CC BY
39
УДК 681.3
О ВОЗМОЖНОСТИ ИСПОЛЬЗОВАНИЯ ИНТЕЛЛЕКТУАЛЬНОГО РЕГУЛЯТОРА В ДОПОЛНИТЕЛЬНОМ КОНТУРЕ СИСТЕМЫ
УПРАВЛЕНИЯ
Д.П. Вент, В.Ю. Волков, Луэ Ху Дык
Описана проблема использования интеллектуального регулятора в дополнительном контуре системы управления предприятиями, в котором используются методы нечеткого моделирования и генетический алгоритм. Использование интеллектуального регулятора позволит обеспечить экологическую безопасность с максимальной экономической эффективностью работы предприятий.
Ключевые слова: система управления, интеллектуальный регулятор, нечеткая логика, экспертная оценка, генетический алгоритм.
МО «г. Новомосковск Тульской области» представляет собой территориально-производственный комплекс, где сильно развита химическая промышленность. Однако до настоящего времени вопрос о вкладе различных источников выбросов предприятий химической технологии при формировании высокого уровня загрязнения атмосферного воздуха по городу и району в целом недостаточно изучен. Настораживающая экологическая ситуация в атмосфере города сложилась в значительной мере из-за неполного учета экологической информации [1].
Создание дополнительного канала управления, учитывающего выбросы загрязняющих веществ (ЗВ) в атмосферный воздух, сопряжено с большой трудностью, так как существует значительная неопределенность при вычислении вклада различных источников выбросов из-за большого количества их источников - химико-технологических предприятий. Кроме того, на распространение ЗВ в атмосфере влияет особенность расположения предприятий относительно жилой части города.
Для реализации функции поддержки принятия решений по управлению производством с учетом экологических параметров, необходимо добавить в существующую систему новый структурный элемент - интеллектуальный регулятор.
На рис. 1 приведена структура системы управления производством с использованием интеллектуального регулятора для учета экологических параметров в процессе управления.
Введенный канал управления с использованием интеллектуального регулятора позволяет организовать дополнительную отрицательную обратную связь, с помощью которой будет корректироваться нагрузка предприятия путем изменения задания выпуска продукции. Реализация замкнутого контура управления позволяет автоматически учитывать возникающие во время работы возмущения.
Рис. 1. Структура системы управления производством с использованием интеллектуального регулятора: Р - классический регулятор; Ри - интеллектуальный регулятор; ОУ - объект управления
Так как информация о загрязнении неполная, недостаточная, приходит в измерительную систему с задержкой, то необходимо использовать
Рис. 2. Состав интеллектуального регулятора
Интеллектуальный регулятор состоит из блока определения вклада каждого предприятия в суммарный вклад ЗВ на основе нечеткой логики и блока вычисления долей изменения нагрузки предприятия на основе генетического алгоритма.
В нечетком блоке определения вкладов входные и выходные параметры блока рассматриваются как лингвистические переменные, а качественное описание процесса задается совокупностью высказываний следующего вида:
L1: если А11 и/или А12 и/или ... и/или А1т, то В11 и/или ... и/или В1п,
L2: если А21 и/или А22 и/или ... и/или А2т, то В21 и/или ... и/или В2п,
^^ если Ак1 и/или Ак2 и/или ... и/или Акт, то Вк1 и/или ... и/или Вкп,
49
где Ад, 1 = 1,2, ..., к, j = 1, 2, ... , т - нечеткие высказывания, определенные на значениях входных лингвистических переменных, а Вд, 1 = 1,2, ..., к, д = 1, 2, ... , п - нечеткие высказывания, определенные на значениях выходных лингвистических переменных. Эта совокупность правил носит название нечеткой базы знаний.
