Актуальность. Основные положения Стратегии национальной безопасности Российской Федерации до 2020 года диктуют необходимость обеспечения комплексной безопасности функционирования особо опасных и технически сложных объектов с учетом непрерывно изменяющейся природной и техногенной среды.
Опыт эксплуатации теплоэлектроцентралей или тепловых электростанций (ТЭЦ) все больше подтверждает возрастающее влияние «человеческого фактора» на их эксплуатационную надежность, несмотря на широкое использование систем автоматического управления и аварийно-предупредительных средств оповещения. При этом непрерывное усложнение технических решений, которые находят свое применение в том или ином техническом объекте ТЭЦ, предъявляет требования к постоянному повышению квалификации обслуживающего персонала. Отмеченные факторы позволяют отнести данную сферу человеческой деятельности к числу информационно-насыщенных систем.
Существующие классические методы уже не в полной мере позволяют получить приемлемые характеристики функционирования информационно-измерительных систем мониторинга. Вместе с тем эволюция вычислительной техники и средств коммуникации дает новые возможности обработки информации и повышает актуальность проблемы переноса части интеллектуальной сферы человеческой деятельности в сферу автоматизации технологических процессов и систем управления.
В этой связи возникает необходимость в разработке интеллектуального информационно-вычислительного комплекса для анализа и распределения потоков данных, полученных от систем мониторинга в режиме реального времени без участия эксперта. Это жизненно необходимо для обеспечения автономного функционирования системы мониторинга в условиях неполноты и неопределенности поступающей информации при наличии случайных возмущений внешней среды.
Создаваемая система должна давать объективную картину состояния, как всего объекта мониторинга, так и его отдельных элементов. Для прогнозирования, диагностики и принятия объективного решения по нивелированию возможных технических сбоев, аварий и катастроф необходимо из данных мониторинга выделять основные информативные параметры, которые определят достоверность измерения. Эти параметры должны подвергаться идентификации и группировке в кластеры для дальнейшей обработки соответствующими средствами измерения, экспертной оценки и сравнения с соответствующими критериями. Решение подобных задач невозможно без применения интеллектуальных методов обработки информации.
В настоящее время в данной области работает ряд ведущих предприятий страны: ОАО «Научно-технический центр по безопасности в промышленности», Федеральный научно-производственный центр НПО «Марс», ФГУП Научно-исследовательский институт «Рубин», ОАО Научно-исследовательский институт космического приборостроения, Научно-производственный центр антитеррористической и криминалистической техники «Спектр-АТ», Самарский государственный аэрокосмический университет им. С. П. Королева.
Наибольший вклад в решение научной проблемы мониторинга сложных объектов внесен отечественными учеными: Борисенко К. П., Бугаевым A.C., Горкуновым Э. В., Евтушенко Ю. Г., Журавлевым Ю. И., Зубаревым Ю. Б., Ивановым K.M., Касапенко Д. В., Ковалевым A.B., Леоновым Б. И., Матросовым B. JL, Оводенко A.A., Тихоновым А. Н., Ткаченко С. И., Шахматовым Е.В.
Современные информационные технологии основываются на практическом внедрении знаний в самом широком смысле слова (форм, моделей, языков, знаковых конструкций и т. д.). Они служат для описания сложных технических объектов и повышают значимость решения проблемы интеллектуализации современных автоматизированных систем управления.
Таким образом, существующие тенденции широкого использования интеллектуальных методов обработки больших объемов данных, а также рост плотности и неопределенности информационных потоков при контроле состояния и функционирования сложных систем, приводят к необходимости создания интеллектуальной системы принятия решений при управлении таких особо опасных, технически и технологически сложных объектов народного хозяйства, как тепловые электрические станции. Данное обстоятельство делает настоящее диссертационное исследование более чем актуальным.
Цель исследования. Повышение эффективности принятия решений при управлении сложными техническими объектами путем создания специализированного программного обеспечения и внедрения элементов искусственного интеллекта в автоматизированные системы управления и классификации на основе инструментария экспертных систем с формальным аналитическим аппаратом нечетких моделей знаний.
Для выполнения этой цели необходимо решить следующие задачи:
1. Провести анализ методологий, методов, моделей решения задачи принятия решений при управлении сложными объектами.
2. Разработать структуру системы автоматического адаптивного управления и ее формальное описание с использованием математического аппарата нечеткой логики.
3. Определить структуру базы знаний, состоящую из памяти истории управления и набора нечетких правил управления.
4. Разработать нечеткий алгоритм моделирования процесса распределения паровой нагрузки на ТЭЦ с общей магистралью.
5. Решить задачу диагностирования тепловой электростанции на основе эксплуатационных технических характеристик агрегатных составляющих.
