Содержание к диссертации
Введение
1. Анализ процесса очистки сточных вод свинцовых аккумуляторных производств как объекта управления 9
1.1 Сточные воды и методы их очистки 9
1.1.1 Классификация сточных вод 9
1.1.2 Классификация очистных сооружений 11
1.1.3 Классификация методов анализа и основные показатели сточных вод 12
1.1.4 Процессы иметоды очистки сточных вод 13
1.2 Технологический процесс очистки сточных вод свинцовых аккумуляторных производств 15
1.3 Анализ процесса очистки сточных вод свинцовых аккумуляторных производств как объекта 30
Выводы по главе 1 33
2. Структура системы управления процессом очистки сточных вод свинцовых аккумуляторных производств 34
2.1 Анализ современного состояния автоматизации процессов очистки сточных вод 34.
2.2 Назначение и функции системы автоматизированного управления процесса очистки сточных вод свинцовых аккумуляторных производств 37
2.3 Архитектура системы управления и основные принципы реализация ее компонентов 39
2.4 Локальный уровень системы управления 41
2.4.1 Подсистема нижнего уровня 42
2.4.2 Подсистема среднего уровня. Контроллер для локального уровня управления АСУТП 42
2.4.3 Функциональная схема локального уровня 43
2.5 Подсистема верхнего уровня 44
2.5.1 Функционирование подсистемы 44
2.5.2 Постановка задачи для разработки системы оптимального управления статическими режимами 45
Выводы по главе 2 48
3. Нейронная модель системы управления статическими режимами . 49
3.1. Нейросетевоемоделирование 49
3.1.1 Нейронные сети . 49
3.1.2 Структура НС 49
3.1.3 Процедура обучения НС. 51
3.1.4 Применение НС в управлении 55
3.2 Нейронная модель системы управления статическим режимом процесса очистки сточных вод свинцовых аккумуляторных производств 59
3.2.1 Топология модели 59
3.2.2 Формирование выборки :61
Выводы по главе 3: 65
4. Иследование нейронной модели системы управления статическими режимами 66
4.1 Основные подходы для интенсификации процесса обучения нейронной модели 66
4.2 Исследование структуры нейронной модели 68
4.2.1 Настройка алгоритма обучения 68
4.2.2 Исследование влияния преобразующей функций 69
4.2.3 Исследование влияния количества эпох 71
4.2.4 Определение оптимальных диапазонов для алгоритма обучения с изменяющимися во времени настройками обучения 71
4.2.5 Исследование влияния числа скрытых слоев модели и количества нейронов на этих слоях 73
4.3 Проверка работоспособности нейронной модели 74
Выводы По Главе 4 76
5. Автоматизированное рабочее место на базе scada-системы 77
5.1 Выбор scada-технологии для разработки системы управления 77
5.2 Scada-система genie 3.0 80
5.3 разработка арм для системы управления процессом очистки сточных вод 82
5.3.1. Мониторинг процесса 83
5.3.2 Алгоритм адаптивной системы управления статическими режимами 88
5.3.3 Проверка работоспособности алгоритма оптимального управления 92
Выводы по главе 5 94
Выводы 95
Литература 97
Приложение 1 102
- Технологический процесс очистки сточных вод свинцовых аккумуляторных производств
- Назначение и функции системы автоматизированного управления процесса очистки сточных вод свинцовых аккумуляторных производств
- Исследование влияния преобразующей функций
- Выбор scada-технологии для разработки системы управления
Введение к работе
Вода играет решающую роль во многих процессах, протекающих в природе, и в обеспечении жизни человека. В промышленности воду используют как сырьё и источник энергии, как хладагент, растворитель, экстрагент, для транспортирования сырья и материалов и др.
Существенный вклад в развитие процесса загрязнения окружающей среды, как отмечает "Международная комиссия по окружающей среде и развитию ООН", вносят устоявшиеся методы удовлетворения потребностей человечества на основе использования традиционной практики природоразрушительного "технического прогресса". В этих условиях одно из ключевых значений приобретает проблема глубокой очистки сточных вод, результатов деятельности человека.
