Идентификация технологических режимов работы одноковшового экскаватора с использованием методов математической статистики Текст научной статьи по специальности «Математика»

класса задач данного типа автоматизированного процесса;

* обязательное требование результативности на практическом уровне. Смысл этого требования состоит в том, что при точном исполнении всех предписаний алгоритмизированных систем автоматизированный производственный процесс должен прекратиться за конечное число шагов с определенным результатом;

* требование целенаправленного поведения ансамблей роботов-механизмов автомати-

зированных технологических процессов и производств.

Итак, научное понятие автоматизация прогрессивной технологии мы уточняем как не останавливающуюся в передовом развитии научно-техническую логико-алгоритмизированную самоуправляемую и самоорганизующуюся систему корреляционно взаимодействующих совокупностей функционально объединенных ансамблей роботомеханизированных конструкций устройств, объектов и сред, ха-

рактеризующейся качественными свойствами эффективности и удовлетворяющей теории и методам синергетики.

Таким образом, когнитивные логико-алгоритмическоие методы способствуют дальнейшему совершенствованию автоматизации прогресивных технологических процессов и производств в горной промышленности в условиях видоизменяющейся глобальной экономики Казахстана в начале третьего тысячелетия.

СПИСОК ЛИТЕРАТУРЫ

1. Churchman C. W The Systems Approach.- Delta Book, 1969.

КОРОТКО ОБ АВТОРАХ ----------------------------------------------------------------------------------------

Мутзнов Гзлым Мутзнович - академик МАН ВШ, доктор технических наук, профессор, Первый вице-министр образования и науки Республики Казахстан, г. Астана.

Щеткина Нина Дмитриевна - кандидат технических наук, доцент Северо-Казахсганского государственного университета.

© И.С. Бобин, 2003

УАК 519.2

И.С. Бобин

ИАЕНТИФИКАЦИЯ ТЕХНОЛОГИЧЕСКИХ РЕЖИМОВ РАБОТЫ ОАНОКОВШОВОГО ЭКСКАВАТОРА С ИСПОЛЬЗОВАНИЕМ МЕТОАОВ МАТЕМАТИЧЕСКОЙ СТАТИСТИКИ

С

овременное горнодобывающее производство характеризуется увеличением потребности в качественном минеральном сырье. В этой связи увеличение объемов добычи руд представляет собой актуальную задачу. В частности, при разработке месторождений руд открытым способом большое значение имеет увеличение производительности одноковшовых экскаваторов. Одним из путей решения этой проблемы является совершенствование систем автоматического управления и контроля одноковшовых экскаваторов.

В настоящее время все большее распространение получают информационные и информационнодиагностические системы одноковшовых экскаваторов, которые осуществляют контроль всех основных

систем и действий машиниста. Не влияя непосредственно на технологический процесс, информационные системы выполняют экспертные, контрольные и диагностические функции, повышая коэффициент использования экскаваторов, снижая аварийность и энергетические затраты. Важнейшими функциями информационных систем являются взвешивание ковша в процессе рабочего цикла и учет показателей работы экскаватора. Выполнение указанных функций информационных систем невозможно без идентификации (распознавания) текущего технологического состояния экскаватора.

Под «технологическим состоянием» экскаватора понимается его пребывание в одном из фиксированных положений, вводимых с целью обеспечения необходимых функций автоматических систем. Известен подход, согласно которому технологическое состояние экскаватора соответствует выполняемым им технологическим операциям. При этом существует следующая классификация технологических состояний одноковшового экскаватора [1]: по режимам работы экскаватора (выполнение рабочего цикла, выполнение вспомогательного цикла, простой экскаватора, перемещение экскаватора); по технологическим режимам работы электромеханических систем экскаватора (разгон, установившееся движение,

торможение, остановка, неопределенное состояние); по технологическим составляющим рабочего цикла экскаватора (черпание, транспортировка груженого ковша к точке разгрузки, разгрузка ковша, транспортировка порожнего ковша в забой, остановка). Наибольшее значение для практики представляет задача идентификации технологических состояний экскаватора по технологическим составляющим его рабочего цикла.

