Содержание к диссертации
Введение
Глава 1. Анализ основных проблем создания имитационно-моделирующих комплексов и постановка задачи исследования 14
1.1. Основные проблемы и принципы построения имитационно-моделирующих комплексов 14
1.2. Системный анализ состояния, особенностей и тенденций развития информационно-моделирующих систем для сложных технологических объектов 28
1.3. Основные выводы и постановка задачи исследования 43
Глава 2. Структура и основные требования к математическому обеспечению тренажеров 46 CLASS Глава 3. Человек-оператор как звено в системах управления сложными технологическими объектами 55 CLASS
3.1. Особенности деятельности оператора при управлении сложными технологическими процессами 55
3.2. Особенности и основные аспекты организации процесса овладения оператором профессиональным опытом 66
3.3. Моделирование функционирования человека-оператора 72
Глава 4. Исследование и разработка машинно-ориентированных алгоритмов имитационного моделирования для тренажеров операторов сложных объектов 100
4.1. Исследование и анализ методологических аспектов и принципов построения имитационных моделей для тренажеров операторов сложных технологических объектов 100
4.2. Разработка универсальных алгоритмов имитации функционирования систем управления для тренажеров операторов сложных объектов 111
4.2.1. Имитация статических режимов .113
4.2.2. Имитация динамических режимов 120
Заключение 166
Список использованной литературы 169
- Основные проблемы и принципы построения имитационно-моделирующих комплексов
- Особенности деятельности оператора при управлении сложными технологическими процессами
- Моделирование функционирования человека-оператора
- Исследование и анализ методологических аспектов и принципов построения имитационных моделей для тренажеров операторов сложных технологических объектов
Введение к работе
Актуальность работы. Научно-технический прогресс в области автоматизации технологических систем (ТС) порождает потребности во все более сложных технических системах, удовлетворяемые по мере развития методов и средств как физической реализации систем, так и проектирования. Появление широкой номенклатуры приборов и средств автоматизации, быстродействующей вычислительной техники и совершенных математических методов переработки информации в корне изменили системы управления (СУ). Наиболее характерным стало построение многоуровневых иерархических систем, широкое использование в системах управления цифровых вычислительных машин, человеко-машинных комплексов, значительное повышение требований к эффективности и надежности.
Наряду с этим определилась тенденция к быстрому обновлению систем. Современные технологические системы характеризуются высоким уровнем автоматизации, при котором многие формы деятельности человека заменены работой технических устройств. Однако оператор остается необходимым самостоятельным звеном систем управления в силу таких его качеств, как способность справляться с задачами в непредвиденных обстоятельствах, прогнозировать ход событий и находить оптимальные решения в сложных ситуаций.
При создании современных сложных автоматизированных технологических комплексов возникает множество задач, среди которых наиболее трудной является задача обеспечения высокой эффективности взаимодействия человека с автоматизированной частью системы.
Проблема повышения эффективности профессиональной подготовки оперативного персонала по управлению технологическими процессами с каждым годом принимает все большую актуальность в условиях роста уровня технической оснащенности производств. Оператор принимает, как правило, наиболее сложные и ответственные решения по управлению объектом, причем от правильности его действий, умения своевременно найти и реализовать, в сложной ситуации верное решение зависит эффективность выполнения задач возлагаемых на управляемый технический объект.
На первый план выдвигается проблема формирования необходимого
уровня профессиональной подготовки оперативного персонала. Не отвечающий современным требованиям уровень подготовки операторов-технологов предприятий приводит не только к снижению производительности установок, увеличению расходов сырья, материалов, электрической и тепловой энергии, но и в отдельных случаях к полным потерям больших объемов оборудования и производственному травматизму. Оперативному персоналу необходимы достаточно глубокие знания по технологии производства, устойчивые навыки логического анализа больших объемов информации, поступающей с пульта управления, быстрота реакции, умение своевременно принимать правильные решения и безошибочно действовать не только в ситуациях, предусмотренных технологическим регламентом, но и в быстроменяющейся обстановке нештатных и аварийных ситуаций.
Исключительно эффективным средством подготовки оперативного персонала, обеспечивающим быстрое сокращение разрыва между теорией и практикой, являются созданные на базе средств современной вычислительной техники и информационных технологий специальные информационно-моделирующие комплексы (тренажеры), создающие у человека-оператора иллюзию управления реальным объектом. Поэтому становится крайне необходимым расширение использования тренажеров, обеспечивающих уникальную возможность ускоренной подготовки высококвалифицированного оперативного персонала. Однако в настоящее время во многих отраслях промышленности ощущается острый дефицит современных тренажерных систем.
