Содержание к диссертации
Введение
ГЛАВА 1. Общая постановка задачи. Литературный обзор
1.1. Вопросы создания системы контроля и управления стоками водных промышленных объектов 3
1.1.1. Принципы разработки автоматизированных водо-охранньгх систем ...5
1.1.2. Существующая и альтернативная системы аналитического контроля
1.1.3. Предложенная системам опыт работы в этом направлений 19
1.2. Моделирование технологамеских объектов при расплывчатой информации 12
1.2.1. Методы, основанные на нечетких множествах 23
1.2.2. Построение нечетких моделей
1.3. Методы принятия решения в условиях неопределенности 34
1.3.1. Сущность методов поддержки принятия решения 34
1.3.2. Формальные критерии принятия решений 36
1.3.3. Классификация нечетких моделей пришггия решений .41
1.3.4. Модели нечеткого математического программирования ...41
1.3.5. Лингвистические модели пришггия решений 43
1.3.6. Нечеткие бинарные отношения 45
1.4. Ситуационные мстоды управления 47
1.4.1. Принципы ситуационного управления 18
1.4.2. Ситуационная советующая система с нечеткой логикой 49
1.5. Распределенные системы поддерлаш принятия решений 55
1.5.1. Роль экспертных систем 55
1.5.2. Особенности экспертных систем 56
1.5.3. Распределенная система поддержки принятия решений 59
1.5.4. Особенности распределенных экспертных систем 61
1.6. Представление знаний и процедура экспертного опроса 64
1.6.1. Представление знаний в экспертной системе Ы
1.6.2. Процедура экспертного опроса 67
Выводы к главе 1 7 3
ГЛАВА 2. Объект внедрения экспертной системы 75
2.1. Объект управления верхнего уровня системы 77
2.1.1. Общие характеристики системы промышленных стоков НАК«АЗОТ» 79
2.1.2. Управляющие воздействия на верхнем уровне системы 80
2.1.3. Классификация сточных вод И5
2.1.4. Существующая система аналитического контроля.
2.2. Объект управления нижнего уровня системы 89
2.2.1. Краткая характеристика производства гранулированной аммиачной селитры 90
Выводы к главе 2 103
ГЛАВА 3. Разработка эколого-ориентированной экспертной системы поддержки принятия решения управления стоками 105
3.1. Разработка экспертной системы поддержки принятия решения управления объектом 107
3.1.1. Основные этапы разработки экспертной системы 107
3.1.2. Архитектура экспертной системы 108
3.1.3. Алгоритмы работы экспертной системы ..111
3.2. Построение модели объекта 112
3.2.1. Математический аппарат модели объекта 112
3.2.2. Этапы построения модели объекта і і 4
3.3. Построение модели ситуационного управления объектом і2о
3.3.1. Исходные положения і 2о
3.3.2. Отбор представительного множества эталонных
ситуаций 27
3.3.3. Математическое формулирование задач в условиях неопределенности 29
3.3.4. Расчет степени нечеткой близости между поступающей и эталонной ситуацией 132
3.3.5. Построение нечетко-ситуационной сети .140
3.3.6. Процедура проведения групповых экспертных опросов 150
Выводы к главе 3
ГЛАВА 4. Методическое и программно-алгоритмическое обеспечение двух уровневой ситуационной советующей системы управления промышленными стоками 154
4.1 Построения моделей распределенной экспертной системы управления стоками 154
4.2, Анализ объекта верхнего уровня 155
4.3. Анализ объекта нижнего уровня 156
4.3.1. Модель выпарных аппаратов первой ступени производства аммиачной селитры 159
4.3.2. Разработка модели управления объектом 137
4.3.2.1. Фазификация технологических переменных 187
4.3.2.2. Получение экспертной информации 189
4.3.2.3. Построение «Ситуация - предпочтения решения». 194
4.3.2.4. Составление графов управляющих решений и определение их соответствующих степеней предпочтения 194
4.3.2.5. Формирование нечёткой ситуационной сети (ГІСС) 199
4.4. Разработка отішьггой экспертной системы поддержки принятия решений нижнего уровня 203
4.4.1. Программная реализация системы 207
4.4.2. Графическое предстагзление экспертной системы поддержки принятия решений управления стоками 216
Выводы к главе 4 220
Основные результаты работы 221
Список использованных источников 222
Приложения 236
- Предложенная системам опыт работы в этом направлений
- Общие характеристики системы промышленных стоков НАК«АЗОТ»
- Расчет степени нечеткой близости между поступающей и эталонной ситуацией
- Составление графов управляющих решений и определение их соответствующих степеней предпочтения
Введение к работе
Все живое на Земле постоянно развивается и взаимодействует. Мы, люди, являемся неотъемлемой частью живой природы и всецело от нее зависим. Она служит источником пищи и лекарственных средств, поставляет кислород, и другие химические элементы, из которых состоит наш организм. Поэтому человек не только пользуется богатствами природы, но и в какой то степени охраняет ее. Несмотря на все сегодняшние усилия, по оценкам ряда ученных, в ближайшие 75 лет может наступить настоящая глобальная биокатастрофа, что включает в себя исчезновение половины всех видов животных и растений, порчу полезных почв и сокращение пресной воды.