Методы исследований. В работе использованы методы теории распознавания образов, теории вероятностей и математической статистики, математического анализа, теории множеств, теории графов, математической логики, системного анализа, теории информации, искусственного интеллекта и построения баз данных и знаний.
Научная новизна.
1. Формализована концептуально-логическая, экспертная модель представления предметных знаний о техническом состоянии объекта, представляющая собой семантическую сетевую структуру данных, наделённую свойствами: иерархичности, модульности, объектно-ориентированности.
2. Разработаны алгоритмы работы системы и основных ее блоков на основе нечеткой логики: именно, блока принятия решений и блока формирования правил управления.
3. Разработанный математический аппарат нечеткой логики позволяет вводить в систему правила управления, полученные на основании априорных знаний экспертов, и выраженные в форме, близкой к естественному языку. Этим значительно повышается качество управления на начальном этапе работы системы и сокращается время самообучения.
Практическая ценность.
Практическая ценность диссертационной работы заключается в следующем:
1. Предложена методика управления нагрузкой котельного оборудования ТЭЦ с общей магистралью.
2. Предложенные модели и методы адаптивного управления нагрузкой котельного оборудования ТЭЦ с общей магистралью доведены до конкретных алгоритмов.
3. Сформулирован и обобщен комплекс требований к программному обеспечению автоматизированного управления котельным оборудованием ТЭЦ с общей магистралью.
4. Создано алгоритмическое и программное обеспечение разработанного метода автоматизированного управления ТЭЦ
В результате теоретических исследований создан программный комплекс нагрузкой котельного оборудования ТЭЦ.
Разработанные программные продукты позволяют реализовать сетевую концептуальную модель представления знаний.
Практическая значимость работы подтверждается соответствующими актами внедрения.
Реализация и внедрение результатов работы.
Разработанные программные средства входят в состав «Программного комплекса исследования модели нечеткого распределения паровой нагрузки между котлоагрегатами ТЭЦ с общей магистралью «ВИРТЭЦ-НЛ», который используется для принятия решения о техническом состоянии ТЭЦ в условиях неполной информации. На данное программное обеспечение получено свидетельство о государственной регистрации программ для ЭВМ РОСПАТЕНТ № 2 012 611 445 от 07.02.2012 г. (см. приложение 1).
Данный программный продукт используется в научно-исследовательских работах в ЗАО «НВТ-Автоматика» (см. приложение 2.).
Разработанные методические принципы создания интеллектуального классификатора использованы в учебном процессе при подготовке специалистов по специальности 220 102 на кафедре «Автоматизированные системы управления и информационные технологии» Московского государственного университета приборостроения и информатики (см. приложение 3).
Достоверность полученных результатов. Достоверность полученных результатов подтверждена:
— экспериментальными данными и математическим моделированием предложенных методов на ПЭВМ;
— разработкой действующих программных средств, подтвержденных свидетельствами об официальной регистрации;
— результатами использования этих программ в ведущих организациях и предприятиях страны.
Апробация работы. Основные положения и результаты диссертационной работы докладывались и обсуждались на кафедре «Автоматизированные системы и информационные технологии» Московского государственного университета приборостроения и информатики, на XIV Всероссийской научно-технической конференции «НИТ-2011» в г. Москве, на V всероссийской научно-технической конференции по имитационному моделированию и его применению в науке и промышленности «ИММОД-2011» в г. С.-Петербург, на XV Всероссийской научно-технической конференции «Новые информационные технологии» в 2012 в г. Москве.
Публикации.
По результатам исследования опубликовано 8 научных работ, в том числе 3 статьи в периодических изданиях, рекомендованном ВАК РФ. Получено свидетельство о государственной регистрации программ для ЭВМ в Российском агентстве по патентам и товарным знакам (РОСПАТЕНТ) № 2 012 611 445 от 07.02.2012 г.
Структура и объем работы.
Диссертационная работа состоит из введения, четырех глав, заключения и списка литературы из 111 наименований и содержит 160 страниц машинописного текста, 28 рисунков, 15 таблиц и приложения на 4 страницах.
3.6. Основные результаты по третьей главе.
1. Основным недостатком рассмотренных методов является отсутствие обоснованных решений для обязательного учета возраста и инерционности оборудования, а также других ограничений на использование оборудование ТЭЦ. В то же время, производство электроэнергии на ТЭЦ с общей магистралью требует эффективного регулирования распределения электрической и тепловой нагрузок, особенно при числе агрегатов больше трех.
2. Оптимальное распределение паровых нагрузок между котлоагрегатами ТЭЦ с общей магистралью зависит от суперпозиции значений большого числа контролируемых параметров и практически не формализуемо. Применение рассмотренных методов распределения нагрузок не позволяет в полной мере учитывать инерционность оборудования и неспособно существенным образом повышать энергоэффективность.
