Содержание к диссертации
Введение
1 Краткий обзор методов моделирования рабочего состояния магистральных газопроводов 9
1.1. Краткая характеристика магистрального газопровода как объекта моделирования 10
12, Диспетчерское управление 13
13. Диагностические системы 16
1.4. Проблемы шггеллсктуалюации автоматизированных систем управления 19
1.5. Системы автоматизации как источники информации 23
1.6. Обзор методов моделирования 30
1.7. Выводы по главе и задачи исследования 43
2. Методика построения интеллектуальной информационно-диагностической системы оценки количества дополнительного запаса газа в магистральном газопроводе на базе обобщённого показателя 45
2.1. Нечеткость как внутреннее свойство информации 45
2.2, Создание «мягких» моделей в нечеткой среде 50
23. Алгоритм построения обобщенного параметра математической модели 62
2.4, Методика оценки дополнительного количества газа в системе из нескольких участков ЗУІГ 75
2.5. Выводы по главе 78
3. Построение обобщённого показателя количественной оценки дополнительного запаса газа на отдельном участке магистрального газопровода 80
3.1. Выбор и обоснование факторного пространства 80
3.2. Построение обобщенного системного показатели 91
3.3 Проверка адекватности модели мнению эксперта 107
3.4. Методика количественной оценки дополнительного запаса газа по магистральному газопроводу в целом 110
3.5. Математический анализ моделей 116
3.6. Выводы по главе 125
4. Интеллектуальная информационно- диагностическая система количественной оценки дополнительного запаса газа в магистральном газопроводе 127
4.1. Интеллектуализированная система диагностики 127
4-2. Информационно-диагностическая система как тренажёр для обучения 133
43. Струкіура принятия решений на базе нечёткого логического регулятора 136
4,4, Выводы по главе 151
Заключение 153
Библиографический список использованной литературы
- Проблемы шггеллсктуалюации автоматизированных систем управления
- Создание «мягких» моделей в нечеткой среде
- Построение обобщенного системного показатели
- Информационно-диагностическая система как тренажёр для обучения
Введение к работе
Информация превратилась сегодня в ключевой ресурс эффективности деятельности предприятия. Осуществление оперативного контроля над производственной деятельностью, анализ текущей производственной ситуации, принятие управленческих решений - все эти функции сводятся, в конечном итоге, к работе с информацией. И от того, насколько эта информация оперативна, достоверна и верна, зависит конечный успех деятельности всего предприятия.
Системы диагностики рабочего состояния магистральных газопроводов являются необходимыми для лиц, принимающих решения, таких, например, как главный диспетчер газотранспортного предприятия или компании по продаже газа. Они облегчают управление обширными газотранспортными сетями в условиях недостаточно полной информации о них. При этом в большинстве случаев, наряду с количественной информацией, получаемой от различных датчиков, систем, присутствует также вербальная информация, которую не могут использовать обычные диагностические системы, построенные на традиционных математических методах.
Существующие экспертные системы имеют ряд недостатков, одним из которых является отсутствие интегральной обобщённой оценки состояния системы, что затрудняет их применение в принятии решений. Поэтому возникла необходимость в создании таких систем диагностики на магистраль-пых газопроводах, которые базируются на методах, использующих вербальную информацию и позволяющих оценивать рабочее состояние системы магистрального газопровода для облегчения принятия решения.
Одной из важных задач при управлении магистральным газопроводом, которая раньше не ставилась из-за невозможности быть проанализированной обычными методами, является создание временного дополнительного «запаса» газа в трубе за счет изменения различных параметров. Лицо, принимающее решения по поставкам и продаже газа, должно знать, возможно ли соз дание такого дополнительного запаса газа на данном промежутке магистрального газопровода и если возможно, то примерно оценить его количество.
Поэтому в данной работе разрабатываются новая методика и принципы построения интеллектуальной информационно-диагностической системы количественной оценки дополнительного запаса газа в магистральном газопроводе, что, в конечном итоге, должно привести к созданию программного продукта, использующего в качестве «советчика диспетчера» или тренажёра при подготовке кадров соответствующего профиля.
Цель работы: разработка методов и алгоритмов обработки измерительной информации для учёта дополнительного запаса газа на участке магистрального газопровода между компрессорными станциями, обусловленная изменениями факторного пространства участка трубопровода.
Идея работы: заключается в создании интеллектуальной информационно-диагностической системы для количественной оценки значений нечёткого, неструктурированного факторного пространства участка регионального газопровода, методом формализации экспертной информации и представления её в виде полинома.