Аккумуляторные производства, являются потребителями больших количеств воды из открытых водоемов и подземных источников, и источниками загрязнения потребляемых вод. Поэтому важными задачами для этой отрасли химической промышленности являются совершенствование процессов водоподготовки, которое напрямую зависит от правильного выбора технологического оборудования для очистки сточных вод от примесей; упорядочение расхода и состава сточных вод; усреднение концентрации примесей и расхода сточных вод и ряд других факторов.
Процесс очистки сточных вод свинцовых аккумуляторных производств, при обширном варьировании технологических параметров, должен обеспечивать необходимые показатели качества водоочистки при минимуме расходов реагентов.
Совершенствование процессов водоподготовки и очистки воды в значительной степени связано с автоматизацией, так как эффективное управление или, поддержание соответствующих параметров на оптимальном уровне можно обеспечить лишь современными системами контроля и регулирования.
Процесс очистки сточных вод свинцовых аккумуляторных производств является непрерывно - дискретным процессом. В основе данного процесса лежат сложные физико-химические реакции, протекающие в технологическом оборудовании. Кроме того, существующие системы управления не всегда эффективно справляются с некоторыми возмущениями, действующими на процесс, т.к. в системах управления в основном используются упрощенные модели, учитывающие только локальные зависимости, что в сильной степени сказывается на уровне адекватности модели реальному объекту и, как следствие, на качестве управления.
Таким образом, особенности процесса и задачи автоматизации выдвигают создание корректной математической Особенности производства позволяют предположить, что наиболее эффективными методами для моделирования данного процесса и синтеза системы оптимального управления будут статистические методы.
Новую и весьма перспективную вычислительную технологию, дающую новые подходы к исследованию задач в области автоматизации, представляют собой нейронные сети. Первоначально нейронные сети открыли новые возможности в области распознавания образов, затем к этому прибавились статистические и основанные на методах искусственного интеллекта средства поддержки принятия решений задач в сфере финансов, теперь мы можем использовать нейронные сети и в автоматизации. Они позволяют строить модели сложных объектов управления; легко адаптируется при изменении параметров моделируемого объекта; позволяют реализовывать модели для многомерных объектов. Нейронные сети применяются для решения различных задач классификации и прогнозирования.
В настоящее время для облегчения доступа оперативного персонала к управлению, реализации и отладке системы оптимального управления, а также для визуализации технологического процесса широкое применение нашли SCADA-технологии.
«SCADA-система » (Supervisory Control And Data Acquisition System)-CHCTeMa сбора данных и оперативного диспетчерского управления.
SCADA-системы "закрывают" цеховой уровень автоматизации, связанный, прежде всего, с получением и визуализацией информации от программируемых контроллеров, распределенных систем управления.
Цель работы. Создать автоматизированную систему оптимального управления с использованием нейросетевых и SCADA технологий.
Исходя из поставленной цели, в работе решаются следующие научные и практические задачи:
• анализ процесса как объекта управления и разработка информационной схемы процесса;
• синтез структуры автоматизированной системы оптимального управления;
• создание топологии нейронной модели процесса с учетом априорной информации об объекте;
• построение структуры адаптивной оптимальной системы управления на базе нейросетевых и SCADA технологий;
• создание алгоритма функционирования и техническое обеспечение системы оптимального управления;
• оценка устойчивости и работоспособности системы управления.
При выполнении работы использовались методы искусственного интеллекта, методы и алгоритмы обучения нейронных сетей, методы теории управления, математического моделирования и математической статистики.
Данная работа посвящена проблеме автоматизации процесса очистки сточных вод свинцовых аккумуляторных производств.
Для повышения уровня автоматизации процесса очистки сточных вод были сформулированы следующие задачи:
изучить и исследовать процесс очистки сточных вод как объект автоматизации; выполнить анализ процесса как объекта управления;
- создать систему управления статикой процесса на базе нейросетевого моделирования;
- создать систему автоматического управления процессом на базе средств ГСП и контроллера;
создать автоматизированное рабочее место на базе SCADA технологий.
