Содержание к диссертации
Введение
1 Общая характеристика проблемы управления многосвязными тепловыми объектами на агрегате полимерных покрытий металла 13
1.1 Анализ существующих систем, методов и средств управления многосвязными тепловыми объектами в металлургии 13
1.2 Характеристика процесса полимеризации оцинкованной полосы как объекта управления 31
1.3 Определение требований к математическому обеспечению системы управления многосвязными тепловыми объектами агрегата полимерных покрытий 41
1.4 Выводы 48
2 Математическое обеспечение системы нейро нечёткого управления многосвязными тепловыми объектами агрегата полимерных покрытий металла 49
2.1 Системный анализ управления многосвязными тепловыми объектами агрегата полимерных покрытий 49
2.2 Имитационная модель процесса сушки лакокрасочного материала на поверхности металлической полосы в печах агрегата полимерных покрытий металла 55
2.2.1 Статистическая модель поверхностных явлений при покраске оцинкованной полосы 56
2.2.2 Математическая модель процесса сушки полимерного покрытия на поверхности оцинкованной полосы 61
2.3 Метод оптимизации технологических параметров процесса полимеризации оцинкованной полосы 68
2.3.1 Лексикографический анализ задачи многокритериальной оптимизации технологических параметров процесса полимеризации оцинкованной полосы
2.3.2 Оптимизация технологических параметров процесса полимеризации на основе генетического алгоритма 72
2.4 Модель нейро-нечёткого управления многосвязными тепловыми объектами агрегата полимерных покрытий металла 81
2.4.1 Математическое описание многосвязных тепловых объектов агрегата полимерных покрытий металла 81
2.4.2 Нейро-нечёткое управление тепловыми объектами агрегата полимерных покрытий 86
2.5 Метод нейро-нечёткого управления многосвязными тепловыми объектами агрегата полимерных покрытий 99
2.6 Выводы 103
3 Алгоритмическое обеспечение системы нейро нечёткого управления многосвязными тепловыми объектами агрегата полимерных покрытий металла 104
3.1 Алгоритм прогнозирования температуры поверхности металла на выходе из печной установки 104
3.2 Алгоритм оптимизации технологических параметров процесса полимеризации оцинкованной полосы 108
3.3 Алгоритм обучения нейро-нечёткой модели управления процессом полимеризации оцинкованной полосы 111
3.4 Алгоритм расчёта температуры печной зоны с помощью нейро-нечёткой сети 112
3.5 Алгоритм управления многосвязными тепловыми объектами агрегата полимерных покрытий металла 115
3.6 Обобщённый алгоритм функционирования системы управления многосвязным тепловым объектом агрегата полимерных покрытий металла 117
3.7 Выводы 120
4 Экспериментальные исследования метода и алгоритмов нейро-нечёткого управления многосвязными тепловыми объектами агрегата полимерных покрытий металла 121
4.1 Основные функциональные элементы и блоки системы управления многосвязными тепловыми объектами агрегата полимерных покрытий металла 121
4.2 Методика настройки алгоритмического обеспечения 126
4.3 Результаты экспериментальных исследований 128
4.4 Перспективы применения разработанных метода и алгоритмов нейро нечёткого управления многосвязными тепловыми объектами агрегата полимерных покрытий металла 136
4.5 Выводы 138
Заключение 139
Список литературы 140
Приложение 1. Ретроспективные данные о работе установки 151
Приложение 2. Результаты экспериментальных исследований алгоритма оптимизации технологических параметров 155
Приложение 3. Акты внедрения 159
Приложение 4. Свидетельства о регистрации программного обеспечения 162
- Характеристика процесса полимеризации оцинкованной полосы как объекта управления
- Математическая модель процесса сушки полимерного покрытия на поверхности оцинкованной полосы
- Алгоритм оптимизации технологических параметров процесса полимеризации оцинкованной полосы
- Перспективы применения разработанных метода и алгоритмов нейро нечёткого управления многосвязными тепловыми объектами агрегата полимерных покрытий металла
Введение к работе
Актуальность темы. Одним из видов продукции, выпускаемой предприятиями металлургического комплекса, является предварительно окрашенный прокат с защитным цинковым покрытием.
На данный момент в мире насчитывается более 700 линий производства предварительно окрашенного проката. На лидирующие позиции в производстве этого вида проката выходят такие страны, как Китай, Индия и Россия. Основной причиной растущей популярности производства проката с полимерным покрытием специалисты называют снижение себестоимости изделий из металла, окрашенного в заводских условиях, в среднем на 20% .
