CC BY
30Решетнеескцие чтения. 2015
2. Ковалев И. В., Новой А. В., Штенцель А. В. Оценка надежности мультиверсионной программной архитектуры систем управления и обработки информации // Вестник СибГАУ. 2008. № 3 (20). С. 50-52.
3. Царев Р. Ю. Методология многоатрибутивного формирования мультиверсионного программного обеспечения сложных систем управления и обработки информации : монография / Краснояр. гос. аграр. ун-т. Красноярск, 2011. 210 с.
4. Romanovsky A. On version state recovery and adjudication in class diversity // Computer Systems Science and Engineering, 2002. Vol. 17, № 3. P. 159-168.
5. Оценка транзакционной надежности современных систем управления и обработки информации / Р. Ю. Царев [и др.] // Приборы и системы. Управление, контроль, диагностика. 2012. № 6. С. 29-32.
6. Применение COM-технологии для реализации мультиверсионного программного обеспечения систем управления и обработки информации / И. В. Ковалев [и др.] // Приборы и системы. Управление, контроль, диагностика. 2007. № 3. С. 18-22.
References
1. Kovalev I. V., Tsarev R. Yu., Rusakov M. A., Slobodin M. Yu. [Support models of multistage analysis
of automated control system software reliability] // Problemy mashinostroeniya i avtomatizatsii, 2005. No. 2, рр. 30-35 (In Russ.).
2. Kovalev I. V., Novoi A. V., Shtentsel' A. V. [Multi-version software architecture reliability estimation of cotrol and information processing systems] // Vestnik SibGAU, 2008. Vol. 3, no. 20, рр. 50-52 (In Russ.).
3. Tsarev R. Yu. [Methodology of multiple attribute formation of multiversion software for complex control and information processing systems] / Krasnoyarsk State Agrarian University. Krasnojarsk, 2011, 210 p. (In Russ.).
4. Romanovsky A. On version state recovery and adjudication in class diversity // Computer Systems Science and Engineering, 2002. Vol. 17, no. 3, pр. 159-168.
5. Tsarev R. Yu., Shtarik A. V., Shtarik E. N., Zav'yalova O. I. [Estimation of transaction reliability of modern control and information processing systems] // Pribory i sistemy. Upravlenie, kontrol', diagnostika, 2012. No. 6, pp. 29-32 (In Russ.).
6. Kovalev I. V., Stupina A. A., Tsarev R. Yu., Volkov V. A. [An application of corn-technology for implementation the multi-version software in controlling data processing systems] // Pribory i sistemy. Upravlenie, kontrol', diagnostika, 2007. No. 3, pp. 18-22 (In Russ.).
© Аксененко И. А., 2015
УДК 62.501
АДАПТИВНЫЕ МОДЕЛИ КОРРЕКЦИИ ПОКАЗАНИЙ ДАТЧИКОВ ДАВЛЕНИЯ МАГИСТРАЛЬНОГО НЕФТЕПРОВОДА
Н. Р. Антропов, Е. Д. Агафонов
Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева Российская Федерация, 660037, г. Красноярск, просп. им. газ. «Красноярский рабочий», 31 Е-mail: [email protected], [email protected]
Рассматриваются вопросы построения адаптивных моделей и алгоритмов коррекции погрешностей датчиков давлений на линейных участках трубопроводной сети. Модель представлена в комбинированном виде, состоящем из параметрической и непараметрической части.
Ключевые слова: адаптивные алгоритмы, комбинированные модели, коррекция погрешностей, датчики давлений.
ADAPTIVE MODELS OF PRESSURE SENROR DATA CORRECTION OF MAIN PIPELINE
N. R. Antropov, E. D. Agafonov
Reshetnev Siberian State Aerospace University 31, Krasnoyarsky Rabochy Av., Krasnoyarsk, 660037, Russian Federation E-mail: [email protected], [email protected]
The article deals with questions of constructing an adaptive models and algorithms for error correction pressure of sensor linear sections of the pipeline network. The model is presented in a combined form, composed of nonparametric and parametric parts.
Keywords: adaptive algorithms, combined models, correction of errors, the pressure sensor.