Задачи исследования:
- обосновать возможность применения метода формализации экспертной информации в виде аналитического выражения для построения базы знаний интеллектуальной информационно-диагностической системы;
- разработать методику извлечения экспертной информации и представления её в виде обобщенных показателей состояния магистрального газопровода, для лиц, принимающих решения высокого уровня;
- оценить погрешности информационных каналов для построения интеллектуальной информационно-диагностической системы количественной оценки дополнительного запаса газа в магистральном газопроводе;
- построить обобщенный количественный показатель оценки дополнительного запаса газа в магистральном газопроводе;
- выбрать и обосновать критерии адекватности и провести проверку адекватности интеллектуальной информационно-диагностической системы количественной оценки дополнительного запаса газа в магистральном газопроводе на действующем предприятии;
- создать программный продукт в виде интеллектуальной информационно-диагностической системы количественной оценки дополнительного запаса газа в магистральном газопроводе как инструмента для имитационного моделирования количественного обобщенного показателя дополнительного запаса газа в магистральном газопроводе и тренажёра для обучения;
- разработать основу и принципиальную структурную схему нечёткого логического регулятора, использующего в качестве базы знаний обобщённый показатель.
Методы исследования: При проведении исследований использовались методы формализации экспертной информации при логико-липгвистическом описании объекта исследований, математической статистики, динамики газовых систем, теории погрешности.
Научная новизна работы: Обоснован обобщённый информационный показатель для нечёткой слабоструктурированной системы, на базе которого в форме полиномиальной модели построена информационно-диагностическая система количественной оценки дополнительного запаса газа в магистральном газопроводе.
Обоснованность и достоверность научных положений подтверждается достаточным объемом теоретических и экспериментальных исследований, адекватностью построенных моделей изучаемым явлениям.
Практическая ценность работы:
1. Разработана и апробирована экспресс-методика для оперативной количественной оценки изменения величины дополнительного запаса газа в магистральном газопроводе в реальном масштабе времени;
2. Предложен алгоритм построения информационно-диагностической двухуровневой системы, что делает данный подход универсальным и применим для решения других практических задач отрасли;
3. Разработана интеллектуальная информационно-диагностическая система количественной оценки дополнительного запаса газа в магистральном газопроводе.
Личный вклад автора:
- обоснована возможность применения метода формализации экспертной информации в виде аналитической зависимости для решения задачи количественной оценки дополнительного запаса газа в магистральном газопроводе;
- разработаны методика и принципы построения интеллектуальной ип-формациошю-диагиостической системы количественной оценки дополнительного запаса газа в магистральном газопроводе;
- создана информационно-диагностическая система и на конкретных объектах выполнены расчёты для магистрального газопровода из четырёх участков и показаны адекватности иерархически построенных моделей и всей системы в целом;
- создан программный продукт, реализующий интеллектуальную информационно-диагностическую систему количественной оценки дополнительного запаса газа в магистральном газопроводе;
- разработаны основы построения и структурная схема нечеткого логического регулятора на базе нечётких полиномиальных моделей.
Защищаемые научные положения:
1, Обобщённый показатель количественной оценки дополнительного запаса газа в магистральном газопроводе в нечётком слабоструктурированном факторном пространстве представлен в виде полинома, системно характеризующего обобщённую информацию и позволяющего обоснованно создать рациональный дополнительный запас газа на заданном участке газопровода,
2. Интеллектуальная информационно-диагностическая система для количественной оценки дополнительного запаса газа в магистральном газопроводе построена на основе обобщённого показателя в виде полинома и позволяет получать количественные решения для создания дополнительного запаса газа, при этом учитываются изменения значений нечёткого слабоструктурированного факторного пространства на участках газопровода.
Автор работы считает своим долгом выразить особую благодарность к.т.н, доценту Спесивцеву А.В. за ценные советы и постоянное внимание к выполнению данной работы.
Проблемы шггеллсктуалюации автоматизированных систем управления
Стремительное развитие технологий передачи и обработки информации предъявляет к современным АСУ ТП транспортировки газа новые требования [56], в частности: возможность интегрирования в многоуровневые информационные системы; дальнейшее сокращение времени на сбор и обработку технологической информации; оперативное выявление аварийных и предаварийных ситуаций; управление технологическими объектами (процессами) в реальном масштабе времени, в том числе в нештатных ситуациях; расширение объёма и повышение достоверности технологической информации.