При решении проблемы идентификации технологических состояний одноковшовых экскаваторов возникает задача составления описания классов распознаваемых состояний на языке их признаков. Составление такого описания на основе одной лишь априорной информации в условиях неопределенности, в которых находится одноковшовый экскаватор и его электромеханические системы, не может обеспечить распознавание технологических состояний с заданной точностью. Данный подход позволяет составить корректное описание классов только для некоторых фиксированных условий работы экскаватора: работа всегда в одинаковых горных и климатических условиях, неизменная технология горных работ, единый стиль управления экскаватором разными бригадами. Очевидно, что обеспечить выполнение названных условий в реальном производстве невозможно, и описание классов распознаваемых технологических состояний, основанное исключительно на априорной информации, будет заведомо малоэффективным.

Другим распространенным подходом к составлению описания классов распознаваемых объектов является использование обучающей информации. Обучение применяется в большинстве сложных систем распознавания, и позволяет составлять описание классов, с более высокой степенью точности соответствующее текущим условиям функционирования экскаватора. При изменении условий функционирования машины достаточно снова провести процедуру обучения, чтобы восстановить соответствие описания классов реальным технологическим состояниям экскаватора. Однако точность описания классов при данном подходе также не является абсолютной и ограничена объемом обучающей выборки. Достоинства распознающих систем с обучением наиболее полно раскрываются при статистическом (вероятностном) подходе к распознаванию образов. Обучающая последовательность при этом представляет собой выборку конечного объема из генеральной совокупности возможных изображений классов. Задачу распознавания в статистической трактовке можно определить как испытание 1 статистических гипотез, где к-я гипотеза, к = 1, ...1, предполагает, что исследуемое распределение вероятностей принадлежит к классу к [2]. Принятие решения сводится к выбору гипотезы в соответствии с некоторым критерием качества. В статистической теории распознавания основными критериями принятия решения являются критерии: Байеса, максимума апостериорной вероятности, Неймана-Пирсона, минимаксный, Вальда, максимального правдоподобия. Каждый из приведенных критериев представляет собой самостоятельный статистический метод распознавания.

В случае, когда количество классов распознаваемых объектов превышает два, задача распознавания называется многоальтернативной. В этом случае наиболее эффективен критерий максимума апостериорной вероятности. Согласно этому критерию, контрольная выборка Хп принадлежит классу ^, чья апостериорная вероятность

P(s\Xn) = P(st) Ю(Xn | s:)

Z P( sk ) ®( Xn 1 sk )

(1)

превышает апостериорные вероятности остальных классов распознаваемых объектов, где <в(ХпЦ), ro(XnIsk) - условные совместные плотности вероятности векторов выборки Xn, Ps), PSk) - априорные вероятности классов [3].

В нашем случае количество классов распознаваемых технологических состояний K=5 S - черпание, s2 - транспортировка ковша к точке разгрузки, s3 - разгрузка, s4 - транспортировка ковша к точке начала черпания, s5 - остановка) и решающее правило имеет следующий вид s = Sj, если P(s I Xn ) > P(sk I Xn), (2)

для всех j = 1, K, к = 1, K, где / к.

На безе решающего правила (2) нами создан статистический метод идентификации технологических состояний одноковшовых экскаваторов. Метод включает алгоритмы обучения и идентификации.

Алгоритм обучения предполагает создание обучающей выборки и вычисление априорных вероятностей появления объектов данных классов. Результатом этапа обучения являются матрицы априорных вероятностей классов технологических состояний.

Алгоритм идентификации предполагает вычисление и сравнение апостериорных вероятностей классов технологических состояний с целью определения класса с максимальной апостериорной вероятностью.

Испытания на имитационной модели драглайна показали высокую эффективность статистического метода идентификации, основанного на критерии максимума апостериорной вероятности. Метод показал близкие результаты для различных типов шагающих экскаваторов: ЭШ 20.90, ЭШ 65.100, ЭШ 40.100, ЭШ 25.90. Во всех случаях наибольшее влияние на результаты распознавания оказывает процедура описания классов - обучение. При малом объеме обучающей выборки эффективность распознавания снижается. Как показали исследования, оптимальным является объем обучающей выборки, соответствующий полной отработке экскаватором одного блока забоя. В этом случае обеспечивается уверенная идентификация всех технологических состояний, а общее количество ошибочных решений не превышает 5% за полный рабочий цикл.

Предложенные алгоритмы доведены до уровня алгоритмического обеспечения и использованы при разработке информационной системы драглайна ЭШ 25.90 ОАО «Уралмаш». Предложенная система идентификации технологических состояний в полной мере может использоваться также в информационных системах карьерных машин. Работа в этом направлении сейчас продолжается.

