ivdon3@bk.ru
Рассмотрен метод параметрической идентификации модели установившихся режимов технологического процесса, использующий искусственные нейронные сети, на вход каждой из которых подаются измеренные значения входных и выходных технологических переменных процесса, а с одного выхода поступает значение соответствующего параметра модели технологического процесса. Оценена эффективность метода путем проведения вычислительных экспериментов на регрессионных моделях с двумя факторами и моделях установившихся режимов технологических процессов действующих производств. Среднее значение относительной ошибки моделей не превышает 0,43 %. Метод параметрической идентификации применим в адаптивном управлении установившимися режимами технологического процесса. Одно из достоинств метода заключается в том, что при заданной форме математического описания для обучения нейронной сети не требуется статистических экспериментальных значений переменных технологического процесса.
Ключевые слова: метод параметрической идентификации, искусственная нейронная сеть, модель установившихся режимов технологического процесса, адаптивное управление
2.3.3 - Автоматизация и управление технологическими процессами и производствами
В представленной работе приводится обзор подходов к автоматизации процесса сушки в режиме кипящего слоя. В качестве объекта управления рассмотрен технологический процесс сушки хлористого калия в аппарате кипящего слоя на калийном предприятии. В ходе анализа объекта управления отмечено, что, по обобщенному мнению технического персонала рассматриваемого производства, типовые алгоритмы управления (ПИД регуляторы) недостаточно эффективны в задаче автоматического управления тепловым режимом процесса сушки хлористого калия. Управление тепловым режимом на рассматриваемом производстве производится оперативным персоналом в ручном режиме, путем манипулирования расходом сушильного агента. Необходимость одновременно решать и учитывать множество различного рода задач по управлению процессами в сушильном отделении приводит к тому, что оператор оказывается физически не способным постоянно обеспечивать точное поддержание теплового режима сушки в соответствии с регламентом в условиях колебаний расхода влажного кристаллизата, что снижает качество управления процессом сушки и приводит к перерасходу топливного газа. Анализ условий и результатов функционирования рассматриваемого производства показал, что типовые алгоритмы не способны обеспечить требуемое качество управления процессом. Требуется применение более совершенных методов и алгоритмов автоматического управления. Обзор литературных источников показывает, что решение существующей задачи можно найти на основе применения алгоритмов, отвечающих интеллектуальным автоматическим системам управления. Одним из современных подходов к автоматизации сложных, информационно слабо детерминированных технологических процессов, является интеллектуализация системы управления. Интеллектуальными принято считать алгоритмы управления, построенные на основе моделей представления экспертных знаний. Такие алгоритмы способны сохранять работоспособность в условиях нестационарности переменных процесса и неполноты наблюдаемой информации о его состоянии.
Ключевые слова: сушка в кипящем слое, хлористый калий, управление, автоматизация процесса, ПИД, интеллектуальные алгоритмы управления
05.13.06 - Автоматизация и управление технологическими процессами и производствами (по отраслям)
В производстве нефтепродуктов для анализа свойств смеси чаще всего используется исследование спектров поглощения ИК-излучения. Приоритет этого метода обусловлен тем, что характеристики ИК-спектра напрямую связаны с природой (структурой и химическим составом) поглощающего вещества, а также зависят от агрегатного состояния вещества, температуры, давления и др. Однозначность связи между молекулярным строением вещества и его ИК-спектром позволяет определить состав смеси. Для чего должны быть построены калибровочные модели связывающие ИК-спектр со значением показателей качества нефтепродуктов. В работе рассмотрены методы создания калибровочных моделей предложенными различными авторами, представленными в известных литературных источниках. Для создания калибровочных моделей в данной работе предлагается использовать метод главных компонент (МГК) и нейросетевого моделирования (NET). А также с целью повышения надежности системы автоматизированного управления процессами компаундирования моторных топлив предлагается использовать виртуальные анализаторы (ВА) показателей качества моделей связи показатель качества рассчитанных по калибровочным моделям поточного анализатора с соответствующими технологическими переменными процесса компаундирования. Выход калибровочных моделей используется при этом и для подстройки ВА.
Ключевые слова: нефтепереработка, ИК-спектрометр, показатели качества нефтепродуктов, поточный ИК-анализатор качества, калибровочные модели анализатора, виртуальный анализатор качества
05.13.06 - Автоматизация и управление технологическими процессами и производствами (по отраслям)
Рассматривается подход к решению задачи, связанной с расчетом оптимальных параметров технологического процесса в установках промысловой подготовки нефти. Алгоритм расчета основан на методе динамического программирования, реализующем принцип оптимальности Беллмана с аддитивным критерием оптимальности. Обобщенный критерий задачи формируется как функция суммы локальных приведенных затрат по стадиям подготовки нефти. Предложенный метод решения задачи позволяет спрогнозировать оптимальные параметры технологического режима и передать их в систему управления в качестве заданий операторам и автоматическим регуляторам.