Реализация перечисленных требований во многом определяет общую структуру системы, состав и задачи верхнего и нижнего технологических уровней, а также распределение выполняемых функций между аппаратньш и программным обеспечением.
К основным функциям АСУ ТП относятся следующие [88]; диспетчерский контроль, анализ, управление и регулирование фактических режимов транспорта, хранения и распределения газа, предупреждение и локализация аварийных и нештатных ситуаций, моделирование и оптимизация технологических режимов транспорта газа, минимизация энергозатрат на транспорт и хранение газа, планирование планово-предупредительных ремонтов, профилактических и ремонтных работ, планирование различных организационно-технических мероприятий в целях повышения эффективности работы системы газоснабжения в целом и отдельных ее объектов, комплексный учет газа, ведение договорной деятельности.
Кроме того, на территории КС обеспечиваются периодические (четыре раза в сутки) измерения и регистрация температуры наружного воздуха и барометрического давления.
В АСУ ТП управление технологическим оборудованием и процессами осуществляется на следующих уровнях (рис.1,2): центральный диспетчерский пункт Предприятия (уровень АСУ ТП магистральных газопроводов Предприятия); диспетчерский пункт КС и ЛПУ МГ (уровень АСУ ТП КС, для ЛПУ МГ с числом КС более одной - АСУ ТП ЛПУ МГ); оперативно-технический пост управления КЦ при близком расположении нескольких компрессорных цехов может обслуживать более одного КЦ (цеховой уровень АСУ ТП КС); локальные системы средств автоматизации и телемеханизации (системы автоматического контроля, управления и защиты ГПА, вспомогательного оборудования, установок электроснабжения, узла подключения КЦ, крановых площадок, СКЗ, компьютеризованные средства измерения расхода газа и
ДР-) Программно-технические средства АСУ ТП должны обеспечивать интеграцию информации по всем подведомственным объектам на единых автоматизированных рабочих местах диспетчеров и технологов Предприятия, ЛПУ МГ, КС и КЦ (рисЛ .2).
Автоматизированное рабочее место диспетчера является основным постом управления, обеспечивающим оперативное управление технологическим процессом, контроль состояния технологического оборудования, своевременное принятие решения по нормализации внештатных ситуаций [56].
Создание эффективного автоматизированного рабочего места (АРМ) — серьезная задача при автоматизации любого производства, В современных условиях основа для создания АРМ — это персональные компьютеры. Основной упор делается на представление показателей, используемых в первую очередь для оценки состояния объектов транспорта газа. Для работы исполь зустся интерфейс послойного перехода представления информации к частным представлениям показателей, характерных для среднего и низового уровней управления. На основании анализа информации принимаются решения о состоянии всех объектов транспорта газа [84]. Комплексная визуализация данных возможна на мнемощитах.
В принципе АСУ ТП является открытой системой при наличии диспетчера в цикле выработки и принятия решения, С одной стороны, открытость системы позволяет ее модернизировать, дополнять и совершенствовать, С другой, наличие диспетчера в системе «человек-машина» делегирует ответственность принятия любого решения именно диспетчеру. При этом вся входящая информация, при всей ее важности и необходимости, не способна вырабатывать решения, подобные выработанным диспетчером, В таком случае АСУТП не представляется возможным считать автоматическими. Отсутствует также одно из важных звеньев таких систем - интеллектуализация.
Качество диспетчерских решений определяется большим числом факторов, среди которых главными являются квалификация оперативно-диспетчерского персонала. При этом отсутствие эффективных программных средств поддержки принятия решений в реальном времени [87] уже снижают условия их выработки.
На основании данного краткого анализа можно сделать выводы:
1) Решающим в принятии управляющего воздействия является квалифицированное мнение диспетчера. Автоматика выполняет важную функцию - обеспечение жизнедеятельности всего комплекса в целом. С этим она справляется. Но процессом надо еще и управлять. Для этого нужна «база знаний», которая обычно «находится» в голове у диспетчера, управляющего системой. Попытки применения адаптивных систем пока не сравнимы с решениями диспетчера. Так что создание интеллектуальных управляющих систем на базе знаний в виде аналитического выражения сейчас является наиболее актуальной задачей [122].
Создание «мягких» моделей в нечеткой среде
Необходимо отметить, что использование качественной информации о технологическом процессе, полученной от эксперта - технолога, позволяет создавать продукционные правила типа «ЕСЛИ ...,ТО ,.., ИНАЧЕ ...»ввиде набора таблиц [7,9,48,50,90,94,109,122].