В связи с вышеизложенным, одной из приоритетных целей развития общества должно являться обеспечение его экологической безопасности. Кроме того, такая цель в современном мире должна осуществляться в соответствии с работой производственных объектов. По отношению к водным объектам в главе первой статьи третьей водного кодекса Российской Федерации упоминается, что такая цель как зашита водных объектов от загрязнения и др. «реализуется на основе принципа устойчивого развития (сбалансированного развития экономики и улучшения состояния окружающей природной среды )».
В настоящее время для достижения этой важной цели в России проводится природоохранная деятельность, которая условно разветвляется на следующие взаимодействующие направления:
? Создание и усовершенствование законодательных нормативных документов по охране окружающей среды (ООС).
? Разработка целевых комплексных программ (ЦКП) по реализации экологической политики регионов.
? Проведение природоохранных мероприятий на уровне промышленных предприятий;
? Создание эффективных систем мониторинга окружающей среды.
Данная проблема актуальна не только для России но и для моей страны «Боливия» где больше интерес проявляется ко второму и четвертому направлениям, в то же время в России наибольшее внимание уделяется первым трем пунктам. Можно наблюдать, что все эти направления находятся на этапе формирования, так в первом направлении, можно сказать, что по решению проблем ООС законодательная база закреплена, но, к сожалению, отсутствие единой государственной концепции ООС не позволяет эффективно решать поставленные задачи [111, 112].
На уровне регионов хорошо распространена реализация экологического планирования средствами целевых комплексных программ (ЦКП), которые в свою очередь требуют финансово-материально-технические ресурсы, согласно этому для обеспечения этими ресурсами развиваются разные виды экономических механизмов [113]. Таким образом, в экономическом механизме управления охраной окружающей природной среды особая роль отводиться системе платежей за ее загрязнение. В настоящее время в России по примеру зарубежных стран разработан и внедрен ряд экономических методов, направленных на решение этой задачи: платежи за загрязнение, лимитирование, лицензирование, природопользование, экологическая ответственность. Усиленно пропагандируются и разрабатываются рыночные методы управления охраной окружающей среды (перепродажа прав по загрязнению, принцип пузыря и т.п.). К сожалению, факты свидетельствуют о том, что платежи осуществляются по заниженным ставкам, которые не отражают реальные объемы загрязнения, а следовательно, и эффективность экономического механизма ничтожно мала. Интересно подчеркнуть, что проводимая рыночная политика известна как экономизация экологии, а это по мнению некоторых авторов, считается неэффективным [114]. Такое утверждение основано на сравнительном анализе экологических платежей и ущерба окружающей среды при выбросе (сбросе) загрязняющих веществ, что показало «значительное несоответствие» полученных величин. В настоящее время Россия не готова к внедрению рыночного механизма в сфере природопользования. Это позволяет сделать вывод что ставки, по которым осуществляются платежи, в следующие годы будут постепенно увеличиваться, чтобы оправдать эффективность экономического механизма.
Вследствие этого, в последнее время в промышленных предприятиях, наряду с модернизацией очистных сооружений, развитием безотходных производств и рядом других мероприятий, поощряется проводить мероприятия направленные на снижение и ликвидацию отрицательного воздействия на окружающую среду.