В первой главе проведен анализ процесса очистки сточных вод свинцовых аккумуляторных производств, как объекта управления. Приведены описание методов очистки и основные показатели качества очистки воды. Подробно описана технология процесса очистки сточных вод свинцовых аккумуляторных производств. Выполнен анализ процесса, как объекта автоматизации, приведено описание оборудования и материалов, используемых в данном процессе. Разработана информационная схема для процесса водоочистки.
Во второй главе. Приведен анализ текущего состояния автоматизации процесса очистки сточных вод, показана актуальность разработки системы автоматизированного управления. Осуществляется постановка задачи оптимального управления процессом очистки сточных вод свинцовых аккумуляторных производств, для автоматизированной системы управления. Определены функции и задачи автоматизированной системы управления. Разработана структура автоматизированной системы управления. Представлены подсистемы локального управления. Приводится обоснование выбранного метода моделирования объекта и подходов к моделированию топологии модели.
В третьей главе описаны методы построения нейронных структур, процедуры обучения нейронных сетей. Приведены области их применения. Определены структуры моделей для исследования, а также приведена методика формирования выборки.
В четвертой главе приведен план исследования, методы интенсификации процесса обучения. Приводятся результаты исследования и выводы по ним. Производится обоснование выбора структуры нейронной модели процесса очистки сточных вод свинцовых аккумуляторных производств.
В пятой главе приведен анализ SCADA технологий, дано обоснование выбора SCADA системы, а также приведены подробные описания алгоритмов оптимального управления процессом сточных вод и модуля оптимизации данного процесса. Кроме того, описана техническая реализации верхнего уровня системы управления. Приведена подробная структура доступа оперативного персонала к блокам алгоритма управления.
Положения выносимые на защиту.
Синтезирована информационная схема процесса, базирующаяся на модульном принципе построения и служащая для моделирования, а также для анализа динамики и статики процесса.
Создан алгоритм функционирования системы управления процессом водоочистки свинцовых аккумуляторных производств, который обеспечивает очистку сточных вод с заданными показателями качества при оптимальной подаче реагентов.
Предложена методика исследования нейронной модели, на основании которой выполнен структурный синтез моделей и выбрана оптимальная топология.
Технологический процесс очистки сточных вод свинцовых аккумуляторных производств
Все методы очистки применяются к сточным водам всех химических производств. Практически любой химический процесс сопряжен с выделением вредных веществ, поэтому для очистки сточных вод сбрасываемых химическими предприятиями, использование реагентной обработки и БХО, как наиболее эффективных методов, являются непременными и основными способами/4/.
Основная задача автоматизации химической (реагентной) очистки состоит в регулировании подачи реагентов в количествах, необходимых для протекания реакций с наибольшей полнотой и скоростью 111. При условии резких колебаний во времени концентрации загрязнения, с одной стороны, и содержания полезного продукта в реагентах, с другой стороны, эта задача, с точки зрения автоматического регулирования, далеко не проста.
Большее внимание уделяется разработке и внедрению интенсивных методов очистки сточных вод. К ним относятся флотация и биохимическое окисление в отстойниках. Роль систем автоматического контроля и регулирования в таких установках еще более повышается, так как данные процессы весьма чувствительны к колебаниям концентрации загрязнений в очищаемой воде. К физико-химической очистке также относится и метод ионного обмена, обеспечивающий получение воды любой степени чистоты, пригодной для повторного использования в технологических циклах.
К числу важных и распространенных технологических процессов относится процесс очистки сточных вод свинцовых аккумуляторных производств, в состав которых входят токсичные неорганические вещества, образующиеся в результате химических реакций, выделения из сырья и др.; которые требуют использования механических и химических методов очистки.