Математические методы моделирования, управления и анализа данных
Основной характеристикой любого измерительного прибора (датчика) является погрешность измерения контролируемого параметра. Погрешность измерения отображает величину расхождения между результатом измерения и реальным значением измеряемого параметра и указывается в техническом паспорте прибора. Однако на практике величина погрешности часто не соответствует заявленным данным, а иногда и вовсе неизвестна. При этом в процессе эксплуатации прибора величина погрешности постоянно меняется. Причинами изменения погрешности могут стать изменение условий эксплуатации (внешние факторы), дрейф физических параметров самого датчика (внутренние факторы), возмущения в каналах связи датчика с регистрирующей аппаратурой, частичный или полный выход из строя датчика и т. д. В связи с этим разработка соответствующих алгоритмов коррекции погрешностей является актуальной задачей, причем очевидна необходимость построения адаптивных подходов, функционирующих в условиях неопределенности и изменчивости окружающей среды.
Объектом исследования в настоящей работе является магистральный нефтепровод. Современные трубопроводные сети и гидравлические системы оснащены различной измерительной аппаратурой и информационно-измерительными системами, использующимися для мониторинга технологических параметров. Одним из наиболее важных технологических параметров трубопровода является давление, и от того, насколько точно оно известно, зависит эффективность и надежность эксплуатации технологических систем и оборудования трубопровода.
В научной и справочной литературе [1-3] предлагаются различные подходы к коррекции погрешностей данных измерений датчиков. Первый подход состоит в конструктивном изменении и оптимизации устройства датчика (оптимизация свойств чувствительного элемента, топологии, конструкции корпуса). Второй подход заключается во включении в структуру прибора дополнительных пассивных и активных элементов, обеспечивающих необходимую коррекцию. И третий подход заключается в разработке алгоритмических методов коррекции по математической модели (концепция интеллектуального датчика). В рамках настоящей работы рассматривается третий подход.
Сформулируем постановку задачи. Вдоль профиля линейной части магистрального нефтепровода на неравномерном расстоянии друг от друга располагаются датчики давления. Датчики давления состоят из чувствительных элементов, воспринимающих давление, и преобразователей, собранных в корпусе. По причинам, связанным с различием в типах, производителях датчиков, их технического состояния, особенностей считывания данных измерений, измеренные величины имеют как различные систематические погрешности, так и случайные погрешности с различными статистическими характеристиками (законами распределения, параметрами распределения и др.). Необходимо, пользуясь сведениями о физических закономерностях распределения давления вдоль профиля трубопровода, сведениями о взаимном расположении датчиков, а также набором измеренных величин (выборки),
скорректировать показания датчиков, т. е. уменьшить величины их погрешностей (случайная аддитивная, мультипликативная помехи и систематическая погрешность).
В соответствии с уравнением Бернулли [4], давление на участке трубопровода при установившихся режимах его работы падает линейно (см. рисунок).
Геометрическая интерпретация уравнения Бернулли
Линейность распределения давлений - это идеальное приближение для случая постоянства внутреннего сечения трубопровода, неизменности физических характеристик перекачиваемой нефти вдоль профиля трубопровода и т. д. В реальности распределение давлений несколько отличается от линейного. Наличие местных сопротивлений, естественный дрейф физических характеристик нефти способствуют сдвигу линии гидравлического уклона. Поэтому измерения датчиков давлений, расположенных вдоль профиля нефтепровода, также необходимо использовать для полноты модели.
Существующие на данный момент алгоритмические подходы зачастую ограничены использованием в них классических методов анализа данных в рамках параметрического подхода. А именно, данные обрабатываются с применением моделей с известной параметрической структурой и последующей оценкой параметров, например в [3]. Такие процедуры не позволяют с достаточной степенью полноты использовать всю имеющуюся априорную информацию. В связи с этим для решения поставленной задачи предлагается использовать комбинированные (гибридные) модели вида [5; 6], как средства наиболее полного учета априорной информации о процессе измерения и характеристик измеряемых величин, что позволит повысить точность моделирования соответствующих трубопроводных систем и, как следствие, качество их управления.
Библиографические ссылки
1. Бромберг Э. М. Тестовые методы повышения точности измерений. М. : Энергия, 1978. 176 с.
