CC BY
45
Зеленский В.А. ПОВЫШЕНИЕ НАДЕЖНОСТИ СИСТЕМЫ УПРАВЛЕНИЯ С ПОМОЩЬЮ ИНТЕЛЛЕКТУАЛЬНЫХ МЕТОДОВ ОБРАБОТКИ ИНФОРМАЦИИ
Рассматриваются вопросы надежности работы автоматизированной системы управления с двумя независимыми параллельно протекающими процессами. Введение в систему интеллектуального контроллера позволяет устранить ошибку, возникающую при одновременном срабатывании датчиков разных последовательностей. Вероятность принятия правильного решения возрастает в процессе эксплуатации системы, что повышает ее надежность.
Одной из характерных особенностей работы современных высокотехнологичных объектов является логический параллелизм, отражающий существование множества параллельно протекающих процессов. Изменение температуры, давления, скоростей механического перемещения и вращения рабочих органов объекта управления допускают и, более того, предполагают параллельность в работе алгоритма управления. Поскольку события, происходящие в различных частях объекта, возникают независимо и в произвольной последовательности, то попытка задать реакцию системы единым описанием означает комбинаторный перебор большого числа вариантов и неоправданный рост сложности. Недостатком данного подхода является снижение надежности системы управления, что для ряда промышленных и жилищно-хозяйственных объектов является недопустимым. Напротив, логический параллелизм предполагает наличие в алгоритме управления независимых или слабозависимых частей, описываемых простыми математическими моделями. В сочетании с интеллектуальными методами обработки получаемой информации это позволяет повысить надежность автоматизированной системы управления.
Существует несколько подходов при организации систем логическогопараллелизма. Один из способов -построение системы на основе модели гипер-автомата [1,2]. Математической моделью гипер-автомата является множество из трех элементов:
Н={Тн, Е, г1}, где Тн - длительность цикла гипер-автомата; Ъ - множество 2-автоматов (Е = (21, 22, .... , 2п}, где п - число 2-автоматов гипер-автомата); 21 - начальный 2-автомат.
Основой данного метода является математическая модель 2 -автомата:
21 = { Б1, Бр1, зр1, Т21 },
где Б1 - множество возможных состояний; Бр1 - множество пассивных состояний; эр1 - начальное состояние; Т21 - время отсутствия смены состояний г-автомата.
Наиболее сложной задачей при разработке системы является формализация постановочной части задачи. В частности, разделение компонентов системы на независимые (слабозависимые) части и построение алгоритмов работы независимых частей.
В качестве примера решения подобной задачи на рис.1 приведена схема автоматизированного теплового пункта.
Основными устройствами АТП являются узел учета тепловой энергии 1, клапаны подачи теплоносителя в систему отопления (СО) 2 и в систему горячего водоснабжения (ГВС) 3, теплообменники СО 4 и системы ГВС 5, циркуляционные насосы СО 6 и системы ГВС 7, потребители системы отопления (радиатор, теплые полы, полотенцесушители) 8, интеллектуальный контроллер 9. Управляющие сигналы контроллера для упрощения схемы не подведены к исполнительным устройствам, на рисунке 1 они показаны в виде информационной шины. В состав интеллектуального контроллера 9 входит оптоэлектронный модуль, передающая часть которого с помощью мультиплексированного волоконно-оптического канала 10 связана с приемной частью модуля [3]. Мультиплексированный волоконно-оптический канал 10 последовательно соединяет датчики 11, 12 наружной и внутренней температуры, датчики 13, 14 температуры теплоносителя на входе и выходе
системы, датчики 15, 16 положения клапанов подачи теплоносителя, датчики 17, 18 давления циркуляци-
онных насосов с интеллектуальным контроллером 9.
Протекание процессов в АТП в упрощенном виде представлено на рис. 2.
Да
Рис.2 Алгоритм АТП
В схеме автоматизированного управления тепловым пунктом протекают два слабозависимых последовательных процесса - процесс управления температурой и процесс управления давлением в системе. Под последовательным процессом здесь понимается процесс, в котором срабатывание датчиков и исполнительных устройств происходят с определенной очередностью, не пересекаясь во времени. Такому процессу соответствует простой циклический алгоритм.