АОЗТ "Электротяга" является одним из характерных представителей по производству свинцовых аккумуляторов, которое в своей структуре, для выведения вредных примесей из сточных вод, предусматривает наличие очистных сооружений Прежде чем попасть в городской коллектор сточные воды со всего производства поступают на станцию очистки сточных вод (рис.5), объем перерабатываемых станцией сто-ков составляет 400 - 800 м в сутки/8/. Процесс очистки сточных вод свинцовых аккумуляторных производств условно делится на два этапа: I) Процесс очистки сточных вод; II) Процесс приготовления реагентов. Процесс очистки сточных вод включает в себя: 1. Очистку промышленных сточных вод свинцового производства. 2. Доочистку осветленных промышленных сточных вод - фильтрацию. Очистка промышленных стоков. Все поступающие стоки, изначально, собираются в приямке кислых стоков, где нерастворимый осадок поддерживается во взвешенном состоянии сжатым воздухом от магистрали завода. Из приямка кислые стоки подаются в резервуар - усреднитель насосами в автоматическом режиме с сигналами включения - выключения от датчика уровня стоков в приямке. В резервуаре - усреднителе стоки перемешиваются сжатым воздухом от воздуходувной установки через систему барботажных труб, при этом происходит выравнивание рН среды во всем объеме стока в резервуаре - усреднителе, что позволяет достигать более стабильного состава стоков и, следовательно, добиваться более качественной их очистки при оптимальном расходе реагентов. По диагональному деревянному лотку резервуара -усреднителя стоки самотеком по трубопроводу поступают в насосную станцию в другой приямок для усредненных стоков. В приямок усредненных стоков подается рабочий раствор кальцинированныои соды из регенерационного хозяйства, при этом регулировка струи раствора соды ведется вручную вентилем в зависимости от кислотности поступающих из усреднителя стоков. Происходит процесс нейтрализации и постепенный перевод растворимых примесей в нерастворимое состояние. Для этого кислотность усредненных стоков поддерживается в пределах рН 7,0 - 8,0. Поддержание нерастворимых частиц в приямке усредненных стоков во взвешенном состоянии также осуществляется сжатым воздухом от магистрали завода. В том случае, если рН усредненных стоков в приямке остается ниже 7,0, то предусмотрена дополнительная линия подачи соды в камеры реакции. Далее усредненные стоки подаются насосами в автоматическом режиме в камеры реакции. Сигналы к насосам (также как и в приямке кислых стоков) поступают от датчика уровня. В камерах реакции продолжается процесс нейтрализации стоков и образование мелкодисперсной взвеси нерастворимого осадка при перемешивании сжатым воздухом от магистрали завода. Из камер реакции стоки подаются в вихревые смесители. При этом все камеры реакции и вихревые смесители связаны между собой по системе сообщающихся сосудов. В поток стоков, исходящих из вихревых смесителей тонкой непрерывной струей, из дозировачных баков подается рабочий раствор полиакрилламида (ПАА). При этом происходит коагуляция (укрупнение) частиц взвеси в стоках для последующего их осаждения. Следующая стадия процесса - осветление стоков. Стоки со взвешенным коагулированным осадком, равномерно распределяясь по осветлителям, поступают сначала в открытый приемный лоток осветлителя (рис.6), затем через стояк и центральный распределительный цилиндр, потом через радиальные патрубки поступают в зону распределения между чашеобразным герметичным дном и расположенным над ним дырчатым дном. Далее взвесь через отверстия стального дырчатого дна поднимается в зону "взвешенного фильтра", где проходит сквозь слои хлопьевидной взвеси, постепенно осветляется и поступает в "осветленную зону", где, переливаясь через зубчатые водосливы в кольцевой желоб, отводится по трубопроводу на доочистку или направляется в канализацию. При этом параметры осветленной воды в соответствии со статистикой данных заводской СПЛ (санитарно - промышленная лаборатория) следующие: 1) рН-от 7,5 до 8,5; 2) РЬ - от 2 до 10 мг/ л; 3) Взвешенное вещество - от 4 до 12 мг/л.