Использование нечеткого логического вывода делает возможным получение новых знаний на основе анализа существующих данных даже в условиях неполноты и приближенности сведений об исследуемой предметной области. Для базы правил используется схема Э. Мамдани (ЕЬгаЫт Mamdani) [2]. Данная схема характеризуется более простой математической (программной) реализацией. Это условие важно для промышленных контроллеров ввиду их ограниченных вычислительных ресурсов. Правила базы знаний блока определения вклада будут выглядеть следующим образом: «Если 1-е предприятие находится в д-м режиме работы и метеоусловия имеют к-е состояние, то базовой вклад предприятия находится в т-м диапазоне».
Блок определения вклада имеет функции принадлежности (ФП) [3] трех видов: треугольной, трапецеидальной и экспоненциальной. Данный набор ФП является базовым и может быть расширен.
Результатами блока определения вклада являются базовые вклады, соответствующие для N предприятий и1, и2,...,и^ Базовые вклады предприятий - это относительные величины концентрации ЗВ в точке измерения при моделировании распространения ЗВ от этих предприятий в атмосфере, которые уточнены с помощью экспертов. Эти относительные величины равнопропорциональны значениям фактических концентраций, создаваемых всеми предприятиями - источниками загрязнения атмосферного воздуха.
Из вышесказанного следует, что концентрация загрязняющего вещества, создаваемая выбросами 1-го предприятия в контрольной точке (с), вычисляется по следующей формуле:
и П\
с = с-л—, (1)
I и
]=
где с - фактическая концентрация ЗВ в контрольной точке.
Анализ [4] показал, чтобы обеспечить значение суммарной концентрации в контрольной точке в пределах ПДК и минимально необходимые суммарные затраты всех предприятий для установления нормативных выбросов, следует найти минимум функции
го I0регл ^ т1п (2)
при условии выполнения следующих ограничений:
ПДК< N
u
• i N ■ 1=1 u j=1
q1 ; V1 = 1, N: 0 < q1 < 1,
(3)
регл
где у0 - стоимость снижения на единицу выброса для предприятий; Qj
выбросы i-го предприятия в соответствии с регламентом работы; qi - доля сокращения выбросов для i-го предприятия.
Химико-технологические предприятия, входящие в промышленный комплекс МО «г. Новомосковск Тульской области» выбрасывают в атмосферу различные вредные вещества. На момент проведения исследований основными источниками загрязнения атмосферного воздуха являлись ОАО "НАК «Азот»", ОАО «КНАУФ - ГИПС-Новомосковск», ООО «Полипласт», ООО «Проктер энд Гэмбл», ООО «Оргсинтез», ООО «Аэрозоль-Новомосковск». Все вышеперечисленные предприятия можно отнести к постоянно действующими источниками загрязнения атмосферного воздуха. На рис. 3 представлены результаты расчета блока определения вкладов предприятий в случае нормального режима работы, «северо-западного» направления ветра, «легкой» скорости ветра, температуры 16 оС.
Рис. 3. Результаты расчета блока определения вклада
Блок расчета долей изменения нагрузки решает задачу минимизации функции (3) с ограничениями (2) на основе генетического алгоритма (ГА) [5]. ГА дает преимущества при решении практических задач. Одно из них - это адаптация к изменяющейся окружающей среде. В реальной жизни проблема, которая была поставлена для решения изначально, может претерпеть огромные изменения в процессе своего решения. При использовании традиционных методов все вычисления приходится начинать заново, что приводит к большим затратам машинного времени. При эволю-
c
ционном подходе популяцию можно анализировать, дополнять и видоизменять применительно к изменяющимся условиям. Для этого не требуется полный перебор. Другое преимущество ГА для решения задач состоит в способности быстрой генерации достаточно хороших решений, и он находит приблизительные оптимальные решения за относительно короткое время.
В результате оптимизации получим расчетные доли изменения нагрузки для предприятий (рис. 4) при условии (для примера), что измеренная концентрация NO2 в контрольной точке (измерительный пост №1) в 2 раза превышает ПДК.
