Интеллектуальные автоматизированные системы управления технологическими объектами


В. Б. Трофимов, С. М. Кулаков






ИНТЕЛЛЕКТУАЛЬНЫЕ АВТОМАТИЗИРОВАННЫЕ СИСТЕМЫ УПРАВЛЕНИЯ ТЕХНОЛОГИЧЕСКИМИ ОБЪЕКТАМИ


Учебное пособие




Второе издание, исправленное



Рекомендовано УМО РАЕ по классическому университетскому и техническому образованию в качестве учебного пособия для студентов высших учебных заведений, обучающихся по направлениям: 09.03.02, 09.04.02 — «Информационные системы и технологии», 15.03.04, 15.04.04 — «Автоматизация технологических процессов и производств»








Москва Вологда «Инфра-Инженерия» 2020

УДК 658.52.011.56:004.896
ББК 32.965.5:88.412
      Т76




Рецензенты:

В. И. Верёвкин - доктор технических наук, профессор, заведующий кафедрой технологии материалов и метрологии ФГБОУ ВО «Калининградский государственный технический университет»

В. Я. Карташов - доктор технических наук, профессор, профессор кафедры прикладной математики ФГБОУ ВО «Кемеровский государственный университет»




       Трофимов, В. Б.
Т76       Интеллектуальные автоматизированные системы управления
       технологическими объектами : учебное пособие / В. Б. Трофимов, С. М. Кулаков. - 2-е изд., испр. - Москва ; Вологда : Инфра-Инженерия, 2020. - 256 с. : ил., табл.
           ISBN 978-5-9729-0488-4

      Представлены теоретические и прикладные основы интеллектуальных АСУ применительно к сложным техническим и человеко-техническим объектам. Выполнены анализ, обобщение и развитие концептуальных основ интеллектуальных систем контроля и управления сложными динамическими объектами, разработаны новые нейроэкспертные методы и алгоритмы распознавания, оптимизации, регулирования, создано алгоритмическое и программное обеспечение интеллектуальных систем для решения актуальных задач контроля и управления агрегатами и производственными участками предприятий черной металлургии.
      Для специалистов и исследователей в области систем управления, АСУТП, АСУП, а также для студентов, аспирантов, преподавателей вузов.

                                                УДК 658.52.011.56:004.896
                                                ББК 32.965.5:88.412

ISBN 978-5-9729-0488-4   © В. Б. Трофимов, С. М. Кулаков, 2020
                         © Издательство «Инфра-Инженерия», 2020
                         © Оформление. Издательство «Инфра-Инженерия», 2020

ОГЛАВЛЕНИЕ


 Предисловие........................................5

 Глава 1. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ ПОСТРОЕНИЯ
        ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ УПРАВЛЕНИЯ ТЕХНОЛОГИЧЕСКИМИ ОБЪЕКТАМИ.................10
 1.1 Интеллектуальные системы управления (ИнтСУ): понятия, концепция, базовые структуры и инструментальные средства.......................10
 1.2 Задачи, методы и алгоритмы интеллектуальных систем управления (обзор).................................38
 1.3 Структуризация интеллектуальных систем управления с прогнозированием.................................55
 1.4 Особенности настройки искусственных нейронных сетей в системах автоматического управления..............64
 1.5 Формирование и обновление базы знаний на основе концепции программно-возмущенного движения.........85

 Глава 2. ИССЛЕДОВАНИЕ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ
        АВТОМАТИЧЕСКОГО РАСПОЗНАВАНИЯ ОБРАЗОВ НА ПРИМЕРЕ ПРОКАТНОГО ПРОИЗВОДСТВА.........87
 2.1 Автоматическое распознавание маркировки проката.87
 2.2 Постановка задачи распознавания поверхностных дефектов проката............................................94
 2.3 Общая схема автоматического распознавания и параметризации поверхностных дефектов..............95
 2.4 Разработка и испытания интеллектуальных систем распознавания дефектов рельсов.....................101
 2.5 Особенности обучения производственного персонала взаимодействию с интеллектуальной системой распознавания дефектов.........................................110

