2. Промышленные внедрения эсрв в асутп
Кратко охарактеризованные в главе 1 основные области внедрения ЭСРВ в АСУТП позволяют сделать вывод о чрезвычайном многообразии практических приложений, которые могут рассматриваться в качестве примеров использования технологий ИИ в задачах промышленной автоматизации. Выделение среди них наиболее показательных случаев применения исследуемого класса систем (т.е., ЭСРВ) является нетривиальной задачей, поскольку и обобщенные функциональные задачи, решаемые на базе ЭСРВ, и уровень внедряемых интеллектуальных подсистем в единой системотехнической иерархии средств АСУТП и АСУП, и реализуемые концепции внутренней организации ЭСРВ, и многие другие отличительные особенности конкретных внедренческих проектов изменяются в слишком широких пределах. В рамках настоящей работы за отправную точку при выборе соответствующих примеров внедрения ЭСРВ был принят критерий «масштаба» разработок, характеризующего, прежде всего, функциональную мощность интеллектуальных подсистем и (косвенно) уровень этих подсистем в общесистемной иерархии. При этом были условно выделены 4 группы приложений:
«микро-ЭСРВ» (прежде всего – ЭСРВ интеллектуального оконечного оборудования) и мультиагентные интеллектуальные системы нижнего уровня АСУТП;
«мини-ЭСРВ» (контроллерного уровня);
«средние» ЭСРВ (уровня операторских станций и серверов данных);
«большие» (комплексные) ЭСРВ АСУТП / АСУП.
Подобное разделение, естественно, не претендует на роль формальной классификации промышленных ЭСРВ (все 4 перечисленные группы имеют достаточно размытые функциональные и структурные границы), а призвано лишь обеспечить возможность удобной систематизации материалов данного отчета и выбора соответствующих примеров. Следует также отметить, что значительный процент интеллектуальных систем в сфере АСУТП создается на базе инструментария, одновременно выполняющего и роль среды исполнения синтезируемого приложения (причем, предметно отделить продукт от инструмента обычно бывает довольно сложно). В связи с этим некоторые примеры внедрений целевых ЭСРВ, рассматриваемые в настоящей главе, сильно коррелированны с тематикой 3-ей главы, посвященной инструментальным средствам поддержки проектирования и эксплуатации ЭСРВ.
В соответствии с принятым выше разделением ЭСРВ по критерию «масштабности» материал 2-ой главы разбит на 4 параграфа, посвященных соответственно микро-, мини-, средним и большим (комплексным) ЭСРВ.
2.1. Микро-эсрв интеллектуальных оконечных устройств
Индустрия средств АСУТП в последние годы не только существенно расширила общую номенклатуру интеллектуальных оконечных устройств (датчиков, актуаторов, коммуникационных средств) и их комплексов, но и качественно изменила распределение базовых функциональных задач, возлагаемых на различные компоненты интегрированных АСУТП и АСУП. Достаточно показательным в этом отношении является и появление проблемно-специализированных, отраслевых и универсальных (национальных и международных) стандартов на технические средства автоматизации, в которых формулируются понятия и регламентируются расширенные функции интеллектуальных устройств и систем, традиционно относившихся к нижнему уровню системотехнической организации АСУТП. В целом, тенденция к интеллектуализации низовых компонентов охватила практически все сферы приложений АСУТП – от устройств микроэлектромеханики до типовых модулей сложных гибких автоматизированных систем и базовых узлов мобильных роботов (в т.ч., способных к коллективной деятельности) промышленного назначения. Ввиду подобного разнообразия областей применения концепций «интеллектуального оконечного оборудования» в рамках настоящего отчета не представляется возможным рассмотрение всех основных направлений развития соответствующих технологий. Кроме того, непосредственный анализ конкретных задач автоматизации, решаемых с использованием «умного железа», не является предметом исследования в данной НИР. Прямой целью анализа соответствующих примеров внедрения можно считать лишь иллюстрацию потенциальных возможностей ЭСРВ микро-уровня (а также интеллектуальных агентов мультиагентных систем, реализуемых на базе локальных ЭСРВ) в решении базовых задач автоматизации на нижнем уровне АСУТП. Поэтому для дальнейшего изложения в качестве обобщенного объекта исследования был принят один функциональный подкласс оконечных устройств автоматики – подкласс интеллектуальных датчиков (ИД) и интеллектуальных сенсорных сетей, организуемых на основе мультиагентных архитектур.
В соответствии с определениями стандарта IEEE 1451.2 интеллектуальный датчик (ИД) - это один из видов интеллектуального измерительного преобразователя, обеспечивающий дополнительные функции в сравнении с теми, которые необходимы для создания правильного отображения воспринимаемой или контролируемой величины.
