Методика  создания  гибридных  и  интеллектуальных  систем  управления

75 
 
интеллектуальной  системы  значительно  упрощает  создание  интеллектуальных  систем,  а  их 
эксплуатация позволяет исключить эффект «человеческого фактора» при управлении процессом (это 
такие  свойства  человеческого  организма  как:  усталость,  недостаточно  быстрая  реакция, 
недостоточная  психологическая  устойчивость,  сонливость  при  монотонной  работе,  незначительный 
опыт работы молодых операторов и другие причины). 
 
 
 
 
 
 
Используя  основную  идею  работы  (разработка  вместо  модели  технологического  процесса 
модели  процесса  управления  им)  и  развивая  имеющиеся  методы  ИТ,    мы  предлагаем  следующую 
трехэтапную  процедуру  создания  систем  оптимального  управления  технологическими  процессами 
(см. рисунок 1). 
 
 
 
 
 
 
 
 
 
 
 
На  первом  этапе  производятся  априорные  исследования  технологи-ческих  особенностей 
объекта  управления  по  литературным  источникам,  публикациям  в  периодических  изданиях  и 
заводской  технической  документации.  Как  правило,  действующие  технологические    процессы 
должны  были  пройти  длительный  этап  научных  исследований,  опытно-промышленных  и 
промышленных  испытаний,  прежде  чем  они  были  внедрены  в  производство.  Наверняка  остались 
материалы этих исследований, а также попытки создания математических моделей данного процесса. 
Необходим тщательный анализ всей этой информации с тем, чтобы использовать ее при разработке 
интеллектуальных  систем  управления.  Особенно  это  важно  при  возможном  создании  гибридных 
систем управления (ГСУ). 
 
 
 
 
 
 
 
 
 
 
На этом же этапе необходимо проанализировать исследуемый процесс как объект управления 
с  выявлением  входных  и  выходных,  контролируемых  и  неконтролируемых,  управляемых  и 
неуправляемых  переменных.  При  этом  необходимо  оценить  инерционность  объекта  по  различным 
каналам, класс объекта (непрерывный или дискретный), степень полноты информации о переменных 
объекта, рабочий диапазон изменения переменных объекта и т.д.      
 
 
 
 
После  тщательного  анализа  имеющейся  информации  необходимо  составить  структуру 
будущей системы управления, что значительно облегчит дальнейшую работу. 
 
Априорные исследования 
-анализ 
публикаций 
и 
заводской 
технической 
документации;                                                                                      
-  выявление  входных  и  выходных,  контролируе-мых  и  неконтролируемых, 
управляемых 
и 
неуправляемых 
переменных;                                                              
-разработка иерархической структуры системы управления процессом. 
 
Разработка модели управления процессом 
-  определение  основных  входных  и  выходных  переменных  с  помощью  опытных 
технологов; 
- составление плана ПФЭ с помощью опытных операторов-технологов; 
- разработка моделей управления с использова-нием: планирования эксперимента, 
нечетких  алгоритмов,  нейронных  сетей,  нейро-нечетких  сетей,  гибридных 
моделей.   
 
Исследование моделей управления 
- моделирование процесса управления  при раз-личных входных воздействиях; 
- сравнительный анализ моделей, полученных различными методами, определение 
их адекват-ности; 
- имитационные испытания наилучшей модели в заводских условиях; 
- интеграция модели управления пакета MatLab в промышленный контроллер. 
 
Рисунок  1  –  Трехэтапная  процедура  создания  гибридных  и  интеллектуальных    систем 
управления технологическими процессами     
 
 
 
 
 
 
 
 
На  втором  этапе  разрабатывается  модель  процесса  управления.  С  помощью  опытных 
экспертов (операторы-технологи, либо ИТР цеха или завода) определяется основная цель управления 
(аналог  целевой  функции  в  оптимизационных  задачах),  которая,  как  правило,  известна  и  которую 
обычно стремятся достичь опытные операторы. Затем методом ранжирования из общего перечня всех 
типов  переменных  определяются  те,  которые,  по  мнению  экспертов,  являются  основными  для 

76 
 
данного объекта (процесса).   
 