Тренажеры в современном понимании могли появиться и появились только в индустриальном обществе, когда возникла необходимость массовой подготовки специалистов для работы либо на однотипном оборудовании, либо со схожими рабочими действиями, и уж, конечно, в первую очередь для военных нужд. Но только в последней четверти уходящего века с потрясающе быстрой компьютеризацией мирового сообщества, с созданием сложнейшей техники, эксплуатация которой связана с риском для жизни не только одного человека, но и человечества в целом, возникла целая индустрия - тренажерные технологии.
В современных тренажерах и в программах подготовки и обучения, на них основанных, закладываются принципы развития практических навыков с одновременной теоретической подготовкой, т.е. тренажер способен развиваться вместе с обучаемым. Реализация такого подхода стала возможна в связи с бурным развитием и удешевлением электронно-вычислительной техники и прогрессом в области создания машинного зрения, виртуальной реальности и т.п. На базе этих технологий разработаны многочисленные тренажеры для военного применения, позволяющие имитировать боевые действия с высочайшей детальностью в реальном времени, создано множество приложений технологии виртуальной реальности для медицины, позволяющих проводить операции электронному пациенту с высокой степенью достоверности и т.д. и т.п., при этом области применения тренажерных технологий постоянно расширяются.
Уровень технологической базы всегда играл доминирующую роль в развитии любого государства. Для большинства стран рывок в индустриальном развитии в первую очередь связывался, особенно при дефиците природных ресурсов (Япония, Корея и т. п.), и связывается в настоящее время с возможностью доступа к передовым технологиям. По мере выработки природных ресурсов значение технологического уровня производства и квалификация специалистов - носителей технологии все более и более возрастает. Даже для России с ее неистощимыми богатствами возможность преодоления затянувшегося кризиса, как представляется, немыслима без подготовки огромного количества высококлассных специалистов, способных воспринимать и развивать самые современные технологии. Развитие индустриального общества делает процесс подготовки и постоянного повышения квалификации специалистов все дороже и дороже. На первое место выходят проблемы всемерного удешевление процесса подготовки при сохранении приемлемой эффективности.
Проведенный анализ затронутой проблемы показал, что широкому внедрению тренажерных систем препятствует отсутствие единого подхода к комплексной проблеме их разработки и реализации. Повышение эффективности создания тренажеров связано, в первую очередь, с созданием и совершенствованием специализированных математических моделей технологических процессов для обучения. При создании тренажеров операторов сложных технологических объектов (ТО) возникают многочисленные задачи, требующие анализа поведения объекта в динамических режимах. Поэтому одной из главных проблем создания тренажеров операторов сложных технологических объектов становится исследование и разработка эффективных и легко реализуемых машинно-ориентированных методов и алгоритмов имитации динамических режимов, обеспечивающих необходимую точность имитации при допустимой сложности реализации.
Позади три десятилетия интенсивных исследований, несколько поколений тренажерных продуктов, тысячи установленных систем обучения операторов ТО. Налицо необходимость существенного удешевления продуктов, их интеграции в новые системы управления производство. Все выявленные в результате проведенного анализа различных подходов к решению этой задачи предпосылки подтверждают целесообразность и возможность решения указанных проблем, а фактическое состояние проблемы создания тренажеров настоятельно требует дальнейшей интенсификации работ в этом направлении..
Своевременность и актуальность решаемых в настоящей работе проблем заключается, прежде всего, в том, что в ней на основе результатов проведенного системного анализа состояния проблемы и основных методологических аспектов создания тренажеров операторов сложных технологических объектов, включая вопросы анализа деятельности человека-оператора как основного звена в системах управления сложными объектами, поставлена и решена задача разработки методологического и специального алгоритмического обеспечения информационно-моделирующих обучающих комплексов (тренажеров). Эффективное решение именно этой задачи создаст серьезные предпосылки для широкого производства тренажеров операторов для широкого класса технологических объектов различного профиля на базе современных программно-технических средств и информационных технологий.
Целью диссертационной работы является исследование и разработка методов и машинно-ориентированных алгоритмов имитации поведения сложных технологических объектов и систем управления ими, ориентированных на использование в рамках имитационно-моделирующих обучающих комплексов (тренажеров).
Поставленная цель потребовала решения следующих задач:
1. Системный анализ проблем повышения эффективности профессиональной подготовки оперативного персонала по управлению сложными объектами, принципов и особенностей создания имитационно-моделирующих комплексов; постановка задачи исследования и разработки специального математического обеспечения имитационно-моделирующих комплексов автоматизированных систем обучения.
2. Исследование структурных аспектов и формирование основных требований к специальному математическому обеспечению тренажеров операторов сложных объектов.
3. Анализ человека-оператора как звена в системе управления сложным объектом, особенностей и основных аспектов организации процесса овладения оператором знаниями и навыками, принципов моделирования его функционирования в процессе управления. 4. Исследование и разработка методологии и принципов построения систем имитационного моделирования для автоматизированных систем обучения операторов сложных объектов
5. Разработка универсальных машинно-ориентированных алгоритмов имитации функционирования систем управления для тренажеров операторов сложных технологических объектов.
