CC BY
46
УДК 007:159.995
М.А. Щербаков, В.А. Кушников
МОДЕЛИ И АЛГОРИТМЫ СИСТЕМЫ УПРАВЛЕНИЯ АВАРИЙНЫМИ СИТУАЦИЯМИ ПРИ ПРОИЗВОДСТВЕ СТЕКЛА
Рассмотрены задачи, математические модели и алгоритмы, позволяющие осуществить ситуационное управление процессом
производства листового стекла.
Стекло, аварии, ситуационное управление
M.A. Scherbakov, V.A. Kushnikov
MODELS AND ALGORITHMS OF THE EMERGENCIES CONTROL SYSTEM BY GLASS MANUFACTURE
Problems, mathematical models, algorithms and methods are considered, allowing to carry out appropriate management of emergencies by means of the integrated information system for the enterprises of the glass industry.
Glass, accidents, situational management Введение
Большинство автоматизированных систем управления флоат-процессом на предприятиях стекольной промышленности, например, такие как системы ГРАСмикро, «Metronex, Optima S.r.l., JoTiKa (Midlfnds), SoftwareLtd осуществляют оперативное управление отдельно взятыми группами технологического оборудования и не выдают рекомендаций при возникновении сложных производственных ситуаций комплексного характера, затрагивающих весь процесс формования листового стекла [1,2]. При возникновении нештатных ситуаций, быстром изменении многочисленных параметров, характеризующих производственный процесс, его большой чувствительности к изменению управляющих воздействий окружающей среды, загруженности диспетчерского персонала все это может привести к возникновению значительного ущерба. Кроме того, указанная особенность систем управления производственным процессом весьма затрудняет выбор рационального режима функционирования при возникновении нестереотипных ситуаций, затрагивающих режимы функционирования различных групп технологического оборудования, и не позволяет оптимизировать весь процесс производства листового стекла как единое целое. Данное обстоятельство обусловливает необходимость разработки и внедрения в составе математического обеспечения специализированных автоматизированных систем новых моделей и алгоритмов ситуационного управления процессом формования листового стекла, что позволит преодолеть указанные трудности.
Приведенные выше соображения обусловливают актуальность данной статьи, посвященной совершенствованию математического обеспечения систем ситуационного управления флоат-процессом за счёт применения более эффективной процедуры идентификации производственных ситуаций.
Постановка задачи
Для системы ситуационного управления флоат-процессом разработать математические модели и алгоритмы, позволяющие сравнить возникшую производственную 196
ситуацию s(a,u,t) с известными стереотипными ситуациями s i (a,u,t)e|s' (a,u,t)} i = 1,n , a (t )e|A(t)}, u (t )e{7 (t)}, занесенными в базу знаний системы.
(a(t), u(t) - векторы параметров окружающей среды и управляющих воздействий, характеризующие производственную ситуацию. U(t)}, и(t)} - множества допустимых
значений параметров окружающей среды и управляющих воздействий.
Математическая модель
Опыт оперативно-диспетчерского персонала по выбору рационального решения в аварийной ситуации выражается не столько количественными, сколько качественными формулировками, и может быть применен при управлении объектом только в том виде, в котором он был зафиксирован на практике. Это обстоятельство делает необходимой разработку математического описания аварийных ситуаций в классе логико-лингвистических моделей, допускающих работу с зависимостями качественного типа. Указанные модели обладают слабой чувствительностью к точности исходных данных, наглядны и удобны для административного персонала, имеют выразительную способность, близкую к естественному языку, и широко используются при создании баз знаний. При разработке указанных математических моделей был использован формальный аппарат нормальных форм Бэкуса-Наура, фреймовых представлений, языка представления знаний, получивших значительное распространение в системах управления. Проанализировав аварийные ситуации, возникавшие при выработке флоат-стекла на протяжении многих лет в структурных подразделениях предприятия, а также руководствуясь опытом экспертов по управлению данным сложным процессом, было установлено, что аварийные ситуации с требуемой степенью полноты можно описать набором следующих характеристик: Имя ситуации; Идентификационные признаки ситуации; Причины возникновения; Время, отведенное на действие оператору; Действия оператора, необходимые в данной ситуации; Последствия неустранения ситуации за отведенный период.
