Интегрированная программная среда Expert с элементами искусственного интеллекта для разработки и сопровождения систем управления технологических процессов

Предмет работы. В настоящее время нельзя представить развитие производства без средств автоматизации. Это приводит к созданию автоматизированных производств, контролируемых микропроцессорными устройствами. Для создания подобных систем требуется провести большой объём работ по подготовке производства и затратить время на разработку программного обеспечения.

Суть диссертационной работы — выработать на практике механизм внедрения в производство диагностических, управляющих и моделирующих систем. Написать необходимое программное обеспечение. Исследовать на моделях работу интеллектуальных алгоритмов принятия решений в среде с неполной информацией.

Актуальность. Развитие современного производства — это постоянный рост его сложности, который проявляется как в расширении разнообразия технологий, использующих новые физические принципы и технические решения, так и в ускорении сменяемости и усложнении выпускаемой продукции. Сумма знаний, необходимых для эффективного проектирования и эксплуатации производства, постоянно растет, что существенно увеличивает интеллектуальную нагрузку на проектировщика и производственника. В частности, по мере внедрения новых форм автоматизации, базирующихся на электронной вычислительной технике, стремительно расширяется интеллектуальная составляющая труда производственного персонала от управляющего до рабочего. Традиционно проблемы такого характера решались увеличением уровня специализации персонала, что неизбежно приводило к росту его численности. Этот путь, очевидно, противоречит тенденции сокращения числа занятых в проектировании и производстве и создания трудосберегающих технологий.

Существует два направления решения данной проблемы. Первое направление связано с повышением уровня инженерного, конструкторского и производственного персоналавторое — с увеличение степени интеллектуальности автоматизированных систем проектирования и управления.

Интересно второе направление, так как оно позволит создавать высокомобильные производства, быстро реагирующие на конъюнктуру рынка. Это подводит к проблеме исследования и формализации производственных моделей реального времени.

Режим реального времени накладывает значительные ограничения на инерционность управляющей системы. Временные параметры принятия решения жестко, напрямую зависят от типа протекающего производственного процесса. Рассмотрим делопроизводство. Здесь временные интервалы продолжительные, они позволяют подробно рассчитать возможные варианты, даже методом полного перебора. Однако в данном типе задач встает вопрос сложности построения моделей таких процессов. Это может стать непреодолимым препятствием решения данного рода задач. Формализация такой задачи если и возможна, то только в общем, приближенном виде. Очень много случайных внешних факторов оказывают сильное влияние на производство. Теоретически модель построить можно, но корректно работать она будет только в жестко описанных рамках.

Существует очень серьёзная проблема скорости разработки и внедрения автоматизированной системы в реальное производство, а также трудозатраты, связанные с данным процессом. Так последние достижения позволяют увеличить скорость разработки автоматизированных систем управления технологическими процессами в 20−25 раз. 22].

Диссертационная работа посвящена разработке программного обеспечения, которое позволит исследовать сложные производственные системы, строить и описывать формализованные модели, на основе собранных данных. К этим моделям применяются алгоритмы поиска решений в пространстве с неполными данными. В конечном итоге результаты этих исследований используются непосредственно для управления технических систем реального производства.

Существующие решения задачи синтеза систем управления автоматизированными производствами в общем виде и для конкретных систем рассматриваются во многих работах [3, 9, 7, 11, 13, 16, 23, 36, 45, 47, 59, 64, 67, 80, 81]. Основное внимание в них уделяется проблемам формализации моделей систем управления и процессов, протекающих в них. В некоторых работах формализуются частные задачи выбора эффективного варианта системы управления, которые в общей постановке сводятся к оптимизации на дискретных и комбинаторных структурах [1, 2, 8, 53]. При этом серьезной проблемой является то, что целевые состояния и ограничения не задаются в явном аналитическом виде, поэтому для решения таких задач могут быть использованы лишь алгоритмы прямого поиска [72, 73]. Подобные алгоритмы требуют обычно большого количества промежуточных шагов. В данном случае это означает, что рассматривается большое количество возможных вариантов состояния системы управления, каждый из которых необходимо оценить, чтобы выбрать наиболее приемлемый. Для того, чтобы сделать оценку надо проанализировать процесс функционирования каждого конкретного состояния системы управления. Анализ осуществляется с помощью имитационных моделей или посредством некоторых алгоритмов, реализующих процесс управления. И то и другое требует для расчета большого количества времени, и потому вычисление значений целевого состояния и ограничений может быть по временным затратам в несколько раз больше, чем проработка самого алгоритма оптимизации. Таким образом, возникает необходимость разработки методов и приложений, которые позволили бы ускорить разработку и внедрение алгоритмов управления, в основе которых заложены не принципы полного перебора, а интеллектуального приближения к целевому состоянию.