Первый последовательный процесс А - работа подсистемы управления температурой - включает исполнительные устройства 2, 3, 4, 5 и датчики 11, 13, 14, 15, 16. Второй последовательный процесс Б - ра-
бота подсистемы управления давлением - включает исполнительные устройства 6,7 и датчики 12,17, 18.
Допустим, в течении первых тридцати дискретных отсчетов времени Тд получили следующую последовательность работы датчиков (табл.1):
Таблица 1
Тд 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Номер датчика, А 14 11 15 11 17 14 13 14 11 15 16
Номер датчика, Б 18 12 18 17
16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 Сбой
11 14 11 16 17 11 14 11 15 14 11 ххх
12 18 12 18 ххх
Декомпозируем последовательности срабатывания датчиков двух процессов на парные комбинации. Каждая комбинация представляет собой номера пары последовательно сработавших датчиков. Статистика переходов (отдельно по процессам А и Б) приведена в табл. 2.
Таблица 2
Переход Частота повторения перехода, раз Вероятность
14, 11 3
11,15 3 0.43
15,11 1
11,17 1 0.14
17,14 1
14,13 1
13,14 1
15,16 1
16,11 1
11,14 2 0.29
11,16 1 0.14
16,17 1
17,11 1
15,14 1
Таблица 3
Переход Частота повторения перехода, раз Вероятность
18,12 2 0.67
12,18 3
18,17 1 0.33
17,12 1
Сбой на 31-ом временном отсчете вызван одновременным поступлением сигналов от датчиков разных циклов в единый волоконно-оптический канал. Анализируя данные таблиц 2,3 можно спрогнозировать сигналы поступившие на 31-ом отсчете с определенной степенью вероятности.
Для этого сначала оставим только переходы, имеющие отношение к срабатывания датчика 11 (цикл А) и датчика 18 (цикл Б). Вероятность совпадения последующих номеров удобно представить в матричном виде, где элементы матрицы - результирующая вероятность двух независимых событий (табл. 4).
Таблица 4.
Переходы в процессах А, Б с указанием их вероятности 18, 12 (0.67) 18, 17 (0.33)
11, 15 (0.43) 0.29 0.14
11, 17 (0.14) 0.09 0.05
11, 14 (0.29) 0.19 0.10
11, 16 (0.14) 0.09 0.05
Из результатов таблицы 4 следует, что наибольшую вероятность совпадения имеет комбинация 11,15 и 18,12. Другими словами, наиболее вероятно, что на 31-ом временном отсчете сработали датчики 15 и 12, обслуживающие разные слабозависимые процессы А и Б, причем вероятность данного события равна 0.29.
Здесь уместно задать вопрос, достаточно ли этой вероятности для принятия решения интеллектуальным контроллером? Все зависит от порогового уровня вероятности, задаваемого оператором, а также ответственности принятия решения на определенном этапе циклической последовательности операций. Данные могут быть заданы различными способами, в том числе нечетко. В этом случае используется интеллектуальный контроллер с функцией обработки нечеткой логики [4,5,6].
В процессе работы база статистических данных системы управления все время пополняется, что предполагает повышение вероятности принятия правильного решения интеллектуальным контроллером и, как следствие, повышение надежности работы системы.
ЛИТЕРАТУРА
1. Зюбин В.Е. Проектирование алгоритмов работы микроконтроллеров // Приборы и системы управления.
1998. №1. С. 18-20.
2. Аветисян А.И., Гайсарян С.С. Самоваров О.И. Возможности оптимального выполнения параллельных программ, содержащих простые и интегрированные циклы, на однородных параллельных вычислительных системах с распределенной памятью. // Программирование. 2002. № 1. С. 38-54.
3. Зеленский В.А., Гречишников В.М. Бинарные волоконно-оптические преобразователи в системах управления и контроля. - Самара, Самарский научный центр РАН, 2006.
4. Круглов В.В., Дли М.И. Интеллектуальные информационные системы: компьютерная поддержка систем
нечеткой логики и нечеткого вывода. - М.: Физматлит, 2002.
4. Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы. - М., 2004.
5. Инженерно-внедренческое предприятие «Крейт». Теплоэнергоконтроллер ТЭКОН-17. Руководство по эксплуатации T10.00.41 РЭ. - Екатеринбург.