2. Гельман М. М. Автоматическая коррекция систематических погрешностей в преобразователях «напряжение-код». М. : Энергия, 1974. 88 с.
3. Земельман М. А. Автоматическая коррекция погрешностей измерительных устройств. М. : Изд-во стандартов, 1972. 199 с.
Решетневские чтения. 2015
4. Лурье М. В. Математическое моделирование процессов трубопроводного транспорта нефти, нефтепродуктов и газа. М. : Изд-во «Нефть и газ» РГУ нефти и газа им. И. М. Губкина, 2003. 335 с.
5. Медведев А. В. Теория непараметрических систем. K-модели // Вестник СибГАУ. 2011. Вып. 3(36). С. 57-62.
6. Лапко В. А. Синтез и анализ гибридных моделей стохастических зависимостей в условиях наличия их частного описания // Автометрия. 2004. Т. 40, № 1. С. 51-59.
References
1. Bromberg E. M. The test methods to improve the accuracy of measurements. M. : Energy, 1978. 176 p.
2. Gel'man M. M. Automatic correction of systematic errors in converters "voltage-code". M. : Energy, 1974. 88 p.
3. Zemel'man M. A. Automatic correction of errors of measuring devices. Moscow : Publishing House of Standards, 1972. 199 p.
4. Lur'e M. V. Mathematical modeling of pipeline transport of oil and gas. M. : Publishing House "Oil and Gas" RSU of Oil and Gas. I. M. Gubkin, 2003. 335 p.
5. Medvedev A. V. The theory of nonparametric systems. K-models // Vestnik SibGAU. 2011. Vol. 3 (36), рp. 57-62.
6. Lapko A. V. Synthesis and analysis of hybrid models of stochastic dependencies in terms of having their private // Avtometriya description. 2004. Iss. 40, no. 1, рp. 51-59.
© Антропов Н. Р., Агафонов Е. Д., 2015
УДК 591.87
КОЛЛЕКТИВНЫЙ БИОНИЧЕСКИЙ АЛГОРИТМ ДЛЯ РЕШЕНИЯ МНОГОКРИТЕРИАЛЬНЫХ ЗАДАЧ ОПТИМИЗАЦИИ С БИНАРНЫМИ ПЕРЕМЕННЫМИ*
Ш. А. Ахмедова
Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева Российская Федерация, 660037, г. Красноярск, просп. им. газ. «Красноярский рабочий», 31
Е-mail: [email protected]
Разработан новый самонастраивающийся коллективный бионический алгоритм, позволяющий решать задачи многокритериальной оптимизации с бинарными переменными, основная идея которого заключается в кооперации пяти известных методов стайного типа. Исследование эффективности полученной эвристики было проведено на множестве тестовых задач различной размерности: работоспособность и целесообразность применения алгоритма были установлены.
Ключевые слова: стайные алгоритмы, самонастройка, оптимизация, бинарные переменные, многокритериальные задачи.
COLLECTIVE BIONIC ALGORITHM FOR SOLVING MULTI-OBJECTIVE OPTIMIZATION
PROBLEMS WITH BINARY VARIABLES
Sh. A. Akhmedova
Reshetnev Siberian State Aerospace University 31, Krasnoyarsky Rabochy Av., Krasnoyarsk, 660037, Russian Federation E-mail: [email protected]
New self-tuning collective bionic algorithm, which basic idea consists in co-operative work of already well-known five swarm intelligence algorithms, is developed for solving multi-objective optimization problems with binary variables. Investigation of the effectiveness of obtained heuristic is conducted on the set of test problems: its usefulness and workability are established.
Keywords: swarm algorithms, self-tuning, optimization, binary variables, multi-objective problems.
Коллективный самонастраивающийся алгоритм однокритериальной безусловной оптимизации на основе стайных бионических методов, названный Cooperation of Biology Related Algorithms (COBRA), был впервые описан в [1]. Главная идея алгоритма заключается в параллельной работе пяти известных методов
роевого интеллекта [2] (например, метод роя частиц или Particle Swarm Optimization, PSO [3]), которые в ходе работы программы обмениваются «информа-
*
Работа выполнена в рамках и при финансовой поддержке проекта ММЕП57414Х0037.
