Применение парадигм интеллектуального управления при решении «открытых задач» автоматизации
Покупка
Новинка
Тематика:
Системы автоматического моделирования
Издательство:
Пробел-2000
Год издания: 2010
Кол-во страниц: 361
Дополнительно
Вид издания:
Монография
Уровень образования:
Профессиональное образование
ISBN: 978-5-98604-209-1
Артикул: 888915.01.99
Рассматриваются четыре парадигмы интеллектуального управления технологическими процессами: нечеткая, адаптивная, робастная и нейросетевая. Каждая из них представляет собой модель постановки проблем управления и их решения в условиях информационной неопределенности относительно динамических характеристик объектов и статистических характеристик действующих на них возмущений. Ввиду усложнения структуры материальных, энергетических и информационных потоков современных производств, их автоматизацию приходится осуществлять при отсутствии полной и достоверной информации о влияющих на качество управления факторах. В результате появляются, так называемые «открытые задачи» с нечетко сформулированными условиями и многообразием возможных решений. Изложение полученных авторами новых научных результатов представлено в доступном виде и в целях наглядности широко иллюстрируется примерами расчета автоматических систем. Книга будет полезна студентам, аспирантам и преподавателям высших учебных заведений по специальности «Автоматизация технологических процессов и производств».
Тематика:
ББК:
УДК:
ОКСО:
- ВО - Бакалавриат
- 15.03.04: Автоматизация технологических процессов и производств
ГРНТИ:
Скопировать запись
Фрагмент текстового слоя документа размещен для индексирующих роботов
А.В. ГОНЧАРОВ, В.В. СОЛДАТОВ ПРИМЕНЕНИЕ ПАРАДИГМ ИНТЕЛЛЕКТУАЛЬНОГО УПРАВЛЕНИЯ ПРИ РЕШЕНИИ «ОТКРЫТЫХ ЗАДАЧ» АВТОМАТИЗАЦИИ Монография Москва Издательство Структура Систем ПРОБЕЛ-2000 2010
ISBN 978-5-98604-209-1
Гончаров А.В., Солдатов В.В.
Применение парадигм интеллектуального управления при решении
«открытых задач» автоматизации. – М.: Структура Систем, ПРОБЕЛ-2000.
– 360 с.
УДК
ББК
Г 65
Рецензенты: Ю.А. Судник, д.т.н., профессор, заведующий кафедрой информационно-управляющих систем ФГОУ ВПО «Московский государственный агроинженерный университет им. В.П. Горячкина»; Э.К. Аракелян, д.т.н.,
профессор, кафедра автоматизированных систем управления тепловыми процессами ФГОУ ВПО «Московский энергетический институт (технический университет)».
Рассматриваются четыре парадигмы интеллектуального управления технологическими процессами: нечеткая, адаптивная, робастная и нейросетевая.
Каждая из них представляет собой модель постановки проблем управления и их
решения в условиях информационной неопределенности относительно динамических характеристик объектов и статистических характеристик действующих
на них возмущений. Ввиду усложнения структуры материальных, энергетических и информационных потоков современных производств, их автоматизацию
приходится осуществлять при отсутствии полной и достоверной информации
о влияющих на качество управления факторах. В результате появляются, так называемые «открытые задачи» с нечетко сформулированными условиями и многообразием возможных решений.
Изложение полученных авторами новых научных результатов представлено в доступном виде и в целях наглядности широко иллюстрируется примерами
расчета автоматических систем.
Книга будет полезна студентам, аспирантам и преподавателям высших
учебных заведений по специальности «Автоматизация технологических процессов и производств».
© Гончаров А.В., Солдатов В.В.
Отпечатано с готового оригинал-макета авторов.