Четвертое и самое важное направление природоохранной деятельности это создание эффективных систем мониторинга окружающей среды, которые позволяют решать качественно новые задачи за счет использования современных методов математического моделирования и средств обработки данных. Такие системы можно классифицировать по их уровню функциональной развитости и степени автоматизации [112]. Если объектом экологического мониторинга является химическое предприятие, то среди прочих можно выделить «Автоматизированные системы экологической зашиты» технологического процесса, которые в свою очередь являются составной частью АСУ ТП.
Безусловно, в последующие годы российские промышленные предприятия будут испытывать серьезное давление со стороны соответствующих государственных органов, (как подчеркивалось выше) и можно предвидеть последовательное ожесточение законов по ООС и постепенное повышение ставок платежей за нормативные и сверхнормативные выбросы и сбросы вредных веществ. Этим теперь и объясняется проявляющий интерес химических предприятий к автоматизированным системам экологического мониторинга, так как они позволяют не только следить за состоянием загрязняющих потоков, но и в какой то степени управлять ими. Данная работа посвящена развитию и разработке таких систем. Работы по созданию систем контроля окружающей, в том числе водной среды, в России ведутся в основном последние три десятилетия, причем темпы создания этих систем, явно не удовлетворяют решению стоящих задач.
Системы такого рода реализованы многими фирмами и накоплен значительный опыт по их созданию и эксплуатации. Итак, по предписанию органов Госкомприроды водопользователи обязаны обеспечить токсикологический контроль сточных вод, установку и эксплуатацию автоматизированных устройств, предназначенных для постоянного контроля над расходом, составом и свойствами сбрасываемых вод, а так же объединение этих устройств в автоматизированные системы, позволяющие осуществлять централизованный контроль и управление сбросом вод. Примерами автоматизированных систем контроля качества воды и водных объектов (АСККВ) могут служить системы на реке Северный Донец и в бассейне реки Москвы. Имеющийся до настоящего времени опыт создания АСККВ в России и в частности на предприятиях по производству минеральных удобрений крайне ограничен. Основными причинами такого состояния дел является следующее:
- экономическая не заинтересованность в создании АСККВ;
- отсутствие единой политики в стране и в отраслях по этой проблеме;
- низкая культура производства и технологической дисциплины;
- отсутствие надежных технических средств для реализации АСККВ российского производства;
- отсутствие понимания у общественности о необходимости создания систем экологического контроля.
С другой стороны в промышленности, в т.ч. химической, встречается обычная картина: значительное количество предприятий нуждается в модернизации и оснащении современными системами автоматизации. Как отмечалось выше, такие системы должны обеспечивать эффективное управление технологическими процессами и производствами, включающими в себя, в том числе подсистемы мониторинга состояния и управления стоками и выбросами. Между тем, значительная стоимость технического обеспечения таких систем вынуждает промышленные предприятия откладывать на неопределенное время их внедрение.
Имеющиеся в настоящее время результаты в области математического моделирования и теории принятия решения создают определенные предпосылки для решения указанной проблемы. Однако существующая неопределенность, обусловленная сложностью химических производств, их взаимосвязью между собой, трудоемкостью процедур построения математического описания, недостаточного количества или вовсе отсутствия средств получения информации о состоянии загрязнения промышленных площадок ограничивает применение традиционных математических подходов. В то же время использование и обработка качественной информации на основе математического аппарата нечетких множеств способствует преодолению указанных трудностей. Вместе с тем развитие современных информационных технологий и искусственного интеллекта позволяет создавать советующие экспертные системы способные решать поставленные задачи.
В силу этого, в условиях рассмотренных ограничений, высока актуальность создания и развития советующих экспертных систем, способных производить непрерывный мониторинг, поддержку и принятие решений управления загрязнением промышленных площадок в реальном масштабе времени.
Накопленный опыт разработки и создания экспертных систем для химических производств [12, 25, 27, 70, 150, 157] не дает универсальную методику их построения и это объясняется тем, что круг решаемых задач многообразен. Разумеется, от выбранной методики зависит точность ожидаемых результатов. Можно еще подчеркнуть, что выбор методики обработки имеющейся качественной и количественной информации зависит не только от поставленных задач, но и от особенности исследуемых объектов.