Обеспечение надежности и достоверности получаемых результатов или выводов по экспериментальным данным в четкой информационной среде достигается применением теории планирования экспериментов [3,4,43,74,106,107,109,139]. Это обусловлено тем, что планированный эксперимент позволяет: построить модель явления любой сложности при неполном знании его механизма; выбрать оптимальную стратегию исследования при неполном знании процесса; при исследовании сложных явлений существенно снизить количество проводимых экспериментов.
Однако в нечеткой информационной среде применение теории планирования эксперимента нуждается в дополнительном обосновании, особенно в части оценки адекватности получаемых уравнений экспериментальным данным.
Для обоснования применимости теории планирования эксперимента на лингвистических переменных (ЛП) были приняты следующие исходные предложения [38,108,109]:
поведение исследуемой системы описывается экспертом на естествен ном (или близком к нему) языке, что делает ЛП наиболее адекватным средством представления его знаний, а переход от словесных оценок к числовым не вызывает затруднений по любой из шкал;
в основу мировосприятия человека заложена оппозиционная шкала. В оппозиционной шкале маркированы лишь концы шкалы, а середина соответствует нейтральному значению между концами шкалы. Маркировка промежуточных значений достигается дальнейшим делением шкалы и таким образом эксперт ранжирует свои понятийные оценки;
оппозиционная шкала из к значений ЛП является шкалой к-1 равно-кажущихся интервалов, и ее деления отстоят друг от друга на психологическом континууме на равных интервалах и, следовательно, ошибки классификации значений ЛП равны друг другу;
в силу доминирования у эксперта аналитического мышления, заключающегося в представлении входных переменных как независимых (эксперту бывает трудно определить степень их коррелированное), применение методов теории планирования эксперимента наиболее естественным образом отвечает понятийной модели описываемого процесса, существующей в его сознании.
При работе с экспертом опрос планируют, т.е. задают эксперту значения входных ЛП. Тогда, согласно [38,39,40,41,109], к опросу эксперта можно подходить с точки зрения теории планирования эксперимента, аппроксимируя результаты аналитической функцией вида (2.1.) (2,1) i7te:j u; Yj - величина выходной Л1І управления (управляющего воздействия); Х\ - величина входной ЛП управления.
В [30] показано, что эксперту удобнее всего представлять свои знания в виде цепочки причинно следственных связей типа "Если ... ., то... ". Для построения нечеткой модели технологического процесса будем считать причины - входными параметрами, следствия - выходными [38,108,109]. Пусть имеется п входных ЛП Xj и одна выходная ЛП Y. Тогда схе-мой нечетких рассуждений будем называть описание технологического процесса в виде (2.2) Если Ац,..., Ajj,..., А]П5 то Bi, иначе..., (2.2) Если Aii,..,, Ayv-., Ajn, ТОВІ, иначе,,., Если АшЬ..., Amj,.. ., А mn, то Bm, иначе.,., где: Ау є T(Xj), T(Xj) - множество словесно заданных входных параметров -П;; BieT(Y), T(Y) - множество словесно заданных выходных параметров т Существующие процедуры опроса основаны па варьировании в каждом наборе входных переменных одной из них. Однако такой подход имеет следующие недостатки [38,74,108,109]; а) при большом количестве оцениваемых параметров резко возрастает объем экспертируемой информации; б) большое количество экспертируемой информации вызывает физиче скую и психологическую усталость эксперта, что ведет к увеличению объема ошибочных оценок; в) усталость эксперта приводит к увеличению времени создания моде ли, что может привести к нарушению критичности эксперта к своим оценкам и также к накоплению ошибок.
Построение обобщенного системного показатели
Переменная относится к внешним действующим факторам и характеризует состояние окружающей среды. Кроме количественной оценки она несёт и качественную нагрузку: зимний или летний периоды. Таким образом, при построении модели учитываются все сезонные периоды года, что дает возможность её использовать в течение всего года без ограничений. Не стоит также забывать о влиянии температуры внешней среды на температуру газа в трубе.