 Глава 3. РАЗРАБОТКА ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ АВТОМАТИЧЕСКОГО УПРАВЛЕНИЯ ТЕПЛОВЫМ РЕЖИМОМ ВОЗДУХОНАГРЕВАТЕЛЕЙ......................116
 3.1 Постановка задачи синтеза системы автоматического управления тепловым режимом воздухонагревателя Калугина.........................................116


3

 3.2 Предлагаемая интеллектуальная система управления тепловым режимом воздухонагревателя................123
 3.3 Моделирование и оценка эффективности алгоритма управления тепловым режимом воздухонагревателя.....136

 Глава 4. ИССЛЕДОВАНИЕ ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ
         ОПТИМИЗАЦИИ УСТАВОК НА ПРИМЕРЕ АГЛОМЕРАЦИОННОГО ПРОИЗВОДСТВА.............149
 4.1 Задача оптимизации задающих воздействий (уставок) для множества локальных систем автоматического регулирования.....................................149
 4.2 Предлагаемый алгоритм стратегической и оперативной оптимизации уставок................................152
 4.3 Моделирование и оценка эффективности алгоритма оптимизации уставок агломерационной машины.........155
 4.4 Модуль обучения оператора оптимизации уставок.164

 Глава 5. МНОГОСТРУКТУРНЫЕ ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ УПРАВЛЕНИЯ........................169
 5.1 Многоструктурный распознаватель...............169
 5.2 Методика разработки многоструктурного распознавателя ... 173
 5.3 Многоструктурный распознаватель состояний доменной печи...............................................176
 5.4 Многоструктурный распознаватель состояний процесса увлажнения агломерационной шихты...................178
 5.5 Прецедентный подход к формированию программ управления объектами циклического действия на основе многоструктурного распознавания.........179
 5.6 Многоструктурный подход к управлению знаниями по информационным услугам для технологического предприятия ......................................190

 Заключение и выводы...............................201
 Библиографический список..........................204
 Приложение А. Аппарат искусственных нейронных сетей и его настройка.................................217
 Приложение Б. Аппарат экспертных систем...........239

4

    ПРЕДИСЛОВИЕ

      Интеллектуальные системы управления (ИнтСУ) сегодня об-щепризнаны как перспективное направление научных исследований. Теория этих систем и ее приложения отражены в трудах ведущих ученых. Однако теоретические и особенно прикладные основы ИнтСУ еще далеки от завершения, в том числе в части систем контроля и управления сложными техническими и человекотехническими объектами, включающих искусственные нейронные сети и экспертные системы, функционирующих в затрудненных условиях. Под затрудненными условиями понимаются большая размерность объекта управления, его нестационарность, долговременная динамическая память, распределенность параметров, нелинейность, существенные запаздывания, разнообразие ситуаций, неполнота контроля внешних воздействий, выходных воздействий и состояний объекта, наличие флуктуационных и грубых помех, изменчивость целей, критериев, ограничений. Современные промышленные машины, агрегаты, технологические линии, участки, цехи горнодобывающей, металлургической, химической, машиностроительной и других отраслей промышленности в большинстве своем относятся к классу сложных объектов. Существенного повышения эффективности управления ими можно достигнуть путем применения адекватно сложных управляющих систем, какими и являются интеллектуальные системы.
      Важной задачей развития теоретических основ ИнтСУ является разработка методов и алгоритмов, базирующихся на совместном применении (интеграции) конкретных интеллектуальных инструментов, таких как динамические экспертные системы, искусственные нейронные сети, нечеткая логика, ассоциативная память. Данное исследование решает эту задачу применительно