В ближайшие годы мировое потребление будет прирастать, в первую очередь, за счет роста спроса в развивающихся странах, в том числе за счет российского рынка, характеризующегося развитием таких областей, как строительство и автомобилестроение. Учитывая тенденции внешнего и внутреннего рынка проката с покрытиями, можно ожидать прироста спроса на него на мировом рынке к 2015 году в 2,8 раза. В связи с высокой востребованностью горячеоцинкованного проката с лакокрасочным полимерным покрытием на внутреннем рынке России и за рубежом, ведущие отечественные металлургические компании, такие как ОАО «НЛМК», ОАО «ММК», ОАО «Северсталь», наращивают мощности своих предприятий.
При производстве предварительно окрашенного проката широко используются тепловые агрегаты, в том числе и печи сушки лакокрасочного материала (ЛКМ), расположенные на агрегате полимерных покрытий металла. Выпуск предварительно окрашенного проката характеризуется значительным количеством брака, основными видами которого являются отслоение полимерного покрытия и его неравномерное распределение на поверхности. На качество конечной продукции, в первую очередь, влияют температурные режимы печных установок сушки полимерного покрытия. Совершенствование систем управления процессом сушки полимерного покрытия представляет собой одно из приоритетных направлений развития сферы производства предварительно окрашенного проката.
Исследования в данной области базируются на основах теории моделирования процессов и систем, изложенных в работах С.А. Айвазяна, А.В. Антонова, B.C. Анфилатова, Ю.А. Бахвалова, А.А. Денисова, Р. Калмана (R.E. Kalman), В.А. Котельникова, Н.Л. Лузина, Ю.Г. Лукашина, А.А. Ляпунова, М.Ю. Медведева, П.С. Новикова, Б.Я. Советова, К. Шеннона (СЕ. Shannon), С.А. Яковлева и др. Развитие методов моделирования и управления промышленными тепловыми объектами связано с исследованиями таких учёных, как А.С. Гольцов, В.А. Завьялов, А.К. Карабашев, М.Ю. Лившиц, А.А. Шевяков, Р.В. Яковлева и др. Исследования в области управления и моделирования процессов, протекающих в полимерных покрытиях, в основном, связаны с теорией физики поверхностных явлений, раскрытой в работах А.Ю. Гросберга, В.П. Жданова, А.Р. Хохлова и др.
Уменьшение доли бракованной продукции и снижение потребления энергоресурсов за счёт создания специального математического обеспечения нейро-нечёткого управления производственным процессом является основным способом увеличения конкурентоспособности на мировом рынке предварительно окрашенного проката для предприятий металлургического комплекса. В этой связи разработка метода и алгоритмов адаптивного нейро-нечёткого управления многосвязными тепловыми
4 объектами агрегата полимерных покрытий металла представляется актуальной научно-технической задачей.
Цель и задачи диссертационной работы. Целью диссертационной работы является увеличение энергоэффективности и уменьшение доли бракованной продукции за счёт повышения точности задания температурных режимов многосвязных тепловых объектов агрегата полимерных покрытий металла, обеспечивающего поддержание температуры полимеризации оцинкованной полосы на основе синтеза адаптивных систем поисковой оптимизации, нейро-нечётких моделей и идеального моделирования теплового объекта.
Для достижения поставленной цели в работе решены следующие задачи:
-
Выполнен анализ проблемы управления многосвязными тепловыми объектами агрегата полимерных покрытий металла.
-
Разработаны модели и методы нейро-нечёткого управления многосвязными тепловыми объектами агрегата полимерных покрытий.
-
Разработаны алгоритмы обработки информации в системе управления многосвязными тепловыми объектами агрегата полимерных покрытий.
-
Проведены экспериментальные исследования метода и средств обработки информации в системе управления многосвязными тепловыми объектами агрегата полимерных покрытий.
Объект и предмет исследования. Объектом исследования является система управления процессом полимеризации оцинкованной металлической полосы в печах агрегата полимерных покрытий металла при производстве предварительно окрашенного проката. Предмет исследования - методы и алгоритмы нейро-нечёткого управления многосвязными тепловыми объектами агрегата полимерных покрытий металла.
Методы исследования. Для решения поставленных задач в работе использовались методы системного анализа, математического моделирования, искусственного интеллекта, нейронных сетей и нечёткой логики, эволюционные алгоритмы, а также основы теории построения алгоритмов и программ.
Научная новизна и основные положения, выносимые на защиту:
-
Разработана математическая модель нейро-нечёткого управления многосвязными тепловыми объектами агрегата полимерных покрытий, позволяющая задавать требуемый температурный режим в условиях нестационарности, нелинейного изменения внешних и внутренних факторов и распределенности параметров.