Выбор расчётной температуры окружающей среды Тос и коэффициента теплообмена Ктл производится в зависимости от способа прокладки газопровода-подземного, надземного, наземного [26,100]: при подземной прокладке газопровода значение Т должно приниматься равной среднему за рассматриваемый период значению температуры грунта на глубине заложения оси трубопровода в естественном тепловом состоянии; при надземной прокладке газопровода расчётную температуру внешней среды Тос следует определять по формуле: Т. !. ! -. (3.1 а„-к где а„ =4,45 + 5,0 -[Вт/(м2 К)], (3.11) а - коэффициент поглощения солнечной радиации наружной поверхностью трубопровода определяется по СНиГТ ГТ-3-79; Те - температура атмосферного воздуха, К; rs - суммарная солнечная радиация, Вт/м ; v -скорость ветра, м/сек; DH. -наружный диаметр трубы, м. Значения Те, rs, v следует определять в соответствии с главой СНиП 2.01.01-82; п -коэффициент, учитывающий условия работы газопровода; при наличии снежного покрова следует принимать я=2,6, при отсутствии п=\ ,5. при наземной прокладке газопровода: Kj.+Kj], (ЗЛ2) где К&, Кн - коэффициенты теплопередачи от трубы вверх и вниз; Тв, TlT - температура воздуха и естественная температура грунта на глубине заложения оси трубы (расстояние от поверхности насыпи до оси трубы).
Как видно из всех вышеприведённых формул, данный фактор также зависит от множества переменных, в том числе и от коэффициента теплообмена газ - внешняя среда [100]. Учитывая протяжённость газопровода, Х4ТОЖЄ можно отнести к обобщенным.
Входящие в формулы (ЗЛО)-(3.12) переменные не только измеряются, но и рассчитываются различными системами на основании данных оперативного контроля от первичных приборов [23,28,45,81,100,120,128]. Полагая, как и прежде, класс измерительных приборов 1 ч5 [23, 28,45, 81, 120,128] и учитывая количество составляющих в формулах, суммарная погрешность такого косвенного измерения будет примерно 4% отн.
Общая характеристика переменной со всеми её свойствами, ошибками определения и вариацией во времени (даже в течение суток) позволяет считать ее нечёткой. Поскольку же температура среды входит нелинейно во многие показатели, то её влияние на возможное увеличение дополнительного количества газа в трубе оценивается как существенное.
Шкалы перевода из лингвистических переменных в количественные значения и наоборот показаны на рис.3,5. Ниже Выше Низкая среднего Средняя среднего Високая """МЖМ -1 0 1 -30 0 30 ,х/С Рис,3.5. -температура окружающей среды как ЛП. 5. Xs - степень необходимости создания запаса газа в трубе (или конъюнктура потребления газа), % от нормы.
Данная переменная многофункциональна по своей сути, Она учитывает, нужно ли держать запас газа на данном участке, целесообразно ли это из экономических соображений, есть ли «заказ» на дополнительный газ. Этот фактор показывает потребность увеличения потребления газа в определённый период из-за производственной необходимости, природных условий, конъюнктуры рынка сбыта газа, политических и экономических факторов и т.д. Другими словами, данный фактор характеризует динамику планирования работы МГ. Фактор является внешним.
Как и все вышеприведённые, фактор Х$ является обобщённым показателем, т.к. в него «входит» множество параметров. Кроме перечисленных выше, в него входит, например, и так называемый «административный ресурс», который зависит от уровня выполнения договоров, приказов выше стоящих органов управления и т.д. Так, «низкий административный ресурс» может означаеть, что все договора «Регионгаза» покрываются объемом поставляемого газа: потребит. — поставки (3.13) «высокий административный ресурс»: (3.14) потребит. v поставки.
Немаловажной частью Х5 является также достоверный долгосрочный прогноз погоды. Зная о похолодании хотя бы за 5 суток, можно спрогнозировать, какое количество газа следует дополнительно накопить в трубе поближе к потребителю.
Как и в Хз, в данном факторе Х5 участвует множество переменных, тесно связанных между собой: прогноз погоды, время доставки, экономичность пути доставки, административный ресурс и т.д. Большинство этих переменных являются неколичественными и их трудно учитывать в расчётах без специального исследования, например, по той же методике, что и в главе 2,
Включение данной переменной в факторное пространство объясняется тем, что она характеризует существующее положение дел «за пределами трубы», относящихся к «внешним воздействиям» не природного, а скорее конъюнктурного аспекта. Знаниями такого рода обычно обладает даже не диспетчер, а скорее только ЛПР ВУ [126,127].
