Размещено на http://www.allbest.ru/

Реферат

по дисциплине

"Моделирование систем”

на тему

"Модели неопределенностей в системах управления производством”

Содержание

• Введение
• 1. Разработка виртуального анализатора состава продуктов промышленной колонны азеотропной ректификации на основе комбинированной модели
• 1.1 Введение и постановка задачи
• 1.2 Основные результаты
• 1.3 Заключение
• 2. Модель и методы описания сложного производственного объекта в условиях неопределенности
• 2.1 Введение
• 2.2 Моделирование сложных производственных объектов в условиях неопределенности
• 2.3 Диалоговая нечеткая модель прогнозирования температуры металла в сталеразливочном ковше
• 2.4 Пример расчета температуры выпуска
• Заключение
• Список использованной литературы

Введение

Рассматривается решение задачи разработки виртуального анализатора (ВА) составов продуктов промышленной колонны азеотропной ректификации. Предлагается использовать комбинированную модель колонны, содержащую модель материальных балансов и нелинейную зависимость фазового равновесия. Приводятся результаты промышленных испытаний ВА в экспертной системе реального времени, результирующей стратегию экстремального управления в смысле критерия энергозатрат.

1. Разработка виртуального анализатора состава продуктов промышленной колонны азеотропной ректификации на основе комбинированной модели

1.1 Введение и постановка задачи

Применение виртуальных анализаторов позволяет контролировать качество продуктов производства в реальном времени. В настоящей работе рассматривается стадия ректификации производства водного раствора 3-хлоро-2-гидроксипропил-триметиламмониум хлорида (ХГПТАХ, , CAS: 3327-22-8). На рисунке 1.1 изображена колонна азеотропной ректификации. В солевом растворе питания F содержится дихлоропропанол (ДХП) и эпихлорогидрин (ЭХП), образующие азеотропные смеси с водой. Температуры кипения азеотпропов меньше чем точка кипения воды, и они отводятся с верхним потоком D. Нижний продукт B является целевым и на его качество наложены ограничения по концентрации ХГПТАХ. Содержание ДХП и ЭПХ в питании непрерывно изменяется, поэтому возникают задачи контроля и стабилизации , манипулируя расходами чистой воды (P. W.) и пара (S). Для решения поставленных задач необходимо иметь модель процесса для оценки в реальном времени.

Колонна является сильно нелинейным полистационарным объектом. На рисунке 1.2 показана зависимость коэффициента активности воды от ее концентрации в растворе ХГПТАХ (промышленные данные).

На основе ВА, функционирующем в реальном времени, необходимо решать задачу экстремального управления

; ,

Где u = [P. W.; T6] - вектор управлений; d = [F, Состав питания] - вектор возмущений (как контролируемых, так и неконтролируемых).

Рисунок 1.1 - Колонна азеотропной ректификации и система экстремального управления

Рисунок 1.2 - Множество стационарных состояний колонны

1.2 Основные результаты

Построение модели насадочной колонны, используя концепции равновесной или неравновесной ступени разделения, требует знания многих параметров фазового равновесия и гидродинамических характеристик насадок, которые не доступны в нашем случае и для их получения необходимо проведение специальных лабораторных исследований. Предлагается комбинированная модель (рисунок 1.3) ректификационной колонны. Она сочетает в себе известные закономерности процесса, например, материальные балансы, давление насыщенных паров компонентов и т. д, а также учет влияния профилей температуры и давления на состав продуктов разделения посредством нелинейной части (НЧ). В качестве НЧ используется нейронная сеть.

Рисунок 1.3 - Блок схема комбинированной модели для оценки концентрации ХГПТАХ в нижнем продукте В: - параметр разделения

Преимущество комбинированной модели заключается в понижении размерности вектора входных переменных (по сравнению с непосредственным использованием регрессионных или нейросетевых моделей) за счет найденного способа разделения взаимосвязи термодинамических параметров (T, P) с материальными балансами колонны. Синтез НЧ связан с оптимизацией структуры нейронной сети. Была оптимизирована структура 2-х слойной нейросети прямого распределения. На рисунке 1.5 изображены результаты on-line применения комбинированной модели для оценки состава с целью современного предупреждения нарушений ограничения на качество раствора ХГПТАХ.

Полученный ВА был интегрирован в экспертную систему экстремального управления. Схема реализаций которой изображена на рисунке 1.4 Разработано специальное программное обеспечение, осуществляющее взаимодействие с PHD-сервером (Process History Database, Honeywell Inc.), а так же с базой данных качества продуктов заводской лаборатории (LIMS).

Рисунок 1.4 - Интеграция виртуального анализатора в экспертную систему реального времени

Рисунок 1.5 - Интерфейсная форма экспертной системы экстремального управления

На рисунке 1.5 приведена форма взаимодействия оператора и экспертной системы, через которую осуществляется инициализация и настройка ВА.