Методы исследования. Проводимые исследования базировались на положениях технической кибернетики, методах математического моделирования статического и динамического поведения сложных технологических объектов, методах синтеза и анализа многомерных САР технологических параметров, имитационного компьютерного моделирования функционирования сложных объектов и систем управления ими, теории сложности систем.
Научная новизна работы:
І.По результатам проведенных исследований различных подходов к моделированию функционирования человека оператора предложен эффективный подход к формированию эталонных алгоритмов его деятельности по распознаванию аварийных (предаварийных ситуаций), путей их развития и устранения с использованием предварительно подготовленных графов первопричин и приоритетности развития ситуаций. Предложенный подход позволяет автоматизировать все необходимые процессы контроля и оценки деятельности обучаемых в рамках тренажерных комплексов.
2, Предложен новый подход к реализации подсистем имитации динамического поведения сложных объектов управления, основанный на использовании предварительно подготовленных эталонных кривых переходных процессов обобщенных каналов воздействия или описывающих их уравнений, корректируемых в процессе управления с использованием специально разработанных процедур.
3. На основе обобщения и систематизации накопленного опыта анализа динамических характеристик сложных ТО и проведенных исследований по созданию легко реализуемых в тренажерных комплексах систем имитации различных режимов функционирования объектов управления предложен ряд легко реализуемых алгоритмов расчета отклика объекта управления на накладываемые на него возмущения и управления в процессе выполнения оператором корректирующих действий по восстановлению нарушенных режимов или переводу объекта в новое заданное состояние.
4. Разработаны легко реализуемые в рамках тренажеров машинно-ориентированные алгоритмы имитации статических и динамических режимов функционирования сложных ТО и систем управления ими, обеспечивающие организацию эффективного процесса обучения операторов в различных режимах обучения в условиях накладываемых ограничений и возмущений. Предложенный подход обеспечивает достаточную легкость их реализации в рамках тренажерных комплексов и повышает быстродействие систем имитации, что создает возможность обеспечения реального (или ускоренного) масштаба времени при имитации динамических режимов практически всех типов технологических объектов.
5. Для определенного класса имитируемых объектов предложен эффективный машинно-ориентированный алгоритм имитации многомерных АСР параметров ТО с использованием результатов предварительного анализа их частотных характеристик и возможности представления обобщенной структурной схемы моделируемого объекта в виде N односторонне влияющих (через каналы объекта), последовательно расположенных многомерных подсистем. Решение предложенной системы векторных уравнений позволяет в ускоренном масштабе времени рассчитывать переходные процессы, протекающие в АСР ТО сложной структуры.
Практическая значимость работы:
l.Ha основе проведенных системных исследований основных принципов и проблем создания автоматизированных обучающих систем предложен эффективный подход к формированию эталонных алгоритмов деятельности оператора по распознаванию аварийных (предаварийных ситуаций), путей их развития и устранения с использованием предварительно подготовленных графов первопричин и приоритетности развития ситуаций. Предложенный подход может быть успешно использован при создании тренажеров различного назначения, включающих проблемы обучения процессам принятия решений.
2. Исследованы и разработаны легко-реализуемые в рамках тренажерных комплексов алгоритмы имитации поведения сложных технологических объектов и систем управления ими, создающие реальные предпосылки для массового создания на их основе относительно дешевых и эффективных имитационно-моделирующих обучающих комплексов на базе современных средств вычислительной техники и информационных технологий для широкого класса технологических объектов различной сложности.
3. Предложенная методология имитационного моделирования сложных объектов может быть эффективно использована при создании относительно дешевых и эффективных тренажерных комплексов на базе ПЭВМ для обучения оперативного персонала широкого класса технологических объектов. Это позволит реализовать на их основе первичное обучение, переподготовку и поддержание необходимого уровня знаний и навыков управленческого персонала в условиях изменяющейся технологии и регламента.
4. Предложенные методы и алгоритмы имитационного моделирования легли в основу при создании универсальных программных комплексов для тренажеров операторов сложных объектов в металлургической отрасли, а также при создании САПР специального математического обеспечения имитационно-моделирующих обучающих комплексов, разрабатываемой в рамках планов НИР и ОКР СКГМИ (ГТУ).
5. Результаты проведенных исследований в форме машинно-ориентированных алгоритмов и разработанных на их основе прикладных программ имитации поведения сложных технологических объектов используются в учебном процессе в СКГТУ при подготовке специалистов в области информационных систем и технологий.
Обоснованность и достоверность научных положений и выводов
подтверждается:
• результатами экспериментальных исследований;
• результатами вычислительных экспериментов;
• соответствием теоретических и экспериментальных исследований;
• работоспособностью предложенных методов и алгоритмов имитационного моделирования.