Г 65
УДК
ББК
ОГЛАВЛЕНИЕ Предисловие . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 ГЛАВА 1. ВЫБОР КРИТЕРИЕВ И ПОКАЗАТЕЛЕЙ КАЧЕСТВА УПРАВЛЕНИЯ ТЕХНОЛОГИЧЕСКИМИ ПРОЦЕССАМИ 1.1. Проблема выбора критериев качества управления . . . . . . . . . . . . . . 14 1.2. Экономический критерий качества управления технологическими процессами . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 1.3. Многокритериальный оптимум управления для односвязных линейных стационарных систем . . . . . . . . . . . . . . . . . . . . . . . . . . 18 1.4. Многокритериальный оптимум управления для многосвязных линейных стационарных систем . . . . . . . . . . . . . . . . . . . . . . . . . 23 1.5. Критерии качества управления энергоемкими технологическими процессами . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 1.6. Оценка запаса устойчивости замкнутых систем . . . . . . . . . . . . . . . . 27 ГЛАВА 2. УСЛОВИЯ РОБАСТНОСТИ ДЛЯ ЛИНЕЙНЫХ СТАЦИОНАРНЫХ СИСТЕМ 2.1. Требования к АЧХ замкнутых систем в условиях статистической неопределенности . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36 2.2. Инвариантные системы управления . . . . . . . . . . . . . . . . . . . . . . . . . . 41 2.3. Условия робастности для систем с полной обратной связью по состоянию и оценка их эффективности . . . . . . . . . . . . . . . . . . . . . . . 45 2.4. Обобщение условий робастности для систем с неполной обратной связью по состоянию . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56 2.5. Интегральное свойство АЧХ замкнутых систем . . . . . . . . . . . . . . . . 59 ГЛАВА 3. МЕТОДЫ РАСЧЕТА ПАРАМЕТРОВ НАСТРОЙКИ РЕГУЛЯТОРОВ НА ОСНОВЕ УСЛОВИЙ РОБАСТНОСТИ 3.1. Методы расчета параметров настройки регуляторов при ограничениях на расположение доминирующих полюсов . . . . . . . . . . . . . 63 3.2. Методы расчета параметров настройки регуляторов при ограничениях на величину показателя колебательности . . . . . . . . . . . . . 104 3.3. Применение интегрального квадратичного критерия для достижения робастности систем управления . . . . . . . . . . . . . . . . . . . . . . . 125
ГЛАВА 4. СОВЕРШЕНСТВОВАНИЕ МЕТОДОВ И СИСТЕМ РОБАСТНОГО УПРАВЛЕНИЯ ТЕХНОЛОГИЧЕСКИМИ ПРОЦЕССАМИ 4.1. Коррекция управления по отношению к задающим воздействиям . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133 4.2. Коррекция управления по отношению к контролируемым возмущениям . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137 4.3. Расчет параметров настройки регуляторов в системах с неточно заданными параметрами объекта . . . . . . . . . . . . . . . . . . . . . . . . . . . 144 4.4. Особенности управления объектами с распределенными параметрами . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156 4.5. Зависимость перемещений регулирующего органа системы управления от значения показателя колебательности . . . . . . . . . . . 160 ГЛАВА 5. ДИСКРЕТНЫЕ СИСТЕМЫ УПРАВЛЕНИЯ 5.1. Разностные уравнения дискретных систем . . . . . . . . . . . . . . . . . . . 163 5.2. Передаточные функции и частотные характеристики дискретных систем . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171 5.3. Дискретные законы управления . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176 5.4. Устойчивость и запас устойчивости линейных дискретных систем . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182 5.5. Условия робастности линейных дискретных систем . . . . . . . . . . . 191 5.6. Методы расчета параметров настройки линейных дискретных систем на основе условий робастности . . . . . . . . . . . . . . . . . . . . 199 5.7. Синтез устройств для коррекции сигналов задания в дискретных системах . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 205 ГЛАВА 6. МЕТОДЫ АДАПТИВНОГО УПРАВЛЕНИЯ 6.1. Проблемы адаптивного управления . . . . . . . . . . . . . . . . . . . . . . . . . 210 6.2. Активная идентификация объектов в односвязных непрерывных системах управления . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211 6.3. Оптимизация пробных сигналов при активной идентификации замкнутых систем управления . . . . . . . . . . . . . . . . . . . . . . . . 216 6.4. Активная идентификация каскадных и многосвязных непрерывных систем управления . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223
6.5. Активная идентификация объектов в дискретных системах управления . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225 6.6. Методы адаптивной настройки регуляторов . . . . . . . . . . . . . . . . . . 231 ГЛАВА 7. НЕЛИНЕЙНЫЕ РОБАСТНЫЕ СИСТЕМЫ 7.1. Условия робастности для систем с нелинейными статическими характеристиками . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234 7.2. Условия робастности для систем с динамическими нелинейностями . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 238 ГЛАВА 8. МЕТОДЫ НЕЧЕТКГО УПРАВЛЕНИЯ И ИДЕНТИФИКАЦИИ 8.1. Область применения и виды нечетких систем управления . . . . . . 249 8.2. Модели нечеткого логического вывода . . . . . . . . . . . . . . . . . . . . . . 253 8.3. Идентификация функциональных зависимостей с помощью нечеткого логического вывода . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 257 8.4. Нечеткая идентификация в системе MATLAB . . . . . . . . . . . . . . . . . 258 8.5. Синтез нечетких ПИД регуляторов с учетом технических и технологических ограничений . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 265 ГЛАВА 9. ЛАБОРАТОРНЫЙ КОМПЛЕКС НЕЙРОСЕТЕВОГО УПРАВЛЕНИЯ 9.1. Задачи, решаемые нейронными сетями . . . . . . . . . . . . . . . . . . . . . . 