книги / Управление большими системами. УБС-2017

Информационные технологии в управлении техническими системами и технологическими процессами

Рис. 6. Структурная схема мажоритирование триггера

Рис. 7. График зависимости вероятности безотказной работы блока контроля от времени

Из двух методов повышения надежности наиболее оптимален метод мажоритирования, так как он менее затратный (таблица) в нем используется по два резервных элемента, а не три. Также у него вероятность безотказной работы больше, чем у дублирования (рис. 7).

313

351

Управление большими системами. Выпуск XX

Относительное увеличение аппаратных затрат на реализацию функциональной схемы блока контроля с различными типами резервирования

Проанализировав результаты применения двух методов резервирования для повышения надежности, можно сделать вывод, что мажоритирование является более выгодным способом повышения надежности по ряду причин.

1.Большая вероятность безотказной работы блока контроля по сравнениюсосхемамибезрезервированияилисдублированием.

2.Повышение достоверности результатов работы блока контроля ОИН.

3.Меньшее увеличение аппаратных затрат на реализацию резервирования, посравнениюсдублированиемпрактическивдвое.

По данной теме планируется вести дальнейшие исследования по улучшению надежности функциональных схем и уменьшению аппаратных затрат на их реализацию, обеспечению контроля и диагностики связей между ОИН.

Литература

1.ВАСБИЕВА А.Ф., ПОСЯГИН А.И., ЮЖАКОВ А.А. Анализ работы основного измерительного нейрона самомаршрутизирующегося аналого-цифрового преобразователя на основе нейронной сети // Информационные технологии в науке, образовании и управлении / под ред. проф. Е.Л. Глориозова. –

М., 2015. – С. 240–246.

2.КОН Е.Л., КУЛАГИНА М.М. Надежность и диагностика компонентов инфокоммуникационных и информацион-

314

352

Информационные технологии в управлении техническими системами и технологическими процессами

но-управляющих систем. – Пермь: Изд-во Перм. нац. исслед. политехн. ун-та, 2012. – 394 с.

3.ПОСЯГИН А.И., ЮЖАКОВ А.А. Внутренняя структура основного измерительного нейрона в самомаршрутизирующемся аналого-цифровом преобразователе на основе ней-

ронной сети // Нейрокомпьютеры: разработка, примене-

ние. – 2014. – № 12. – С. 36–40.

4.ПОСЯГИН А.И., ЮЖАКОВ А.А. Самомаршрутизирующийся аналого-цифровой преобразователь на основе двухслойной ней-

роннойсети// Нейрокомпьютеры. – 2013. – №11. – С. 076–081.

5.СОРОКИН А.А., ВОРОБЬЕВ А.М. Оценка показателей на-

дежности радиоэлектронных устройств и систем при про-

ектировании // Ленингр. мех. ин-т им. Д.Ф. Устинова. – Л., 1989. – 78 с.

REVISITING THE RELIABILITY CALCULATION

OF BASIC MEASURING NEURON IN SELF-ROUTING ANALOG-TO-DIGITAL CONVERTER

Marina Karimova, Perm National Research Polytechnic University, Perm, student (karimowa.marina@yandex.ru).

Anton Posyagin, Perm National Research Polytechnic University, Perm, assistant (posyagin.anton@gmail.com).

Abstract: This article deals with the structure of basic measuring neuron in self-routing analog-to-digital converter. Reliability of each neuron’s block is analyzed, methods of reliability improvement are suggested and these methods are compared.

Key words: analog-to-digital converter, basic measuring neuron, probability of failure-free operation, redundancy, multiplexing.

315

353

Управление большими системами. Выпуск XX

УДК 62-503.51 ББК 32.966

ПРИМЕНЕНИЕ ИСКУСТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ В АЛГОРИТМАХ УПРАВЛЕНИЯ ХИМИКО-ТЕХНОЛОГИЧЕСКИМИ ПРОЦЕССАМИ И ЗАДАЧАХ ИДЕНТИФИКАЦИИ

Бояршинова А.С.1, Шумихин А.Г.2

(Пермский национальный исследовательский политехнический университет, Пермь)

Рассмотрены подходы к применению искусственных динамических нейронных сетей в задачах идентификации и управления технологическими объектами. Предложены способы адаптивного управления, реализующие принципы разомкнуто-замкнутых

икомбинированных систем регулирования, где в качестве модели выступает динамическая нейронная сеть. Приведены результаты оценки предложенных способов по данным моделирования. Исследованы подходы к параметрической идентификации управляемых технологических объектов передаточными функциями каналов «вход-выход» с использованием нейросетевой модели объекта. Приведены результаты оценки предложенных подходов по данным натурного эксперимента на лабораторной установке

ив промышленных условиях, а также моделирования.