3. Таким образом, технологический (тепловой) процесс на ТЭЦ достаточно полно отражается принципиальной схемой её тепловой части (тепловой схемой). Последняя определяет связи между основным и вспомогательным оборудованием в пределах замкнутого пароводяного контура ТЭЦ по пару, воде и конденсату.
4. Вид тепловой схемы зависит от конструктивных особенностей теплового оборудования и требований, предъявляемых к его работе с точки зрения возможных эксплуатационных режимов (пуск и холостой ход, работа при расчетных и пониженных нагрузках и др.). Тепловая схема разрабатывается с учетом требований экономичности (наличие или отсутствие промежуточного перегрева пара, степень регенерации теплоты турбины и др.), надежности (наличие или отсутствие резервных вспомогательных установок и линии связи и др.) и управления (простота операций по переходу с одного режима работы на другой, возможность изменения направлений и расходов потоков пара, воды, конденсата и др.).
5. Основной результат представленной работы состоит в том, что был расширен математический аппарат нечеткой логики, это позволило использовать нечеткую логику в системах ААУ. В частности: а) разработана структура системы ААУ и ее формальное описание с использованием математического аппарата нечеткой логикиб) разработаны алгоритмы работы системы и основных ее блоков на основе нечеткой логики: именно, блока принятия решений и блока формирования правил управленияв) определена структура базы знаний, состоящая из памяти истории управления и набора нечетких правил управления.
По отношению к базовой версии системы ААУ, предлагаемая система обладает следующими преимуществами: а) новая система имеет в 2−4 раза меньший объем базы знаний при одинаковом качестве управленияб) использование математического аппарата нечеткой логики позволяет вводить в систему правила управления, полученные на основании априорных знаний экспертов, и выраженные в форме, близкой к естественному языку. Этим значительно повышается качество управления на начальном этапе работы системы и сокращается время самообученияв) система способна автоматически определять необходимую для заданного качества управления точность представления входных и выходных данных.
В ходе дальнейших исследований предполагается разработать формальную модель нейрона с использованием математического аппарата нечеткой логики, тем самым приблизив функциональные свойства модели нейрона к его биологическому оригиналу.
Правила нечеткой логики могут быть использованы для построения структуры нейроноподобной сети. В процессе исследований предполагается разработать метод формирования таких правил путем анализа эмпирической информации, накопленной объектом управления на начальном этапе своего функционирования, а также методы объединения и минимизации нечетких правил с целью оптимизации структуры управляющей системы. Для целей оптимизации могут быть применены различные методы логического вывода, используемые в булевой алгебре и логике предикатов, адаптированные к нечеткой логике.
Развитие различных методов оптимизации базы знаний должно открыть возможности построения знаний над знаниями, получения нечетких правил (образов) более высокого порядка, что может перевести исследования на новый уровень — к построению иерархических управляющих систем.
ГЛАВА 4. РЕШЕНИЕ ЗАДАЧИ ДИАГНОСТИРОВАНИЯ ТЕПЛОВОЙ ЭЛЕКТРОСТАНЦИИ НА ОСНОВЕ.
ЭКСПЛУАТАЦИОННЫХ ТЕХНИЧЕСКИХ ХАРАКТЕРИСТИК АГРЕГАТНЫХ СОСТАВЛЯЮЩИХ.
4.1. Предметный анализ области диагностирования котельного оборудования ТЭЦ
Задача диагностирования котельного оборудования заключается в своевременном обнаружении дефектов возникших в процессе его эксплуатации, а также нахождение мест и причин их возникновения. В конечном итоге решённая задача диагностирования должна указывать на способ приведения технического состояния объекта диагностирования в соответствие его номинальным техническим требованиям. Рассмотрим основные понятия, используемые в формализуемой предметной области, и характерные для неё особенности.
Техническая диагностика — область знаний о распознавании состояния технических систем (объектов) в условиях ограниченного объёма информации, исследующая формы проявления технического состояния, разрабатывающая методы и средства его определения [9].
Техническое диагностирование — процесс контроля и прогнозирования и технического состояния объекта диагностирования [28].
Диагностирование оборудования — процесс заключающейся в определении его технического состояния с заданной точностью [12]. Характерной особенностью объектов технического диагностирования котельного оборудования является их комплексная архитектура. Широк и диапазон решаемых задач, методов и средств диагностирования.
Диагностический параметр (признак) — параметр объекта, количественно или качественно характеризующий ТС объекта. Диагностические параметры П условно подразделяются на три типа :
Пвх — внешние условия и управляющие воздействия по отношению к объекту диагностирования, (положение органов управления, характер подачи топлива и т. п.).