Примером может служить Новомосковский акционерный комбинат «АЗОТ» и, в частности, производство аммиачной селитры, где проблема ООС имеет особую актуальность, так как аммиачные соединения, попадая в промышленную канализацию, в конечном итоге наносят ущерб экологическому состоянию водного бассейна региона. В нашем случае экологическим объектом управления является, с одной стороны, пруд-отстойник (ПО) и канализационные линии (источники стоков - это отдельные цеха и производства), а с другой стороны цех аммиачной селитры который имеет взаимосвязь с другими цехами.
Цель настоящей работы - показать целесообразность создания распределенных экспертных систем иерархического типа для поддержки принятия решений при управлении промышленными стоками предприятия, разработать локальную открытую экспертную систему действующего производства по упреждению превышения предельно допустимой концентрации аммиачной селитры в стоках.
В соответствии с этим были поставлены и решены следующие задачи:
1) Проведение анализа влияния промышленного предприятия на экологическое состояние близлежащего водного бассейна.
2) Проведение анализа технологии особо загрязняющего производства с целью выявления источников вредных веществ.
3) Применить аппарат нечетких множеств для математического моделирования выпарных аппаратов производства аммиачной селитры, что позволяет в режиме реального времени определять концентрацию аммиачной селитры в стоках.
4) Проведение экспертного опроса в производственных условиях.
5) Разработка модели ситуационного управления стоками на основе нечеткого эколого-экономического критерия.
6) Разработка функциональной структуры ситуационной советующей системы поддержки принятия решения (СССППР) по управлению стоками.
7) Разработка программной оболочки экспертной системы поддержки принятия решения управления промышленными стоками.
Работа выполнялась в соответствии с постановлением Правительства РФ «Об утверждении положения о предоставлении информации о состоянии окружающей природной среды, ее загрязнении и чрезвычайных ситуациях техногенного характера, которые оказали, оказывают, могут оказать негативное влияние на окружающую природную среду» № 128 от 14.02.2000 года.
Автор благодарит и выражает свою признательность профессору Венту Дмитрию Павловичу, доценту Сидельникову Сергею Ивановичу за постоянное внимание к этой работе, ценные советы и замечания.
Предложенная системам опыт работы в этом направлений
На предприятии аналитический контроль за составом сточных вод, осуществляется водной центральной химической лабораторией (ЦХЛ) в соответствии с графиком аналитического контроля водного хозяйства НАК «Азот», утвержденным ведущим инженером и соответствующим региональным органом по охране природы [152]. Пробы берутся из локальных очистных установок, из канализационной сети предприятия, и на выпусках в водоемы.
Контрольными точками являются: Шатское водохранилище (3 раза в сутки), колодцы особо опасных производств (3 раза в сутки), 4 выпуска и др., всего 16 точек.
Кроме того, 1 раз в месяц выборочно контролируются сточные воды по системам канализации отдельных производств и цехов. При обнаружении нарушения технологического регламента, контроль усиливается вплоть до устранения нарушения и выхода на рабочий режим.