5

 к нейроэкспертным распознавателям, программаторам, регуляторам, оптимизаторам.
       Актуальность интеллектуализации систем контроля и управления обусловлена развитием высоких технологий (high tech) автоматизации и информатизации технологических процессов, базирующихся на фундаментальных научных открытиях (например, нейрокомпьютеров), что позволяет эффективно реализовывать сложные вычислительные процедуры и повышает эффективность управления, а также качество готовой продукции предприятия. Актуальность выбранного направления подтверждается соответствующими научными трудами международных конференций, в том числе проводимых под патронажем РАН, тем, что оно входит в программу приоритетных исследований ведущих международных научных организаций: International Federation of Automatic Control (IFAC), Institute of Electrical and Electronics Engineers (IEEE), Association for computing machinery (ACM), а также тем, что идеи этого направления находят все большее распространение в различных областях науки и производства.
       Основная цель предлагаемого научного исследования - развитие теоретических основ интеллектуальных систем автоматического контроля и управления, включающих экспертную и нейросетевую подсистемы, применительно к сложным техническим и человеко-техническим объектам.
       Частные цели: анализ, обобщение и развитие концептуальных основ интеллектуальных систем управления сложными динамическими объектами; разработка и исследование нейроэксперт-ных методов и алгоритмов распознавания, оптимизации, регулирования; создание и применение интеллектуальных систем для решения актуальных задач автоматического контроля и управления агрегатами и производственными участками предприятий черной металлургии.
       Сформулированная цель исследования имеет фундаментальный характер и обладает принципиальной новизной, так как охватывает новые задачи быстро развивающейся теории ИнтСУ и на сегодняшний день не может быть отнесена к числу достигнутых. Сказанное отражает точку зрения известных научных школ ИПУ, МГУ, МИСиС, МГТУ и многих других организаций.

6

       Задачи исследования:
       1.      Аналитический обзор и классификация известных интеллектуальных систем управления.
       2.      Разработка обобщенной функциональной структуры прогнозирующей интеллектуальной системы управления технологическим объектом.
       3.      Формирование научно-методических основ разработки нейроэкспертных распознавателей, программаторов, прогнозато-ров, регуляторов.
       4.      Построение методики обучения нейросетевых моделей объектов в замкнутом контуре управления.
       5.      Разработка интеллектуальной системы распознавания поверхностных дефектов проката.
       6.      Разработка интеллектуальной системы управления тепловым режимом воздухонагревателей Калугина.
       7.      Разработка интеллектуального оптимизатора уставок (заданий) автоматическим регуляторам технологического агрегата на примере агломерационной машины.
       Методы выполнения работы. Использовались методы теории автоматического управления, теории искусственного интеллекта, теории искусственных нейронных сетей, экспертных систем, системного анализа, прогностики, теории идентификации и обучения, математического и натурно-математического (пересчетного) моделирования, натурного эксперимента.
       Научную новизну предлагаемого исследования составляют:
       1.      Обобщенная функциональная структура ИнтСУ сложным технологическим объектом, сформированная на основе типопредставительного подхода и учитывающая затрудненные условия функционирования (глава 1).
       2.      Методика обучения нейросетевой модели сложного нестационарного объекта управления в режиме реального времени, учитывающая влияние прямых и обратных управляющих связей, обеспечивающая соблюдение предпосылок искусственных нейронных сетей за счет одновременного нанесения модельных, натурных и комбинированных тестовых воздействий по всем управляющим входам объекта в пределах безаварийного функционирования системы управления (глава 1).
       3.      Интеллектуальная система распознавания поверхностных дефектов сортового и листового проката в процессе его производ

7

 ства, позволяющая с помощью искусственных нейронных сетей автоматически обнаружить типовые поверхностные дефекты, оценить их параметры и пространственные координаты, а в нестандартных случаях (например, для редко встречающихся дефектов) оказывать помощь оператору-технологу посредством специализированной экспертной подсистемы, использующей морфологические и генетические признаки дефектов (глава 2).
       4.      Интеллектуальная система автоматического управления тепловым режимом воздухонагревателя Калугина, созданная в рамках концепции программно-возмущенного движения, включающая экспертную подсистему управления программным движением объекта, которая отличается динамической базой знаний продукционного типа «Программы управления», подсистему нейродвушкального регулирования с условным и безусловным прогнозированием, использующую имитационную нейросетевую модель объекта управления, работающую в ускоренном режиме времени (глава 3).
       5.      Постановка и декомпозиция задачи оптимизации режимных уставок (заданий) автоматических регуляторов сложного технологического объекта с выделением этапов стратегической и оперативной оптимизации. На примере агломерационной машины разработаны новые процедуры стратегической оптимизации (с применением физической модели объекта) и оперативной оптимизации, осуществляемой с помощью нейросетевой модели рациональных действий оператора-технолога (глава 4).
       Разработанные структуры интеллектуальных систем контроля и управления, нейроэкспертные модели технологических объектов, алгоритмы, методики и устройства открывают новые возможности для повышения эффективности производств, могут быть использованы на предприятиях черной металлургии и других отраслей промышленности для развития традиционных автоматизированных систем сложных технологических объектов, а также для извлечения и использования знаний опытных специалистов (экспертов). Конкретизированный метод интеллектуального управления, учитывающий затрудненные условия функционирования технологического объекта, позволяет существенно повысить эффективность его работы и, без значительных затрат, может быть применен на агрегатах различных отраслей промышленности. Данный метод рекомендован для автоматизированной системы контроля и управления воздухонагревателями Калугина доменного цеха (например, в условиях