-
Разработан метод нейро-нечёткого управления процессом полимеризации, отличающийся применением эвристической оптимизации технологических параметров с помощью генетического алгоритма, позволяющий снизить расход газа и обеспечить максимальный коэффициент прилипания лакокрасочного материала к поверхности полосы.
-
Разработана система алгоритмов управления многосвязными тепловыми объектами агрегата полимерных покрытий, реализующая функционально полное алгоритмическое обеспечение и включающая:
алгоритм прогнозирования температуры поверхности металла на выходе из печной установки;
алгоритм оптимизации технологических параметров процесса полимеризации оцинкованной полосы;
алгоритм обучения нейро-нечёткой модели управления процессом полимеризации оцинкованной полосы;
алгоритм расчёта температуры печной зоны с помощью нейро-нечёткой сети;
алгоритм управления многосвязными тепловыми объектами агрегата полимерных покрытий металла;
обобщенный алгоритм функционирования системы управления многосвязным тепловым объектом агрегата полимерных покрытий металла.
Практическая значимость результатов исследования заключается в том, что реализация разработанных теоретических положений позволила:
разработать имитационную модель процесса сушки лакокрасочного материала в печи агрегата полимерных покрытий металла, что повысило точность прогнозирования температуры поверхности металла на 7 %;
снизить на 1,5 % количество бракованной продукции, связанной с отслоением покрытия за счёт повышения точности определения требуемого температурного режима печной установки, обеспечивающего нагрев металлической полосы до температуры полимеризации;
снизить на 2 % расход газа, используемого для нагрева печных зон, за счёт оптимизации технологических параметров процесса полимеризации;
увеличить в 2,8 раза скорость принятия решений по подбору технологических параметров процесса полимеризации оцинкованного листа с помощью разработанного программного обеспечения, реализующего описанные метод и алгоритмы управления;
увеличить на 2% экономическую эффективность работы на рынке металлургической продукции с высокой добавленной стоимостью. Реализация результатов работы. Диссертационное исследование выполнено в
рамках ФЦП «Научные и научно-педагогические кадры инновационной России» на 2009-2013 гг., госконтракт № 14.В37.21.0075 от 12.07.2012 г. на тему «Компьютерное моделирование процессов формирования, равновесных свойств и подвижности в частично упорядоченных наноструктурах: слоях и плёночных покрытиях», госзадания Министерства образования и науки РФ 2012 на 2012-2013 гг. на тему «Интеллектуальные модели управления сложными распределёнными многосвязными объектами» и финансировалось фондом содействия развитию малых форм предприятий в научно-технической сфере правительства РФ в рамках федеральной программы «Участник молодёжного научно-инновационного конкурса (У.М.Н.И.К.)» на 2012 г. договор № 3/17211 от 01.04.2013 г. на тему: «Разработка программного модуля интеллектуального управления процессом полимеризации оцинкованного листа при окраске полосы по технологии «Coil Coating».
Разработанные метод и алгоритмы управления многосвязными тепловыми объектами агрегата полимерных покрытий прошли экспериментальную проверку в ЦПМ № 2 ПХП ОАО «Северсталь». Результаты исследования были успешно внедрены и используются в управлении механизации и автоматизации ООО «Северсталь-Промсервис» при построении систем управления многосвязными тепловыми объектами. Предложенные алгоритмы обработки информации и управления используются в учебном процессе на кафедре «Математическое и программное обеспечение ЭВМ» Череповецкого государственного университета в содержании дисциплин «Структуры и алгоритмы обработки данных» и «Системы искусственного интеллекта» для студентов специальности 230105.65 «Программное обеспечение вычислительной техники и автоматизированных систем».
Апробация работы. Основные результаты диссертационной работы докладывались и получили положительную оценку на следующих научных конференциях: X, XI Международные конференции «Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации» (Курск, 2012, 2013 гг.); VII, VIII Международные конференции «Автоматизация и энергосбережение машиностроительного и металлургического производств, технология и надежность машин, приборов и оборудования» (Вологда, 2012, 2013 гг.), X Международный симпозиум «Интеллектуальные системы» (Вологда, 2012), VII Международная конференция «Информатизация процессов формирования открытых систем на основе СУБД, САПР, АСНИ и систем искусственного интеллекта (ИНФОС-2013)» (Вологда, 2012), Международный конгресс «European Polymer Congress (EPF 2013)» (Италия, Пиза, 2013), VI Международная конференция «Инженерные системы-2013» (Москва, 2013) и др.