В связи с тем, что сточные воды, поступающие в сети канализации, подвержены значительным колебаниям, как по расходу, так и по составу, в случае нарушений технологических регламентов, залповых и аварийных сбросов практически невозможно своевременно и с полной достоверностью установить источник, время и продолжительность этих сбросов. Как говорилось выше, контроль за состоянием сточных вод на химкомбинате ведется периодически (3 раза в сутки путем отбора проб и лабораторного анализа). В результате чего, превышение предельной допустимой концентрации в стоках не возможно упредить, а лишь после длительного нарушения можно обнаружить и устранить. НАК «Азот» проводит ряд мероприятий по улучшению экологической обстановки, как например построение нового пруда отстойника и др., однако проблема создания системы контроля промышленных сточных вод остается открытой. На этом фоне в 1992 году для контроля общего сброса было предложено фирмы «ЭКОМ» создание Автоматизированной системы конгроля водной среды (АСКВС) [84]. Данная система предлагает контроль состава и свойств сточных вод по пути их движения от одного элемента управления к другому, что позволяет своевременно определять источники нарушений предельно допустимых технологических норм (ПДТЫ), показателей состава сточных вод, влияния сброса сточных вод на водный объект и др. В предложенной системе АСКВС можно выделить три основных блока: информационно-измерительный блок; центр мониторинга, подсистему передачи информации. Первый блок системы составляют стационарные пункты автоматизированного контроля природных вод, устанавливаемые в контрольных створах на водных объектах, предназначенные для определения концентраций веществ и объема сбрасываемых вод, линии связи, служащие для передачи сообщений. Второй блок сисгсмы представляют центральные-компьютерные пункты, задачами которых являются организация связи, техническое обслуживание сети, устранение аварийных ситуаций в контролируемой области, автоматизированный сбор информации. Третий, составляющий систему блок, представлясг собой сеть пользовательских терминалов, предназначенных для оператипного обеспечения пользователей справочной информацией о результатах мониторинга. Следует отметить, что так.чя эффективная система требует очень обширного технического обеспечения, в том числе систему отбора проб, систему измерения температуры, рН и ко.чцентрации ряда вредных веществ, система обработки и представления информации. Что в конечном итоге учитывая большое количество и дорогую стоимость требуемых приборов вынуждает указанное промышленное ігредприятие откладывать на неопределенное время ее внедрение В рамках данной работы предлагается решить эту проблему созданием «виртуальной» системы контроля сточных вод, которая временно должна достичь основных целей вышеупомянутой АСКВС, а именно: 1. Обеспечение непрерывного контроля расхода и концентраций основных вредных веществ в общем сбросе в Шатское водохранилище. 2. Предоставление достоверной оперативной информации оперативному персоналу НиО ПСВ (Нейтрализация и очистка промышленных сточных вод) для принятия решения. 3. Обеспечение качественной оперативной учетной и отчетно-статистической информацией администрации для контроля и принятия соответствующих мер. 4. Предоставление оперативной информации ЛПР (лицам принимающим решения) во всех цехах о состоянии собственных стоков. 5. Улучшение экологической ситуации в водном бассейне за счет оперативного контроля и управления промышленными стоками. Такая система представляет собой распределенную двух уровневую систему поддержки принятия решения управления стоками. На нижнем уровне локальные подсистемы решают частные задачи, т.е. контроль и оценку производственной ситуации. Производится динамический прогноз изменения загрязнения стоков в зависимости от динамики изменения технологических параметров. Экспертная система определяет момент превышения ПДК и ПДС и принимает решение по управлению стоками.
Общие характеристики системы промышленных стоков НАК«АЗОТ»
По результатам литературного обзора сделаны следующие выводы: 1. Экологическое состояние водного бассейна, который является пунктом сброса и питания промышленных предприятий нестабильно и может отрицательно повлиять на территории непосредственно прилегающие к этим объектам. 2. Существующие мероприятия, направленные на обеспечение контроля за состоянием промышленных стоков являются эффективными, но не достаточны для оперативного обнаружения и своевременного упреждения превышения ПДК загрязняющих веществ. В связи с этим поиск новых подходов не только для мониторинга, но и для управления загрязнением сточных вод является актуальной задачей. 3. Современные научные методы позволяют разработать не только модель объекта, но и модель «управления» объектом, причем осуществляют это при ограниченной и расплывчатой информации, при этом следует отметить, что нет единого подхода для их осуществления. Выбор подхода для моделирования зависит не только от природы объекта, но и от объема доступной информации. 4. Для разработки советующей эколого-ориентированной системы не имеется универсальных методик или алгоритмов, поэтому при ее осуществлении придется использовать комбинации разных методов обработки данных. 5. Современная тенденция промышленных предприятий на корпоративное объединение в единую информационную сеть всех производств, показывает, что предложенная двух уровневая система поддержки принятия решения и намеченная цель по управлению промышленными стоками вполне осуществимы. В соответствии с этими пунктами были поставлены следующие задачи: 1) Проведение анализа влияния промышленного предприятия на экологическое состояние близлежащего водного бассейна. 2) Проведение анализа технологии особо загрязняющего производства с целью выявления источников вредных веществ. 3) Применить аппарат нечетких множеств для математического моделирования выпарных аппаратов производства аммиачной селитры, что позволяет в режиме реального времени определять концентрацию аммиачной селитры в стоках. 4) Проведение экспертного опроса в производственных условиях. 5) Разработка модели ситуационного управления стоками на основе нечеткого эколого-экономического критерия. 6) Разработка функциональной структуры ситуационной советующей системы поддержки принятия решения (СССППР) по управлению стоками. 7) Разработка программной оболочки экспертной системы поддержки принятия решения управления промышленными стоками. Согласно представленному решению задачи управления стоками промышленных предприятий посредством двухуровневой распределенной экспертной системы с точки зрения их расположения по уровню требуется различать два объекта. На верхнем уровне системы объектом управления является канализация и пруд-отстойник; у нижнего - каждый цех в отдельности.