 
 
 
 
 
 
 
 
Основной  задачей  второго  этапа  является  составление  матрицы  планирования  полного 
факторного эксперимента (ПФЭ). С помощью матрицы ПФЭ создается модель управления объектом 
(процессом). При этом, например, для трехуровневых факторов полное число возможных сочетаний 
числа  факторов  при  двух  входных  переменных  равно  N=3
2
=9,  для  трех  переменных  –  3
3
=27  и  т.д.
 
Например,  при  двух  входных  переменных  составляется  матрица  планирования  ПФЭ, 
приведенная  в  таблице  1.  Таблицы  вида  1  являются  основой  для  разработки  интеллектуаль-ных 
систем,  так  как  в  них  сосредоточен  многолетний  опыт,  знания  и  интуиция  людей-экспертов  в 
конкретной предметной области.  От качества матрицы ПФЭ будет зависеть эффективность работы 
всей системы управления. 
 
Таблица 1 – Матрица планирования ПФЭ 
№  экспе-римента 
Х
1
 
Х
2
 
Y
э
 
оценка эксперта 
1 
0,0 
0,0 
 
2 
0,0 
0,5 
 
3 
0,0 
1,0 
 
4 
0.5 
0,0 
 
5 
0.5 
0,5 
 
6 
0.5 
1,0 
 
7 
1,0 
0,0 
 
8 
1,0 
0,5 
 
9 
1,0 
1,0 
 
 
Величины:  0,0;  0,5;  1,0  означают  минимальное,  среднее  и  максимальное  значения  входных 
переменных Х
1
 и Х
2
. Эксперту остается лишь с учетом своего опыта, знаний и интуиции проставить 
значения  выходной  переменной  Y
э
    (управляющего  воздействия)  в  диапазоне  от  0,0  до  1,0.  
Нормализация в диапазоне от 0 до 1 входных и выходных переменных производится по формуле:  
                                         
,
min
max
min
x
x
x
x
x
−
−
=
                                                      (1) 
где: 
x
-  нормализованное  (от  0  до  1)  значение  входной  или  выходной  переменной;  х  –  текущее 
значение  переменной;  х
min
,  х
max
  –  минимальное  и  максимальное  значение  переменной.
 
Составление  матрицы  планирования  экспериментов  гораздо  более  удобно  для  экспертов, 
нежели  рекомендуемое  во  всех  учебниках  и  публикациях  составление  правил  нечетких  продукций. 
При  этом  эксперту  нет  необходимости  выдумывать  бесконечные  термы:  («очень  много»,  «очень-
очень  мало»,  «вполне  нормально»  и  т.д.)  –  он  просто  ставит  значение  выходной  (управляющей) 
переменной  в  диапозоне  от  0,0  до  1,0.  При  этом  матрица  планирования  ПФЭ  может  быть 
использована для четырех разных методов создания модели управления: планирования эксперимента, 
экспертные системы, нейронные сети, нейро-нечеткие алгоритмы.   
 
 
 
 
В  отличие  от  хорошо  известного  классического  метода  планирования  эксперимента 
составление матрицы планирования ПФЭ с помощью экспертов значительно ускоряет и удешевляет 
эту  процедуру.  Эксперты  проводят  так  называемые  «мысленные  эксперименты»  вместо 
дорогостоящих,  реально  проводимых  активных  экспериментов.  Кроме  того,  нужно  учитывать,  что 
проведение  активных  экспериментов  в  условиях  действующего  производства  нереально  из-за 
возможного  возникновения  аварийных  ситуаций  при  изменении  переменных  процесса  от 
минимальных  их  значений  к  максимальным  значениям,  и  обратно.  К  тому  же  на  многих 
предприятиях просто нет возможности изменять переменные, согласно матрице планирования ПФЭ.
 
Необходимо подчеркнуть, что выходные значения Y
i
 являются на самом деле управляющими 
переменными,  поэтому  матрица  планирования  отображает  модель  управления  процессом  для  всех 
запланированных  экспертами  сочетаний  входных  переменных.  Для  расчета  значений    в 
промежуточных  сочетаниях  входных  переменных  (например,  для  Х
1
=0,21  и  Х
2
=0.74)  необходимо 
синтезировать  модель  управления  процессом,  что  является  главной  задачей  второго  этапа.
 