Публикации. По теме диссертации опубликована 31 печатная работа, в том числе 4 статьи в ведущих рецензируемых научных журналах и изданиях из перечня ВАК Министерства образования и науки РФ, а также 3 свидетельства о регистрации электронного ресурса (ОФЭРНиО) и 1 свидетельство о государственной регистрации программы для ЭВМ (Роспатент).
Структура и объем работы. Диссертационная работа состоит из введения, четырех разделов, заключения, списка литературы, включающего 102 наименования, и 4-х приложений. Объём диссертационной работы - 164 страницы. В тексте диссертации содержатся 41 рисунок и 5 таблиц.
Характеристика процесса полимеризации оцинкованной полосы как объекта управления
Связь между экстремальным значением функционала качества и предпочтительными состояниями системы из множества Х не задана в явном виде, и требуемый выбор обеспечивается путем последовательного приближения к решению в результате опробования различных состояний системы. Таким образом, существенной чертой самонастраивающихся систем данного класса является наличие процесса поиска как последовательной, итеративной процедуры выбора одного из множества возможных путей для достижения поставленной цели [8].
Поиск экстремума может осуществляться различными способами, начиная от простого просмотра всех имеющихся в наличии состояний системы и заканчивая сложными вероятностными процедурами сравнения вариантов выбираемых путей. Все методы поиска подразделяются на регулярные и случайные методы. В регулярных методах поиска выбор направления поискового движения осуществляется по заранее заданному закону, а в случайных методах направление к экстремуму определяется случайным образом [10].
Беспоисковые системы. Системы данного типа решают задачу динамической оптимизации методами беспоисковой адаптации. Они отличаются от аналогичных поисковых систем тем, что адаптация нестационарной системы управления осуществляется под оптимальную эталонную модель. При этом параметры указанной модели вычисляются с помощью поисковых процедур динамической оптимизации заранее, на этапе проектирования. Таким образом, в этих системах задача поиска оптимального управления заменяется более простой в вычислении задачей подстройки под оптимальную модель системы [11]. Системы с адаптацией в особых фазовых состояниях. Они используют особые режимы или свойства нелинейных систем, например, режимы автоколебаний, скользящие режимы для организации контролируемых изменений динамических свойств системы управления. Специально организованные особые режимы в таких системах либо служат дополнительным источником рабочей информации об изменяющихся условиях функционирования системы, либо наделяют систему управления новыми свойствами, за счёт которых динамические характеристики управляемого процесса поддерживаются в желаемых пределах, независимо от характера возникающих при функционировании изменений. Эти системы можно подразделить на релейные системы и робастные системы [12, 13]. Релейное управление. Релейная система – автоматическая система управления, в которой имеется хотя бы одно звено, обладающее релейной характеристикой. Релейная характеристика – характеристика кусочно-линейного вида, соответствующая преобразованию в техническом устройстве (системе) непрерывной входной величины х в дискретные значения выходной величины yn, где n – число возможных её значений (уровней), обычно равное 2 или 3 [14]. На рисунке 1 приведены релейные характеристики х основных типов, литерами «а» и «б» обозначены релейные характеристики идеальных релейных элементов; «в», «г» – реальных двухпозиционных (n=2) и трёхпозиционных (n=3) релейных элементов.
Релейные характеристики основных типов релейных элементов Релейные системы являются одним из видов нелинейных дискретных автоматических систем управления. Различают двухпозиционные и многопозиционные релейные системы [14]. Принципиальная особенность двухпозиционных релейных систем – наличие у них автоколебаний выходного (регулируемого) параметра в установившемся режиме (т. е. после окончания переходных процессов); амплитуда и период автоколебаний определяются релейной характеристикой применяемого релейного элемента. Релейные системы относительно просты в изготовлении и эксплуатации, имеют низкую стоимость и широко применяют при управлении различными технологическими процессами.
Робастное управление. Робастное управление – совокупность методов теории управления, целью которых является синтез такого регулятора, который обеспечивал бы хорошее качество управления, если объект управления отличается от расчётного или его математическая модель неизвестна. Таким образом, робастность означает малое изменение выхода замкнутой системы при малом изменении параметров объекта управления. Системы, обладающие свойством робастности, называются робастными (грубыми) системами. Обычно робастные контроллеры применяются для управления объектами с неизвестной или неполной математической моделью, и содержащими неопределённости.
Главной задачей синтеза робастных систем управления является поиск закона управления, который сохранял бы выходные переменные системы и сигналы ошибки в заданных допустимых пределах, несмотря на наличие неопределённостей в контуре управления. Неопределённости могут принимать любые формы, однако наиболее существенными являются шумы, нелинейности и неточности в знании передаточной функции объекта управления [15].
