управления. Программа main_2.m организует расчет оптимальной, в смысле обобщенного критерия качества, точки фазового пространства объекта. Для расчета моделей процесса электролиза (методика расчета описана в п. 2.3) используется подпрограмма расчета коэффициентов . линейной аппроксимации. В качестве параметра подпрограмме передается трехмерная матрица измерений параметров процесса электролиза. Срез трехмерной матрицы по первому индексу представляет собой обучающую выборку, описанную в п. 2.3. Количество слоев по первому индексу соответствует числу критериев качества. Подпрограмма возвращает коэффициенты линейной аппроксимации статистических зависимостей. Далее предлагается ввести для каждого критерия: - диапазон изменения критерия; - минимальное значение критерия; - информацию о направлении роста критерия. Полученная информация используется для нормализации и смены ингредиента критериев. Для восстановления обобщенного критерия качества нормализованные критерии суммируются покомпонентно с весами, полученными в программе mainl.m.
Восстановленный обобщенный критерий совместно с ограничениями на технологический процесс передаются подпрограмме скалярной оптимизации, которая реализует итеративный процесс (3.24) с правилом останова (3.25). Процесс (3.24) позволят получить устойчивое решение задачи линейного программирования. Подпрограмма возвращает оптимальное значение параметров процесса электролиза.
Информация о направлении роста, диапазоне изменения и минимальном значении критериев не зависит от текущего состояния процесса. Пересчет моделей процесса электролиза и, как следствие, оптимальных значений параметров, производится по текущим измерениям параметров процесса.
