CC BY
63
УДК 621.316.722
СИСТЕМА ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В УПРАВЛЕНИИ ПРОЦЕССОМ СОВМЕСТНОЙ УТИЛИЗАЦИИ ОТХОДОВ ПРОИЗВОДСТВА СИНТЕТИЧЕСКОГО КАУЧУКА
В.К. Битюков1, М.В. Корчагин1, С.Г. Тихомиров1, В.И. Корчагин2
Кафедры: «Информационных и управляющих систем» (1),
«Машины и аппараты химических производств» (2),
Воронежская государственная технологическая академия
Представлена членом редколлегии профессором С.И. Дворецким
Ключевые слова и фразы: нечеткое управление; система поддержки принятия решений; совместная утилизация отходов; таблица лингвистических правил; формализация нечетких правил; экспертный опрос.
Аннотация: Предложен подход к построению системы поддержки принятия решений по управлению технологическим процессом совместной утилизации отходов производства синтетического каучука. Приведены результаты реализации используемых системой алгоритмов и методов принятия решений с учетом специфики управления технологическим процессом и результатов экспертного опроса.
Совместная переработка отходов и малоценных продуктов позволяет обеспечить экологическую безопасность в ресурсоемких производствах, в частности, в производстве синтетического каучука (СК). При этом одной из задач при создании технологии утилизации является максимально эффективное комплексное использование компонентов отходов при получении конечных продуктов с удовлетворительными эксплуатационными характеристиками при минимальных затратах.
Низкая точность оценки показателей качества отходов производства СК не позволяет оперативно и достоверно произвести параметрическую идентификацию моделей и регуляторов для управления процессом. Cложный характер влияния управляющих воздействий (расходов компонентов и их соотношения) на показатели качества получаемой продукции осложняет формализацию этих закономерностей с помощью детерминированных математических функций. На практике после каждого лабораторного анализа оператор, исходя из прошлого опыта, сам изменяет настройки системы и принимает решения по управлению процессом, руководствуясь своим опытом и принципами, а зачастую - профессиональной интуицией.
Использование математических методов и теории оптимизации позволяет эффективно принимать решения только в условиях, когда параметры системы известны, или их можно представить в виде фиксированных значений. Поэтому при проектировании подобных систем поддержки принятия решений (СППР) целесообразно использовать методы экстраполяции интервальных или «размытых» экспертных оценок с последующим отражением полученных правил в базу знаний путем дефаззификации.
Процесс принятия решения в СППР (рис. 1) состоит из четырех этапов:
1) формирование базы правил систем нечеткого вывода;
2) преобразование реальных производственных параметров в лингвистическую форму («размывание» или «фаззификация» значений);
3) обработка лингвистических значений по методикам теории нечетких множеств и нейронных сетей;
4) преобразование лингвистических значений в реальные значения («дефаз-зификация» значений).
База знаний СППР в управлении процессом совместной утилизации отходов производства СК основана на правилах поведения системы, которые сформулированы на основании экспертных оценок, полученных путем анкетированных опросов экспертов в области технологии переработки и утилизации отходов. За основу базы знаний приняты правила, которыми пользуются операторы при управлении процессом совместной утилизации отходов производства СК, описывающие действия лица, принимающего решения (ЛПР) по изменению дозировок следующих компонентов [1]:
- латексных стоков, представляющих собой разбавленные латексные системы, полимерная фаза которых может выступать в качестве связующего;
- отработанного активированного угля АГ-3, поступающего со стадии очистки бутадиена в производстве СК, который после измельчения может применяться в качестве адсорбента-наполнителя;
- сточных вод (СВ), поступающих со стадии выделения эмульсионных кау-чуков (серум) и содержащих загрязняющие компоненты - тонкодисперсные примеси полимера, мыла смоляных и жирных кислот, а также диспергатор лейканол, которые могут выступать стабилизаторами суспензий углеродсодержащего наполнителя (отработанного активированного угля);
- отработанных моторных масел.