В робастном управлении рассматриваются два вида неопределённостей – структурные и неструктурные. Неструктурные неопределённости обычно представляют собой элементы, зависящие от частоты, такие как, например, насыщение в силовых приводах объекта управления. Структурные неопределённости представляют собой изменения в динамике объекта управления [15, 16]. Целью робастного анализа является поиск такой неопределённости А, при которой система становится неустойчивой. В ходе анализа решаются две задачи: Приведение структурной схемы системы к стандартному М-Авиду является достаточным условием робастной устойчивости [15, 17].
Целью робастного синтеза является проектирование такого регулятора, который бы удовлетворял критерию робастности. Начиная с 50-х годов XX века был разработан ряд процедур и алгоритмов, позволяющих решить задачу робастного синтеза. Робастные системы управления могут сочетать черты, как классического управления, так и адаптивного и нечёткого [10, 17].
Обучающиеся системы управления. Данный вид систем характеризуется наличием специальных процессов обучения, которые заключаются в постепенном накапливании, запоминании и анализе информации о поведении системы и изменении законов функционирования в зависимости от приобретаемого опыта. К процессу обучения приходиться прибегать тогда, когда не только мал объём априорных сведений об объекте, но и отсутствует возможность установления детальных причинно-следственных связей в структуре самой системы из-за её сложности [18].
Математическая модель процесса сушки полимерного покрытия на поверхности оцинкованной полосы
Концептуальное проектирование – начальная стадия проектирования, на которой принимаются решения, определяющие последующий облик системы, и проводятся исследование и согласование параметров созданных решений с возможной их организацией. В настоящее время становится постепенно осознанным то, что для построения систем на качественно ином уровне новизны, а не просто их модернизации, необходимо быть вооруженным теоретическими представлениями о том, в каком направлении развиваются системы. Это необходимо для организации управления этим процессом, что повысит как показатели качества этих систем, так и эффективность процессов их проектирования, функционирования и эксплуатации [39].
На данном этапе необходимо сформулировать задачу управления, из которой получим задачи исследования. После анализа процесса полимеризации оцинкованной полосы как объекта управления необходимо определить границы предметной области, представляющие интерес при построении модели управления процессом, т.е. определиться с требуемым уровнем абстракции моделей, которые предстоит построить.
Важнейшим приемом системного исследования является представление любых сложных систем в виде моделей, т.е. применение метода познания, в котором описание и исследование характеристик и свойств оригинала заменяется описанием и исследованием характеристик и свойств некоторого другого объекта, который в общем случае имеет совершенно другое материальное или идеальное представление. Важно, что модель отображает не сам объект исследования в наиболее близком к оригиналу виде, а только те его свойства и структуры, которые в большей степени интересуют для достижения поставленной цели исследования [40].
Задача управления заключается в задании таких значений параметров процесса полимеризации оцинкованной полосы, которые позволят достичь максимального коэффициента прилипания при минимальном расходе энергоресурсов.
К качеству произведенного предварительно окрашенного проката предъявляется ряд требований, которые описаны в ГОСТ, перечисленных в разделе 1.3. Процесс сушки лакокрасочного материала в печах агрегата полимерных покрытий влияет только на качество прилипания к подложке. Поэтому такие дефекты как неравномерность покрытия, отклонение по блеску и рытвины в данной работе не рассматриваются.
Для осуществления процесса сушки полимерного покрытия необходимо знать следующий набор технологических параметров: температуры 7 печных зон (Тз!…Тз7\ скорость линии (V), плотность и теплоёмкость металлической подложки (/?, с), толщина и начальная температура полосы (h, THa4), интервал температур полимеризации наносимой краски ([Тпол1;Тпол2]). Эти параметры в производстве принято называть рецептом. Такие параметры как мощность вентиляторов, установленных в печных зонах, объем подводимого чистого воздуха, параметры взрывоопасности лаков исключаются из рассмотрения, так как они влияют на скорость прогрева зон перед сушкой и концентрацию взрывоопасных газов, которые в данной работе не раскрываются. Их регулирование осуществляется отдельно от управления самим процессом полимеризации.
Определим задачи исследования, которые необходимо выполнить для достижения цели управления. Отметим, что текущее состояние системного анализа предъявляет особые требования к решениям, принимаемым на основе исследования полученных моделей. Мало просто получить возможные решения (в данном случае, значения температур печных зон) - необходимо, чтобы они были оптимальны. Системный анализ, в частности позволяет предложить методики принятия решений по целенаправленному поиску приемлемых решений путем отбрасывания тех из них, которые заведомо уступают другим по заданному критерию качества. Цель его применения к анализу конкретной проблемы состоит в том, чтобы, применяя системный подход и, если это возможно, строгие математические методы, повысить обоснованность принимаемого решения в условиях анализа большого количества информации о системе и множества потенциально возможных решений [40]. В связи с тем, что на данном этапе нам известны только входные и выходные параметры моделей, опишем их с помощью подхода с позиции «чёрного ящика».