На рис. 2.1. предложена схема двухуровневой ЭСППР управления стоками. Она представляет собой распределенную систему ППР, составленную из одной центральной и нескольких локальных подсистем.
Каждая локальная подсистема решает свои частные задачи. Это, прежде всего на основе непрерывно поступающей информации о значении измеряемых технологических переменных расчет по модели концентрации вредных веществ в колодцах каждого цеха. Экспертная система определяет момент превышения ПДК и принимает решение по управлению стоками, например, изменением расхода оборотной воды в цехах. Далее в результате имитационного моделирования происходит оценка принятого решения.
Объектом управления верхнего уровня системы ППР является канализационная сеть и ПО. Именно по этому выпуску НАК «Азот» осуществляет основной сброс сточных вод (см. Приложение 2). Здесь отбираются и отрабатываются оперативные данные о концентрации вредных веществ в стоках, поступающие в систему верхнего уровня из локальных подсистем и из пунктов отбора проб из Шатского водохранилища, а так же данные центральной лаборатории. По моделям прогнозируются концентрация вредных веществ поступающих и исходящих потоков Шатского водохранилища, что способствует системе произвести оценку и корректировку складывающейся производственной ситуации, учитывая разные критерии, например, текущее состояние рынка, экологической обстановки и т. п.
Расчет степени нечеткой близости между поступающей и эталонной ситуацией
Экспертные системы, предназначенные для поддержки процессов принятия решений, являются эффективным средством для решения постановленной задачи. В нашем случае назначение этих систем: выдавать оперативные управляющие решения в случае нарушения допустимых норм концентрации вредных веществ в стоках; в случае требования от заводоуправления срочного разбавления стоков выдавать оперативные управляющие решения, главное отличие последних в том, что они носят более глобальный характер.
Здесь согласно общему алгоритму работы системы (рис. 3.1), в отличие от предыдущего раздела мы рассмотрим математический аппарат для получения не модели объекта, а модели управления объектом. Другими словами моделируется не сам объект, а человек - оператор в процессе управления объектом [1].
Нечеткая логика обеспечивает эффективную обработку, получение, хранение и накопление качественной информации. Более того, использование нечеткой логики обеспечивает общение с оператором на ориентированном языке специалиста (при оценке технологических ситуаций и построении логических заключений в модели). Формализация качественной информации в данной задаче принятия решения осуществляется за счет математического формулирования задач в условиях неопределенности. Неопределенность в нашем случае возникает из-за ряда причин. Например из-за изменяющейся концентрации сырья, технического состояния оборудования, спроса производимой продукции, отсутствия оперативной информации при принятии решении. Тем не менее, J11 IP на основании качественной и поступающей количественной информации, а также своего опыта знает альтернативы (Х]...,Х1...,хп) є U и множество желаемых состояний (s]...,Sj...,sm) є S. Кроме того, ЛПР может сформулировать степени предпочтения на множестве состояний S, ожидаемых в результате принятия решений. Хотя подразумевается, что цели и ограничения известны, в реальных объектах они нечетки, а это играет большую роль. Таким образом нечеткую обстановку можно рассматривать как множество X альтернатив вместе с его нечеткими подмножествами, представляющими собой нечетко сформулированные критерии (цели и ограничения), т.е. как система (X, fo, .../„) [100]. В такой задаче принимать во внимание (по возможности) все критерии обозначает построить функцию: Оптимум соответствует той области X, элементы которой максимизируют D. Под оптимальным решением мы понимаем элемент хо єХ, для которого Здесь нужно отметить, что компактная запись (X, fo, ...,/,) — х0 - есть случай нечеткого математического программирования, и как таковая является задачей многокритериальной оптимизации [101, 102]. Задача этого подраздела - изучение математического аппарата позволяющего получить результаты полезные для решения задач в нечеткой обстановке.