Ключевые слова: технологический процесс, нейронная сеть, моделирование, адаптивные алгоритмы, система регулирования, идентификация.

1. Введение

Процессы химической технологии как объекты управления отличают транспортное запаздывание и инерционность каналов

1Анна Сергеевна Бояршинова, ассистент (boyarshinovaann@gmail.com).

2Александр Георгиевич Шумихин, доктор технических наук, профессор, заведующий кафедрой (atp@pstu.ru).

316

354

Информационные технологии в управлении техническими системами и технологическими процессами

управления и контролируемых возмущений, существенная нестационарность характеристик их динамики, неконтролируемые возмущения со стороны внешней среды. Высокие требования к стабильности значений показателей качества производимой продукции и промышленной безопасности обеспечиваются в этих условиях высокой точностью поддержания управляемых технологических переменных процессов на соответствующих значениях, что требует применения улучшенных способов управления, например адаптивных алгоритмов, реализующих принципы ра- зомкнуто-замкнутых и комбинированных систем регулирования

смоделью.

Вработе [1] предложен адаптивный ПИД-регулятор для объектов с пропорционально изменяющимися настроечными параметрами. В работе [2] предлагается адаптация параметров регулятора нейронной сетью, обученной по известным зависимостям настроечных коэффициентов регулятора от параметров модели объекта. Решить данную задачу для объекта с неизвестной зависимостью настроечных параметров регулятора от изменяющихся параметров модели объекта можно применив модель объекта для поиска оптимального значения управляющего воздействия. Причем в качестве инструмента моделирования технологического объекта предлагается использовать рекуррентную динамическую нейронную сеть.

Современные распределенные системы управления, применяемые на предприятиях химической отрасли, позволяют реализовать управляющие функции, повышающие качество процессов управления, например функцию компенсации разомкнутозамкнутыми системами регулирования контролируемых возмущений. Настройка подобных алгоритмов требует идентификации соответствующих каналов объекта. Для случаев, когда невозможно идентифицировать нужные каналы передачи технологического объекта известными способами, предлагается использование нейронных сетей в качестве инструмента для идентификации взаимосвязей технологических переменных автоматизированных объектов.

Рекуррентные нейронные сети имеют в своем составе элементы в виде обратных связей и позволяет моделировать пове-

317

355

Управление большими системами. Выпуск XX

дение динамических объектов. Временные́задержки входных сигналов и сигналов обратных связей позволяют моделировать поведение инерционных объектов с чистым запаздыванием, каковыми обычно являются управляемые объекты химической технологии. Обученная нейронная сеть может имитировать поведение динамического объекта или может быть использована для проведения на ней опытов вычислительного эксперимента, которые не могут быть реализованы на реальном промышленном объекте.

2. Нейросетевое регулирование

Разработаны два способа регулирования выходного параметра объекта управления с использованием его нейросетевой модели (рис. 1).

Рис. 1. Структура систем регулирования

сиспользованием нейросетевой модели объекта:

а– первый способ; б – второй способ

Первый способ заключается в нахождении для данного момента времени по нейросетевой модели объекта, при известных (измеренных) значениях входных возмущений, любым из методов нелинейного программирования значения управляющего воздействия с последующей его реализацией на объекте.

318

356

Информационные технологии в управлении техническими системами и технологическими процессами

Второй способ отличается от первого тем, что ошибка регулирования минимизируется типовой системой автоматического регулирования «по отклонению», с И-, ПИили ПИД-регуля- тором с коррекцией управления, вычисленного регулятором, на величину, равную значению, вычисленному по первому способу. Величина выходного сигнала регулятора с И-составляющей в законе регулирования позволяет свести ошибку регулирования к нулю. Другими словами, второй способ позволяет теоретически свести ошибку регулирования к нулю по определению.

Проведен вычислительный эксперимент по исследованию предложенных систем и типовой системы регулирования (с ПИрегулятором) на имитационном объекте. Имитационный объект представлен математической моделью аппарата-смесителя открытого типа двух жидких потоков с различной концентрацией одного и того же компонента, концентрация которого на выходе аппарата регулируется изменением расхода первого потока. Стабилизация уровня жидкости в аппарате достигается путем устройства естественного перелива из зоны смешения. Объект имеет различные запаздывания по каналам возмущений и управления.