Ключевые слова: промысловая подготовка нефти, установка, технологический режим, модель, оптимизация, оперативное управление
05.13.06 - Автоматизация и управление технологическими процессами и производствами (по отраслям)
Важной функцией АСУ ТП является возможность прогноза и управления качеством продукции. Реализация этих функций может быть выполнена с помощью формальных моделей, которые позволяют производить быструю перенастройку технологического процесса при изменении компонентного состава сырья, смене требований к характеристикам продукции и т.п. Применительно к прогнозу и управлению показателями качества дорожных и строительных битумов рассмотрены методы получения формальных моделей, связывающих показатели качества битумов с технологическими параметрами их производства, как для классических уравнений регрессии, так и для формальных нейронных сетей. Методика получения таких моделей отработана на абстрактных зависимостях с дальнейшей адаптацией к производству битумов. В АСУ ТП, по полученным формальным моделям, может решаться как прямая задача прогноза показателей качества подстановкой входных технологических параметров на вход модели, так и обратная задача с применением методов нелинейного программирования для минимизации функций отклонений значений параметров качества, полученных по модели от целевых значений, заданных оператором-технологом.
Ключевые слова: Битумы, показатели качества, прогноз качества, управление качеством, формальные модели
05.13.06 - Автоматизация и управление технологическими процессами и производствами (по отраслям)
Рассматривается метод управления рецептурой сухих магнезиальных тампонажных смесей (СМТС) при их производстве, предназначенных для тампонажных растворов для цементирования нефтяных и газовых скважин, отличающийся тем, что рецептура смеси подбирается исходя из требований к характеристикам тампонажного раствора и качеству цементного камня, определяемых в заказе применительно к горно-геологическим условиям конкретной скважины. Метод основан на решении многокритериальной оптимизационной задачи, в которой в качестве критериев выступают отклонения частных характеристик получаемого из СМТС раствора от заданных значений в заказе на изготовление партии. Обобщенный критерий задачи формируется как аддитивная целевая функция из взвешенных частных критериев.
Ключевые слова: нефтяные и газовые скважины, реологические характеристики тампонажного раствора, сухая магнезиальная смесь, планирование эксперимента, регрессионные модели связи, оптимизация рецептуры смеси, обобщенный критерий
05.13.06 - Автоматизация и управление технологическими процессами и производствами (по отраслям)
Приведены результаты исследований по идентификации управляемого объекта, основанной на аппроксимации его поведения нейросетевой моделью. Обученная на примерах функционирования управляемого объекта модель, представленная нейронной сетью и моделью регулятора с известной функцией регулирования, эмулирует поведение системы и позволяет получить ее отклик, в том числе и на периодическое испытательное воздействие. По полученной комплексной частотной характеристике находят значения параметров идентифицируемого канала. Рассматриваемые объекты относятся к классу технологических процессов с непрерывным характером производства. Представлен пример идентификации канала лабораторной системы управления.
Ключевые слова: объект с системой управления, идентификация, нейронная сеть, моделирование, комплексная частотная характеристика, передаточная функция
05.13.06 - Автоматизация и управление технологическими процессами и производствами (по отраслям)
В статье рассматривается способ определения степени однородности гетерогенных смесей компонентов инструментальным бесконтактным методом с использованием оптелептической информации о поверхности смеси, который можно реализовать в автоматических системах. Оптолептическая информация может быть получена с помощью стандартных светосканирующих устройств. В основе оценки степени гомогенизации используется величина – энтропия отптолептической информации. Операции смешения компонентов являются распространенными операциями в технологических процессах производства продукции. Одним из показателей качества процессов смешения является степень гомогенизации смеси. Степень гомогенизации обычно определяется лабораторным методом, что требует дополнительного времени на проведение анализа, или органолептически, экспертом. В этом случае результаты зависят от опыта эксперта. В статье рассмотрен пример, характерный для лакокрасочной промышленности. Метод может быть распространен на широкий ассортимент смесевых гетерогенных композиций.
Ключевые слова: Смешение, смесевые композиции, гомогенизация, однородность, оперативный контроль, инструментальный оптолептический метод, энтропия информации
05.13.06 - Автоматизация и управление технологическими процессами и производствами (по отраслям)