Большое внимание в литературе уделяется построению моделей процессов, протекающих в системах управления и интеграции интеллектуальных систем с человеком в реальном производстве. Можно выделить три направления применения интеллектуального управления в производстве: во — первых это управление подразделениями в планово экономическом смыслево — вторых, управление гибкими производственными системами, и в третьих, интеллектуальное управление технологическими процессами на местах.

Первое направление характеризуется непредсказуемостью предметной области и количеством факторов, влияющих на общую систему. Здесь трудность заключается в том, что задачи неструктурированны, размыты и слабо поддаются формализации. При этом множественность объектов, подлежащих рассмотрению, имеет постоянную тенденцию к увеличению, необходимость принимать групповые решения, усложняет процесс их выработки, окружающая среда в лучшем случае не определена, а иногда принимает взрывоопасный характер. Формулируются 3 направления дальнейших исследований для преодоления указанных ограничений: разработка новых методов управления знаниями, распределения и децентрализация групп экспертов и обработки естественного языка. 60].

Основой моделирования является теория подобия, которая утверждает, что абсолютное подобие моделируемого объекта и модели может иметь место лишь при замене изучаемого объекта точной его копией. В практике моделирования к абсолютному подобию не стремятся. Более того, попытка как можно более полно отразить свойства и характеристики сложного объекта приводит к чрезмерному росту сложности модели, что существенно снижает ее практическую полезность. Поэтому центральной проблемой моделирования является разумное упрощение модели, т. е. выбор необходимой и достаточной степени ее подобия объекту моделирования.

Многообразие объектов, целей и задач моделирования породило множество типов моделей, но мы будем рассматривать только математические модели. При моделировании производственных систем используются элементы дискретной оптимизации, теории систем массового обслуживания, а также специальный раздел теории сетей (сетей Петри)[60].

Одним из методов, широко используемых при автоматизации проектирования гибких производственных систем (ГПС), является математическое моделирование на ЭВМ (в частности, имитационное), с помощью которого можно проводить управляемые эксперименты с моделью системы. Построение модели и эксперименты с ней требуют как высокой математической и программистской подготовки, так и обширных инженерных знаний в области ГПС. Это затрудняет организацию интерактивного процесса проектирования, в котором проектировщик непосредственно взаимодействует с ЭВМ в режиме диалога. В традиционных системах между ним и ЭВМ необходимы «посредники «- математики и программисты. В интеллектуальных системах непосредственное общение с ЭВМ обеспечивается интеллектуальным интерфейсом — комплексом программно — аппаратных средств, позволяющих организовать двусторонний диалог на языке, близком к профессиональному языку проектировщика.

ЭВМ и другие средства вычислительной техники оказали революционизирующее влияние на современную инженерную практику, тем не менее, по ряду направлений использования не оправдали возлагавшихся на них надежд. Одна из наиболее трудных задач в инженерных исследованиях состоит в правильной оценке, какая из новых компьютерных идей перспективна для использования в промышленности. В последнее время важная роль отводится ИИ и нейронным сетям, в том числе и для производственных систем. Считается, что значительным потенциалом для общего планирования и прогнозирования, ожидаемых и неожиданных ситуаций на производстве обладают ЭС, базы знаний и др. методы ИИ. Статические БД должны быть заменены активными структурами представления знаний, способными производить оценку изменений на согласованность. Однако, одна из основных посылок ИИ и нейронных сетей, состоящая в возможности исключить необходимость программирования, не оправдалась, и сейчас становится ясно, что нейронные сети не заменят традиционных ЭВМ, не исключат программирования и не откроют тайн человеческого мышления. [68].

