Алгоритм формирования автоматизированной системы управления многостадийными технологическими процессами

Алгоритм формирования автоматизированной системы управления многостадийными технологическими процессами

Автономия в технологической сфере позволяет выразить технологические процессы в сфере местного управления. Эквивалентность операций снижает разнообразие технологических устройств, а также математического и программного обеспечения системы управления ступенями.

Следует отметить, что необходимо остановить процесс разложения на более мелкие составляющие на определенном этапе, поскольку последующее разделение на более мелкие части усложняет решение задачи.
Повышение уровня декомпозиции облегчает управление каждым этапом, но усложняет декомпозируемый объект. По результатам исследования следует отметить, что в процессе декомпозиции технологического процесса должны выполняться следующие условия:
- учитывать их взаимозависимость в процессе декомпозиции технологической схемы на этапы управления;
- представление этапов целевой функции схемы через внутренние параметры;
- каждая ступень не должна иметь более двух выходных параметров;
- цель и критерии декомпозированной схемы те же, что и недекомпозированной; если целевая функция схемы выражается промежуточными параметрами, при большом количестве стадий необходимо минимизировать связи между ними с учетом [95; 150-155 с.].
Задача верхнего этапа Во втором блоке формируется задача оптимизации нижнего этапа (рис. 2.1). Сбор и обработка данных производится в третьем блоке. В четвертом блоке состав сырья определяется на основании данных третьего блока. Сформирована структура математической модели и объективные критерии классификации исходных данных по типу материала и составу сырья .

Рисунок 2.1. Алгоритм адаптивного управления многоступенчатым объектом с переменными параметрами.
На основе метода, выбранного в пятом блоке, разрабатывается управляющая математическая модель стадии и рассчитываются значения параметров модели. Адекватность моделей объектов проверяется в шестом блоке. При несоблюдении адекватности модели объекта параметры модели перенастраиваются до тех пор, пока адекватность не будет достигнута в седьмом блоке. Если модель объекта адекватна, то оптимизационная задача формируется в восьмом блоке. В следующем блоке выбирается сформированный критерий оптимальности. В десятом блоке рассматриваются математические модели ступеней управления и выбранный способ коммутации как оптимальный технологический режим и принимается решение. Разработка и реализация управленческого воздействия осуществляется в одиннадцатом блоке. Наблюдение за обслуживающим персоналом играет важную роль в принятии окончательных выводов по управлению. Высокий уровень квалификации оператора-технолога обеспечивает взаимосвязанность, бесперебойность и высокую эффективность на всех этапах системы управления.
В сложных системных моделях присутствует широкий спектр классов, особенно в KBOP, где существуют корреляции между измеренными значениями и эффектами. Поэтому моделирование объекта обычным способом приводит к ошибочным оценкам независимо от количества наблюдений. В то же время исследуемый объект не является умеренным, поэтому математическая модель не может длительное время отображать идентифицированный объект с требуемой точностью. В таких случаях возникает необходимость разработки и применения адаптивного алгоритма идентификации, адаптирующего параметры на каждом этапе управления к изменяющимся характеристикам объекта управления в начальных случаях моделирования и в случае практического применения [37; 62–67-б., 84; С. 80–88].
В самом широком смысле адаптация — это процесс, посредством которого система приспосабливается к изменениям в той или иной внешней среде. Понятию адаптивного управления обычно придают два значения: адаптация к определенной среде и поиск подходящей для системы среды.
Адаптивные методы используются в следующих случаях:
- при управлении автоматизированными процессами для случаев, когда нет полной информации о математической модели;
- в оптимизации процессов автоматизированной системы управления в результате изменения параметров во времени.
Существуют различные методы и алгоритмы адаптации математических моделей, которые могут различаться по сфере применения, объему необходимых данных, скорости адаптации, объему памяти компьютера и другим признакам. Показатели результатов могут различаться в разных системах управления, поэтому сложно указать общий критерий качества алгоритма и соответственно алгоритм адаптации. В качестве качественного критерия алгоритма адаптации рассматривается умножение выходных показателей процесса для стационарных и нестационарных процессов для минимизации ошибки среднего отклонения.
(2.1)
где объект представляет собой степень несоответствия между выходными данными и параметрами модели. Когда выбрана правильная структура модели функциональная связь (2.1) равна нулю, т.е. модель адекватна объекту.
В большинстве случаев изменение коэффициентов математической модели осуществляется через одно из следующих рекуррентных соотношений [70; С. 62–65]:
(2.2)
(2.3)
где N — итерационный номер; - значение нежелательного параметра на шаге итерации; значение коэффициентов математической модели на шаге итерации; - номер доступа; - определенное положительное число, представляющее эффект бунта бесплатно считаются равными при расчете лимита. Аппроксимация этих алгоритмов адаптации [27; 111–115-с., 67; 28–34]. - значение параметра получено заранее при условии минимизации остаточной дисперсии и анализируются массивы. В общем случае он определяется следующим образом:
(2.2) для алгоритма

Для (2.3)

где д - знак дисперсии, м - количество нежелательных переменных.
В большинстве случаев КБОПО выражается нелинейными уравнениями (2.3). В таких случаях невозможно реализовать коэффициенты уравнения (2.1) непосредственно с помощью алгоритма адаптации (2.2), (2.3). Поэтому для изменения коэффициентов математической модели в нелинейной форме (2.2) необходимо сделать ее линейной.