модель неопределенность производственный процесс

Рисунок 1.6 - Результаты промышленного применения комбинированной модели (данные за одни сутки)

Рисунок 6 содержит результаты тестирования ВА в режиме наблюдения (WARM MODE) за концентрацией ХГПТАХ.

1.3 Заключение

В заключении изложим на основе ВА, функционирующем в реальном времени, решена задача экстремального управления. Разработанное специальное программное обеспечение, осуществляющее взаимодействие с PHD-сервером, а так же с базой данных качества продуктов заводской лаборатории (LIMS), значительно упростил задачу. Получен экономический эффект от внедрения ВА. На рисунке 1.7 показано, что достигнуто 25% -ое снижение энергозатрат (потребление колонной перегретого водяного пара S).

Рисунок 1.7 - Сравнительный анализ режимов функционирования колонны до и после внедрения ВА

2. Модель и методы описания сложного производственного объекта в условиях неопределенности

В работе рассмотрена проблема моделирования сложных производственных процессов в условиях недостаточности и неточности информации, описаны особенности формализации качественной информации на основе теории нечетких множеств, предложена нечеткая модель оценки температуры выпуска металла.

2.1 Введение

Для многих производственных объектов технологические взаимосвязи процессов и параметров очень сложны и трудно формализуемы. При их моделировании возникает проблема преодоления неопределенности, связанной с ограниченной наблюдаемостью и изученностью технологических процессов, присутствием в контуре управления человека. Вместе с тем имеется большой практический опыт управления такими объектами, методы расчета отдельных параметров технологических процессов, разработаны и применимы с удовлетворительной точностью модели отдельных подсистем.

Эффективным способом преодоления проблем неопределенности, является привлечение и обработка наряду с уже имеющейся, дополнительной качественной информации, представляющей собой знания, суждения специалистов-экспертов. Данный подход предполагает построение модели сложного производственного объекта на основе комбинированной информации: это могут быть значения физических измеряемых величин, теоретические сведения, оценки по применяемым на практике функциональным зависимостям, интуитивные, размытые оценки на основе эвристик, эмпирических правил.

2.2 Моделирование сложных производственных объектов в условиях неопределенности

Получение и использование комбинированной информации при системном моделировании сложных производственных объектов, требует решения вопросов ее формализации и представления в универсальной форме.

Эффективным средством является аппарат теории нечетких множеств, он позволяет математически описать качественную информацию, представляющую собой знания и суждения специалистов-экспертов об исследуемом объекте.

2.3 Диалоговая нечеткая модель прогнозирования температуры металла в сталеразливочном ковше

Прогнозирование температуры металла в сталеразливочном ковше (СК) на любом временном отрезке при его прохождении от конвертера до машины непрерывного литья заготовки (МНЛЗ) является важной производственной задачей, решение которой затрудненно.

На температуру металла в СК оказывают влияние множество технологических факторов, причем влияние большинства из них нестабильно и трудно предсказуемо.

Среди факторов, оказывающих наибольшее влияние потери тепла, выделяют тепловое состояние футеровки СК. Этот вопрос является молоизученным и вызывает трудности при расчете температурных характеристик СК. Помимо этого задачу осложняет неполнота доступной информации о некоторых физико-химических свойствах металла и шлака.

Возможным выходом в такой ситуации является использование комбинированной информации в виде результатов расчета балансов, теоретических основ термодинамики и суждений специалистов.

При построении модели мы руководствовались следующими принципами:

там, где это возможно, для оценки параметров используются существующие модели, дающие точность результата, устраивающую специалист-эксперт. Например, для оценки химического состава металла и шлака будем использовать результаты расчета материального баланса плавки;

специалист-эксперт (технолог), имея в своем распоряжении показания приборов, различные мнемосхемы и графики, теоретические знания, а также анализируя поведения косвенных параметров, может сделать приблизительный вывод о значении неизвестного показателя.

Исходя из анализа изменения температуры металла а так же проведенного экспертного опроса для формального описания проблемы расчета температуры металла в СК на участке "конвертер-установка внепечной обработки стали (УВОС) ”, были выбраны переменные, указанные в таблице 2.1. Все переменные модели рассматриваем как лингвистические.

В качестве значений входных переменных (Х1, Х7-Х24) Разработанная нечеткая модель может использовать данные замеров, так и результаты их оценки по материальному балансу. Все параметры, описывающие рассматриваемый процесс в той или иной степени содержат неопределенность.

Длительность выдержки (Х2) металла в конвертере и транспортировки СК (Х25) определяются в большей степени факторами организационного характера, например ожидание СК, неготовность агрегата к приему плавки. Здесь неопределенность связанна с многокритериальной зависимостью длительности пребывания плавки на технологических этапах.

Неполнота информации для оценки параметров ZZ1-ZZ25 связана с недостаточной изученностью зависимости теплофизических свойств от температуры и химического состава металла.