Немаловажным является и то, что матрица планирования ПФЭ может быть использована для 
создания  модели  управления  четырьмя  разными  методами:  планирования  эксперимента,  нечетких 
алгоритмов, нейронных сетей, нейро-нечетких сетей, гибридных моделей.   
 
 

77 
 
 
Необходимо отметить,  что  наиболее  эффективно  совместно  с  интеллектуальными  моделями 
использовать  известные  математические  зависимости,  выявленные  на  первом  этапе  исследований. 
При этом необходимо быть уверенным в том, что такие зависимости адекватно отражают те или иные 
физико-химические закономерности конкретного процесса.  
 
 
 
 
 
На  третьем  этапе  производится  исследование  созданных  моделей  управления.  При  этом 
производятся следующие мероприятия. 
 
 
 
 
 
 
 
Полученные 
модели 
подвергаются 
тщательному 
исследованию 
и 
анализу 
их 
чувствительности,  устойчивости,  однозначности.  Для  чего  проводится  моделирование  процесса 
управления при различных изменениях входных переменных, строятся кривые изменения выходных 
переменных при изменении входных переменных, и производится их анализ совместно с экспертами.
 
После  завершения  исследования  моделей,  полученных  разными  методами,    производится  
сравнительный анализ на их адекватность. Для чего с помощью моделей рассчитываются выходные 
переменные  при  значениях  входных  переменных,  взятых  из  матрицы  планирования  ПФЭ  и 
сравниваются  с  оценками,  даными  экспертом.  После  чего  формируется  матрица  сравнения  (см. 
таблицу 2), которая позволяет рассчитать величину ошибки моделирования различными способами. 
Например, абсолютная ошибка в процентах рассчитывается по формуле:  
                                            
∑
=
−
−
=
N
i
р
э
Y
Y
N
1
|
|
1
1
100
δ
,                                                                             
(2) 
где 
э
Y
 и 
р
Y
 - соответственно экспериментальные и расчетные значения выходных переменных. 
Абсолютная ошибка рассчитывается для моделей, полученных четырьмя разными способами, 
а  затем  производится  их  сравнительный  анализ.  Модель  с  наименьшей  абсолютной  ошибкой 
считается наиболее адекватной. 
 
 
 
 
 
 
 
 
 
Наиболее  адекватная  модель  должна  пройти  имитационные  испытания  в  условиях 
действующего производства. При этом на вход модели подают действительные входные переменные, 
снятые  с  измерительной  аппаратуры  промышленного  агрегата,  а  результаты  моделирования 
(выходная 
управляющая  переменная)  сравнивается  со  значением  управления,  реально 
осуществляемым  опытным  оператором-технологом.  В  случае  удовлетворительного  результата 
имитационных  испытаний  производится  интеграция  модели  в  промышленный  контроллер.  В 
противном случае, все начинается сначала – возврат к первому этапу, и уточнение всех параметров 
модели.     
 
Таблица 2 – Матрица сравнений расчетных и экспериментальных   значений выходной величины 
 
№  экспе-римента 
Х
1
 
Х
2
 
Y
р
 
Оценка  модели 
Y
э
 
Оценка эксперта 
1 
0,0 
0,0 
 
 
2 
0,0 
0,5 
 
 
3 
0,0 
1,0 
 
 
4 
0.5 
0,0 
 
 
5 
0.5 
0,5 
 
 
6 
0.5 
1,0 
 
 
7 
1,0 
0,0 
 
 
8 
1,0 
0,5 
 
 
9 
1,0 
1,0 
 
 
 
Предложенная  трехэтапная  процедура  создания  модели  (алгоритма)  управления    позволяет, 
как показали проведенные нами  исследования  интеллектуальных и гибридных моделей управления 
[1-8],  создавать  достаточно  эффективные  алгоритмы  оптимального  управления  технологическими 
процессами.  
Используемая литература 
1.  Сулейменов  А.Б.,  Алшинбаев  Е.К.,  Терликпаева  С.Д.  Методы  моделирования  процессов 
управления  плавкой  медных  концентратов  в  печи  Ванюкова  //  Инженерно-технический  журнал 
«Вестник автоматизации», №4 (34), 2011, с. 45-48. 
2.  Сулейменов  А.Б.,  Терликпаева  С.Д.,  Кожаниязова  Г.Е.  Концепция  создания 
интеллектуальных  систем  оптимального  управления  //  Инженерно-технический  журнал  «Вестник 