Скорость восходящих потоков, проходящих через зону «взвешенного фильтра» должна быть такова (1,0 - 1,6 мм/мин), чтобы не было значительного осаждения взвеси на дырчатое дно, так как скопление в отдельных местах уплотненного осадка на дырчатом дне выключает из процесса часть его площади, что приводит к нарушению процесса осветления воды за счет локального ускорения идущих вверх потоков.
Избыток шлама из зоны «взвешенного фильтра» с частью обрабатываемой воды через восемь осадкоотводящих вертикальных труб непрерывно опускается в зону уплотнения осадка (шламоуплотнитель), отделенную от зоны распределения герметичным стальным чашеобразным дном.
Поступающий в шламоуплотнитель осадок отстаивается, при этом отстоянная вода собирается непосредственно под герметичным чашеобразным дном и через систему принудительного «отсоса» направляется в трубопровод с осветленной водой из верхнего уровня осветлителя. При этом отвод отстоянной воды с помощью насоса ускоряет отвод через шламоотводящие трубы осадка в шламоуплотнитель (коническая часть осветлителя), что в свою очередь увеличивает пропускную способность (производительность) осветлителя.
Контроль за качеством отстоянной воды в процессе работы ведется периодически визуально через пробоотборники на линии «отсоса». При этом по своим данным (химсостав), отстоянная вода идентична осветленной воде.
Назначение и функции системы автоматизированного управления процесса очистки сточных вод свинцовых аккумуляторных производств
При этом система управления целенаправленно изменяет технологические параметры процесса водоочистки в желаемом направлении на основании поступающей с датчиков информации путём её анализа и воздействия в нужном темпе на задвижки, дозирующие устройства, насосы и другие исполнительные механизмы /13,14/.
Интенсивность и последовательность таких воздействий стремятся выбрать такими, чтобы реализуемый технологическим оборудованием процесс переработки входных потоков вещества, энергии и информации был наиболее целесообразным и удовлетворял выбранному критерию оптимальности (например, критерию заданного качества очистки воды и (или) минимизации расходов реагентов) и заданным ограничениям (например, в отношении показателей качества очистки воды). В этом случае управляющие воздействия служат средством перевода технологического объекта управления в оптимальное состояние.
Исходя из представления технологического процесса очистки воды как совокупности операций, реализуемых взаимосвязанными функциональными узлами системы управления, в работе /15/ рассмотрено с позиций системного подхода и показано взаимодействие потоков вещества, энергии и информации в обобщённой схеме (см. рис.11). В процессах водоочистки участвуют следующие вещества: щёлочи, соли, известковое молоко, коагулянты, специфические загрязнители, попадающие на очистные сооружения, гидрооксиды металлов и др.
При автоматизации технологического процесса очистки воды электроэнергия затрачивается на транспортировку её химических веществ к технологическому оборудованию, а также потребляется управляющими и исполнительными устройствами системы управления, пультами и оборудованием диспетчерских пунктов и др/16,17/.
Потоки информации, поступающие на входы и снимаемые с выходов системы управления и ТОУ, характеризуют состояние процесса водоочистки в качественном (величина рН, концентрация вредных веществ и др.) и количественном отношении (расход, уровень, температура и т.д.). При этом, получаемая информация необходима для контроля дозы реагентов в воде, оценки качества её обработки при протекании сложных процессов осветления, нейтрализации кислых стоков, полноты обессоливания и умягчения, измерения уровня осадка в отстойниках и др.
Для выбора оптимальных режимов необходимы: соответствующая обработка данных о содержании в воде взвешенных веществ, составе, строении и свойствах, анализ сведений о фазовом составе нерастворимых примесей, а в некоторых случаях нужны данные наличии металлов и их гидрооксидов.