При анализе процесса формования листового стекла были выделены следующие параметры: скорость выработки; температура олова; сводовый электронагрев; стабильность положения ленты в ванне; расход азота; содержание водорода в трубопроводах подачи защитной атмосферы; содержание кислорода в атмосфере ванны; содержание влаги в защитной атмосфере; избыточное давление защитной атмосферы; расход сернистого газа; температуры кожуха дна и бортов ванны расплава.
Для формального описания знаний об аварийной ситуации использовались модели состава и структуры, определяющие, из каких информационных элементов состоит указанное множество данных и какие отношения заданы на этом множестве.
В соответствии с описанием [3] для каждой ситуации S(t) модель состава аварийной ситуации в форме Бэкуса-Наура будет выглядеть следующим образом:
(S(t)i^:: = (Name ''[(Tags ^(Causes )Time (Actions ''[(Sequences ),i = 1,N , (1)
где Name, Tags, Causes, Time, Actions, Sequences - лингвистические переменные, означающие соответственно наименование ситуации: (Name )::=name^name 2\-..\name n , признаки ситуации:
(Tags ):: = (tag tag 2 }|. ^{tag n ^ , ^tag :: = {(param },(value , j = 1,n , с°ст°ящие Ю
следующих элементов: наименование параметра технологического процесса
. . , , значение этого параметра
param }:: = param 1 | param 2 |... I param n
(value ):: = value 1\value 2 |... |value n , причины возникновения ситуации
(Causes ):: = {C^C2... Cm }, действия в аварийной ситуации (Actions )::= {A1,A2...Ak}, последствия ситуации (Sequences ):: = { S1, S 2... S l } .
Модель структуры Str_Mod(S) для ситуации S задается двумя ориентированными графами G1(V1(t),E1(t)) и G2(V2(t),E2(t)), в которых множества вершин определены соответственно на множествах {Name,param^,param2...paramNp} и {Name,AyA2...Ak},
множества ребер определяются отношениями r1 «нетранзитивно зависит от» и r2 «выполнить за», заданными на соответствующих множествах. Граф G1(V1(t),E1(t)) учитывает взаимосвязь между параметрами системы, а G2(V2(t),E2(t)) - между действиями оператора по устранению аварийной ситуации.
Наряду с моделями знаний, построенных на основе аппарата форм Бэкуса-Наура, построены модели знаний в виде фреймовых представлений и языка представления знаний, а также разработаны процедуры перехода от одного вида модели к другому.
Список аварийных ситуаций составляется ведущими специалистами предприятия. При анализе возникшей аварийной ситуации она сравнивается с известными ситуациями, занесенными в память ЭВМ. Если обнаруживается ее полное совпадение с уже известными ситуациями, то она считается известной, и ЛПР выдается перечень рекомендаций, необходимых для принятия адекватных решений. В противном случае определяется ситуация, наиболее близкая к возникшей ситуации, и оператору выдаются рекомендации, непосредственно связанные с ней. Указанный процесс продолжается, пока ЛПР не сочтет полученную информацию достаточной и не примет адекватные решения.
Для практической реализации данного процесса необходимо сформировать метрическое пространство аварийных ситуаций и разработать алгоритм определения расстояния между отдельными точками этого пространства.
Алгоритм идентификации аварийных ситуаций
Идентификация возникшей реальной аварийной ситуации представляет собой сравнение ее характеристик с характеристиками уже находящихся в базе данных ситуаций. Если в метрическом пространстве аварийных ситуаций обнаруживается ее полное совпадение с уже известными ситуациями, то она считается идентифицированной, и диспетчеру выдаются рекомендации по преодолению данной ситуации (рисунок).
Если полученной информации для выработки оперативного решения окажется недостаточно, то данная точка исключается из дальнейшего рассмотрения, и система определяет следующую точку, находящуюся на минимальном расстоянии от исходной ситуации, и выдает диспетчеру связанные с ней рекомендации.