Результаты эксперимента (рис. 2) показывают, что при случайных отклонениях возмущающих воздействий (концентрация компонента в первом потоке, расход второго потока и концентрация компонента во втором потоке) на входе смесителя от номинальных значений до 30 % выходная регулируемая величина объекта (концентрация компонента на выходе аппарата) поддерживается системой регулирования по первому способу с ошибкой, не превышающей 3 % от заданного значения. При отклонениях возмущающих воздействий от номинальных значений до 20 % регулируемая величина поддерживается системой регулирования по второму способу, с ошибкой, не превышающей 1,5 % от заданного значения. Система регулирования только с ПИ-регулятором, имеющим оптимальные настройки, при случайных отклонениях возмущающих воздействий от номинальных значений соответствующих параметров на входе смесителя до 25 % поддерживает выходную регулируемую величину объекта с ошибкой, не превышающей 8 % от заданного значения.

319

357

Управление большими системами. Выпуск XX

Рис. 2. Изменение выходной переменной объекта управления при различных способах регулирования

Анализ результатов эксперимента показал, что при одинаковом характере изменения возмущающих воздействий на входе объекта наименьшую ошибку регулирования обеспечивает система с ПИ-регулятором и дополнительным корректирующим воздействием, рассчитанным по нейросетевой модели.

К недостаткам предложенных способов можно отнести необходимость интеграции алгоритмов нейросетевого регулирования в действующую систему управления. Необходимо учитывать также соотношение инерционности процессов, протекающих в технологическом объекте, и скорости сходимости поискового алгоритма. Наличие дополнительного контура влияет на устойчивость всей системы регулирования.

Избежать подобных недостатков можно применив стандартные функции комбинированного управления с компенсацией контролируемых возмущений, включенные в состав действующей системы управления. Для настройки таких алгоритмов требуется идентификация соответствующих каналов технологического объекта. В случаях когда идентификация известными методами не может быть проведена, предлагается использовать динамическую нейронную сеть в качестве инструмента идентификации динамических объектов.

320

358

Информационные технологии в управлении техническими системами и технологическими процессами

3. Идентификация динамического объекта с использованием его нейросетевой модели

Предлагаемый способ заключается в параметрической идентификации динамики объектов частотным методом по его нейросетевой модели. Предполагается сбор в режиме наблюдения информации об объекте в виде измеряемых временных трендов входных и выходных координат объекта. По экспериментальным данным обучается динамическая нейронная сеть.

На обученной нейросетевой модели проводится активный вычислительный эксперимент по определению частотных характеристик каналов передачи «вход-выход». Полученные в ходе эксперимента динамические характеристики аппроксимируются типовыми передаточными функциями объектов управления с запаздыванием.

На имитационном объекте с применением изложенного подхода удалось найти параметры объекта, отличающиеся от заданных не более чем на 4,5 % [3].

С целью испытания предложенного подхода в условиях, близких к реальным, проведены исследования на лабораторной установке (рис. 3). Объектом является эмулятор печи. Регулятор вырабатывает управляющее воздействие (изменение напряжения тока на нагревателе). Эмулятор печи обдувается проходящим через змеевик и сужающее устройство воздухом. Змеевик помещен на водяную баню. Температура воздуха, перепад давления на сужающем устройстве, температура печи и управляющее воздействие регистрируются. При проведении эксперимента на лабораторной установке контур регулирования температуры размыкался, и на выходе регулятора в ручном режиме реализовывался стационарный случайный процесс изменения управляющего воздействия с постоянным средним его значением. Температура подаваемого на обдув воздуха и перепад давления на сужающем устройстве в течение эксперимента изменялись.

По наработанным данным построена нейронная сеть, аппроксимирующая поведение лабораторного объекта. На нейросетевой модели проведен вычислительный эксперимент, найде-

321

359

Управление большими системами. Выпуск XX

ны параметры передаточных функций каналов. Построенная по найденным передаточным функциям модель объекта при имитационном моделировании выдает значение температуры печи по известным значениям перепада давления, температуры воздуха и управляющего воздействия с ошибкой не более 15 % от диапазона изменения температуры (рис. 4).

Данный подход к идентификации технологических объектов ограничен случаем, когда объект в течение некоторого промежутка времени может быть переведен на ручной режим управления для проведения испытаний с реализацией стационарного случайного процесса на выходе регулятора.

322

360