Нейросетевая поведенческая модель оператора асу тп icon

Нейросетевая поведенческая модель оператора асу тп


Смотрите также:
Лекция 5 Методы построения математических моделей асу...
Лекция 4 Обеспечивающие подсистемы асу. Математическое, программное, лингвистическое...
МоделЬ контроля качества подготовки оператора системы управления промышленным предприятием...
Программа курса лекций...
Лекция Введение...
Современные системы комплексной автоматизации подстанции...
Нейросетевая модель выявления и распознавания технологических ситуаций в рамках методологии data...
Первичная обработка информации в асу тп...
Специалист
Об одном интерполяционном процессе типа Лагранжа (статья)...
Концепция построения и реализация асу тп объектов энергетики на компонентах...
Автоматизированная система управления (асу)...



Загрузка...
скачать
УДК: 681.518+004.032.2

НЕЙРОСЕТЕВАЯ
ПОВЕДЕНЧЕСКАЯ МОДЕЛЬ ОПЕРАТОРА АСУ ТП



Ю.И. Еременко, д.т.н.

С.Ю. Халапян, к.т.н.

Д.Ю. Ярмуратий, аспирант

СТИ НИТУ МИСиС, Старый Оскол, Россия, jiopg2007@yandex.ru


В настоящее время уровень автоматизации промышленных предприятий постоянно совершенствуется. Но ввиду сложности адекватного математического моделирования ряда многосвязных и многопараметрических объектов управления для оперативного управления технологическим процессом разработчики АСУ ТП вынуждены вводить в контур управления человека-оператора. При этом оператор, решая задачу глобального управления, руководствуется собственными интуитивными представлениями об объекте управления, о взаимосвязи технологических параметров.

В связи с этим показатели эффективности и безопасности технологического процесса не оптимальны. Зачастую это усугубляется недостаточным уровнем квалификации или внимательности оператора, состоянием его здоровья, высокой степенью ответственности за принимаемые решения.

Для преодоления вышеперечисленных проблем предлагается разработка поведенческой модели оператора [1], которая могла бы подсказывать ему приемлемые, адекватные в сложившейся ситуации решения или вообще заменить его (вывести из контура управления).

За последние годы в промышленности находят все более широкое применение методы искусственного интеллекта (ИИ) [2], позволяющие повысить качественные показатели технологического процесса. Наиболее эффективным и быстроразвивающимся направлением ИИ, способным к экстраполяции и аппроксимации зависимостей, является аппарат искусственных нейронных сетей (ИНС).

Особенности задачи оперативного управления технологическим процессом позволяют предположить, что ИНС, обученная на основе ретроспективной информации о состоянии объекта управления и соответствующих действиях оператора, сможет выдавать на выходе эффективные решения (управляющие сигналы) на основе анализа ситуаций, сложившихся на ОУ. Эти решения должны упростить работу оператора и повысить качество функционирования системы в целом.

Исследование возможности применения ИНС для создания поведенческой модели оператора сопряжено с необходимостью накопления ретроспективных данных с частотой дискретизации, достаточной для принятия решения оператором. В такой ситуации имеет смысл на первой стадии исследований провести серию экспериментов с объектом относительно простой структуры. В качестве такого объекта была выбрана лабораторная муфельная электронагревательная печь. Объект управления оборудован лабораторным автотрансформатором, позволяющим имитировать внешние возмущения путем изменения мощности нагревательного элемента.

Для управления лабораторным объектом оператор располагает двумя возможностями:

– непосредственное включение/выключение нагревательного элемента (дискретное управление);

– установка необходимой действующей интенсивности нагрева в процентах (аналоговое управление).

При дискретном управлении задачей оператора является стабилизация температуры печного пространства на заданном уровне с погрешностью не более 4% (рис. 1). На основе полученной ретроспективной информации сформированы выборки, необходимые для обучения и проверки адекватности нейросетевой модели.



Рис. 1 Работа печи под управлением оператора,
дискретное управление



В пакете MatLAB R2009b была смоделирована прямосвязная нейронная сеть, на входы которой подавались значение температур в момент принятия решения и за 2, 4, 6 … 20 с до этого. На выходе формировалось дискретное значение (1 или 0), которое отражало выбранное сетью состояние нагревательного элемента (включен или выключен). В результате обучения нейронной сети была получена поведенческая модель оператора. Ее использование позволяет управлять лабораторной установкой (рис. 2) не хуже, чем это делал оператор.



Рис. 2 Работа печи под управлением ИНС,
дискретное управление



Суть метода аналогового управления состоит в использовании принципа широтно-импульсной модуляции. Оператор печи задает необходимую интенсивность U ее нагрева в процентах (U  [0, 100]). Заданное значение интенсивности преобразуется контроллером в последовательность импульсов скважностью 1/U.

Задача оператора при этом остается неизменной. Из графиков работы печи (рис. 3) видно, что благодаря его действиям температура, как и при дискретном управлении, стабилизируется на заданном уровне 500 0С с погрешностью не более 4%.



Рис. 3 Работа печи под управлением оператора,

аналоговое управление


В пакете MatLAB смоделирована аналогичная по структуре ИНС (в данном случае выходной нейрон формирует сигнал управления из диапазона [0, 100]). После ее обучения был получен результат управления нагревательной печью, представленный на рис.4. Как видно из графика, погрешность стабилизации температуры и в этом случае не превышает 4%.



Рис. 4 Работа печи под управлением ИНС,

аналоговое управление


В результате проведенных экспериментов было установлено, что поведение оператора, управляющего электронагревательной печью, может быть смоделировано путем обучения ИНС на ретроспективной информации. Полученная нейросетевая поведенческая модель может использоваться для управления объектом. Следует также отметить, что ИНС одинаково успешно осуществляет как аналоговое, так и дискретное управление, что расширяет область дальнейших исследований и возможности применения разрабатываемого метода моделирования.

Разработка нейросетевой поведенческой модели оператора позволит: повысить качественные показатели и безопасность технологического процесса, находящиеся в руках одного человека и зависящих от его знаний, опыта, состояния здоровья; увеличить эффективность принимаемых решений за счет снижения информационной нагрузки на оператора; решить проблему сохранения знаний опытных операторов.


Список используемой литературы:

1. Еременко А.Ю., Халапян С.Ю. Об исследовании эффективности нейросетевой поведенческой модели оператора нагревательной печи/ Сборник научных и научно-методических докладов научно-практической конференции с международным участием “Образование, наука, производство и управление”. - Старый Оскол: СТИ НИТУ МИСиС, 2010. - Т.1. - с.154 - 157.

2. Рутковский Л. Методы и технологии искусственного интеллекта/ Пер. с польск. И.Д. Рудинского. – М.: Горячая линия – Телеком, 2010. – 520с. ил.




Скачать 50,01 Kb.
оставить комментарий
Дата29.09.2011
Размер50,01 Kb.
ТипДокументы, Образовательные материалы
Добавить документ в свой блог или на сайт

отлично
  5
Ваша оценка:
Разместите кнопку на своём сайте или блоге:
rudocs.exdat.com

Загрузка...
База данных защищена авторским правом ©exdat 2000-2017
При копировании материала укажите ссылку
обратиться к администрации
Анализ
Справочники
Сценарии
Рефераты
Курсовые работы
Авторефераты
Программы
Методички
Документы
Понятия

опубликовать
Загрузка...
Документы

наверх