Доли изменения нагрузки (%)
ООО "Лолипласт» ООО <<Аэрозоль-Новомосковск» ООО 'Юргсинтез» HAK '«Азот» ООО •Лроктер энд Гэмбл»
ОАО (КНАУФ - ГИПС-Новомосковск»
О 2 4 6 8 10 12 14 16 Доли изменения нагрузки (%)
Рис. 4. Доли изменения нагрузки для предприятий
Использование интеллектуального регулятора позволило организовать систему управления комплексом промышленных предприятий с учетом экологических и экономических факторов. Если не использовать интеллектуальный регулятор, то может возникнуть ситуация, когда в результате выбросов ЗВ в атмосферу даже придется остановить одно из предприятий комплекса. Для последующего его запуска и вывода на нормальный технологический режим потребуются дополнительные средства и время. Разработанная система позволит выработать оптимальное значение снижения нагрузки для каждого предприятия, что приведет к суммарному значению снижения концентрации ЗВ в атмосфере.
Список литературы
1. Луэ Ху Дык, Волков В.Ю., Кузнецова К.С. Интеллектуальная система вычисления долей сокращения выбросов предприятий с целью обеспечения оптимального качества атмосферного воздуха // Вестник МАСИ. Информатика, экология, экономика. Том 14. Ч1. 2012. С.172-179.
2. Леоненков А.В. Нечеткое моделирование в среде MATLAB и
52
fuzzyTECH. СПб: БХВ-Петербург, 2005. 736 с.
3. Круглов В.В., Дли М.И., Голунов Р.Ю. Нечеткая логика и искусственные нейронные сети. М.: Изд-во «Физматлит», 2001. 224 с.
4. Волков В.Ю., Луэ Ху Дык. Интеллектуальная система выработки рекомендаций по снижению выбросов в атмосферу химико-технологическими предприятиями // Труды XIV Межд. конф. «Проблемы управления и моделирования в сложных системах». Самара, 2012. С. 278 -285.
5. Курейчик В.М. Генетические алгоритмы и их применение. Таганрог: Изд-во ТРТУ, 2-е изд., дополнительное, 2002. 242 с.
Вент Дмитрий Павлович, д-р техн. наук, проф., зав. кафедрой, Россия, Новомосковск, НИ (ф) РХТУ им. Д.И. Менделеева,
Волков Владислав Юрьевич, канд. техн. наук, доц., [email protected], Россия, Новомосковск, НИ (ф) РХТУ им. Д.И. Менделеева,
Луэ Ху Дык, аспирант, [email protected], Россия, Новомосковск, НИ (ф) РХТУ им. Д. И. Менделеева
ABOUT POSSIBILITY OF USE OF THE INTELLECTUAL REGULA TOR IN THE ADDITIONAL CONTOUR OF CONTROL SYSTEM
D.P. Vent, V.Yu. Volkov, Leu Huy Duc
The problem of use of an intellectual regulator in an additional contour of management to the enterprises in which methods of indistinct modeling and genetic algorithm are used is described. Use of an intellectual regulator will allow to provide ecological safety with the maximum economic efficiency of the enterprises.
Key words: control, system, intellectual controller, fuzzy logic, expert assessment, genetic algorithm.
Vent Dmitri Pavlovich, doctor of technical sciences, professor, the head of chair, Russia, Novomoskovsk, Federal State Educational Establishment of Higher Professional Education "D. Mendeleyev University of Chemical Technology of Russia", Novomoskovsk branch,
Volkov Vladislav Yurevich, candidate of technical sciences, docent, [email protected], Russia, Novomoskovsk, Federal State Educational Establishment of Higher Professional Education "D. Mendeleyev University of Chemical Technology of Russia", Novomoskovsk branch,
Leu Huy Duc, postgraduate, huyducvn [email protected], Russia, Novomoskovsk, Federal State Educational Establishment of Higher Professional Education "D. Mendeleyev University of Chemical Technology of Russia", Novomoskovsk branch