274 9.2. Архитектура нейронной сети . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 275 9.3. Функционирование нейрона . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 277 9.4. Функционирование нейросети . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 278 9.5. Общая схема обучения нейронной сети . . . . . . . . . . . . . . . . . . . . . . 279 9.6. Обучение нейросетей-классификаторов . . . . . . . . . . . . . . . . . . . . . . 280 9.7. Обучение нейросетей-предикторов . . . . . . . . . . . . . . . . . . . . . . . 284 9.8. Методологические аспекты обучения нейросетей . . . . . . . . . . . . . 286 9.9. Математический аппарат нейронных сетей . . . . . . . . . . . . . . . . . . . 288 9.10. Тестирование примеров . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 292 9.11. Общие аспекты создания нейросетевых экспертных систем . . . . 294
ГЛАВА 10. РАЗРАБОТКА КОМПЬЮТЕРНЫХ ЛАБОРАТОРНЫХ СТЕНДОВ 10.1. Автоматизация процесса обучения как психолого-педагогическая проблема . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 298 10.2. Применение в образовании и научных исследованиях технологии National Instruments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 307 10.3. Техническое задание на разработку АОС для обучения студентов парадигмам интеллектуального управления . . . . . . . . . . . . . . . . . . 314 10.4. Анализ SCADA-систем . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 319 10.5. Лабораторный мультиканальный стенд для обучения студентов методам построения АСУТП . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 325 Заключение . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 339 Список литературы . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 341 Приложение. Доказательства математических утверждений . . . . . . . . 346
ПРЕДИСЛОВИЕ Одной из главных проблем, возникающих при создании автоматических систем является все возрастающая сложность управляемых технологических процессов, обусловленная разнообразием взаимодействий между материальными и энергетическими потоками объектов и окружающей их среды. Это приводит к появлению различных неопределенностей, обусловленных неполнотой информации об указанных взаимодействиях. Необходимо отметить, что немало математически изящных теорий в области технических систем автоматического управления не получили практического применения, т.к. нуждались в весьма детальной и труднодоступной информации о характеристиках управляемых объектов и действующих на них возмущений. Осознание причины неудач привело к созданию высокоэффективных методов робастного, адаптивного, нечеткого и нейросетевого управления технологическими процессами, совместное применение которых позволяет ограничиться минимальным объемом информации об управляемых системах. На этих, эффективных в условиях информационной неопределенности методах, базируются парадигмы [23] интеллектуального управления, каждой из которых присущи определенные достоинства и недостатки. Настоящая книга посвящена изложению парадигм интеллектуального управления, как «открытых задач» автоматизации, т.к. условия этих задач заведомо неполны, размыты и существует множество способов их решения. Например, в работе [21], описан случай, когда в одной из американских школ учитель в контрольной работе задал вопрос: как измерить высоту небоскреба, используя только барометр? Вечером, проверяя работы, он нашел, что многие учащиеся, верно, поняли, каким образом следует использовать барометр в качестве определителя высоты: замерить атмосферное давление на первом и последнем этажах небоскреба. Однако один из учеников написал: поскольку он знает, что высота ртути в стеклянной трубке барометра составляет тридцать дюймов, то он измерит длины теней от барометра и здания, а потом вычислит высоту последнего с помощью тригонометрии. На следующий день учитель подозвал к себе этого ученика и сказал: "Я был бы не прав, сказав, что ты неверно решил задачу, но все-таки это именно так. Я имел в виду барометр-анероид, а ты использовал в решении ртутный барометр. Теперь, зная, что я имел в виду, как ты ответил бы на заданный вопрос?" Не задумываясь, мальчик ответил: "Я поднялся бы на крышу здания, бросил барометр вниз и измерил бы время его полета до земли. Тогда бы я получил ответ через ускорение свободного падения". "И опять-таки ты прав и не прав, - сказал учитель. - Попробуй еще раз, предположив, что у тебя нет часов". «Ну, тогда я разыскал бы смотрителя этого здания и сказал бы ему: «Если подскажите мне высоту здания, я отдам вам этот барометр». Этот мальчик – типичный креатив, с нестандартным творческим мышле
нием и в целой генерации специалистов с таким мышлением остро нуждается отечественное производство, т.к. именно они способны наиболее успешно решать инновационные и модернизационные задачи. Наиболее эффективны эти специалисты при решении задач автоматизации производств, т.к. при этом повышается производительность труда и качество продукции, а также снижается ее удельная себестоимость. Все это способствует реальному освобождению трудящихся от тяжелого физического и рутинного интеллектуального труда, способствуя максимальному раскрытию их творческих способностей. Таким образом, модернизация отечественной системы вузовского технического образования на основе обучения студентов решению «открытых задач» позволит выпускать специалистов с творческим, креативным мышлением, способных к нестандартному и эффективному решению возникающих проблем. Чтобы представить разработанные авторами теоретические положения в наиболее наглядном виде, их изложение сопровождается многочисленными примерами. Раздел книги 10.5 написан с участием Хисамова Р.Н. Авторы выражают благодарность рецензентам, за их вклад в улучшение данной книги. Авторы