Оценивая перечисленные информационные данные с позиции их целевого назначения при автоматизации технологического процесса очистки воды, можно выделить наиболее трудоёмкие операции получения, преобразования, накопления, переработки и выдачи измерительной и другой информации в соответствующей форме (визуальное отображение, регистрация в цифро - буквенной форме, на диаграммах и т.д.). При этом важны достоверность, точность и своевременность информации для достижения цели управления.
Основываясь на структуре необходимо отметить, что отдельные модели/10,11,18,19/ для процесса очистки сточных вод, с точки зрения функциональных возможностей и технической оснащенности, не используются или используются не в полном объеме
В научных работах за последние несколько лет системам автоматизации процесса очистки сточных вод уделялось мало внимания. В основном рассматривались вопросы автоматизации отдельных стадий, либо автоматизации контроля или измерения того или иного компонента /20,21,22,23,24,25,26/.
Такой подход не обеспечивает эффективное управление процессом очистки по причине нерационального использования дорогостоящих реагентов.
Известны результаты исследований, посвященных разработке и применению датчиков и приборов для систем контроля и управления процессами коагуляции и хлорирования воды /27/. Рассмотрены применения ультрозвуковых расходомеров и видов арматуры в системе транспорта воды /28, 29, 30/. Описываются системы оптимального управления режимами работы насосных станций, в общую сеть, защиту водоемов от гидравлических ударов при их заполнении водой. Рассмотрены вопросы запуска автоматизированного насосного агрегата, оснащенного регулируемым приводом по схеме асинхронного -вентильного каскада/31/. Разработан анализатор для контроля поверхности сточных вод /32/.
Отсутствие в открытых публикациях описания системы автоматизации всего процесса очистки сточных вод свинцовых аккумуляторных производств связано с закрытыми сведениями о технологическом производстве.
Наиболее близким проектом комплексной автоматизации процесса очистки сточных вод является проект "Экология" для Березняковского титано - магниевого комбината/33/, где рассмотрена автоматизация процесса целиком с использованием современных средств автоматизации. Однако, в данном проекте не представлена модель объекта, и как следствие отсутствия модели не достаточное внимание уделено оптимизации и взаимосвязи технологических параметров, их количественной оценки, кроме того не учитываются изменяющиеся свойства объекта, недостаточное внимание уделено локальным средствам автоматизации, возможности современных контроллеров и SCADA систем использованы не в полном объеме, а также существующие особенности процесса не позволяют использовать данный проект.
Однако указанные факторы в полной мере относятся и к процессу очистки сточных вод свинцового аккумуляторного производства, кроме того, что касается системы автоматизации на конкретном производстве, то на данный момент комплекс очистных сооружений свинцовых аккумуляторных производств частично автоматизирован, то есть управление некоторыми стадиями осуществляется вручную, дозировка и приготовление реагентов осуществляется несбалансированно, что приводит к необоснованным материальным затратам вследствие неизбежной передозировки.
Исследование влияния преобразующей функций
Для ускорения процесса сходимости во время исследования нейронной модели были использованы следующие подходы: 1. Выбор начальных весов Перед тем, как начинать процесс обучения нейронной сети, необходимо присвоить весам начальные значения. Цель состоит в том, чтобы найти как можно более хорошее начальное приближение к решению и таким образом сэкономить время обучения и улучшить сходимость. Классический подход к этой проблеме состоит в том, чтобы случайным образом выбрать малые значения для всех весов, чтобы быть уверенным, что ни один из сигмоидных элементов не перенасыщен. 2. Учет инерционности. Иногда при изменении весов связей нейронов кроме текущего изменения веса к нему прибавляют вектор смещения с предыдущего шага, взятый с некоторым коэффициентом. Формула изменения веса связи будет выглядеть следующим образом: где \i - число в интервале (0,1), которое задается пользователем, і - номер такта обучения; є - коэффициент скорости обучения; к - номер слоя; а - коэффициент инерционности обучения. 