Первая задача, которую необходимо решить, – это построить имитационную модель процесса сушки покрытия, т.е. получить логико-математическое описание объекта, которое может быть использовано для проведения экспериментов на компьютере в целях проектирования, анализа и оценки функционирования объекта. Это нужно, чтобы определить, до какой величины повысится температура поверхности металла (Тпов. вых.) при выходе из печи при заданных значениях скорости полосы, толщины, плотности, теплоёмкости и начальной температуры металла, а также температур печных зон. В дальнейшем сравнение величины, полученной на выходе этой модели, с температурой полимеризации краски позволит сделать вывод о качестве прилипания покрытия (рисунок 12).
Вторая задача – разработать метод оптимизации технологических параметров процесса полимеризации оцинкованной полосы. Для её решения необходимо осуществить формализацию критерия качества управления и построить модель оптимизации технологических параметров. В связи с тем, что регулирование температурного режима осуществляется за счёт изменения температур печных зон (Tз1…Tз7), данная модель должна оптимизировать их значения (Tз1опт…Tз7опт) согласно критерию качества управления (рисунок 13). Данная модель на вход получает и температуры полимеризации, поскольку без них невозможно определить качество прилипания краски к металлической подложке.
Третья задача – разработать метод управления. Для этого необходимо разработать модель управления. Управление процессом полимеризации заключается в задании температур печных зон, которые должны обеспечить пиковую температуру металла на поверхности полосы при выходе из печи. Значения температур печных зон должны определяться такими параметрами, как текущая технологическая скорость линии, толщина, начальная температура, плотность и теплоёмкость металла, интервал температур полимеризации. Кроме того, значения температур печных зон, получаемых с помощью этой модели, должны быть оптимальными (рисунок 14).
Алгоритм оптимизации технологических параметров процесса полимеризации оцинкованной полосы
Как видно, наличие обратных связей (рисунок 22) и разное влияние каждого входа на каждый выход (рисунок 23) приводит к тому, что некоторая часть компонент вектора выхода зависит от других его компонент. Такая ситуация типична для производственных комплексов с непрерывным характером технологического процесса.
Многосвязные модели процессов, которые строятся в условиях, когда априорная информация об исследуемом объекте имеет некий смешанный характер, т.е. часть информации является описанием структуры модели, а другая - описанием поведения объекта. По этой причине они являются комбинированными математическими моделями [79, 80].
Часть соотношений, показанных на рисунке 23, описывающих внутренние связи между входными и выходными переменными, на основе априорных сведений (например, законов сохранения, физико-химических закономерностей и т.п.) может быть задана полностью или может быть представлена с точностью до набора параметров. Другая часть этих соотношений неизвестна, из-за недостатка информации она не может быть представлена с точностью до набора параметров и задается качественным образом с точностью до переменных. Проблема заключается в том, как в общей многосвязной модели системы совместить разные уровни априорной информации о процессах, происходящих внутри нее, и одновременно учесть связи между объектами, приводящие к наличию неявных функций.
Пусть для многосвязного объекта, подверженного действию неконтролируемых возмущений, со случайными ошибками, имеющими нулевое математическое ожидание, могут быть проведены наблюдения {X[t], Y[t]}, t =1,…, TV вектора состояний.
Плотности вероятностей р(Х), p(Y) величинои Y неизвестны, но существуют для X є Q.(X) и Y є Q(Y), являющихся элементами некоторых замкнутых ограниченных областей в соответствующих пространствах, причем p{X) Ф 0\/X є П(X). Известно, что переменные {X,Y} на объекте связаны некоторыми соотношениями, часть из которых известна полностью, другая часть известна с точностью до набора параметров, а часть, в силу недостатка априорной информации о структуре, не может быть параметризована и поэтому представлена только некоторыми качественными соотношениями «вход - выход». Тогда, имея выборку наблюдений, {X\t\ Y[t]}, t =1,…Д требуется найти такое значение выходной величины Y є Q(7), которое соответствует заданному входному воздействию X = X є Q.(X) - то есть осуществить прогноз выхода системы по заданному входному воздействию [79, 80, 81].
Модель процесса полимеризации оцинкованной полосы можно отнести к классу комбинированных математических моделей, т.к. в ней имеет место синтез классического идеального моделирования теплового объекта на основе законов сохранения энергии и моделирования с использованием нейро-нечёткого математического аппарата. Если перейти к модели управления, то она также будет иметь многосвязную природу.