Точного определения ИД на сегодня не существует. Тем не менее, на практике датчик принято считать интеллектуальным, если в месте расположения измерительного преобразователя имеется микропроцессорное устройство, осуществляющее первичные функции по обработке данных непосредственно там, где установлен датчик. В дополнение к этому, понятие ИД подразумевает также способности датчика модифицировать свое внутреннее поведение в целях оптимизации своих возможностей по сбору данных из внешней среды и подконтрольной передаче их в некоторую центральную (высшего уровня иерархии) систему. Конечная же цель разработки технологий ИД заключается в имитации человеческих способностей, таких как множественные функциональные возможности одновременного восприятия объектов, обучение и адаптация, принятие «разумных» решений в условиях неполноты и недостоверности информации и т.п.
В общем случае архитектура ИД (см. рис. 1) включает в себя:
- чувствительный элемент (воспринимающий элемент, первичный преобразователь), выполняющий функцию посредника между внешней средой и сенсорной системой, генерируя электрический сигнал (ток, напряжение) как отклик на физические свойства окружающей среды, такие как температура, давление, сила света, звук, вибрация и т.д.;
- вторичный преобразователь, служащий для формирования сигнала и преобразования данных: исходный сигнал, полученный с чувствительного элемента, модифицируется, усиливается и преобразуется в поток квантованных по времени цифровых данных, поступающий далее в процессорный элемент;
- процессорный элемент, включающий в себя микроконтроллер с собственными памятью и программным обеспечением; это основной элемент ИД, в котором непосредственно обрабатывается поступающий сигнал;
- коммуникационный элемент, обеспечивающий двустороннюю связь между процессорным элементом и пользователями;
- источник питания.
Па рис.1 представлены два варианта архитектуры. В первом все элементы объединены, тогда как во втором чувствительный и интерфейсный элементы отделены от обрабатывающей и коммуникационной частей.
Рис.1. Архитектуры ИД
а) интегрированный ИД; б) полуинтегрированный ИД
Основным источником роста функциональных возможностей и улучшения качества ИД по-прежнему считается развитие технологий встраивания микро-ЭСРВ в среду процессорных элементов датчиков.
Потенциальные преимущества концепции ИД включают в себя:
- способность к локальному решению качественно новых задач первичной обработки данных (вычислительные преобразования, валидация, композиция, интегральные оценки и т.д.), а также повышение точности и достоверности измерений;
- снижение времени простоя технологического оборудования;
- повышение надежности и отказоустойчивости;
- адаптируемость для самоповерки и компенсации;
- поддержку реконфигурации сенсорных сетей (в частности – самореконфигурации: например, с применением схем «master - slave» в сенсорных кластерах и т.п.) и информационных каналов (например, программное переопределение приемников и каналов и т.п.);
- меньшие массогабаритные параметры;
- меньшую стоимость и объем расходов на техобслуживание.
С точки зрения непосредственно функциональных возможностей считается, что ИД (в общем случае) должен обеспечивать: восприятие информации по нескольким каналам, сохранение принятых сигналов для их последующего использования, возможность принятия решений в соответствии с хранимой информацией и самоадаптацию в соответствии с изменяющимися условиями работы. В различных источниках для ИД предлагаются самые разные функциональные возможности - конфигурирование, связь, измерения, вычисления, валидация, компенсация, слияние данных, самоповерка и др.
Компенсация - это метод повышения точности измерений путем соответствующего учета погрешностей в системе. Задача упрощается, если известны систематические погрешности. Традиционно выделяют три вида компенсации:
- компенсация нелинейности, позволяющая линеаризовать функцию преобразования датчика,
- компенсация чувствительности к возмущающим воздействиям,
- компенсация изменений во времени или длительного дрейфа, вызванного деградацией элементов датчика.
Для обнаружения и устранения влияния систематических погрешностей и проверки характеристик ИД используются самодиагностика, самоповерка и адаптация. Применяемые в этих целях численные методы достаточно часто бывают сложны в реализации. В связи с этим в ряде случаев оказывается целесообразным использование логических или эвристических алгоритмов решения, которые могут исполняться в среде микро-ЭСРВ ИД.
Обработка данных – это способность подавать на интерфейс связи наиболее значимую информацию в удобном представлении. Задачи обработки данных включают в себя: формирование сигнала, преобразование сигнала, выполнение целевых логических функций, сжатие данных, принятие решений с учетом сигналов от других датчиков (т. е., от отдельных датчиков или от кластера датчиков), исключение влияния производственных изменений, воздействий окружающей среды и эффектов старения на результаты измерений. В целях поддержки решения перечисленных задач в настоящее время нередко используются нейросетевые, нейронечеткие и нейрогенетические технологии. Логические функции первичной обработки данных могут также поддерживаться в микро-ЭСРВ.