А
Лингвистический
уровень
Технический
уровень
| Обработка «размытых» значений t
Входные Выходнью
параметры параметры
(лингвистические (лингвистические
значения) значения) ^
V
Входные
параметры
(реальные
значения)
Процессы в объекте управления
Выходные
параметры
(реальные
значения)
к
3
и
к
&
к
У
V
Рис. 1. Функциональная структура СППР
Способ получения модифицированных наполненных эмульсионных каучу-ков [2] может быть реализован в технологическом процессе совместной переработки отходов производства СК, включающем (рис. 2):
- технологические стадии: 1 - озонирование; 2 - коагуляция; 3 - приготовление суспензии наполнителя; 4 - обратно-осмотическая очистка; 5 - механо-термическое обезвоживание;
- материальные потоки: I - латексные стоки с основного производства СК; II - озонированный наполненный латексный сток; III - раствор хлористого натрия; IV - серум; V - крошка наполненного каучука; VI - стоки с органическими примесями; VII - СВ с примесями хлористого натрия (коагулирующий агент); VIII - суспензия наполнителя; IX - очищенная вода; X - наполненный каучук; XI - озоно-воздушная смесь (ОВС); XII - раствор серной кислоты; XIII - отработанный сорбент (наполнитель); XIV - пластификатор (отработанные моторные масла).
С целью построения описанной выше функциональной структуры СППР (см. рис. 1) технологическую схему, представленную на рис. 2, необходимо декомпозировать в разрезе управляющих (параметров воздействия на качество процесса совместной переработки отходов) и управляемых (состояний технологического процесса) критериев выбора оптимальных значений параметров оператором СППР. Функциональная структура может быть представлена в виде таблицы лингвистических правил (ТЛП). ТЛП составлялась на основе эвристических мнений экспертов. Задание критериев осуществлено нечетким образом на лингвистической шкале из пяти термов: «Низкий» (Ни), «Ниже Нормы» (НН), «Норма» (Н), «Выше Нормы» (ВН), «Высокий» (В).
В качестве критериев состояний технологического процесса совместной переработки взяты лингвистические переменные: у1 - пластичность по Карреру наполненного каучука; у2 - эффективность очистки СВ по химическому потреблению кислорода (ХПК) после стадии приготовления суспензии наполнителя; уз - вязкость по Муни наполненного каучука, усл. ед. Пример области определения лингвистического терма у2 на численных интервалах - носителях нечеткого множества, соответствующих нормальному глобальному состоянию У технологического процесса, приведен в табл. 1. В зависимости от сферы применения СППР данные лингвистические переменные целесообразно ранжировать. Табл. 2 -ТЛП, соответствующая нормальному глобальному состоянию У технологического процесса.
Для моделирования процесса фаззификации была выполнена формализация критериев при помощи аппарата теории нечетких множеств.
IV ______________ї-________VII
XIII
III
4
IX
|XIV
V
► 5
X
Рис. 2. Структурно-функциональная схема технологического процесса совместной переработки отходов
Область определения лингвистического терма уг
Лингвистическая переменная Термы Носитель нечетного множества
Высокая 90... 95
Выше среднего 8 9 О
Эффективность очистки по ХПК, % Норма 8 О 8 7
Ниже среднего 7 О 8 О
Низкая 6 о 7 о
Таблица 2
ТЛП для моделирования глобального состояния технологического процесса
У1 У2 Уз У
Н Н Н
ВН ВН НН Н
ВН Н Ни
ВН Н ВН
На основе экспертных данных путем применения метода парных сравнений [3] были сформированы функции принадлежности ^ (уг), с помощью которых можно соотнести универсальную шкалу с лингвистической - /].
Принятие решения по приведенной выше ТЛП осуществляется путем проведения логической операции «И» по горизонтали и операции «ИЛИ» по вертикали. Согласно [4], для вычисления степени принадлежности нормальному глобальному состоянию У технологического процесса используется выражение
4 .
АУ) = и IV (Уг), (!)
У=«Н» г=1
где I] с {/1 = «Ни», /2 = «НН», 1з = «Н», /4 = «ВН», /5 = «В»}.
Аналогично вычисляются степени принадлежности термов к остальным значениям заданной лингвистической шкалы по всей базе правил нечеткого вывода.
В качестве критериев воздействия на качество процесса совместной переработки отходов взяты лингвистические переменные: Х1 - соотношение полимер -наполнитель; Х2 - введение ОВС; хз - введение пластификатора. Пример области определения лингвистического терма Х1 на носителях нечеткого множества приведен в табл. 3.
В табл. 4. приведена часть экспертной нечеткой базы правил для моделирования параметров х1, Х2, хз воздействия на качество процесса совместной переработки отходов, которая с соответствующими значениями у1, у2, уз была использована в качестве обучающей выборки для нейронной сети СППР. Нейронная сеть
Область определения лингвистического терма xi
Лингвистическая переменная Термы Носитель нечетного множества
Высокая 270...300
Соотношение Выше среднего 240...270
полимер - наполнитель, Норма 230.240
масс. ч. Ниже среднего 210.230
Низкая 180.210
Таблица 4
ТЛП для моделирования параметров воздействия на качество процесса совместной переработки отходов
xi x2 x3 Y
В НН ВН
В Ни В
ВН НН Н Н
НН ВН Н
Н НН НН
может быть реализована средствами программного продукта Matlab Version 6.0 со встроенным пакетом Fuzzy Logic Toolbox.
Правила задавались на основе экспертных данных без ранжирования критериев состояния системы. Выбор правила формально можно описать следующим образом:
Y' = UUn ^ (xi, x2, x3), i = 1,-,3, (2)
xi x=xi xi
где lj с {li = «Ни», і2 = «НН», із = «Н», і4 = «ВН», і5 = «В»}.
Рациональный выбор алгоритма дефаззификации при синтезе нечетких регуляторов автоматизированных систем управления в программной среде Matlab Version 6.0 с использованием пакетов Fuzzy Logic Toolbox и Simulink, согласно [5], предполагает использование алгоритма Сугено, который представляет собой следующую процедуру:
1) агрегирование условий в ТЛП (для нахождения степени истинности условий всех правил нечетких продукций применялась логическая операция минимума конъюнкции);
2) активизация значений из экспертной нечеткой базы правил, согласно ТЛП, осуществляется по формуле (2), после чего рассчитываются нечеткие значения выходных переменных каждого правила, полученного по формуле
(У )yl
Ух =—t--------------, i = 1,-3, (3)
X^° (Ух )
i
где ц ° (yx) - функции принадлежности l-го терма воздействия x i-му терму со-
стояния у;
3) аккумуляция заключений нечетких правил продукций;
4) дефаззификация выходных переменных, осуществляется с использованием модифицированного метода центра тяжести с, для одноточечных множеств
П
ciwi
I
У = 1=П--------------------------------------, (4)
li
i=1
где cx - центр тяжести множества; wx - соответствующий вес правила нечеткой продукции; п - общее количество активных правил нечетких продукций.
Обучение сети проведено итеративным градиентным методом с помощью комбинированного алгоритма обратного распространения ошибки с возмущением и адаптацией параметра скорости настройки сети [6].
Выбор начальных сенаптических весовых коэффициентов (вес правила нечеткой продукции в формуле (4)) и начальных значений смещений для нейронов скрытых слоев проводился на этапе статической настройки сети с целью установки максимальной чувствительности к вариации параметров. Так, для ядра Am обработка данных была определена по формуле
sm (v) = zm (u)wm (u, v), (5)
где wm (u, v) - соответствующий нейрону u выход v ядра Axm весовой коэффициент; zm (u) - значение функции сдвига нейрона и ядра Am.
Новые значения сенаптических весовых коэффициентов wx, в соответствии с принципом градиентного поиска, получаются из предыдущих значений путем аддитивной коррекции в направлении антиградиента XAJ (w) по формуле
Wnew = Wold -^AJ(w), (6)
где wnew - новое значение коэффициента wx; woid - старое значение коэффициента wx.
Для любого слоя координаты градиента определяются частными производными по обобщенной ошибке для координаты соответствующего рецепторного поля. Выражение для критерия обучения имеет вид
3=ЕЕ( (у)- 2з Й2, (7)
3 V
где у’3 (у) - выход3-го нейрона; 2^ (у) - сдвиг выхода3-го нейрона.
Топология нейронной сети СППР (рис. 3) представляет собой двухслойную сеть прямого распространения, которая отличается простотой связей между ней-
ронами. В соответствии с областью определения лингвистических переменных, сеть имеет по 3 ядра на входном и выходном слоях, по проведенным численным экспериментам с помощью системы диагностики СППР в скрытом слое решено использовать 4 ядра. В качестве функций активации применена сигмоидальная функция.
Модель системы диагностики СППР в среде Matlab Version 6.0 представляет собой структуру из пяти файлов-програмфм (рис. 4). При NETCREATE.M на экране появляется график, подобный изображенному на рис. 5, отображающий зависимость величины ошибки обучения от числа циклов обучения.
Входной Скрытый Выходной слой слой слой
Рис. 3. Топология нейронной системы
Рис. 4. Модель системы диагностики СППР
Рис. 5. Зависимость величины ошибки обучения от числа циклов обучения
Эффективность очистки по ХПК, %
100
90
80
70
60
50
40
30
20
10
0
Эффективность очистки по ХПК, %
25
21и . 13
Соотношение 180 7 10
полимер - наполнитель, Введение пластификатора,
масс. ч. масс. ч.