78 
 
автоматизации», №1 (35), 2012, с. 54-56. 
3.  A.B.  Suleimenov,  M.  Basso,  B.A.  Suleimenov.  Phosphorite  charge  palletizing  process  control 
system // Вестник КазНТУ имени К.И. Сатпаева, №3(91), 2012, с. 221-224. 
4. A.B. Suleimenov, M. Basso, B.A. Suleimenov. Интеграция контроллера компании Honeywell с 
пакетом Matlab //  Вестник КазНТУ имени К.И. Сатпаева, №4 (92), 2012, с. 63-66. 
5.  B.K  Mukhanov,  A.  Suleimenov,  W.  Wojcik,  K.  Gromaszek.  Development  of  optimal  control 
system for smelting process in the molten-pool // Przeglad Elektrotcnczny, 11b, Vol 2012, p. 336-339. 
6.  .K  Mukhanov,  A.  Suleimenov,  P  Komada.  Control  system  elaboration  for  phosphorite  charge 
pelletizing process // Informatyka. Automatyka. Pomiary, № 3, 2012, р/ 25-27. 
7.  А.Б.  Судейменов,  Б.К.  Муханов,  Б.А.  Сулейменов.  Разработка  MES-системы 
агломерационного производства // Вестник КазНТУ, №5, 2012, с. 199-202. 
8. Сулейменов Б.А., Мутанов Г.М., Сулейменов А.Б. Интеллектуальные системы управления: 
теория, методы, средства. – Алматы: КазНУ имени аль-Фораби, 2012, - 237 с.  
9.    Ткачев  Ю.И.  Методы  решения  задачи  восстановления  зависимости  коллективами 
распознающих  алгоритмов.  Электронный  ресурс].  2013.  – URL:http://dlib.rsl.ru/01005400214  (Дата 
обращения: 10.01.2016)  
10.  Коркин  И.Ю.  Методика  обнаружения  нелегитимного  программного  обеспечения, 
использующего  технологию  аппаратной  виртуализации.  Электронный  ресурс].  2011.  –
 URL:http://dlib.rsl.ru/02005401047 (Дата обращения: 10.01.2016)  
 
ТЕХНОЛОГИЯЛЫҚ ПРОЦЕСТЕРМЕН ИНТЕЛЛЕКТУАЛДЫ ЖӘНЕ ГИБРИДТІ 
ЖҮЙЕЛЕРДІ ТИІМДІ БАСҚАРУДЫ ҚҰРУ ӘДІСІ
                                                                  
Б.А.Сулейменов, М.Ш.Жунисбеков, Л.А.Сугурова, А.К.Шайханова
 
 
Aңдатпа:  Қазіргі  заманғы  интеллектуалды  технологияларды  қолдану  негізінде, 
технологиялық процесстерді басқарудың тиімді автоматтандырылған жүйесін құру әдістемесі 
ұсынылған.  Тәжірибе  корсеткендей  математикалық  модельдеудің  дәстүрлі  әдістері  олардың 
төмен  адекваттылығының  салдарынан  эффективті  тиімді  басқару  жүйелерін  құруды 
мүмкіндік  етпейді.  Технологиялық  процесстерінің  математикалық  модельдер  құрудың  орнына 
оларды 
басқаратын 
интеллектуалды 
моделдерін 
құру 
ұсынылады. 
Ол 
оператор 
технологтардың білімі, тәжірибесі, біліктілігіне сүйеніп құрылады. Және де бұл жерде жалпыға 
бірдей ережелр орнына толық факторлы эксперимент жоспарлау матрицасын қалыптастыру 
қабылданған.  ТФЭ  матрицасы  ойша  эксперимент  көмегімен  қалыптасады.  Бұл  мерзімдерді 
анағұрлым қысқартып, тиімдібасқару жүйелерін құруды жеңілдетеді. 
 