8

 АО «ЕВРАЗ Объединенный Западно-Сибирский металлургический комбинат»). Методика нейроэкспертного распознавания дефектов проката конкретизирована применительно к комплексу неразрушающего контроля продукции рельсобалочного цеха АО «ЕВРАЗ Объединенный Западно-Сибирский металлургический комбинат». Она, в силу своей гибкости, может быть использована для распознавания новых видов дефектов различного проката (рельсового, листового, трубного и т.п.). Метод стратегической и оперативной оптимизации уставок автоматических регуляторов рекомендован для использования в условиях действующей информационно-управляющей системы тракта подготовки и спекания шихты агломерационного цеха металлургических компаний.
       Для удобства читателей все структурные схемы интеллектуальных систем контроля и управления представлены с использованием единых обозначений:


           ||   || - реальные (действительные, натурные)
                   объекты или их физические модели;


                 - функциональные блоки системы;


          ^27     - измерительные блоки;
          X       - исполнительные блоки;
          । Д> - реальные (действительные) входные и выходные воздействия, материальные потоки;
          -----► - информационные потоки;
          ------ неинструментальная информация.


        Авторы выражают признательность и благодарность читателям за критические замечания, пожелания и просят направлять свои отзывы по e-mail: trofimov_vbt@mail.ru.


9

ГЛАВА 1. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ ПОСТРОЕНИЯ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ УПРАВЛЕНИЯ ТЕХНОЛОГИЧЕСКИМИ ОБЪЕКТАМИ


1.1 Интеллектуальные системы управления (ИнтСУ): понятия, концепция, базовые структуры и инструментальные средства

      Перспективной областью приложения концепции интеллектуального управления в технике и технологиях являются сложные технические и человеко-технические системы управления, функционирующие в затрудненных условиях. Под затрудненными условиями понимается большая размерность объекта управления, его нестационарность, долговременная динамическая память, распределенность параметров, нелинейность, существенные запаздывания, многообразие ситуаций, неполнота контроля внешних воздействий, выходных воздействий и состояний объекта, наличие флуктуационных и грубых помех, изменчивость целей, критериев, ограничений и т.п.
      К ИнтСУ относятся системы, описанные в публикациях Д.А. Поспелова, И.М. Макарова, В.М. Лохина, В.Н. Захарова, К.А. Пупкова, В.Г. Конькова, А.Е. Городецкого, А.А. Ерофеева, А.О. Полякова, А.В. Тимофеева, Р.М. Юсупова, Б.Я. Советова, В.В. Цехановского, В.Д. Чертовского, А.А. Жданова, Y.-Z. Lu, K.M. Hangos, R. Lakner, M. Gerzson, Z.-X. Cai, C.J. Harris, C.G. Moore, M. Brown, D. Schroder, D.A. White, D.A. Sofge, M.M. Gupta, N.K. Sinha [1 - 19].