■ 95
90
Ш 80
70
60
50
40
L 30
20
10
Рис. 6. Взаимозависимость параметров процесса совместной переработки отходов производства СК
Анализ результатов работы СППР можно просматривать в виде графиков. На рис. 6 показана дефаззифицированная зависимость лингвистической переменной У2 («Эффективность очистки по ХПК») от х\ («Соотношение полимер - наполнитель») и хз («Введение пластификатора») после выбора начальных сенаптических весовых коэффициентов V и начальных значений смещений 2™ (и) для нейронов скрытых слоев. В режиме функционирования СППР по мере самообучения нейронной сети данные результаты изменятся, так как значение критерия обучения (7) минимизируется.
Список литературы
1. Совместная утилизация отходов производства синтетического каучука /
B.И. Корчагин [и др.] // Экология и промышленность России. - 2006. - № 10. -
C. 8-10.
2. Пат. 2293751 С1 Российская Федерация, МПК7 С 08 С 1/00, С 08 С 1/14, С 08 К 3/04. Способ получения модифицированных наполненных эмульсионных каучуков / Корчагин В.И., Полуэктов П.Т., Власова Л. А., Шутилин Ю.Ф., Корчагин М.В. - № 2006103463/04 ; заявл. 06.02.2006 ; опубл. 20.02.2007, Бюл. № 5. -
4 с. : ил.
3. Ротштейн, А.П. Нечеткий многокритериальный анализ вариантов с применением парных сравнений / А.П. Ротштейн, С. Д. Штовба // Известия РАН. Теория и системы управления. - 2001. - № 3. - С. 150-154.
4. Королев, А. С. Модели и алгоритмы интеллектуальной поддержки принятия решений при создании открытых информационных систем : автореф. дис. ... канд. техн. наук : 05.13.01 / А.С. Королев. - М., 2007. - 18 с.
5. Прасов, М. Т. Алгоритм дефаззификации при синтезе нечеткого регулятора автоматизированных систем контроля и управления / М.Т. Прасов, М.Н. Анохин // Промышленные АСУ и контроллеры. - 2006. - № 6. - С. 41-42.
6. Медведев, В.С. Нейронные сети. МАТЬАБ 6 / В.С. Медведев, В.Г. Потемкин ; под общ. ред. В.Г. Потемкина. - М. : Диалог-МИФИ, 2002. - 496 с.
Decision Making Support System in Management of the Process of Consolidated Utilization of Industrial Waste of Synthetic Rubber
11 12 V.K Bityukov , M.V. Korchagin , S.G. Tikhomirov , V.I. Korchagin
Departments: “Information and Control Systems ” (1),
“Machines and Apparatuses of Chemical Production” (2),
Voronezh State Technological Academy
Key words and phrases: consolidated utilization; decision-making support system; expert survey; formalization of fuzzy rules; fuzzy control; table of linguistic rules.
Abstract: The approach to designing the decision-making support system for control over technological process of consolidated utilization of industrial waste of
synthetic rubber is proposed. The results of realization of the applied algorithms and methods of decision-making with regard for peculiarities of control over technological process and the results of expert survey are given.
System der Untersttitzung der Beschltissefassung in der Steuerung vom Prozess der gemeinsamen Verwertung der Abfalle der Produktion des synthetischen Kautschukes
Zusammenfassung: Es ist das Herangehen zur Konstruktion des Systems der Unterstutzung der Beschlussfassung fur die Verwaltung vom technologischen Prozess der gemeinsamen Verwertung der Abfalle der Produktion des synthetischen Kautschukes angeboten. Es sind die Ergebnisse der Realisierung der vom System verwendeten Algorithmen und der Methoden der Beschlussfassung unter Berucksichtigung der Be-sonderheit der Steuerung vom technologischen Prozess und der Ergebnisse der Exper-tenumfrage angefuhrt.
Systeme du soutient de la prise des solutions dans la commande du processus de l’utilisation commune des dechets de la production du caouthouc synthetique
Resume: Est proposee une approche envers la construction du systeme de la prise des solutions dans la commande du processus technologique de l’utilisation commune des dechets de la production du caouthouc synthetique. Sont cites les resultats de la realisation des systemes des algorithmes et des methodes de la prise des solutions compte tenu de la specificite de la commande du processus technologique et des resultats du processus d’expert.