A METHOD OF CREATING INTELLIGENT  HYBRID SYSTEMS AND OPTIMAL 
CONTROL OF TEHNOLOGICAL PROCESSES                                                                                            
B.A. Suleymenov, M.Sh. Zhunisbekov, L.A. Sugurova, A.K. Shaikhanova  
 
Summary.  The  technique  of  creating  automated  systems  for  optimal  control  of  technological 
processes based on the use of modern intelligent technologies. As shown by long experience of traditional 
methods of mathematical modeling do not allow to create effective system of optimal control due to their 
low adequacy. Instead of creation of mathematical models of technological processes to create predictive 
models  (algorithms)  for  management,  based  on  the  experience,  knowledge  and  intuition  of  operators-
technologists. In this case instead of the accepted rules of products proposed to form a matrix of planning 
of  full  factorial  experiment  (PPE).  The  PPE  matrix  are  formed  by  conducting  "thought"  experiments, 
which greatly reduces the time and simplifies the development of systems of optimal control. 
 
 

79 
 
УДК: 531 
Ж.Ж.Ахметова
1
, Г.Б. Бекешова
2
                                                                                                                        
1
Евразийский национальный университет имени Л.Н.Гумилева, 
2
Государственный университет имени Шакарима города Семей 
 
ВИЗУАЛИЗАЦИЯ ЧИСЛЕННОГО РЕШЕНИЯ  
НЕСТАЦИОНАРНОЙ ДЕФОРМАЦИИ В ТВЕРДОМ ТЕЛЕ 
 
Аннотация:  Одной  из  интересных  направлений  в  области  механики  деформируемого 
твердого  тела,  имеющих  прикладной  характер,  является  решение  задач  нестационарной 
деформации  полуплоскости,  на  прямоугольное  основание,  которого  приложена  изменяющаяся  во 
времени  нагрузка.  Подобная  задача  возникает,  например,  при  исследовании  напряженно-
деформированного состояния окрестности скважины, ее проектировании и разработке технологии 
забивания сваи. Основная идея данной работызаключается в использовании численных методов для 
визуализации результатов решения задачи о нестационарной деформации полуплоскости. 
 
Ключевые  слова:  Исследовательская  визуализация  данных;визуальное  представление; 
изолинии напряжений; метод бихарактеристик; деформации полуплоскости. 
 
 
І. Введение. Одним из наилучших методов анализа физических процессов и данных является 
научная  визуализация,  основанная  на  построении  физических  и  математических  моделей.  Если 
раньше визуальное представление численных решений сильно зависело от имеющихся возможностей 
вычислительных  ресурсов  аппаратных  средств,  а  также  от  требований  решаемых  задач 
математического  моделирования  и  используемых  при  этом  численных  методов  к  уровню 
визуализации, то в настоящее время изобилие программных средств и суперкомпьютеров позволяет 
ставить и решать более сложные задачи.  
Исследовательская  визуализация  предназначена  для  анализа  и  обработки  набора  данных, 
например, с целью обнаружения закономерностей в них[1-5]. 
 
 
 
 
 
В    настоящее    время    при    получении  экспериментальных  данных  широко  используются 
цифровые осциллографы. 
 
 
 
 
 
 
 
 
 
 
В  данной  работе  сделана  визуализация  решения  задачи  о  нестационарной  деформации 
полуплоскости. 
 
 
 
 
 
 
 
 
 
 
Развитие  многих  областей  техники  и  строительства  связано  с  использованием  весьма 
актуальных  разделов  упругости.  Эта  теория  находит  широкие  приложения  в  расчетах  напряженно-
деформированного состояния деталей машин, элементов составных конструкций в строительстве, в 
машиностроении, в авиационной и космической технике.   
 
 
 
 
 
Одной  из  интересных,  с  практической  точки  зрения,  задач  прикладного  характера  является 
задача  о  нестационарной  деформации  полуплоскости,  когда  на  основание,  имеющегося  форму 
прямоугольного среза,   приложена  изменяющаяся во времени нагрузка. Подобная задача возникает, 
например,  при  исследовании  напряженно-деформированного  состояния  окрестности  скважины,  ее 
проектировании  и  разработке  технологии  забивания  сваи.  Как  показано  проведенными 
исследованиями,  представление  грунта  в  виде  сплошного  линейно-деформируемого  тела  позволяет 
использовать  методы  решения  динамических  задач.  Это  такие  методы,  как  построение  на  основе 
метода бихарактеристик с привлечением идеи расщепления по пространственным координатам явной 
разностной схемы[6-9].  
 
 
 
 
 
 
 
 
 
 

жүктеу/скачать 5,02 Mb.

Достарыңызбен бөлісу: