CC BY
79
УДК 681.3
ОЦЕНКА СТЕПЕНИ ВЛИЯНИЯ ВХОДНЫХ ВОЗДЕЙСТВИЙ МНОГОСВЯЗНОГО ОБЪЕКТА НА ИЗМЕНЕНИЕ ПОКАЗАТЕЛЕЙ КАЧЕСТВА ПРОЦЕССА УПРАВЛЕНИЯ
Луэ Ху Дык, В.Ю. Волков, Д.П. Вент
Описан метод определения степени влияния входных воздействий многосвязного объекта на показатели качества процесса управления. Метод основан на использовании интеллектуальных технологий, что позволило упростить структуру многосвязного объекта управления и алгоритм управления за счет игнорирования незначимых управляющих воздействий. Также был сформулирован критерий оптимальности для управляющего генетического алгоритма.
Ключевые слова: система управления, многосвязный объект, степень влияния, нечеткая логика, лингвистическая переменная, функция принадлежности.
В современных условиях наблюдается тенденция к возрастанию сложности процессов управления. Во многих случаях объекты управления представляют собой сложные многосвязные объекты технической, биологической и другой природы. Сложность многосвязных объектов проявляется не только в большой размерности вектора переменных, но и в присутствии перекрестных связей между ними. Эти объекты управляются одной или несколькими системами управления, связанные структурно общими ограничениями на управляющие воздействия, переменные состояния и, как правило, одним критерием оптимальности. Особенностью многосвязных объектов является то, что на изменение одного входа одновременно реагируют не менее двух выходов. При этом скорость и интенсивность таких реакций могут быть как одного порядка (соизмеримы), так и существенно различны [1].
К системам управления многосвязными объектами предъявляются не только требования устойчивости процессов управления. Для работоспособности таких систем также необходимо, чтобы процесс управления осуществлялся при обеспечении определенных показателей качества процесса управления. При наличии многосвязных контуров управления рассчитать оптимальные настройки регуляторов довольно сложно, а иногда практически невозможно, так как к взаимному влиянию контуров друг на друга могут добавляться ограничения на управляющие воздействия. Рассчитанные традиционными методами, особенно без учета взаимного влияния, «одноконтурные» системы управления таких объектов работают неэффективно. Чтобы повысить эффективность функционирования системы управления в целом, мы предлагаем ранжировать с помощью интеллектуальных технологий «входы» объекта управления по степени влияния на его «выходы» [2], а затем, в первую очередь, пытаться проводить расчет наиболее
«влияющих» на управляемую величину контуров управления. Таким образом, выявление степени влияния входных переменных многосвязных объектов на уровень изменения показателей (время переходного процесса, максимальное отклонение управляемой переменной от заданного значения) качества процесса управления представляется достаточно актуальной задачей.
Рассмотрим предлагаемый метод подробнее. На рис. 1 приведен граф, отражающий влияния входных переменных Х1...Хп на время переходного процесса ? - минимальное время, по истечении которого переходная характеристика будет оставаться близкой к установившемуся значению с требуемой точностью, и Атах - максимальное отклонение управляемой переменной от заданного значения.
Рис. 1. Граф влияния: X1...Xn - входные величины,
- возмущения, tp - время регулирования,
Dmax - максимальное отклонение управляемой переменной
Анализ [2] показал, что для определения степени влияния входных воздействий на выходные параметры можно использоваться нечеткий вывод.
В данном случае введем следующие лингвистические переменные: ? (уровень изменения времени переходного процесса) и Атахг (уровень
изменения максимального отклонения управляемой переменной от заданного значения) в соответствии изменения входа объекта управления х.,
г = ТЫ.
Значения лингвистических переменных х. (г = 1,Ы) определяются термами: «Малое», «Небольшое», «Большое», «Очень большое». Так, для получения численной оценки лингвистических переменных х. «изменение входа объекта управления» зададим интервал значений оценки от 0 до 1, где 0 - значение входа не изменяется. На основе экспертных оценок, можно утверждать, что при малом изменении входа объекта управления оценка
лингвистических переменных х. будет колебаться от 0 до 0,2 баллов. Переменные х. примут значения в интервале от 0,2 до 0,5 баллов, если не много изменяется значение входов объекта управления. Переменные х. примут значения в интервалах от 0,5 до 0,7 и от 0,7 до 1 баллов, соответственно, при большом и очень большом изменении значения входов объекта управления. Данные баллы присваиваются группой экспертов, непосредственно привлекаемых к процессу управления многосвязными объектами. На рис. 2 изображен графический вид лингвистических переменных х., где по оси Х располагаются значения «изменения входа объекта управления» в долях единицы, а по оси У - значения функции принадлежности для термов лингвистических переменных х.. Графический вид этих переменных отличаться будет лишь смещением узлов в зависимости от конкретного входа объекта управления.
Малое Небольшое Большое Оченьбопьшое
О 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
Рис. 2. Графический вид термов переменных хг
Согласно положениям теории нечетких множеств, в таком случае каждому изменению значения входов объекта управления может быть поставлено в соответствие некоторое число от нуля до единицы, которое определяет степень принадлежности данного изменения значения входов объекта управления к тому или иному терму лингвистической переменной х .
В теории нечетких множеств функция принадлежности играет значительную роль, так как это основная характеристика нечеткого объекта, а все действия с нечеткими объектами производятся через операции с их функциями принадлежности. Функция принадлежности строится либо на основе статистической информации, либо при участии эксперта (группы экспертов). В первом случае функция принадлежности должна иметь частотную интерпретацию (степень принадлежности приблизительно равна вероятности события), во втором случае степень принадлежности приблизительно равна интенсивности проявления некоторого свойства (ощуще-
ния) [3]. В данном случае для построения функций принадлежности переменных использован метод экспертных оценок.
Аналогично, для лингвистических переменных «уровень изменения времени переходного процесса» ? и «уровень изменения максимального
отклонения управляемой переменной от заданного значения» А тахг, г = 1,Ы этот будут термы: «Ноль», «Низкий», «Средний», «Высокий», «Очень высокий». Для получения численной оценки этих лингвистических переменных ? и Атах1 зададим интервал значений оценки от 0 до 100. На
рис. 3 изображен общий вид лингвистических переменных ? и Атахг, где
по оси Х располагаются значения «уровня изменения времени переходного процесса» и «уровня изменения максимального отклонения управляемой переменной от заданного значения» в процентах, а по оси У - значения функции принадлежности для термов лингвистических переменных I1 и
Атахг. Особенность этих переменных заключается в том, что они содержат одновременно разные виды функций принадлежности в зависимости от конкретных термов (см. рис. 2, 3).
0 10 20 30 40 50 60 70 60 S0 100
Рис. 3. Общий вид термов переменных t'p, Amax1
На основе экспертных оценок для создания системы нечеткого вывода формулируются когнитивные правила:
Ri: если малое изменение х} и/или малое изменение х2 и/или ... и/или малое изменение xN, то «Ноль» уровень изменения t и/или «Ноль»
уровень изменения A max1,
R2: если малое изменение х} и/или небольшое изменение х2 и/или ... и/или не большое изменение xN, то низкий уровень изменения t и/или
низкий уровень изменения A max1,
Rk: если очень большое изменение x: и/или очень большое изменение x2 и/или ... и/или очень большое изменение xN, то очень высокий уровень изменения t и/или очень высокий уровень изменения Amax1.
Эта совокупность правил носит название нечеткой базы знаний. В идеальном случае нечеткая база знаний должна быть и компактной, и адекватной. Достичь этого в реальных задачах невозможно, потому на практике пытаются выбрать базу знаний с корректным балансом между этими противоречивыми критериями [4]. Необходимым условием такого баланса является попадание базы знаний на Парето-фронт в координатах «сложность модели - точность модели».
В качестве практического примера рассмотрим сложную систему управления концентрацией загрязняющих веществ в атмосфере промышленного кластера. На территории МО город Новомосковск Тульской области располагается большое количество предприятий химической технологии: НАК «Азот», ОАО «КНАУФ - ГИПС-Новомосковск», ООО «Полипласт», ООО «Проктер энд Гэмбл», ООО «Оргсинтез», ООО «Аэро-золь-Новомосковск». Все вышеперечисленные предприятия являются постоянно действующими источниками загрязнения атмосферного воздуха [5]. Определим степени влияния этих предприятий на уровень изменения максимального отклонения концентрации загрязняющих веществ Атах от ПДК и уровень изменения времени гр, за которое концентрация загрязняющих веществ снизится до ПДК.
Результаты расчета степеней влияния предприятий на уровень изменения гр и Атах в случае нормального режима работы, направления
ветра «северо-западный», скорости ветра «легкий», температуры 20 0С представлены в таблице.