Большинство методов адаптивного управления, представленных в литературе, разработаны применительно к классу линейных объектов с минимально-фазовой моделью, и предложенные модификации адаптивных алгоритмов для более широкого класса объектов имеют частный характер. Как правило, эти методы предполагают, что объект управления работает в линейном рабочем диапазоне. Кроме того, подавляющее большинство предлагаемых методов анализа и синтеза адаптивных систем управления относятся к скалярным системам (SISO-системы), задачи синтеза решаются приближенно или с использованием приближенных (аппроксимированных и/или линеаризованных) характеристик. В многосвязных объектах, в отличие от односвязных объектов, присутствуют перекрестные связи, которые усложняют задачу синтеза регулятора. Одним из эффективных методов решения задачи управления многосвязными объектами является метод децентрализации [77]. При децентрализованном управлении общая задача управления декомпозируется на подзадачи, каждая из которых имеет меньшую размерность. Организационная структура управляющей подсистемы при этом усложняется и часто оказывается многоуровневой (иерархической), в которой между некоторыми парами узлов управления присутствуют отношения соподчинения. Несмотря на некоторое снижение эффективности по сравнению с гипотетическим вариантом радиального управления, децентрализация дает возможность практического осуществления управления сложными техническими объектами. Проблемы развязки каналов многосвязной системы, изучение диагональной доминантности, анализ системных нулей и методы их вычислений рассматривались в работах С. Скугстада (S. Skogestad), Я. Порстлетвейта (I. Postlethwaite), Д. П. Кима и других авторов. Однако вопросы синтеза регуляторов в многосвязанных системах с учётом неминимально-фазовых свойств моделей остаются актуальной исследовательской задачей, особенно в условиях неполной априорной информации о математической модели описания объекта [82]. Для модели управления процессом полимеризации оцинкованной полосы на агрегате полимерных покрытий металла необходимо декомпозировать (децентрализовать) многосвязную модель управления (рисунок 24а) на семь подмоделей (рисунок 24б) [83, 84, 85]. Рисунок 24 – а) структура многосвязной модели управления б) структура децентрализованной модели управления а) б) Каждая из полученных подмоделей осуществляет расчёт температуры только в одной из семи печных зон. При этом на вход каждой их этих подмоделей подаются все параметры входного вектора (р, с, V, h, Тнач., Тпол1,ТпоЛ2), дополненные рассчитанными значениями температур предыдущих печных зон {Тзъ /=1,..,7). В результате проделанной децентрализации комбинированной математической модели управления процессом полимеризации каждая подсистема была сведена к элементарному (немногосвязному) виду с одним выходом. На следующем этапе, в рамках детализации каждой подмодели, была реализована нейро-нечёткая модель, позволяющая рассчитывать температуру в соответствующей печной зоне на основе ретроспективных данных о работе агрегата.
Для построения интеллектуальной модели управления, обучающейся на основе ретроспективных данных, особый интерес представляет подход с позиции «серого» ящика, реализуемый нейро-нечёткими моделями, и который в наибольшей степени соответствует задаче построения комбинированной модели управления многосвязным объектом [86].
В теории систем поведение дискретной динамической системы описывается четвёркой вида (у\ и , z\ z) что означает, что в момент времени Ґ система, находящаяся в состоянии z, на входной сигнал и получает на выходе у и переходит в новое состояние z в момент времени t. Последовательность таких четверок - формальное описание системы. Для нечётких систем характерна многозначность возможных значений, которая представлена распределением нечёткости на парах входного и выходного векторов [26]. По этой причине такие модели должны оперировать не числовыми величинами, а их нечёткой формой. Нечёткая форма величин предполагает использование лингвистических переменных для их описания. Лингвистической называется переменная, значениями которой являются слова или предложения естественного или искусственного языка [86]. Например, начальная температура металлической полосы может меняться в диапазоне от 20 C до 40 C. Тогда данный интервал может быть разбит на следующие лингвистические переменные: «холодный» (20 C - 30 C), «тёплый» (27 C - 36 C), «горячий» (34 C - 40 C). Например, температура 29 C принадлежит двум лингвистическим множествам, но значения совместимости с ними будут различны. Такое разбиение интервала допустимых значений характерно для человеческого мышления, ориентированного на категории. Количество лингвистических переменных (кластеров) зависит от задачи [19, 86, 87].