Алгоритм адаптации всегда сравнивает параметры процесса и выходные параметры, рассчитанные в модели, минимизируя тем самым квадратичное отклонение выхода за счет выбора соответствующих параметров оператора модели (рис. 2.2). При этом модель всегда адаптируется к объекту, ведь разница для каждого нежелательного изменения минимальна. Принцип построения идентифицируемой адаптивной системы управления основан на устранении эффектов параметрического бунта, которые могут возникать при управлении объектом. Идентификатор представляет собой датчик, указывающий на отклонение изменения параметров объекта от нормы.

Рисунок 2.2. Схема адаптации математической модели КБОПО.

«Изменение параметров системы достигается созданием систем управления на основе идентификации характеристик объекта или текущих значений параметров, управляющих адаптивными функциями». [25; 99–109-с.]. Использование гибких моделей в адаптивных системах получило развитие, когда невозможно измерить текущие параметры и переменные. В качестве показателя качества идентификации можно оценить достижение экстремальности некоторых оценочных функций. Процесс минимизации показателей качества предполагает изменение параметров модели или введение дополнительных сигналов адаптации любого адаптивного блока (рис. 2.3).

Ключевой частью алгоритма адаптивной идентификации является процесс вычисления функции качества. Вычислительные процессы зависят от процесса управления. То есть после расчета могут измениться параметры управления или генерируются дополнительные сигналы адаптации на выходе системы по идентифицированным данным.

Рисунок 2.3. Схема адаптивной системы управления программами.
AQ-устройство адаптации; АБТ-базовая система управления; БО-объект управления;
У ₁ - действия руководства по изменению основной системы управления программой;
U ₂ - управляющее воздействие на изменение объекта управления программы;
система управления ИТ; эффект V-бунта; X- входные сигналы , Y- выходные сигналы.
Таким образом, идентифицируемые адаптивные системы имеют два процесса адаптации: идентификацию и управление. Настраиваемая модель может по-разному адаптироваться к идентифицированному объекту, такому как блок. В частности, параллельные, последовательные и смешанные. Кроме того, модель может принадлежать определенной части объекта [68; 33–37-с.].
Иной подход при разработке адаптивной системы управления многоступенчатыми объектами с переменными параметрами основан на использовании блока эталонных моделей (рис. 2.4).

Рисунок 2.4. Система адаптации с параллельно регулируемой моделью
На начальных этапах разработки адаптивных систем операции фильтрации выполняются одновременно с выделением эталонных моделей системы. Однако проблема стагнации адаптационных процессов до конца не решена. Также существует проблема выбора моделей этолона при разработке адаптивных систем модели этолона. Близость эталонных моделей к движению системы оценивается по функции качества, к которой приближается адаптация путем настройки параметров. Таким образом, наиболее разработанная эталонная модель может быть интегрирована в единую структуру адаптивной системы.
Адаптивные системы различаются в зависимости от типа адаптации. Различают ищущий и неищущий типы адаптации. Ввиду сложности расчета изменения значения функции качества решение такой задачи облегчается включением поисковых операций. Как правило, поисковая адаптация требует короткого времени для оценки текущего значения функции качества. Таким требованиям отвечает беспоисковая адаптация. Возможна оценка функций качества адаптивных процессов в режиме реального времени при введении прямой эталонной модели расчета текущей функции качества.
Статус эффективности адаптивной системы управления основан на:
Удобный:

1. 
   Объект управления линейный;
   
2. 
   Система линейная и стационарная - эталонная модель;
   
3. 
   Модель и система одного порядка;
   
4. 
   В диапазоне адаптации параметры изменяются только на основе механизма адаптации;
   
5. 
   Получено количество параметров адаптивной модели в рамках адаптивного управления;
   
6. 
   Из внешних сигналов адаптивной системы воздействуют только нежелательные управляющие сигналы;
   
7. 
   Значение параметров, составляющих адаптивную систему, заранее неизвестно;
   
8. 
   Все компоненты, представляющие состояние системы, измеряются.
   

Текущая ситуация соответствует общей ситуации.
В целом:

1. 
   « Это нелинейная и нестационарная система;
   
2. 
   Пользовательская система безлинейна;
   
3. 
   Порядок модели и объекта не совпадает;
   
4. 
   Адаптивная система не может быть закрытой для всех адаптивных параметров; »
   
5. 
   В процессе адаптации изменяются параметры объекта.
   
6. 
   В системе присутствуют внешние эффекты бунта;
   
7. 
   Измерение компонентов, представляющих состояние объекта, основано на аддитивных взаимодействиях [68; 36–37-с.].
   

Таким образом, задача внедрения адаптивной системы управления решается последовательно: сначала идентифицируется, затем определяется алгоритм управления качеством. Алгоритм адаптивного управления будет иметь двухэтапную структуру (рис. 2.5).

Рисунок 2.5. Блок-схема адаптивной системы управления.

Одношаговый алгоритм называется базовым алгоритмом шага или алгоритмом управления и зависит от вектора управляющих параметров. В каждой области он должен соответствовать цели управления при выборе соответствующих параметров.

Двухшаговый алгоритм изменяет вектор параметров таким образом, что достигает цели управления при неизвестных значениях параметров.


. Динамическая система, состоящая из объекта и устройства, реализующего адаптивный алгоритм управления, называется адаптивной системой управления.