3. Управление величиной шага (скоростью) По сути, это - мера точности обучения сети (є - величина шага изменения весов сети). Чем шаг больше, тем более грубым будет следующее уменьшение суммарной ошибки сети; чем он меньше, тем больше времени сеть будет тратить на обучение и тем более возможно ее попадание в окрестность локального минимума ошибки. Поэтому управлениє шагом имеет важное значение для улучшения сходимости нейронной сети. В современных нейросетевых пакетах пользователь может сам определять, как будет изменяться величина шага. Очень часто по умолчанию берется линейная или экспоненциальная зависимость величины шага от значения текущей ошибки обучения (то есть от расстояния до точки экстремума)). 4. Оптимизация архитектуры сети Одной из самых больших проблем при использовании нейросетей является невозможность предварительного определения оптимального количества скрытых слоев и нейронов в них. Если нейронов будет слишком мало, то это равносильно потере каких-то нелинейных связей в модели, если нейронов будет много, то это может привести к "переобучению" сети, то есть она просто "выучит" данные, а не распознает их структуру и функциональную зависимость. Поэтому применяется два основных подхода к определению топологии сети: - деструктивный подход: берется сеть заведомо большего размера, чем нужно, и в процессе обучения из нее удаляются связи и даже сами нейроны; конструктивный подход: первоначально берется маленькая сеть, и к ней, в соответствии со структурой и сложностью задачи, добавляются новые элементы. 5. Масштабирование данных При обучении нейронных сетей на типы входных и выходных данных не накладывается никаких ограничений. Входные и выходные сигналы сети могут принадлежать как к одному, так и к разным типам данных, они могут быть двоичными, целыми или действительными (вещественными). Главное - чтобы все элементы сигналов принадлежали к одному типу. Кроме того, для успешного обучения и функционирования нейронной сети желательно, чтобы диапазоны изменений элементов входных сигналов незначительно отличались друг от друга. Однако при решении практических задач эти требования часто не соблюдаются. Поэтому выбирается диапазон изменения элементов входного сигнала ("общий диапазон"). Для каждого элемента входного сигнала определяется его диапазон и выполняется линейное преобразование данного элемента таким образом, чтобы в результате его значения принадлежали общему диапазону. Еще одна проблема обучения и функционирования нейронных сетей состоит в следующем. В некоторых задачах на значение выходных сигналов сети существенно влияют не абсолютные значения входных сигналов, а небольшие изменения во входных сигналах. Классические варианты алгоритмов обучения нейронной сети позволяют учитывать главным образом абсолютные значения входных сигналов, а не их небольшие колебания. Для разрешения этой проблемы также можно использовать масштабирование. Поэтому и в нашем случае для уменьшения погрешности использовано масштабирование в интервале -1; 1. 4.2 Исследование структуры нейронной модели Как было сказано выше, нейронная сеть обучается решению задачи на основании некоторой обучающей выборки. Элемент обучающей выборки и нормализованные значения параметров представлены в приложении 7. 4.2.1 Настройка алгоритма обучения Настройка алгоритма осуществляется с помощью инерционности а и коэффициента скорости обучения є (см. формулу 14). Исследование настроек алгоритма было выполнено для всех трех моделей для тан генсоидной преобразующей функции.
Выбор scada-технологии для разработки системы управления
Пакет GENIE /71/, является инструментальным средством для создания программного обеспечения сбора данных и оперативного диспетчерского управления (SCADA), исполняющегося в среде MS Windows 3.x,Windows 95 и Windows 98. GENIE текущей версии может применяться в проектах АСУ ТП масштаба технологического участка и/или цеха, с начальным или средним уровнем сложности.
Производитель Genie —американское отделение фирмы Advantech, известной как производитель компьютеров и электроники для промышленной автоматизации. Это одна из самых доступных, по цене программ. Секрет низкой цены в этом случае раскрывается просто — пакет Genie предназначен для программной поддержки аппаратуры фирмы Advantech и в первую очередь содержит драйверы именно для нее. Хотя возможно использование его и с оборудованием других изготовителей: значительная часть «Руководства пользователя «посвящена процедуре написания собственных DLL, обслуживающих «нестандартные «устройства ввода вывода. Если проводить аналогии с тем же Genesis, то по своим функциональным возможностям пакет занимает промежуточное положение между версией Genesis Light и Genesis Basics,npH4eM ближе ко второму. Одна из главных отличительных черт этого пакета — хорошо продуманный интерфейс пользователя. Намеренно сократив число «степеней свободы »в инструментальной части пакета и написав доступный Help, авторы создали уникальный по простоте освоения программный продукт.