Речь идет о выборе заданного числа (Si, ..., Si+n) «представительных» ситуаций в непрерывном множестве возможных ситуаций в определенном промежутке времени. Наиболее естественно потребовать, чтобы эти ситуации были равномерно (на сколько это возможно) размещены внутри рассматриваемой области значений, так как при этом они окажутся более «разнообразными» и будут лучше отражать состояние объекта в целом. С другой стороны нужно решить вопрос, об определении общего числа сочетаний исходных данных (ситуаций), которые возможно рассмотреть при решении данной задачи. В принципе, чем больше число эталонных ситуаций Si и равное их распределение, тем более полным и достоверным будет проводимый анализ. Однако принятие чрезмерно большого количества эталонных ситуаций, может оказаться неэффективным. При непосредственном отборе эталонных ситуаций приходиться в основном полагаться на интуицию и опыт специалистов, однако можно и применять формализованные методы [106, 107 и 108]. В любом случае обратим внимание на следующие моменты [103]:
Г. Необходимо стремиться к максимальному разнообразию отбираемых сочетаний в смысле отражения ими предстоящих условий развития и функционирования рассматриваемой системы или объекта. Целесообразно исключать (или объединять) сочетания, близкие по своему влиянию на результаты. Это позволит более полно характеризовать ситуацию при ограниченном общем числе сочетаний.
2.Отбор должен быть как можно более объективным. Нельзя, например, отбирать только «средние» или только благоприятные (в том или ином отношении) сочетания. В число эталонных ситуаций должны войти наряду с некоторыми «средними» (кажущимися более вероятными), также различные благоприятные и неблагоприятные сочетания, представляющиеся реально возможными. В качестве обобщения скажем, что сформированный набор ситуаций Ss, характеризует все возможные состояния объекта управления, с помощью которого можно определить некоторое управляющее решение Rf. Ситуации, входящие в набор Ss, называются эталонными. Набор Ss = ,7 7,,} эталонных ситуаций не содержит нечетко равных при заданном пороге равенства ситуаций. Это способствует уменьшению размерности продукционной системы и не снижает эффективность модели управления в пределах достоверности, ограничиваемых порогом равенства. Управляющее решение, которое необходимо принять при входной ситуации 50, определяется ситуацией 7ieSSi в некотором смысле наиболее близкой ситуации 70. Предполагается, что множество Ss полно и ситуация 7, существует для любой входной ситуации 70. Меры близости ситуации с Задачи управления процессами относятся к классу динамических задач. Математическая формулировка динамических задач в условиях неопределенности в этой работе рассматривается и развивается на основе нечеткой логики. Хотя большинство экспертных систем для вывода решений пользуются продукционным принципом типа «ситуация - действия» (С-Д), интерес для изучения представляет подход класса «ситуация - стратегия управления — действия» (С-СУ-Д), так как по своим характеристикам данный принцип придает системам гибкость и устойчивость к изменяющимся условиям управления.