Одной из трудностей развития и применения ИИ является разрыв между научными исследованиями и практическими применениями. В 1970;х годах основные усилия были направлены на автоматизацию обработки речевых сигналов в пределах словаря из 1000 слов. В 1980;4 годах главными направлениями были автоматизация обработки изображений и создание систем технического зрения. На 1990;е годы намечены следующие прикладные разработки в области ИИ: интеллектуальное управление и контроль в реальном времени, устройства предупреждения столкновений автомобилей и самолетов, роботы для ведения домашнего хозяйства, автоматизация проектирования новых изделий, персональные электронные репетиторы, устройства для синхронного перевода. Реализация всех этих устройств, связана с такими направлениями исследований ИИ, как понимание естественных языков, создание и использование обширных БД и баз знаний в реальном времени, техническое зрение, робототехника. [41].

Создать правдоподобную систему на основе правил и эвристических знаниях специалистов сложно. «Структура многих экспертных систем (ЭС) затрудняет и замедляет выдачу нужных рекомендаций для возникающих ситуаций. Использование разных источников при формировании ЭС нередко приводит к неоднозначности и избыточности информации, выдаваемой из ЭС. Эти недостатки могли быть ослаблены при использовании формальных методов проверки, реализованных в специально разработанных для этой цели программах. Такие программы используют формальные правила проверки правильности и полноты сведений, содержащихся в ЭС, и отсутствия избыточности экспертной информации. Однако ни одна проверочная программа не может обеспечить полную правильность и высокое качество ЭС. Лучший способ избежать ошибок в ЭС — создавать небольшие и простые ЭС, предназначенные для сравнительно независимых систем» .

На сегодняшний день существует множество пакетов для разработки и внедрения средств автоматизации [34,35,37,38]. Их можно классифицировать по следующей схеме:

Комплексы разработки средств.

Рис 1.1. Комплексы средств разработки средств автоматизации.

В диссертационной работе затрагивается математическое моделирование, разработка средств визуализации, диагностики и управления. Особое внимание оказывается разработке программного обеспечения, способного дать реальные данные для моделирования, так как это является фундаментом всех систем управления.

Целью диссертационной работы. является создание эффективного алгоритмического и программного обеспечения для диагностики и управления АСУТП с применением интеллектуальных алгоритмов управления с использованием математических моделей автоматизированных производственных систем.

Эта цель обусловила необходимость решения следующих задач:

— диагностика и сбор информации о работе автоматизированной производственной системе в режиме реального времени, для последующего анализа происходящих процессов и построения формализованной модели;

— аппроксимация данных, полученных в результате наблюдения за поведением системы;

— анализ процессов в автоматизированных производственных системах, формализация этих процессов и выработка модели данной системы, на основе полученных данных;

— постановка и решение на основе разработанной модели, задачи оперативного планирования и управления гибкими производственными системами;

— проверка алгоритмов поиска решений с неполными данными о среде на реальной производственной модели, и создание на его базе системы управления для производственной системы;

— разработка и апробация среды управления сложными производственными процессами.

Научная новизна результатов, полученных в диссертации, состоит в следующем:

• разработаны алгоритмы планирования действий при неполной информации о внешней среде;

• разработана методика построения систем управления от первоначальной диагностики системы до её управления;

• разработана среда для диагностики, моделирования и управления реальными производственными процессами;

• разработан пакет программ, базирующийся на объектно-ориентированном подходе, который позволяет легко проследить связи внутри системы при построении производственных систем.

Введение

объектов позволяет системе легко расширяться и адаптироваться для конкретного производственного случаяГ1ри этом сокращается размер кода в дублирующихся схемах;

Методы исследования. Основные результаты получены на основе разработанного программного обеспечения, базирующегося на оригинальных интеллектуальных алгоритмах, с использованием матричной алгебры, программирования на базе обьектно-ориентированного подхода.

Практическое значение. Созданное программное обеспечение в виде интегрированной среды Expert позволяет разрабатывать и.

Практическое значение. Созданное программное обеспечение в виде интегрированной среды Expert позволяет разрабатывать и сопровождать системы управления реальными технологическими процессами. Оно внедрено на различных производствах:

— на заводе холодильников внедрена система диагностики температуры (Центр измерения и управления температур 1995 г.), система диагностики и управления участком землеприготовительного цеха литьевого производства. (ОАО КЗХ Бирюса 1997 г.);

— на заводе Цветных металлов внедрена система диагностики и управления технологическими процессами выращивания кристаллов германия.(German 1 1996г.), расчета технологического распределения градиента температур в зоне расплава. (German 2 1997г.), система диагностики и управления процессом зонной очистки германия. (German 3 1997г.).