ВВЕДЕНИЕ Существующая система образования испытывает серьезные трудности, которые в работе [22] обозначены как семь противоречий современного образования: 1. В настоящее время технологические и научные парадигмы меняются в течение жизни одного поколения, что приводит к быстрому устареванию полученных знаний. Нужно признать, что обучение, построенное на усвоении конкретных фактов, изжило себя в принципе, ибо факты быстро устаревают, а их объем стремится к бесконечности. Конечно, система образования заметила эту тенденцию. Увеличение времени обучения, перегрузка учащихся и переход к ранней специализации – ее прямые следствия. 2. Образование должно быть узкоспециальным, ибо "нельзя объять необъятное". Но узкий специалист плохо переучивается, трудно ориентируется в межпредметных знаниях, ему тяжело найти общий язык со специалистами других профилей при решении общей задачи. Поэтому решение производственных, маркетинговых, социальных и даже бытовых задач все больше требует системного, межпредметного подхода, умения видеть отдаленные последствия. Крупные коммерческие компании все чаще пытаются самостоятельно с переменным успехом – решать для себя эту проблему. Однако в целом противоречие не разрешено. 3. Обучение должно быть предметным, т.к. оно копирует, повторяет организационную структуру науки. Но предметное обучение мешает цельности восприятия мира. Можно спорить о том, изжило ли себя предметное образование, или оно еще имеет свои, не использованные пока возможности улучшения. Однако, несомненно одно: требования к образованности человека быстро растут. 4. Чем больше требований предъявляет образование, тем больше разрыв между сильными и слабыми учениками. Навыки производственной, бытовой, социальной жизни становятся столь разнообразными, многоходовыми, информационно насыщенными, что без соответствующего образования невозможно быть успешным ни в одной сфере жизни. В цивилизованных странах качество жизни большинства населения пропорционально уровню образования. Степень бакалавра позволяет ее обладателю за 40 лет заработать дополнительно $2 млн. по сравнению со своим сверстником, закончившим только среднюю школу. Степень магистра (уровень выпускника университета) дает в среднем дополнительно $2,3 млн. И этот разрыв со временем только увеличивается. Пропасть между двумя "нациями" – образованных и необразованных – серьезная социальная проблема. Любой путь ее решения будет натыкаться на
новые противоречия. 5. Качественное образование должно быть дорогим, т.к. оно предполагает высокие зарплаты преподавателей, серьезную материальнотехническую базу, постоянное обновление содержания и др., и то же время оно должно быть дешевым, чтобы быть доступным. 6. Образование должно быть добровольным, ибо в этом случае оно максимально эффективно, и образование должно быть обязательным, ибо некомпетентность стала социально опасной. Таким образом, образование – это область сложных противоречий, парадоксов и «открытых задач». 7. Жить хорошо хочется сегодня, а вложение в будущее требует ограничений в настоящем. Следовательно, образование требует пристального внимания. Страны, которые занимаются системой образования по остаточному принципу – всегда будут жить по этому же принципу. Парадоксы и противоречия образования нужно решать. И не просто решать, а весьма эффективно. В работе [21] в качестве одного из подходов к разрешению указанных противоречий предлагается обучать студентов не набору разрозненных фактов и методов, а прививать им умения и навыки к решению «открытых задач», т.е. задач с неполностью определенными исходными данными и допускающими многовариантные решения. Одним из наиболее эффективных подходов к организации такого образования для студентов, обучающихся по специальности «Автоматизация технологических процессов и производств», является освоение ими парадигм интеллектуального управления, позволяющих решать сложные задачи автоматизации современных производств при весьма ограниченном объеме информации о факторах, влияющих на качество управления, таких, например, как статистические характеристики возмущающих воздействий, динамические характеристики управляемых технологических объектов. Отметим, что постоянное совершенствование методов и систем управления технологическими процессами привело не только к появлению большого количества достаточно эффективных алгоритмов управления в условиях информационной неопределенности, но и к довольно четкому выделению основных способов их разработки. Эти способы получили название парадигм. В данном случае под парадигмой понимается модель постановки проблем и их решения [23]. Условно можно выделить нечеткую, робастную, адаптивную и нейросетевую парадигмы. При этом нечеткая парадигма объединяет все методы управления, базирующиеся на теориях нечеткого логического вывода и нечетких множеств. Применение нечетких методов управления позволяет учесть существующие неопределенности и погрешности данных, используемых в процессе управления. Робастная парадигма, название которой происходит от английского слова robust (крепкий, сильный, грубый) объединяет методы управления, эффективные при отсутствии информации о возмущающих воздействиях, влияющих на качество управления технологическими процессами. Эффективность робаст