Составление графов управляющих решений и определение их соответствующих степеней предпочтения
Процесс формирования моделей нижнего и верхнего уровня иерархической экспертной системы в общем случае можно разбить на ряд этапов, основными из которых являются: 1. Анализ всех особо загрязняющих производств, которые чаще всего нарушают допустимые нормы концентрации и сброса в стоках. Показательный фактор для выделения таких производств - концентрация вредных веществ в стоках, взятых в соответствующих колодцах. 2. Проведение анализа в пруд-отстойнике степени разбавления концентрации вредных веществ в стоках. Определить ее зависимость от времени года, так как известно, что повышение температуры способствует разложению ряда химических соединений; 3. Декомпозиция формированной взаимозависимой системы производств на отдельные подсистемы; 4. Полученными подсистемами являются цеха, в которых в свою очередь выделяются те аппараты, которые по своей технологии могут быть названными «Источником загрязнения». 5. Согласно технологическому регламенту производства, определяется технологическая взаимосвязь, изучаемого объекта с другими цехами. А также выделяются влияющие переменные. 6. Для каждого выделенного аппарата строится граф взаимных влияний (по отношению к экологическому параметру), на основе которого производится нечеткое моделирование данного объекта. 7. На следующем этапе на основе результатов проведенного экспертного опроса создаются модели управления объектом. Для этого строится граф управляющих решений, и определяется нечеткое отношение между ними. 8. Далее переходим на создание структурно-алгоритмической экспертной системы верхнего уровня. На этом процедура построения системы данного уровня заканчивается. 4.2. Анализ объекта верхнего уровня Как было отмечено в проведенном анализе во второй главе, ведущие места по содержанию аммиачных соединений в их стоках занимают следующие производства: цех аммиачной селитры, Карбамид, Ацетилен, Сульфат аммония. Таким образом, можем оценить отношение между состоянием стоков упомянутых производств и концентрацией перед и после ПО. Построение отношений, моделирующих вход-выходные зависимости исследуемого объекта можно представить в виде графа взаимных влияний рис. 4.1. В нашем случае объект управления имеет 4 входа и 2 выхода по отношению содержания аммиака в стоках. XI - концентрация аммиака сточных вод цеха А\С Х2 - концентрация аммиака сточных вод цеха карбамида ХЗ - концентрация аммиака сточных вод цеха ацетилена Х4 - концентрация аммиака сточных вод цеха сульфата аммония. У1 - концентрация аммиака перед ПО. У2 - концентрация аммиака после ПО. Чтобы определить R1 и R2 можно воспользоваться одним из видов рекуррентных композиций указанных в разделе 3.2.2.
Определение рассмотренных отношений служит основой для построения модели данного объекта верхнего уровня. Основной момент в этом анализе это наличие оперативных данных о состоянии в стоках в каждом цеху. Именно эту проблему мы обсуждаем в следующих главах на примере производства аммиачной селитрыДля применения разработанных алгоритмов и создания на их основе ситуационной советующей системы управления промышленными стоками было избрано отделение выпарки первой ступени производства аммиачной селитры (см. 2). В рассмотренном производстве ведется периодичный лабораторный анализ на наличие аммиачной селитры в стоках.
Но для управления процессом так, чтобы упреждать се возможные превышения, нужно располагать этой информацией в реальном масштабе времени. Для решения данной задачи осуществляется внедрение диалоговой системы, основанной на оперативных данных и субъективных знаниях, основными функциями который является оперативный контроль за состоянием в стоках и в случае превышения нормы, выдать управляющие решения для корректировки хода технологического процесса. Кроме того, при указании верхнего уровня о разбавлении стоков выдавать соответствующие решения в зависимости от технологической ситуации.
В плане разработки данной человеко-машинной системы управления и согласно представленному алгоритму в разделе 3.3.6, была разработана функциональная структура ситуационной советующей системы поддержки принятия решения, которая изображена на рис 4.2. Здесь мы можем наблюдать, что в модуле проверки (МП) информационный поток, поступающий в систему, проверяется на противоречивость информации, так как из-за ряда причин поступающие данные могут быть недостоверны (ошибка записи операторов, вышедший из строя датчик и т.д.). Далее перед тем как отправляться в модель объекта (МО) и модель управления объектом (МУО) проводится фазификация этих данных. В результате опроса экспертов в модели поступает также качественная информация. По модели объекта с тактом опроса технологических переменных либо в момент введения электронных рапортов рассчитываются текущие значения концентрации аммиачной селитры в стоках. Модель объекта обновляется в случае, если при поступлении текущих значений концентрации аммиачной селитры в стоках (КАСС), рассчитанных по модели и по результатам лабораторного анализа, подтверждается превышение допустимой средней относительной погрешности модели (єдоп). В процессе работы, верхний уровень СППР устанавливает степень загруженности цеха (в зависимости от времени года, складывающегося рынка, экономической обстановки) по которой, настраивается система ППР нижнего уровня. При поступлении технологической информации, МО передает ЛПР информацию о КАСС в реальном масштабе времени. В случае превышения установленных норм, активизируется МУО и через блок дефазификации выдает рекомендации по управлению ЛПР. В МУО блок оценки состояний (БОС) определяет эталонную ситуацию ближайшую, в некотором смысле, к поступающей.