Перспективы применения разработанных метода и алгоритмов нейро нечёткого управления многосвязными тепловыми объектами агрегата полимерных покрытий металла
Данный алгоритм является центральным и выполняет функции менеджера по отношению к другим алгоритмам и моделям, т.к. именно он определяет момент запуска той или иной процедуры. Данный алгоритм на своём выходе имеет семь значений температур печных зон, которые в дальнейшем передаются в контроллер для управления печами агрегата полимерных покрытий. Рассмотрим полный цикл работы алгоритма, начиная оптимизацией рецептов и заканчивая вычислением выходных значений семи нейро-нечётких подмоделей, определяющих требуемые значения температур.
Рассмотрим шаги расчёта температур печных зон: 1. На первом этапе с помощью процедур, описанных на уровне БД, получаем рецепты, которые необходимо оптимизировать. 2. Для каждого рецепта повторяем шаги 2.1-2.2. 2.1. Оптимизация рецепта с помощью алгоритма, описанного в разделе 3.2. 2.2. Сохранение оптимизированного рецепта. 3. Обучаем семь нейро-нечётких подмоделей на основе оптимизированных рецептов с помощью алгоритма, описанного в разделе 3.3. 4. Вводим рецепт для текущей краски (Тпол1, Тпол2) и полосы (р, с, h, V, Тнач) . 5. Инициализируем вектор температур предыдущих печных зон (Тпред.зон). 6. Выполняем операции 6.1-6.3 последовательно для всех подмоделей расчёта температур печных зон. 6.1. Вычисляем значение температуры печной зоны (Тзі) с помощью алгоритма, описанного в разделе 3.4. На вход подаются текущие значения технологических параметров, определённых на шаге 4, дополненных вектором рассчитанных температур предыдущих зон (для первой подмодели этот вектор пуст). 6.2. Добавление полученного значения в вектор температур предыдущих зон. 116 6.3. Переход к следующей подмодели. 7. Вывод полученных значений и завершение работы алгоритма. Блок-схема алгоритма приведена на рисунке 35. Обобщённый алгоритм функционирования системы управления многосвязным тепловым объектом агрегата полимерных покрытий металла Опишем обобщённый алгоритм функционирования системы управления многосвязными тепловыми объектами агрегата полимерных покрытий металла. Блок-схема алгоритма показана на рисунке 36.
Блок-схема обобщённого алгоритма работы системы управления тепловым объектом агрегата полимерных покрытий металла
После запуска системы необходимо произвести проверку готовности системы осуществлять расчёт управляющих величин. Это связано с тем, что процедура оптимизации и обучения может происходить единожды. Проверка заключается в поиске в цеховой БД весовых коэффициентов, полученных в результате обучения. Рассмотрим ситуацию, когда система эксплуатируется впервые, т.е. когда структурная и параметрическая идентификация не была проведена. Процедура оптимизации происходит на основании рецептов, сформированных на основе ретроспективных данных о работе установки. Эти данные поступают из цеховой БД системы управления. Ход процесса оптимизации визуализируется на экране. После его окончания происходит вывод результатов и сохранение оптимизированных рецептов в цеховую БД.
На следующем этапе происходит обучение нейро-нечёткого модуля. Формирование обучающих выборок для всех подмоделей осуществляется на основании оптимизированных рецептов, передаваемых из БД. В результате подбираются значения весовых коэффициентов связей в нейро-нечёткой сети, которые сохраняются в БД. Процесс обучения и его результаты отображаются пользователю. Обученная нейро-нечёткая подмодель готова к управлению.
Управление осуществляется на основе подобранных коэффициентов, передаваемых в модуль из цеховой БД. Значения технологических параметров текущей краски и полосы передаются из внешних систем АСУ ТП первого уровня. Рассчитанные значения передаются в контроллеры печной установки и сохраняются в БД.
В качестве ресурса системы, в первую очередь, будет выступать цеховая БД. Именно через неё осуществляется обмен информацией с прочими системами, такими как MES, SCADA, системы планирования производства. Кроме того, взаимодействие со SCADA-системами будет происходить через контроллеры. Цеховая БД содержит в себе несколько пространств для хранения разного рода данных: ретроспективная информация о работе установок, оптимизированные рецепты, весовые коэффициенты нейро-нечётких модулей.
Реализация передачи данных между модулями через БД позволяет разрабатывать отдельные приложения для каждой подсистемы, что обеспечивает большую гибкость и переносимость разработанных программ. Такие требования, как логирование и репликация технологической информации, предъявляемые внутренними стандартами промышленных предприятий, в данной системе не рассматриваются, т.к. эти функции реализованы на уровне БД. После описания алгоритмов системы управления многосвязными тепловыми объектами агрегата полимерных покрытий металла была осуществлена её программная реализация. На следующем этапе была проведена экспериментальная проверка методов и алгоритмов.