Таблица 2.1 - Переменные модели прогнозирования температуры металла в СК на участке "конвертер-УВОС”

Сталевар оценивает износ сталевыпускного отверстия (Х4) по количеству образовавшихся колец на футеровке конвертера и делает приближенную оценку типа "умеренный" - "около 1,5 мм”, "большой" - ”около 2-3 мм”. Здесь неопределенность заключается в размытости лингвистических оценок.

Было выявлено, что температура выпуска, которая заносится в паспорт плавки, в некоторых случаях не соответствует реальной. В паспорт заносят температуру последнего замера, а время нахождения плавки в конвертере от последнего замера до выпуска, в течении которого происходят дополнительные тепловые потери, не учитывается. В связи с этим предлагается ввести переменную Z1 - температура на выпуске, обусловленная плавкой, которая отражает влияние X2 - длительность выдержки перед выпуском. Причем это влияние технологи оценили как "приблизительно 0,5-1,5 /мин”.

Длительность выпуска (Z2) оценивается сталеваром по состоянию сталевыпускного отверстия, длительности выпуска предыдущей плавки и исходя из собственного опыта.

Расчет температуры ликвидус (Z3) вызывает трудности, так как на ее значение оказывает влияние большое количество факторов, основными из которых являются содержание химических элементов в металле и условия их взаимодействия. В условиях отсутствия универсальной формулы технологами принята следующая методика оценки температуры ликвидус:

,

где - температура плавления чистого железа, ; - коэффициент приведения температуры плавления чистого железа (вводится, если применяется температура плавления, отличная от приведенной выше); - коэффициент значимости для соответствующего i-го элемента, содержащегося в данной марке; [i] - содержание i-го элемента в данной марке стали, %.

Для оценки потерь тепла в зависимости от расхода ТШС (Z4), использовалась методика снижения температуры металла после ввода ТШС:

,

где - затраты тепла на нагрев ТШС до температуры разложения известняка, кДж; - затраты тепла на разложение известняка, кДж; - затраты тепла на расплавление смеси и нагрев до температуры стали, кДж; - затраты тепла на нагрев до температуры стали, кДж; 0,836 - теплоемкость стали, кДж/ (кг*К); m - масса плавки, кг.

Для оценки Z2, ZZ1, ZZ4 и ZZ5 были разработаны правила условного логического вывода, имитирующие рассуждения специалиста-эксперта.

В качестве примера приведем фрагмент нечеткого отображения , отражающего зависимость между планируемой длительностью выпуска предыдущей плавки от износа сталевыпускного отверстия , его диаметра и длительности выпуска предыдущей плавки . Результаты экспертного опроса приведены в таблице 2.2.

Предложенная нечеткая модель используется в рамках разрабатываемой нами диалоговой системы прогнозирования температуры металла в СК на всех участках технологического маршрута "конвертер-МНЛЗ”. К настоящему времени разработан программный модуль расчета тепловых потерь температуры металла в СК на участке "конвертер-УВОС”.

2.4 Пример расчета температуры выпуска

В качестве примера приведем расчет температуры выпуска для стали марки 3сп при следующих входных данных (таблица 2.3)

С помощью разработанной нечеткой модели получены следующие оценки ожидаемых тепловых потерь (таблица 2.4).

Таблица 2.2 - Нечеткое отображение

Таблица 2.3 - Значение входных переменных

Таблица 2.4 - Ожидаемые тепловые потери и предварительная температура выпуска

Итак, предварительно рассчитанная температура составляет . Технологические указания предписывают температуру выпуска для стали марки 3сп равную 1695-1710. В случае если технолога не устраивает рассчитанная температура, он может исследовать пути ее снижения.

Заключение

Опираясь на знания специалистов предметной области, используя традиционные методы оценки отдельных параметров на основе фундаментальных законов, максимально учитывая опыт управления сложными производственными объектами, можно разработать комплекс эффективных методов, алгоритмов для исследования и управления объектом в условиях неполноты информации.

Предложенное лингвистическое описание неопределенных параметров, характеризующих работу и техническое состояние производственного объекта, позволяет заложить в модель более полную совокупность сложных внутренних взаимосвязей параметров объекта.

Предложена нечеткая модель прогнозирования металла в СК. На основе методов теории нечетких множеств и экспертных оценок в модели представлена вся доступная информация, что в конечном итоге позволяет учесть некоторые факторы неопределенности, дает возможность технологу корректировать модели под текущую производственную ситуацию, передавать системе свои знания и опыт. Технолог получил дополнительный инструментарий для анализа различных производственных ситуаций и выявления потенциальных проблем.

Список использованной литературы

1. Разработка виртуального анализатора состава продуктов промышленной колонны азеотропной ректификации на основе комбинированной модели. - Режим доступа: http://www.econf. info/SICPRO-08/Industrial-Applications/1318.html

2. Модель и методы описания сложного производственного объекта в условиях неопределенности. - Режим доступа: http://www.econf. info/SICPRO-08/Intelligent-Systems-and-Information-Technologies/1391.html

Размещено на Allbest.ru