Состав и архитектура системы./63,71/ Пакет GENIE состоит из двух основных программных модулей: Построитель стратегий GENIE (GENIE.EXE) и Исполнительная среда GENIE (GWRUN.EXE). Построитель стратегий используется для проектирования и тестирования проектов, называемых стратегиями, а Исполнительная среда —только для исполнения стратегий.
Кроме того, в составе пакета имеется программа установки и настройки устройств ввода/вывода, а также набор динамически компонуемых библиотек (DLL), выполняющих различные функции в процессе разработки и выполнения программного обеспечения SCAD A. GENIE имеет модульно ориентированную архитектуру. Открытость архитектуры позволяет легко реализовывать взаимодействие GENIE с другими приложениями для совместного доступа к данным во время исполнения стратегий.
Результат разработки приложения в GENIE сохраняется в файле стратегии. Файл стратегии (с расширением .GNI) представляет собой двоичный файл, содержащий всю информацию последнего сеанса редактирования. Стратегия - это совокупность одной или нескольких задач вместе с одной или большим количеством экранных форм, а также одним основным сценарием.
Задача, экранная форма и основной сценарий являются тремя основными элементами, используемыми при проектировании стратегий. Простейшая стратегия имеет одну задачу с одной экранной формой и не имеет основного сценария.
Задача представляет собой набор функциональных блоков, отображаемых в окне задачи в виде пиктограмм. Экранная форма представляет собой набор элементов отображения и элементов управления. Пиктограммы функциональных блоков и элементы отображения/управления являются стандартными «кирпичиками »для построения стратегии. Они очень похожи по внешнему виду, за исключением того, что элементы отображения служат для реализации графического интерфейса пользователя, в то время как пиктограммы блоков скрыты во время исполнения стратегии.
Соединения между функциональными блоками в процессе разработки стратегии могут устанавливаться посредством видимых и невидимых связей. Соединения между пиктограммами блоков являются видимыми в окне Редактора задач. Такое соединение называется проводником, поскольку по своему назначению оно аналогично проводам в электрических схемах. Соединения между пиктограммами блока и элементами отображения невидимы. Поэтому они называются связями.
Каждая задача и экранная форма имеют собственные параметры. Впервые созданная новая задача или новая экранная форма имеют заданные по умолчанию параметры, которые могут быть изменены пользователем в соответствии с требованиями алгоритма. Задача имеет такие параметры, как период сканирования (интервал времени между текущим и следующим вызовом задачи для исполнения), эффективный интервал исполнения (абсолютное время выполнения задачи), метод запуска и метод завершения. 5.3 Разработка АРМ для системы управления процессом очистки сточных вод Реализация АРМа в SCADA-системе выполнена для облегчения доступа операторам, настройщикам и технологам к управлению, отладке системы управления и визуализации технологического процесса. Схема доступа оперативного персонала к функциональным блокам, реализованным в алгоритме управления, представлена на рис. 30. Из схемы видно, что настройщик имеет полный доступ, ко всем блокам алгоритма, таким как: архивация данных (месячная, годовая архивация данных); вмешательство в оптимальное управление статическим режимом процесса, т.е. изменения настроек регуляторам и управляющих воздействий; осуществляет моделирование и перемоделирование процесса, в том числе и изменение настроек алгоритма обучения и выбор алгоритма обучения; осуществление мониторинга процесса, коррекция мнемосхем, количество выводимых параметров и создание необходимых файлов архивации текущих данных, формирование отчетов об авариях.
