- •Предисловие
- •Часть 1 системный анализ технологических систем Введение
- •1. Основы теории систем
- •1.1. Классификация систем
- •1.2. Структурный (топологический) анализ систем
- •1.2.1. Анализ элементов
- •1.3. Структурные характеристики системы
- •1.3.1. Связность системы
- •1.3.2. Степень центральности системы
- •1.3.3. Сложность системы
- •2. Параметрический анализ систем
- •3. Структурно параметрическая модель динамики состояния большой технологической системы
- •4. Алгоритмы идентификации и прогнозирования состояния системы
- •Р ис. 1.7. Структурно-параметрическая ситуационная модель аномального
- •Аномального состояния системы
- •Экстремального функционального влияния k-го фактора
- •В больших системах
- •5. Построение структурно-параметрической модели большой системы
- •6. Отыскание характеристик связей между параметрами состояния технологической системы
- •Состояния большой системы
- •Параметры биосырья (молока):
- •На базе статистических данных по формуле (1-15) сформирована матрица корреляционных коэффициентов связей между параметрами состояния системы (таблица 1.2). Матрица коэффициентов корреляции Rij
- •Матрица коэффициентов регрессии Pij
- •Матрица безразмерных характеристик связей Cij
- •Матрица аномального состояния системы Sij
- •7. Экспертная система контроля и управления качеством продукции в перерабатывающей отрасли апк
Рис.1.8.
Блок-схема алгоритма диагностированияАномального состояния системы
следствие первый максимальный вклад в его отклонение приравнивается к нулю и выбирается следующий по величине максимальный элемент k-ой строки, т.е. следующий по величине вклад в k-е следствие.
Ситуационная матрица Sij позволяет также прогнозировать ситуацию по параметрам состояния конечного продукта при отклонении от норм показателей входных потоков, промежуточных состояний технологических режимов и управляющих воздействий.
Алгоритм прогнозирования связан с выявлением или имитацией отклонения какого-либо фактора xk от нормативного значения, вычислением элементов k-го столбца ситуационной матрицы как
; (1-13)
и отысканием в нем максимального недиагонального элемента с индексом
q = imax максимального следственного воздействия на q-й параметр (рис.1.9). Если при этом мах оказывается равным нулю, то данное k-е отклонение не имеет последствий в контролируемом n-факторном пространстве и после распечатки индексного массива tl причинно-следственной траектории процедура заканчивается. При mах ≠ 0 следует запись индекса следственного отклонения q в очередной элемент индексного массива tl и после проверки на зацикливание - вычисление отклонения xq (диагональный элемент q-й строки матрицы Sij ) как
=
с дальнейшим повторением процедуры нахождения мах в q-м столбце при
k = q и = .
Процесс обнаружения возможных причинно-следственных циклов аналогичен рассмотренному в алгоритме диагностирования аномальных ситуаций.
Для определения всех ветвей прогнозируемого состояния системы описанная процедура включается в цикл их последовательного перебора по принципу разматывания и сматывания нити в конечном лабиринте (рис.1.10). В этом случае при достижении тупикового элемента очередной ветви последнее ее звено прерывается, т.е. принимается S(tl, tl-1) = 0, с возвратом к предшествующей ступени l = l - 1 с элементом k = tl-1 (сматывание нити) и нахождением следующего наибольшего вклада k-го элемента, т.е. другой ветви воздействия (разматывание нити l=l+1), При достижении исходного пункта, т.е. при l -1 = 0 , процедура останавливается.
В случае нескольких входных отклонений, т.е. некоторого вектора xi ; формируется матрица прогнозируемой ситуации с запуском процедуры прогнозирования последовательно для всех исходных отклонений.
Рис.1.9. Блок-схема
алгоритма прогноза
Экстремального функционального влияния k-го фактора