к =1

1. Карякин А.Л. Идентификация технологического состояния одноковшовых экскаваторов в автоматизированных системах контроля, диагности-

ки и управления // Изв. вузов. Горный журнал. 1992. №° 9, С. 142-146.

2. Компьютер и задачи выбора / Ред. Журавлев Ю.И. - М.: Наука, 1989, 208 с.

СПИСОК ЛИТЕРАТУРЫ

3. Фомин А.Я, Савич А.В. Оптимизация распознающих систем. -М.: Машиностроение, 1993, 288 с.

КОРОТКО ОБ АВТОРАХ ---------------------------------------------------------

Бобин И.С. — Уральская государственная горно-геологическая академия, г. Екатеринбург

© Е.И. Бурцева, В.А. Шерсгов, А.И Позлняков, 2003

УАК 622.371

Е.И. Бурцева, В.А. Шерстов, А.И Позлняков

К ОЦЕНКЕ ПРОГНОЗНЫХ ПОКАЗАТЕЛЕЙ ПРИРОЛОЕМКОСТИ АЛМАЗОЛОБЫВАЮШИХ ПРЕАПРИЯТИЙ

Любая хозяйственная деятельность вызывает, как правило, отрицательные внешние эффекты (экстерналии): загрязнение окружающей среды,

разрушение природных комплексов, рост заболеваемости населения и др., с которыми связаны определенные экологические затраты. Различают три вида экологических затрат: предзатраты (разработка технических проектов, ОВОС*, экологическая экспертиза, мониторинг, НИОКР, строительство природоохранных объектов и др.), экологический ущерб (материальный, социальный, природный), постзатраты (затраты на ликвидацию, нейтрализацию и компенсацию экологических нарушений, рекультивация земель, восстановление природных комплексов и стандартов качества среды и др.). В условиях платного природопользования общая рентабельность предприятия зависит не только от производственных показателей, но и экологических затрат, среди которых особое место занимает эколого-экономи-ческий ущерб, величина которого в значительной степени определяется природоемкостью производства. В последние годы наряду с такими традиционными понятиями, как «трудоемкость», «энергоемкость», «материалоемкость», «металлоемкость» производства или продукции, часто применяется понятие «природоемкость». Однако ввиду действительно «емкого» содержания этого понятия различные авторы по-разному его трактуют. Например, П.А. Акимо-

*По требованиям государственной экологической экспертизы в составе проекта разрабатывается Оценка воздействия предприятия на окружающую среду (ОВОС)

ва и В.В. Хаскин (1994) понимают его как весь ущерб, который наносится природным объектам и ресурсам, состоянию окружающей среды и здоровью людей в результате хозяйственной деятельности человека. С.Н. Бобылев, А.Ш. Ходжаев (1997), Э.В. Гирусов С.Н. Бобылев, А.Л. Новоселов, Н.В. Чепурных, (1998) выделяют два типа (уровня) показателей природоемкости -макроуровень - уровень всей экономики и продуктовый - отраслевой. Первый тип показателей отражает затраты природных ресурсов на единицу валового внутреннего продукта, национального дохода, второй тип определяется затратами природного ресурса на единицу конечной продукции, произведенной на его основе. При этом вне учета остается экологическая составляющая конечной ступени природно-продуктовой вертикали - различные виды экстерналий (эколого-экономический ущерб, отходы). Без учета же эффекта обратного потока из экономической системы в природную, оценка природоемкости производства будет неполной. С этих позиций можно, по нашему мнению, дать следующую трактовку содержания природоемкости производства (продукции).

Природоемкость - это весь негативный внутренний и внешний эффект, возникающий в результате использования (изъятия) природных ресурсов, на основе которых производится определенное количество продукции и внешних экстерналий - эколого-экономических последствий, возникающих в результате воздействия антропогенных факторов, вызванных производством этой продукции. Согласно этому определению предлагаются две группы показателей природоемкости - ре-сурсоемкость и природная техноемкость продукции. Ресурсоемкость относится к объему использованного ресурса, который учитывается в любой экономической деятельности предприятий и является одним из показателей внутренних издержек производства. Природная техноемкость продукции (производства) -понятие обширное и емкое, касается всех компонен-