WEB-ресурс научно-практических конференций

Синявская Е.Д.

Южный федеральный университет Технологический институт в г . Таганроге, Российская Федерация

РАЗРАБОТКА КОМПОЗИЦИОННОЙ МОДЕЛИ УПРАВЛЕНИЯ ДЛЯ СОВЕРШЕНСТВОВАНИЯ РАБОТЫ ТЕХНОЛОГИЧЕСКОГО ПРОЦЕССА

На сегодняшний день непрерывный рост потребности, как в количественных, так и в качественных показателях производства привели к значительному усложнению технологических объектов и связей между ними. Производственные процессы представляют собой сложные, иерархические, трудноформализуемые объекты управления. Такие объекты сильно отличаются от простых объектов управления. Для автоматизации сложных производственных процессов необходимо построение сложных систем, которые основываются на структурном синтезе, идентификации параметров, поиске методов решений, экспериментах и т.д. Используемое технологическое оборудование довольно быстро устаревает. Т.е. целесообразно внедрять новые методы и технологии для управления уже имеющимся оборудованием.

Одной из основных проблем, связанных с управлением технологическими процессами является определение оптимального варианта функционирования системы. Возникает задача прогнозирования поведения сложных систем . Это связано с тем, что на рассматриваемые объекты управления воздействуют внешние и внутренние факторы, контролируемые и неконтролируемые возмущения, окружающая среда . Проследить за изменениями состояния системы и учесть все компоненты, влияющие на процесс, не всегда возможно. Для управления такими объектами разработчику необходимо учитывать влияние среды, изменение состояния объекта, природу технологического процесса, качественные характеристики объекта, субъективность действий и описаний оператора. Поскольку объекты управления связаны с различными отраслями производства, то наибольшее воздействие и возмущение вызывают такие параметры, как инерционность, запаздывание, нагрев оборудования, температурное воздействие. Принятие решений об управлении в таких ситуациях происходит при неточности или неполноте информации об объекте или неизвестности результата действий и его последствиях [1; 2]. Таким образом, управление и принятие эффективного решения усложняется не только природой производственного процесса, но и наличием априорной неопределенности исходных данных.

Рассмотрим, в качестве одного из возможных вариантов решения рассматриваемой задачи, применение модели композиции для управления технологическим процессом. Такой подход принятия решений позволяет решить ряд рассмотренных раннее задач [3]. Сведения об ОУ, среде функционирования, целях управления и решениях могут быть описаны при помощи средств естественного языка, нечетких множеств, лингвистических переменных. Это позволяет учитывать и анализировать качественную, а также неполную и неточную информацию.

Модель композиции основывается на применении правил композиции: В данном случае учет качественных характеристик ОУ осуществляется за счет использования лингвистических переменных и теории нечетких множеств [4]. При построении модели композиции ОУ записывается в виде тройки ( W , U , R ), где множество W = X ? Y ? Z ? … ? S – множество входных сигналов, состояний ОУ в момент времени t ₀ . U – нечеткое отношение, приводящее к выполнению следующего условия W ? R R . Множество R ={ r ₁ , r ₂ ,…, r _q } – множество управляющих решений.

Построение модели композиции имеет следующую последовательность [5]. Вначале на основе экспертных знаний, наблюдений, качественных и количественных характеристик ОУ, определяется множество входных сигналов W . Для всех сигналов множества W определяются соответствующие лингвистические переменные A , B , C ,…, D , для каждой из них задаются значения ? _i ,=[1, n ] , ? _j =[1, m ], ? _k =[1, l ]. Диапазон значений для лингвистических переменных задается экспертным путем. На основании целей управления и ограничений формируются управляющие решения R . Для достижения нужного состояния ОУ, т.е. эффективного управления, задается множество правил U. Композиционные или продукционные правила формируются экспертами, имеют субъективный характер, но позволяют учитывать неточно определенные данные ОУ.

Нечеткая база знаний содержит совокупность правил {? _q } вида «Если A есть ? _i , и B есть ? _j то C есть ? _k ». По каждому правилу формируется функция принадлежности   ( w _{n ,} r _m ), которая определяет выбор того или иного решения r _q . Модель вычисления степени истинности нечетких правил вывода имеет вид:

( W , U , R ) ), W = X ? Y ? Z ? … ? S ,                                                  

                                                          (1)

где l – число правил продукции.

В определенный момент времени t ₀ состояние ОУ можно выразить в качестве точки с координатами w ₀ =( x ₀ , y ₀ , z ₀ ,…, s ₀ ) . Затем для значений координат этой точки вычисляется функция принадлежности примет вид ? _u ( w _0, r _q ). Далее, исходя из сформированных правил, определяется правило, для которого функция принадлежности имеет максимальное значение:

  ( x _1, y ₁ )=   ( w _0, r _q ).                                        (2)

В качестве вывода решения могут применяться известные алгоритмы вывода Мамдани, Сугено, Цукамато, Ларсена [6]. Данные алгоритмы по-разному реализуют нечеткий логический вывод, но существенных отличий не имеют. Правильно подобранный алгоритм вывода может повысить точность получаемого управляющего сигнала.

Качество работы системы и эффективность модели композиции зависит от точности назначения функций принадлежности, задания композиционных правил и выбора управляющих решений. Достоинствами данной модели является упрощение и сокращение объема по сравнению с ситуационной моделью, в данном случае не хранятся все ситуации, а учитываются только основные, самые значимые ситуации. Тогда как недостатком модели является вероятность того, что множество управляющих решений задано не достаточно полно. Также продукционные правила, сформированные экспертами, носят субъективный характер, они могут приводить к удовлетворительному решению, а могут, и нет, не исключается возможность появления погрешности вывода больше допустимой. Т.е. модель композиции позволяет учитывать априорную неопределенность исходных данных, она применима при решении трудноформализуемых задач управления. Для ее эффективного использования, необходимо добавление дополнительных действий, которые смогли бы устранить субъективный характер задания правил и вывода решений.

Список использованных источников:

1.              Финаев В.И. Модели принятия управляющих решений при определении ситуации поиска в системах автоматической оптимизации / В.И. Финаев, А.А. Айбазова // Вопросы специальной радиоэлектроники: научно-технический сборник. –­ Таганрог: ТНИИС, 2011. – Вып. 2: сер .: Общие вопросы радиоэлектроники. – С. 122–132.

2.              Финаев В.И. Метод оптимизации параметров динамического процесса в условиях неполноты данных / В.И. Финаев, Ю.А. Заргарян // Вестник РГУПС. – № 3 (39). – Ростов н /Д , 2010. – С. 74–78.

3.              Синявская Е.Д. Системы принятия решений для производственных процессов в условиях априорной неопределенности / Е.Д. Синявская //Сборник материалов IX Всероссийской научной конференции молодых ученых, аспирантов и студентов «Информационные технологии, системный анализ и управление» (ИТСАиУ-2011). –Таганрог: ТТИ ЮФУ, 2011. – С. 119–121.

4.              Мелихов А.Н. Проектирование микропроцессорных устройств обработки нечеткой информации / А.Н. Мелихов, В.Д. Баронец. – Ростов н /Д : РУ, 1990. – 128 с.

5.              Финаев В.И. Модели систем принятия решений: учеб . п ос. / В.И. Финаев. – Таганрог: ТРТУ, 2005. – 118 с.

6.              Леоненков А.В. Нечеткое моделирование в среде MATLAB и fuzzy TECH / А.В. Леоненков. – СПб .: БХВ-Петербург, 2005. – 736 с.: ил.