Понятия: интеллектуальная система (ИнтС), интеллектуальная система управления (ИнтСУ)
      Понятие «интеллектуальная система» интерпретируется разными исследователями по-разному. Рассмотрим основные из них, с включением сопутствующих пояснений.
      Интеллектуальная система [20] - это информационновычислительная система с интеллектуальной поддержкой при решении задач без участия оператора (лица, принимающего решение -ЛПР). Интеллектуализированная система - это информационновычислительная система с интеллектуальной поддержкой при

10

 решении задач с участием оператора - ЛПР. Основные интеллектуальные технологии, включая искусственные нейронные сети (ИНС), генетические алгоритмы, нечеткую логику, могут эффективно использоваться при создании систем управления. При этом целесообразность их использования определяется способностью реализовывать распределенные схемы выполнения вычислений, что позволяет расширить пространство поиска без значительного увеличения сложности необходимых вычислений; возможностью описания процессов управления средствами «простого» языка, близкого к естественному; возможностью неаналитического представления нелинейных объектов управления и описания процессов, характеризующихся неоднозначностью и большим количеством особых ситуаций; способностью осуществлять быстрый поиск в пространстве решений плохо формализованных задач.
       Интеллектуальные системы это системы, основанные на знаниях (knowledge-based system). При обработке на ЭВМ знания трансформируются аналогично данным [21]: 1) Знания в памяти человека как результат мышления. 2) Материальные носители знаний (учебники, методические пособия). 3) Поле знаний - условное описание основных объектов предметной области, их атрибутов и закономерностей, их связывающих. 4) Представление знаний на базе какой-либо модели (продукционной, семантической, фреймовой или другой). Продукционная модель или модель, основанная на правилах, позволяет представить знания в виде предложений типа «Если <условие>, то <действие>». Семантическая сеть - это ориентированный граф, вершины которого - понятия, а дуги - отношения между ними. Фреймом называется структура данных для представления некоторого концептуального объекта. 5) База знаний на машинных носителях информации. При использовании продукционной модели база знаний состоит из набора правил. Программа, управляющая перебором правил, называется машиной вывода (механизм рассуждений, машина логического вывода, дедуктивная машина, интерпретатор, интерпретатор правил, решатель). Машина вывода работает циклически. В каждом цикле она просматривает существующие факты из рабочей памяти (базы данных) и правила из базы знаний, а затем их сопоставляет. Совокупность отобранных правил составляет так называемое конфликтное множество (то есть, в конкретной ситуации может быть применено сразу несколько правил). Для разрешения конфликта машина

11

 вывода имеет критерий, с помощью которого она выбирает единственное правило, после чего оно срабатывает. Это выражается в занесении фактов (рекомендуемых действий), образующих заключение правила, в рабочую память или в изменении критерия выбора конфликтующих правил. Если же в заключение правила входит название какого-нибудь действия, то оно срабатывает. Машина вывода основана на принципе modus ponens, который трактуется следующим образом: «Если известно, что истинно утверждение А и существует правило вида «если А, то В», тогда утверждение В истинно».
       Под интеллектуальными системами [22] понимают любые биологические, искусственные или формальные системы, проявляющие способность к целенаправленному поведению. Последнее включает свойства (проявления) общения, накопления знаний, принятия решений, обучения, адаптации. В основе исследований в области искусственного интеллекта лежит подход, связанный со знаниями. Опора на знания - базовая парадигма искусственного интеллекта. В работе [22] трактовки знаний объединены в четыре группы (или уровня): психологическую, интеллектуальную, формально-логическую и информационно-технологическую. Психологическая трактовка знаний - психические образы, мысленные модели. Интеллектуальная трактовка знаний - совокупность сведений о некоторой предметной области, включающих факты об объектах данной предметной области, свойства этих объектов и связывающих их отношениях, описания процессов, протекающих в данной предметной области, а также информацию о способах решения типовых задач. Формально-логическая трактовка - формализованная информация о некоторой предметной области, используемая для получения (вывода) новых знаний об этой предметной области с помощью специализированных процедур. Информационнотехнологическая трактовка - структурная информация, хранящаяся в памяти ЭВМ и используемая при работе интеллектуальных программ.
       В работах ДА. Поспелова и его коллег описаны следующие концептуальные свойства знаний: внутренняя интерпретируемость , понимаемая как наличие уникальных имен, идентифицирующих каждую информационную единицу; структурированность , которая обуславливает возможность рекурсивной вло-жимости отдельных информационных единиц друг в друга; внеш
12