Уровень изменения гр и Атах
Наименование объекта Изменение 1р Изменение А тах
ОАО «КНАУФ - ГИПС-Новомосковск» 90,4 67,3
ООО «Проктер энд Г эмбл» 87,7 60,4
ООО «Оргсинтез» 79,6 18,9
ООО «Аэрозоль-Новомосковск» 15,3 9,1
ООО «Полипласт» 12,4 14,5
Производство Аммиака - НАК «Азот» 72,8 75,7
Цех 3А - НАК «Азот» 63,2 44,7
Цех 5 А - НАК «Азот» 65,4 40,2
Цех №4 - НАК «Азот» 60,9 55,8
Цех М300 - НАК «Азот» 50,5 48,6
Из таблицы следует, что ООО «Аэрозоль-Новомосковск» и ООО «Полипласт» слабо влияют на уровень изменения гр и Атах при указанных условиях. Следовательно, при данных условиях можно не учитывать выбросы загрязняющих веществ в атмосферу от ООО «Аэрозоль-Новомосковск» и ООО «Полипласт» в процессе выработки управляющих воздействий по снижению выбросов в атмосферу.
Анализ результатов расчета степеней влияния предприятий химической технологии города Новомосковск Тульской области на уровень изменения максимального отклонения концентрации загрязняющих веществ Атах от ПДК и уровень изменения времени гр, за которое концентрация
загрязняющих веществ снизится до ПДК показал, что применение данного метода сократило число контуров системы управления комплексом промышленных предприятий города Новомосковск Тульской области с интеллектуальным регулятором на 20 %, а это в свою очередь упростило расчет управляющих воздействий по генетическому алгоритму и сократило общее время расчета на 35 %.
Таким образом, предложенный метод определения степени влияния входных переменных многосвязных объектов управления на показатели качества процесса управления, основанный на интеллектуальной технологии нечеткого вывода, показал свою эффективность. Использование интеллектуальных технологий позволило упростить структуру системы управления многосвязного объекта, расчет и алгоритм управления многосвязным объектом и сформулировать критерий оптимальности алгоритма управления.
Список литературы
1. Зырянов В.Г. Системы управления многосвязными объектами: учебное пособие. Челябинск: Издательский центр ЮУрГУ, 2010. 112 с.
2. Луэ Ху Дык, Волков В.Ю. Метод определения степени влияния входных воздействий на выходные параметры многосвязного объекта управления. // Известия ТулГУ. Технические Науки. Вып. 10 Тула: Изд-во ТулГУ, 2013. С. 277 - 282.
3. Кофман А. Введение в теорию нечетких множеств. М.: Радио и Связь, 1982. 431 с.
4. Штовба С. Д. Проектирование нечетких систем средствами МЛТЬЛВ / С. Д. Штовба. М.: Горячая линия. Телеком, 2007. 288 с.
5. Волков В.Ю., Луэ Ху Дык. Интеллектуальная система выработки рекомендаций по снижению выбросов в атмосферу химикотехнологическими предприятиями. Труды XIV Международной конференции: Проблемы управления и моделирования в сложных системах. Самара,
2012. С. 278 - 285.
Луэ Ху Дык, аспирант, huyducvn_ht@,mail. ru, Россия, Новомосковск, НИ (ф) РХТУ им. Д.И. Менделеева,
Волков Владислав Юрьевич, канд. техн. наук, доц., [email protected]. Россия, Новомосковск, НИ (ф) РХТУ им. Д.И. Менделеева,
Вент Дмитрий Павлович, докт. техн. наук, заведующий кафедрой, [email protected], Россия, Новомосковск, НИ (ф) РХТУ им. Д.И. Менделеева
ASSESSMENT OF THE EFFECTS OF INPUT ACTIONS MULTI-LOOP CONTROL SYSTEM TO LEVEL CHANGES OF QUALITY CONTROL PROCESS
Leu Huy Duc, V.Yu. Volkov, D.P.Vent
The methodfor determining the degree of influence of input actions multi-loop object on quality control process. The method is based on the use of artificial intelligence that allows us to simplify the structure of multi-loop control object and control algorithm by ignoring insignificant control actions. Also formulated an optimality criterion for the control of genetic algorithm.
Key words: management system, to multiply, impact, fuzzy logic, linguistic variable, the membership function.
Leu Huy Duc, graduate student, huyducvn [email protected] Russia, Novomoskovsk, The Novomoskovsk’s Institute (subdivision) of the Mendeleyev Russian Chemical-Technological University,
Volkov Vladislav Yurevich, candidate of technical science, docent, duga@,mail.ru. Russia, Novomoskovsk, The Novomoskovsk’s Institute (subdivision) of the Mendeleyev Russian Chemical-Technological University,
Vent Dmitry Pavlovich, doctor of technical science, head of departament, duga@,mail.ru. Russia, Novomoskovsk, The Novomoskovsk’s Institute (subdivision) of the Mendeleyev Russian Chemical-Technological University