Информационно-диагностическая система как тренажёр для обучения
В настоящее время наиболее широкое применение при решении практических задач получили нечеткие логические регуляторы (НЛР), позволяющие на основании лингвистической информации, полученной от опытного оператора, управлять сложными плохо формализуемыми процессами, НЛР используют в своей основе концепции моделей нечеткой логики: модели нечеткой импликации и композиционного правила логического вывода. Для НЛР, использующих реализацию соответствующей модели продукционного нечеткого логического вывода на основе нечеткого продукционного процессора [6,7,8,29], традициоина следующая схема лингвистического описания: нечеткая импликация, нечеткие модификаторы, нечеткие логические связки, композиционное правило вывода и операторы перевода в четкие значения (дефаззификаторы).
Как указано в главе 3, полученные модели можно использовать в качестве БЗ для нечёткого логического регулятора (НЛР), Классическая теория автоматического регулирования предлагает множество способов синтеза систем управления [69]. Как правило, все они явно или неявно базируются на математических моделях объекта и регулятора, которые предлагаются известными и, как правило, линейными. Однако реальные процессы могут не иметь адекватных математических описаний, и часто являются нелинейными. Поэтому приходится использовать адаптивные и самонастраивающиеся регуляторы, в которых параметры не закладываются жёстко, а оптимизируются с помощью специальных алгоритмов. Эта способность к самообучению позволяет рассматривать такие регуляторы как интеллектуальные.
Развитие теории искусственного интеллекта сконцентрировало внимание на проблемах статики, но оказалось, что эти системы весьма перспективны и для целей управления динамическими объектами. Этот подход предлагал построение системы управления, использующей стратегию, базирующуюся на формализованном опыте экспертов, обычно переданном разработчикам систем в словесной форме, В то же время способность человека - оператора находить необходимые управляющие воздействия и успешно управлять сложными объектами, располагая минимальными знаниями об их динамике, общеизвестна [1,2,38].
В общем случае основу проектирования НЛР составляет конструирование базы знаний с использованием различных методов поиска, извлечения и представления знаний [6,7,8,89,108,109]. Поэтому создание интеллектуальных регуляторов базируется на принципах развивающейся теории систем с искусственным интеллектом [5,7,8,9,54,87],
Таким образом, «нечёткий» подход к осуществлению автоматического регулирования параметров технологических процессов предполагает имитацию действий оператора при управлении сложными нелинейными процессами, которые не имеют математических описаний, пригодных для использования в традиционных системах управления.
Существенный толчок развитие таких систем получило после введения Л.3аде [46] понятий нечёткого множества как математического объекта и лингвистической переменной, позволяющих формализовать термины словесного описания системы управления и ее компонентов, в том числе и объекта управления. При этом формализация качественной информации выполняется на основе нечёткой логики и нечётких множеств.
Такие системы могут быть эффективными в любой отрасли промышленности, а также для управления транспортом газа. Они целесообразны, по крайней мере, для управления сложными, нелинейными или не имеющими адекватных (и достаточно простых для возможности использования в автоматизированных системах управления) математических описаний процессов при наличии элементарных знаний о их динамике и стратегии управления ими. Эти знания могут быть сформулированы в словесной нечёткой форме.
Нечёткий регулятор (HP) отличается от системы управления с ЭС реального времени («экспертного» регулятора) прежде всего характером обработки знаний. Однако предлагаемый способ позволяет объединить оба способа в виде обобщенного показателя.
Обычно системы, основанные на знаниях, позволяют достаточно просто с помощью правил отразить сложный процесс регулирования, так как каждое правило имеет очень ограниченную зону действия, где оно активно. Однако, число параметров, которые должны настраиваться резко возрастает, нужно определить функции принадлежности и множество правил.
Как показано в работе [71], недостаточно разработана возможность применения HJIP для многомерных процессов, что связано с необходимостью, по мнению автора, содержащего грубую модель объекта управления. Иными словами, отсутствуют методики непосредственного синтеза НЛР. Используя метод Спесивцева-Дроздова [38,109], можно обойти все эти трудности прямым доступом к знаниям эксперта.
Структура автоматической системы управления (АСР) с типовым нечётким регулятором [113] приведена на рис. 4.10, Регулятор включает в себя модули; фаззификации - преобразует чёткие значения входных переменных в нечёткие; вывода - вырабатывает в зависимости от полученных значений входных переменных нечёткие регулирующие воздействия; дефаззификации - преобразует нечёткий выход регулятора в чёткое значение; база знаний - содержит знания, на основании которых реализуется работа регулятора (в нашем случае это полиномиальные модели (3.24) и (3.27)).