Метрическое пространство аварийных ситуаций
Расстояние между ситуациями в метрическом пространстве должна задавать метрика g . При ее выборе принималось во внимание, что g (S^ (t), S2 (t)), t = const должна быть
действительной числовой функцией, для которой выполняются известные аксиомы метрики.
В качестве метрики будем использовать /р-норму, так как она охватывает основные функции расстояния:
i1 /6
б б
X 0. i
k =
g (s1( t), S 2( t)) =
где 0i - функция расстояния между характеристиками ситуаций
{О, при совпадении Char i (S 1(t)) и Char i (S2(t)) 1, в противном случае
19S
( Скат1, Скат2, СИаг3, Скат4, СИаг5, СИаг6- соответственно наименование, признаки, причины, время, действия, последствия сравниваемых ситуаций).
При возникновении аварийной ситуации одним из важнейших аспектов является не только правильность, но и скорость принятия решения. В связи с этим предлагается ускорить процесс идентификации ситуации путем разбиения множества ситуаций на кластеры. После того, как множество ситуаций разбито на кластеры и определены центроиды этих кластеров, идентификация возникшей ситуации будет происходить следующим образом: С помощью функции (2) найти расстояния между возникшей ситуацией и каждым из центроидов кластеров; Выбрать кластер, расстояние между центроидом которого и возникшей ситуацией минимально; С помощью функции (2) найти расстояния между возникшей ситуацией и каждой ситуацией из выбранного кластера; Выбрать из ситуаций данного кластера наиболее близкую к возникшей; Выдать ЛПР рекомендации, связанные с выбранной ситуацией.
Применение предложенного алгоритма позволяет увеличить скорость вычислений в 2^8 раз по сравнению с существующими методиками.
Выводы:
1. Установлена необходимость разработки и внедрения на предприятиях стекольной промышленности новых моделей и алгоритмов для проверки на реалистичность плана мероприятий по производству стекла.
2. На основе математического аппарата нормальных форм Бэкуса-Наура, фреймовых представлений, языка представления знаний и графовых моделей разработан комплекс взаимосвязанных моделей знаний, характеризующих аварийные ситуации. Полученные модели позволяют разработать новые принципы технических решений проверки плана технологического процесса.
3. Предложена методика идентификации возникающих аварийных ситуаций, позволяющая диспетчеру оперативно принять меры по их преодолению. Методика основана на идее формирования метрического пространства аварийных ситуаций и определения расстояния между его точками, адаптации метода последовательной кластеризации, что в несколько раз повышает скорость идентификации по сравнению с другими методиками.
ЛИТЕРАТУРА
1. Ицкович Э.Л., Левин М.В., Потапова Т.Б. Управление функционированием АСУ химико-технологическим производством // Приборы и системы управления. 1987. №11. С. 22-25.
2. Соколов В.И. Введение в теоретическую стереохимию. М.: Наука, 1979. 244 с.
3. Щербаков М. А., Кушников В. А. Разработка моделей знаний об аварийных ситуациях с использованием нормальных форм Бэкуса-Наура // Системи підтримки прийняття рішень. Теорія і практика: збірник доповідей науково-практичної конференції з міжнародною участю. Київ: ІПММС НАНУ, 2010.
Щербаков Максим Александрович -
аспирант кафедры «Информационные системы в гуманитарной области» Саратовского государственного технического университета
Кушников Вадим Алексеевич -
доктор технических наук, профессор, заведующий кафедрой «Информационные системы в гуманитарной области» Саратовского государственного
Scherbakov Maksim Aleksandrovich -
Ppost-graduate student of faculty «Information systems in humanitarian area» Saratov State Technical University
Kushnikov Vadim Alekseevich-
Dr.Sci.Tech., professor, Managing faculty «Information systems in humanitarian area» Saratov State Technical University
технического университета
Статья поступила в редакцию 19.05.2011, принята к опубликованию 28.05.2011