Возможности связи, как правило, относятся к неинтеллектуальным функциям ИД. Назначение средств связи - осуществление обмена информацией между датчиком и пользователем и обеспечение пользователя возможностью перепрограммирования ИД на другие серии измерений (в последнем случае требуется двусторонняя связь).
Валидация данных обеспечивает повышение общей надежности и эффективности работы сенсорной системы. ИД должен быть в состоянии оценить достоверность собранных данных во избежание любых пагубных последствий распространения ошибочных данных и предупредить об этом потребителей информации. Влияние таких ошибок может быть существенно снижено с помощью встроенной ЭСРВ. Самовалидация приобретает еще большую важность в тех случаях, когда в систему поступают данные от множества датчиков или обрабатываются измерения различных физических величин.
Под возможностью интеграции в данном случае понимается интеграция чувствительного элемента со средствами обработки и передачи данных в одной микросхеме в целях устранения необходимости в кабельных соединениях компонентов, уменьшения общих размеров датчика, оптимального использования энергии и снижения затрат. При этом уменьшение габаритов таких датчиков облегчает их использование в составе кластеров и, следовательно, повышает общую эффективность и надежность измерений.
Функция слияния данных состоит в том, чтобы между датчиками курсировала лишь наиболее значимая информация. Методы слияния данных позволяют объединять, ассоциировать и коррелировать информацию от многих датчиков или от множественных измерений. Их можно реализовать на основе одной из трех архитектур: централизованного, децентрализованного и гибридного слияния. Первая объединяет еще не обработанные данные от многих датчиков. В отличие от нее, вторая позволяет каждому датчику выделять признаки до процесса слияния. Объединение этих двух подходов позволяет создать гибридную архитектуру, обеспечивающую слияние необработанных данных, данных о признаках и данных о решениях.
Важной тенденцией в организации связи ИД с внешней средой является переход к разработке и применению ИД, поддерживающих не только интерфейсы на основе полевых шин, но и интерфейсы на базе сетевых взаимодействий (TCP/IP с Ethernet, Bluetooth, WiFi). Данная тенденция нашла отражение и в стандартах IEEE 1451, которые предусматривают возможности прямого подключения ИД к корпоративным сетям, основанным на Ethernet. IЕЕЕ 1451 - это семейство стандартов, регламентирующих интерфейсы подключенного к сети интеллектуального измерительного преобразователя, а также информационную модель ИД. Стандарт 1451.1 касается прикладного программного окружения преобразователя и протоколов связи. Стандарт 1451-2 описывает механизмы взаимодействия преобразователя и микропроцессорного элемента, модель которого представлена в стандарте 1451.1. Стандарты 1451.3 и 1451.4 распространяют возможные приложения ИД на случаи встроенных распределенных многоабонентских систем и на использование смешанных протоколов связи для аналоговых преобразователей. В стандартах 1451.5 и 1451.6 регламентируются интерфейсы ИД для беспроводных коммуникаций WiFi, Bluetooth и ZigBee (1451.5), а также для взаимодействия с CANopen (1451.6).
Подобная «открытость» ИД и способность к кооперации обуславливает возможность построения многоранговых интеллектуальных сенсорных (и актуаторных) сетей, в которых интеллектуальные программные компоненты могут размещаться и в оконечных устройствах, и в интеллектуализированных средствах сетевой коммуникации, и на микроконтроллерном уровне.
Стандарт IEEE 1451.2 стал первым завершенным стандартом в группе 1451. Его основное назначение - отделение «сетевой составляющей» взаимодействий с ИД от функций, имеющих непосредственное отношение к преобразователю. При реализации стандарта использовались четыре понятия: «Интерфейсный модуль интеллектуального преобразователя» (Small Transducer Interface Module - STIM), «Сетевой прикладной процессор» (Network Capable Applications Processor - NCAP), «Интерфейс, независимый от преобразователя» (Transducer Independent Interface – T I I ) и наиболее важный элемент этой стратегии – «Электронное описание преобразователя» (Transducer Electronic Data Sheet - TEDS). Модуль STIM в данной архитектуре отвечает за работу с информацией, поступающей от интерфейсов датчиков и исполнительных устройств нижнего уровня, а также за представление сообщений передачи данных между модулями NCAP и STIM в стандартизированной цифровой форме. Модуль NCAP реализует функции сетевого интерфейса, а также управляет специализированным интерфейсным портом Т I I к STIM. Описание же TEDS обеспечивает автоматическое опознавание подключенного датчика или исполнительного устройства в общем виде. В зависимости oт числа реализованных в нем полей TEDS может обеспечить предоставление информации (той или иной степени детализации) о том, как следует считывать данные от преобразователя, а также о том, какой преобразователь в данный момент опрашивается. Следует особо отметить, что подобная модульная архитектура интеллектуального преобразователя хорошо проецируется на понятие «интеллектуальных агентов» в терминологии мультиагентных систем.