На защиту выносятся:
1. Метод формирования эталонных алгоритмов деятельности оператора по распознаванию возникающих в процессе управления объектом ситуаций, путей их развития и устранения с использованием предварительно подготовленных графов первопричин и приоритетности.
2. Новый подход к реализации подсистем имитации динамического поведения сложных объектов управления, основанный на использовании предварительно подготовленных эталонных кривых переходных процессов обобщенных каналов воздействия или описывающих их уравнений, корректируемых в процессе управления с использованием специально разработанных процедур.
3. Универсальные алгоритмы расчета отклика объекта управления на накладываемые на него возмущения и управления в процессе выполнения оператором корректирующих действий по восстановлению нарушенных режимов или переводу объекта в новое заданное состояние.
4. Машинно-ориентированные алгоритмы имитации статических и динамических режимов функционирования сложных ТО и систем управления ими, обеспечивающие организацию эффективного процесса обучения операторов в различных режимах в условиях накладываемых ограничений и возмущений, повышающих быстродействие и возможность обеспечения реального (или ускоренного) масштаба времени при имитации динамических режимов практически всех типов технологических объектов.
5. Машинно-ориентированный алгоритм имитации многомерных АСР параметров ТО с использованием результатов предварительного анализа их частотных характеристик и возможности представления обобщенной структурной схемы моделируемого объекта в виде N односторонне влияющих, последовательно расположенных многомерных подсистем.
Апробация работы. Основные результаты проведенных в диссертации исследований были представлены и обсуждены на: Международной конференции «Информационные технологии и системы: наука и практика». Владикавказ, 23-27 октября 2002., Труды Международной научно-технической конференции «Информационные технологии и системы: новые информационные технологии в науке, образовании, экономике [НИТНОЭ-2003]». Владикавказ, 22-25 октября 2003., V Международной конференции «Устойчивое развитие горных территорий: проблемы и перспективы интеграции науки и образования». Владикавказ, 21-23 сентября 2004. На ряде научно-технических конференций профессорско-преподавательского состава, научных работников и аспирантов СКГМИ (ГТУ) в 2001-2004 гг.
Личный вклад автора. Основные научные положения, теоретические выводы и рекомендации, содержащиеся в главах 3, 4 диссертационной работы, получены автором самостоятельно. Результаты, приведенные в главах 1,2 получены автором в соавторстве.
Публикации. Основные результаты диссертационной работы опубликованы в 5 печатных работах.
Объем и структура работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы и приложения. Работа содержит 183 страницы машинописного текста, 28 рисунков, 3 таблицы и список литературы из 160 наименований.
Основные проблемы и принципы построения имитационно-моделирующих комплексов
Как отмечалось выше, проблема повышения эффективности профессиональной подготовки оперативного персонала по управлению технологическими процессами с каждым годом принимает все большую актуальность в условиях роста уровня технической оснащенности производств. Оператор принимает, как правило, наиболее сложные и ответственные решения по управлению объектом, причем от правильности его действий, умения своевременно найти и реализовать, в сложной ситуации верное решение зависит эффективность выполнения задач возлагаемых на управляемый технический объект [1-3]. Не отвечающий современным требованиям уровень подготовки операторов-технологов предприятий приводит не только к снижению производительности установок, увеличению расходов сырья, материалов, электрической и тепловой энергии, но и в отдельных случаях к полным потерям больших объемов оборудования и производственному травматизму [4]. Так, статистика отказов человеко-машинных систем показывает, что доля отказов систем из-за ошибок человека-оператора достаточно велика и составляет 40-80% [5-8].
Одним из наиболее эффективных средств формирования и развития знаний и профессиональных навыков, необходимых оператору в реальных условиях деятельности, являются имитационно-моделирующие комплексы (тренажеры).
Тренажерные технологии сегодня - это сложные комплексы, системы моделирования и симуляции, компьютерные программы и физические модели, специальные методики, создаваемые для того, чтобы подготовить личность к принятию качественных и быстрых решений, что станет весьма серьезной задачей и даже проблемой в 21 веке.
В современных тренажерах и в программах подготовки и обучения, на них основанных, закладываются принципы развития практических навыков с одновременной теоретической подготовкой, т.е. тренажер способен развиваться вместе с обучаемым. Реализация такого подхода стала возможна в связи с бурным развитием и удешевлением электронно-вычислительной техники и прогрессом в области создания машинного зрения, виртуальной реальности и т.п. На базе этих технологий разработаны многочисленные тренажеры для военного применения; создано множество приложений технологии виртуальной реальности для медицины, позволяющих проводить операции электронному пациенту с высокой степенью достоверности и т.д.. При этом области применения тренажерных технологий постоянно расширяются.