— На абаканском консервном заводе внедрена система диагностики и управления автоклавами. Технологический процесс варки тушенки. (Абакан 1998;99г).

— На Красноярском стеклозаводе внедрена система диагностики, и управления варкой стекла. (Стеклозавод 1999 г.).

Алгоритмические модели построения сложных систем, интеллектуального управления, динамических массивов, методы быстрой аппроксимации используются в учебном процессе кафедры вычислительной техники Сибирской аэрокосмической академии при преподавании студентам курсов: «Объектно-ориентированное программирование», «Системное программное обеспечение», «Системы искусственного интеллекта». Работа в программах пакета Expert преподается студентам кафедры «Информационно-управляющих систем» по курсам: «Проектирование САУ ТК», «Системы реального времени», «Автоматизированные системы управления технологическими процессами и производствами» .

Основные защищаемые положения.

1. Интеллектуальные алгоритмы поиска решений в среде с неполными данными.

2. Программные средства интегрированной среды Expert, которые позволяют эффективно решать реальные практические задачи диагностики, моделирования и управления технологическими процессами производства.

3. Методика сквозного тракта создания систем управления. Публикации. По теме диссертации опубликовано 9 печатных работ. [40,43,47,48,49,50,51,52,53].

Апробация работы. Основные положения и отдельные результаты диссертационной работы докладывались и обсуждались на:

— Межрегиональной конференции «Проблемы информатизации региона» (Красноярск, 1996);

— Третьей Всероссийской конференции «Проблемы информатизации региона» (Красноярск, 1997);

— Четвертой Всероссийской конференции «Проблемы информатизации региона» (Красноярск, 1998);

— Всероссийской научно-практической конференции «Решетневские чтения» (Красноярск, 1997);

— Всероссийской научно-практической конференции «Решетневские чтения II» (Красноярск, 1998);

— Всероссийской научно-практической конференции «Решетневские чтения III» (Красноярск, 1999);

— Межвузовской научной конференции «Информатика и информационные технологии» (Красноярск, 1997);

— Межвузовской научно-практической конференции «Информационные технологии» (КГАЦМиЗ. Красноярск, 1999);

— Международной конференции «Непараметрика 97 (Красноярск, 1997);

— Научной конференции «Информатика и информационные технологии» ' (Красноярск, 1998);

— Научной конференции «Перспективные материалы, технологии, конструкции» ' (Красноярск, 1998);

— На научных семинарах кафедры вычислительной техники Сибирской аэрокосмической академии (Красноярск, 1996, 1997,1998,1999).

— На 10-й научно-технической конференции «Экстремальная робототехника», (С.-Петербург. 1999 г.).

— На международном семинаре Ивано-Франковского Государственного технического университета нефти и газа, по кафедре А.У. (Киев 1999).

Структура работы. Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы и приложений. Изложение иллюстрируется 40 рисунками и 5 графиками. Общий объем — 114 стр. страница, список литературы — 81 наименований.

Выводы IV главы.

Мировой опыт показывает, что при создании систем управления и диагностики нерационально для отдельной системы разрабатывать специализированное программное обеспечение. Успешное внедрение программной среды за предельно короткие сроки позволяет сделать вывод о необходимости систем подобного типа. Высокая скорость разработки систем не программистами даёт огромное преимущество над разработкой специализированных программных продуктами специально подготовленным персоналом.

Это позволяет экономить не только временные ресурсы, но и огромные денежные средства на разработку специализированных систем.

Заключение

.

Применение подходов объектно-ориентированного программирования позволило сделать оболочки системы программ наглядными, легко воспринимаемыми и быстро расширяемыми.

Разработанный пакет программ имеет большое преимущество перед существующими системами. Так как он представляет комплекс программ сквозного тракта разработки систем АСУТП, где сочетаются диагностика, моделирование и управление реальными производственными системами.

Выработана методика разработки систем управления технологическими процессами. По данной методике внедрено несколько прикладных задач.

Создана среда для моделирования поведения систем под управлением интеллектуальных алгоритмов. Опробованы новые подходы к их реализации, предложено выделить в дереве поиска элементы системы и рассматривать их поведение независимо от внешних связей.

Предложены и реализованы оригинальные алгоритмы (аппроксимации, управления потоками задач, подрезки баз данных, автоматического масштабирования и д.р.).