В литературе предложен длинный перечень определений понятий «агент» и «интеллектуальный агент», включающий в себя формулировки Брустолони, Петри, Нваны, Дженнингса-Вулдбриджа и др. В терминологии Хейс-Рот «интеллектуальные агенты бесперебойно выполняют следующие три функции:
(а) восприятие изменяющихся внешних условий,
(б) действия по отработке этих изменений и
(в) рассуждения, направленные на интерпретацию ощущений, решение проблем, вывод умозаключений и определение воздействий.
На практике, в зависимости от фактуры возлагаемых на агентов функциональных задач, могут использоваться самые разнообразные однородные и неоднородные мультиагентные архитектуры, в которых применяются и функциональные (по классам решаемых задач), и структурные (по географии или структуре аппаратной конфигурации), и объектные (по наблюдаемым объектам или процессам) схемы декомпозиции агентов. Различаются и механизмы организации межагентных взаимодействий, классифицируемые по множествам признаков (прямые, опосредованные, иерархические, конкурентные, коалиционные и др.). Пример архитектуры интеллектуального кластера датчиков (сенсорной сети), реализуемой в виде гибридной мультиагентной системы, приведен на рис.2.
Рис.2. Пример архитектуры интеллектуального кластера
На рис.2 белыми прямоугольниками обозначены функциональные (физические) агенты датчиков, черными – интерфейсные агенты (большие прямоугольники соответствуют межгрупповым или межкластерным шлюзам, малые – интерфейсам-посредникам, включая внегрупповые, глобальные посредники). Среди указанных на рисунке типов связей – связи внутри группы или кластера (тип 1), связи между глобальными (тип 4), групповыми (тип 2) или глобальными и групповыми посредниками (тип 2’), разнонаправленные прямые связи между удаленными агентами разных групп (типы 3 и 5).
Данный пример, естественно не исчерпывает всех классов структур интеллектуальных кластеров (например, на рис.2 не отображены часто используемые иерархические способы организации агентов, позволяющие, в частности, присоединять к кластерам неинтеллектуальные пассивные датчики в качестве ведомых устройств, эффективно масштабировать сенсорные сети и т.п.). Однако, пример отчасти объясняет причины значительного многообразия применяемых на практике подходов.
С точки зрения реализации интеллектуальных свойств поведения на низовом уровне системотехнической организации АСУТП использование мультиагентных систем и автономных ИД, в принципе, сводится к применению интеллектуальных программных микро-подсистем, размещаемых в решающих устройствах оконечного оборудования. Разнятся лишь их обобщенные функциональные возможности. Особенно важным фактором является наличие или отсутствие в необходимости реализации функций обучения. Как правило, обучающееся интеллектуальное устройство требует хорошо «подходящей» для этого аппаратной базы, обладающей специфическими особенностями (в первую очередь, здесь используются нейро- и нейронечеткие аппаратные компоненты). Прочие классы интеллектуальных задач вполне успешно могут быть поддержаны «универсальными» вычислительными ресурсами, хотя постановки, изначально ориентированные на нечеткие модели и алгоритмы, довольно часто поддерживаются соответствующими нечеткими вычислительными подсистемами. Во всех этих случаях (включая fuzzy-реализации) применение микро-ЭСРВ (в подавляющем большинстве внедрений – ЭСРВ продукционного типа) является естественным путем реализации функций ИИ.
Остановимся на ряде примеров применения ИД.
ИД перемещения с частотным выходом на базе полевой шины, описанный в журнале Mechatronics за 2000г. (см. список литературы), успешно внедряется в многочисленных проектах. Он состоит из датчика перемещения с частотным выходом, узла локальной сети и нейронных сетей, реализованных в нейронной микросхеме. Схема ИД представлена на рис.3. Данный ИД обладает возможностями самокалибровки, самовалидации, самокомпенсации, вычисления и связи. Самокалибровка и самокомпенсация используются для обнаружения и устранения влияния системных ошибок и проверки рабочих характеристик датчика, а самовалидация – для повышения его надежности.
Емкостные датчики давления (ЕДД), благодаря своей чувствительности и малому рассеянию мощности, широко используются в инженерно-технических, промышленных, научных и медицинских приложениях. Деформация чувствительного элемента датчика вызывает изменение его емкости. Величина деформации пропорциональна внешнему давлению. Но она также зависит от внешней температуры и от любых начальных напряжений, возникающих в ходе производственного процесса, что делает характеристику ЕДД нелинейной и зависимой от температуры. Для линеаризации и температурной компенсации датчиков в изменяющейся среде были разработаны ИД на основе нейронных сетей, реализующих основные функциональные зависимости. Нейросети в этих разработках имеют в своем составе расширенные средства обработки сигналов и алгоритмы обучения.