Уровень технологической базы всегда играл доминирующую роль в развитии любого государства. По мере выработки природных ресурсов значение технологического уровня производства и квалификация специалистов -носителей технологии все более и более возрастает. Даже для России с ее неистощимыми богатствами возможность преодоления затянувшегося кризиса, как представляется, немыслима без подготовки огромного количества высококлассных специалистов, способных воспринимать и развивать самые современные технологии. На первое место выходят как проблемы доучебного тестирования и отсева кандидатов (профориентация), так и всемерное удешевление процесса подготовки при сохранении приемлемой эффективности.
Исторически тренажерные технологии возникли и получили наибольшее развитие там, где ошибки при обучении на реальных объектах могут привести к чрезвычайным последствиям, а их устранение - к большим финансовым затратам. По мнению многих ученых-разработчиков обучающих систем законченная современная тренажерная система должна включать в себя помимо средств «зрительной симуляции» средства «чувствительной (перегрузочной) симуляции».
Современный этап развития компьютерных тренажеров (КТ) характеризуется прорывом в области персональных компьютеров (ПК), разработчики тренажеров практически не ощущают разницы между ПК и большими машинами. Более того, некоторые системные программные утилиты более развиты именно для ПК. На сегодня за большими машинами остались только «супермодели» - тренажеры, охватывающие целые производства (стоимость таких систем, включающих тысячи измеряемых переменных и сотни регуляторов, на мировом рынке составляет 1-1,5 млн. долл., но может достигать и 4 млн. долл.). Гибкая архитектура ПК позволяет также с легкостью разрешать конфигурационные проблемы: в вычислительной сети современных КТ легко размещаются несколько рабочих мест оператора, рабочая станция инструктора, инженера, технолога и т.п. Современные КТ легко соединяются с различными распределенными системами управления, программируемыми логическими контроллерами, системами визуализации данных и супервизорно-го управления и другими средствами. Вместе с тем облегчаются и возможности эмулирования различных стандартов отображения информации и управления процессом.
На сегодня в мире существует несколько современных тренажерных платформ, разработанных и поддерживаемых основными производителями КТ (ABB Simeon, Inc., Honeywell Hi-Spec Solutions, Axenc IFP Group Technologies и др.). Что касается большинства отечественных продуктов (исключая тренажеры для энергетики, где позиционированы признанные разработчики и достигнуты качественные технические решения), то их недостатки определяются отсутствием развитых тренажерных платформ, что сказывается и на качестве самих моделей, и на уровне воспроизведения операторского интерфейса. Слабо представлена также методическая сторона обучения. Мировой тренажерный рынок в рассматриваемой предметной области чрезвычайно насыщен, поэтому ключевым становится снижение стоимости разработки. Не случаен в этой связи прогноз о «закате эры полномасштабных тренажеров» [3], за которыми останутся только редкие и крайне дорогостоящие проекты, связанные со строительством или реконструкцией огромных производственных мощностей.
Другая тенденция, состоящая в резком ужесточении требований к методической базе компьютерного тренинга, вызвала к жизни новое направление - когнитивный анализ механизмов формирования и закрепления операторских навыков в компьютерном тренинге [2]. Это особенно важно в российских условиях, где структура и возможности служб подготовки персонала уступают зарубежным предприятиям.
Следующее принципиальное новшество состоит в изменении самого подхода к КТ. Если раньше компьютерный тренинг операторов мыслился как самостоятельная задача, требующая специфической технической и программной реализации, то сейчас он рассматривается как одно из звеньев (например, «оптимизации реального времени - on-line optimization» [9]). Соответственно по-другому понимается связь тренинга с задачами инжиниринга; общие модели используются для обучения операторов, прогнозирования реакции реального объекта, подстройки параметров прогнозирующих моделей в алгоритмах усовершенствованного управления [10], проверки и настройки систем управления, исследования технологических режимов, верификации измеряемых данных и в других задачах.
Особенности деятельности оператора при управлении сложными технологическими процессами
Современные технологические процессы и установки представляют собой сложные человеко-машинные комплексы (системы), в которых оперативный персонал может рассматриваться как звено в замкнутом контуре управления. Основной целью этих систем является выработка (производство) материальных и энергетических ресурсов.
По мере совершенствования технологических процессов, средств контроля и управления оператор перемещался на более высокие уровни управления. Возникли и новые особенности его деятельности, к главным из которых можно отнести: управление несколькими объектами одновременно с частым выполнением ряда несходных задач; расположение оператора на расстоянии от управляемого объекта; изменение нагрузок на органы чувств оператора. Оператор лишен возможности непосредственно судить о состоянии объекта, основываясь на восприятие через органы зрения, слуха, кинестетический аппарат и органы обоняния. В современных системах он получает почти всю информацию об управляемом объекте через зрительный канал [77]; повышенные требования к быстроте реакции оператора при управлении объектом. Кроне того, появляются существенные изменения в сфере знаний и навыков оператора, вызванные наличием в современных системах управления современных устройств передачи и переработки информации, включая ЭВМ. В сложных системах управления технологическими комплексами иерархической структуры операторы, как правило, включаются в замкнутые контуры регулирования тем или иным динамическим процессом лишь на период восстановления отказавшей аппаратуры. При этом один и тот же оператор может включаться в случайные моменты времени в контуры с разными, порой качественно отличающимися динамическими характеристиками (линейными, нелинейными, детерминированными, стохастическими и т.д.). Принципиальная возможность использования оператора в таких режимах определяется его специфическими свойствами, из которых наиболее важными можно считать следующие: У свойства адаптации алгоритма своих действий к условиям работы (динамике управляемого объекта, частотному диапазону входного сигнала, форме представляемой информации, виду ограничений в системе и др.); У способность прогнозировать будущее изменение координат объекта на основе анализа предыстории и вырабатываемой в сознании оператора динамической модели управляемого объекта; возможность наилучшим образом решать задачи обобщения и организации работы всех систем управляющего комплекса, гибко перерабатывать принимаемую информацию; У способность улучшать собственные характеристики (обучаться) в процессе работы [23,78]. Наиболее специфической чертой деятельности оператора в условиях высокого уровня автоматизации объекта (такого, как современный химико-технологический комплекс) является то, что оператор в условиях отсутствия возможности непосредственного наблюдения за состоянием объекта вынужден пользоваться информацией, которая поступает к нему по каналам связи [79], т.е. оператор имеет дело с информационной моделью реального объекта. Информационная модель должна удовлетворять следующим требованиям: по возможности адекватно отображать объект и окружающую среду; обеспечивать оптимальное количество информации, предъявляемой оператору (исключать перегрузку и недогрузку оператора информацией); по форме представления информации соответствовать.возможностям оператора. Количество информации, поступающей оператору, зависит от уровня автоматизации. Вследствие различной квалификации операторы могут судить о состоянии технологического процесса с различной точностью (правдоподобия) и использовать для этого показания различных приборов. Внесение корректирующих воздействий всегда связано с глубоким анализом технологической ситуации, операторы стараются без необходимости не вмешиваться в работу систем агрегата и осуществляют активные действия в случае убежденности в их необходимости. При больших отклонениях параметров от их регламентных значений для активизации внимания операторов вырабатывают сигналы звуковой и световой сигнализации.
Для осуществления управления объектом оператору недостаточно только информационной модели. В его деятельности большое значение имеют эвристика и интуиция [80]. Он должен обладать развитым оперативным мышлением, под которым понимается способность вьшолнить анализ технологической ситуации и выработать рациональное решение по управлению технологическим процессом. Эти виды деятельности опираются на концептуальные модели объекта управления, которые складываются из знаний системы, предыдущего опыта, представлений о целях и конечном результате работы, знаний о последствиях правильных и ошибочных действий и уточняются в соответствии с воспринимаемой информацией. Восприятие информации и реализация управления являются наиболее простыми действиями, не требующими сложной подготовки, специальных знаний и умений.
Значимость каждого из этапов в деятельности оператора зависит от состояния и режима работы технологической системы. В результате исследования деятельности операторов выявлено использование нескольких видов управления [42]: на основе общих технологических принципов (оператор хорошо знает и понимает сущность управляемого технологического процесса); по функциональным стандартам (которые сформировались у оператора по мере накопления опыта); по упреждению (оператор воспринимает назревшие нарушения процесса); на основе информативной обратной связи (оператор производит ровные изменения определенных параметров процесса и по ним судит о действительных причинах нарушения). Сочетая различные виды управления, оператор приспосабливается к сложным психологическим условиям производственной деятельности. В процессе управления сложным объектом операторам приходится решать круг задач различной степени сложности. В настоящее время имеются разные подходы при описании процессов принятия решений оператором технологом [81-84]. Схема переработки информации представлена на рис. 3.1. [82]. Основные виды деятельности оператора и соответствующие вьшолняемые операции рассмотрены в [81 ].
Моделирование функционирования человека-оператора
Как показывает опыт развитие систем управления сложными технологическими объектами идет не по пути исключения человека из общего контура регулирования, а по пути усложнения решаемых оператором задач. В связи с этим решение прикладньк инженерно-психологических задач, возникающих при проектировании и эксплуатации систем «человек-машина», органически связано с применением математических моделей оператора. При этом к моделям предъявляют два основных требования: адекватность и прогностическая способность. Требование адекватности предполагает описание характеристик оператора с точностью необходимой для решения прикладных задач. Прогностическая способность модели заключается в возможности предсказания характеристик работы оператора в конкретной системе «человек-машина» без предварительных исследований. Выполнение перечисленных требований позволяет использовать исследуемую модель совмещенной операторской деятельности не только для поиска наиболее оптимального варианта распределения функций между человеком и вычислительной машиной в какой-либо конкретной системе «человек-машина», но и для разработки методик, позволяющих значительно сократить сроки обучения операторов АСУ, а также оптимизации их учебно-тренировочного процесса.
Вопросы исследования прогностической способности (разработки методов идентификации параметров) обобщенной модели человека-оператора рассматривались ранее [72, 99-102]. Структура исследуемой модели состоит из двух основных функциональных блоков: детектора признаков и селектора реакций. Детектор признаков выделяет информационные признаки состояния объекта управления и вырабатывает вторичные признаки для согласования размерности исходной информации и альтернативных реакций. Селектор реакции производит обработку по времени с целью улучшения отношения сигнал/шум и осуществляет выбор одной из возможных реакций адекватных состоянию объекта управления.
В зависимости от характера задач, решаемых оператором, координаты вектора стимула (5) и вектора реакций (R ) могут быть как дискретными, т.е. принимающими конечное множество переменных Sg Rg так и непрерывными, т.е. принимающими любое значение в пределах области определения переменными S„,Rt,. Возможны три различных типа задач управления, определяемых парами (5Л,й ), (SN,Rg), (Ss,Rg). При этом предполагается, что если любой из векторов содержит одновременно дискретные и непрерывные переменные, то они могут быть разделены и решаемые оператором задачи сводятся к указанным трем типам. Очевидно, что задачи, соответствующие паре (SS,RN) не отвечают требованиям наблюдаемости реакции и поэтому в системе «человек-машина» используется крайне редко. Задачи типа (SN,RN) соответствуют слежению и его разновидностям, задачи (SN,Rg) - принятию решения и задачи (Sg,Rg) классификации.
Для количественной оценки прогностической способности, выбранной в качестве объекта исследования обобщенной модели автоматизированной операторской деятельности, часто используется метод статистического моделирования ее структуры на ЦВМ [72]. Исследование обобщенной модели операторской деятельности этим при решении оператором дискретной задачи обнаружения сигнала заключается в многократном определении исходов выполнения операций для фиксированных значений параметров модели и различных реализаций эквивалентного шума n(t) с последующей оценкой характеристик деятельности оператора на материале полученной выборки. При этом характеристиками деятельности оператора являются: закон распределения времени реакции (принятие решения) tp, вероятность правильного обнаружения Р„0 и вероятность ложной тревоги Рлт. Физический смысл параметров изложен в работе [103]. Обработка результатов моделирования широко распространенным в психофизике методом рабочих характеристик позволило описать модель с помощью двух обобщенных параметров di и cfe, физический смысл которых можно определить как отношение сигнал/шум на выходе селектора реакции и время принятия решения при дисперсии шума равной нулю. Связь обобщенных параметров с исходными параметрами модели имеет следующий вид [72]:
Данные параметры зависят от функционального состояния и индивидуальных особенностей оператора Численные значения коэффициентов а и /? (их смысл и метод определения рассмотрен в работе [104]) зависит только от индивидуальных особенностей и функционального состояния оператора и инвариантны к решаемой им задаче; - пороговый уровень детектора реакции; crw - среднеквадратическое отклонение, также зависящая от особенностей и функционального состояния оператора.
Анализ методов идентификации параметров обобщенной модели человека-оператора рассмотрен в работе [72]. Полученные соотношения идентификации были использованы для обработки результатов эксперимента по тесту обнаружение цели, полученных на базе автоматизированного экспериментального комплекса [105]. Сопоставление результатов эксперимента и сообщенной модели автоматизированной операторской деятельности дает возможность говорить об адекватности выбранной в качестве объекта исследования модели реальной деятельности человека-оператора. В [72] делается вывод о том, что обобщенная модель операторской деятельности отвечает требованию прогностической способности.
Особое внимание при создании автоматизированных систем обучения операторов сложных технологических производств должно быть уделено поиску эффективных методов определения рациональных вариантов действий обучаемого на различных стадиях обучения и их формализации применительно к конкретному объекту. От успешного решения этой задачи во многом зависит эффективность всего математического обеспечения тренажера в целом.
Следует отметить, что сами методы нахождения такого рационального (эталонного) решения в различных ситуациях в отличие от математических моделей технологических процессов не зависят от типа изучаемого объекта. Такая возможность возникает благодаря наличию одинаковых типов интеллектуальной деятельности оператора технологического объекта.
Известен подход к построению модели формирования рациональных решений на основе результатов анализа возможных технологических ситуаций, различных вариантов управления процессом, действий операторов реального объекта. Наиболее целесообразным при таком анализе является использование графоаналитических методов [26,46].
Исследование и анализ методологических аспектов и принципов построения имитационных моделей для тренажеров операторов сложных технологических объектов
Как уже отмечалось выше, проблема создания тренажеров включает в себя широкий круг вопросов, основными из которых являются; выбор методов моделирования и имитации функционирования объекта управления; выбор средств вычислительной техники; выбор способов представления информации оператору и техническая реализация систем отображения информации; разработка управляющих программ, программ курса обучения и оценки действий обучаемого. Имитационные модели ТО, используемые в тренажерных комплексах, должны обеспечивать; имитация функционирования ТО в объеме, необходимом для включения всех задач обучения в соответствии с мощностью сенсорного и моторного полей; моделирование изменений параметров оборудования, снабжения и окружающей среды для имитации предварительных состояний ТО; моделирование неисправностей оборудования, систем управления и контрольно-измерительных приборов, прекращения снабжения для имитации аварийных состояний ТО; имитацию основных и вспомогательных режимов работы оборудования в соответствии с выполняемыми основными или вспомогательными технологическими операциями в широком диапазоне изменения технологических параметров; изменение масштаба времени при имитации функционирования объекта управления в динамическом режиме; соответствие точности решения предъявляемых оператору технологических задач на тренажере с точностью их решения на реальном объекте. Принято различать два основных способы (метода) имитации работы технологического оборудования: статический (логико-ситуационный) и динамический (математическое моделирование реальных режимных условий и динамических связей параметров технологических процессов), В соответствии с этими способами тренажерные системы условно делятся на статические и динамические. Практически, в отличие от статических тренажеров, при разработке которых применится только логико-ситуационные модели, реализация динамических тренажеров, как правило, связана с рассмотрением вопросов рационального сочетания статических и динамических моделей при имитации.
Статический (или логико-ситуационный) метод предлагает реализацию средствами вычислительной техники заданного набора или совокупности характерных нештатных ситуаций на технологическом оборудовании, каждая из которых является задачей для обучаемого. Определенным набором и последовательностью управляющих воздействий, правильные комбинации которых запрограммированы как ответы на задачи, оператор устраняет ситуацию, отличную от условий нормальной эксплуатации оборудования. Этот метод наиболее эффективен и целесообразен при моделировании задач некоторых пусков и остановов основного оборудования, а также включения и выключения вспомогательного оборудования.
Основным достоинством этого метода является простота его технической реализации. Однако логико-ситуационный подход включает информацию о реальных динамических свойствах технологического объекта и у обучаемого не складывается представление о характерных особенностях динамических связей параметров в процессе реального управления.
Динамический метод, предполагающий реализацию математических моделей средствами аналогово-цифровой (цифровой) вычислительной техники как основного функционального блока тренажерных систем, позволяет охватить практически весь возможный диапазон режимных условий и нештатных ситуаций на технологическом оборудовании без жесткого набора заранее определенных задач и запрограммированных ответов. У обучаемого создается целостное представление о динамических свойствах имитируемого объекта, и сам процесс обучения максимально приближается к условиям управления реальным объектом.
В отечественной и зарубежной научно-технической литературе представлено большое число работ по различным аспектам построения имитационных моделей на ЦВМ. Подавляющее большинство из них посвящено созданию и исследованию моделей в качестве инструмента изучения явлений, процессов, существующих или разрабатываемых систем и т.п. В качестве примера можно привести работы [45,117-119], в которых приведена обширная библиография по моделированию сложных систем на ЦВМ и смежным вопросам.
Вместе с тем существует целый ряд отличий и специфических требований, которые приводят к необходимости специальных исследований в области разработки моделей и моделирующих комплексов для тренажеров. Основная причина этих отличий заключается в различном целевом назначении моделей, создаваемых для всевозможных исследовательских целей и для обучения операторов. Различие целей построения моделей приводит к различному положению моделей и самого процесса моделирования решений тех или иных задач. Все это явилось причиной различных подходов к построению моделей, отличных друг от друга критериев их оценки в зависимости от сфер применения и привело к появлению ряда работ, ориентированных на построение моделей и моделирующих комплексов применительно именно к разработкам тренажеров операторов.
Использование математических моделей объекта в качестве средств обучения и тренажа считается в настоящее время экономически целесообразным [120]. При этом различная степень полезности моделей в значительной мере зависит от методов и средств, которые использовались при их построении. В теплоэнергетике и атомной энергетике широкое распространение получили ситуационные модели [30,31,54,55]. Количество возможных ситуаций, воспроизводимое на щите управления, может достигать большой цифры. Например, в тренажерах АЭС возможно моделирование до 300 неисправностей [33]. К классу ситуационных обычно относятся также математические модели технологических процессов, реализованных на элементах двухзначной логики [121].