Пвь, х. — параметры, отражающие поведение объекта при его функционировании;
ПВНутр — параметры, определяющие структуру объекта и характеризующие рабочие процессы, происходящие внутри его.
Диагностическая модель — формализованное описание объекта ТД, необходимое для решения задач диагностирования. Представляется в аналитической, табличной, векторной и графической нотациях.
Средство диагностирования — аппаратура и программы, с помощью которых осуществляется диагностирование.
Система диагностирования — совокупность средств диагностирования и распознающего устройства, классифицирующего принадлежность диагностических параметров определённому классу состояния ОД.
Диагностические параметры котельного оборудования ТЭЦ различаются по информативности, доступности и стоимости измерения, степени локализации возникшего дефекта.
Информативность параметра характеризует количество информации о состоянии двигателя и её значимость. По этому критерию различают: высоко-, средне, и низко информативные сигналы.
По доступности и стоимости измерения выделяют три группы параметров:
— простые, эти значения могут быть получены легко устанавливаемыми, простыми или штатными средствами измерения и диагностирования (термопары, манометры, тахометры и т. д.);
— средние, значения параметров этой группы могут быть измерены приборами средней сложности или простыми, но относительно трудоёмкими в установке (рЬ-метры, индикаторы, газоанализаторы, и т. п.);
— сложные, сложными и дорогостоящими измерительными средствами (осциллографы, виброаккустическая аппаратура, и другие комплексы измерительных средств).
По степени локализации возникшего дефекта диагностические параметры выделяют в группы, позволяющих определить: техническое состояние отдельного узла, нескольких или группы элементов или диагностируемого объекта в целом (работоспособен / неработоспособен).
Использование выделенных групп диагностических параметров и соответствующих им методов технической диагностики обуславливаю создание трёхуровневой системы диагностирования котельного оборудования ТЭЦ. [12].
Общая система рабочего диагностирования применятся для проверки состояния установки в целом, при этом используются параметры с высокой информативностью, доступностью измерения и низкой степенью локализации.
Локальные групповые системы диагностирования обеспечивают проверку состояния и поиск дефектов нескольких элементов, имеющий общий характер проявления дефектов.
Локальные специализированные системы диагностирования с помощью этих систем достигается возможность определения дефектов отдельных элементов котельного оборудования ТЭЦ.
Основными элементами, параметры которых учитываются при проведении ТД котельного оборудования ТЭЦ, являются:
— газораспределительная система;
— система водоподготовки;
— барабан котла;
— паровой тракт;
— тягодутьевые механизмы.
По результатам методов диагностирования, можно будет говорить только о характере возникшей неисправности, но никак о её локализации.
Центральным признаком, характеризующим работоспособность котельного оборудования ТЭЦ, является КПД котлоагрегатов.
Косвенными признаками неисправного состояния являются:
— повышенный расход топлива;
— усиление шумности работы котла;
— повышенное содержание продуктов сгорания;
— скачки давления в трубопроводах;
— пониженное разрежение в топке котла;
— ухудшение показателей котловой воды.
Интегральным показателем, характеризующим работоспособность котельного оборудования, является КПД котла.
4.2. Требования к автоматизированной системе диагностики котельного оборудования ТЭЦ
Основываясь на том, что каждая разрабатываемая система должна отвечать определенным параметрам, для решения задачи диагностики в настоящей диссертационной работе были сформулированы следующие требования.
1. Система должна быстро и доступно адаптироваться под различные предметные области, в которых необходимо решить задачу диагностики.
2. Интерфейс системы должен быть удобным для использования, обучение пользованию — легким, используемая терминология — привычной для пользователей.
3. Выводимые системой результаты должны быть развернутыми, содержательными и понятными рядовому пользователю.
4. Система должна уметь генерировать поясняющие тексты, в которых содержались бы алгоритмы действий к устранению возможных дефектов и неполадок диагностируемого объекта.
5. Система должна предусматривать возможность выдавать результат своей работы (решения задач, поясняющие тексты) в форматах распространенных текстовых редакторов.
4.3. Выбор средства реализации системы диагностики.
Искусственный интеллект сформировался как отдельная область знаний и продемонстрировал свою применимость для решения многих практических задач на основе языка Prolog. Однако в последнее время удельный вес этого языка при решении задач искусственного интеллекта несколько снизился. Это объясняется требованиями к разработке программных систем. Системы искусственного интеллекта зачастую служат моделями других больших приложений, поэтому стандарты разработки приводят к необходимости использования единого языка программирования для всего приложения.
Современные системы искусственного интеллекта реализуются на многих языках, включая Smalltalk, С, С++ и Java. Тем не менее, Prolog продолжает играть свою роль в разработке прототипов программ и новых методов решения задач. Кроме того, этот язык служит для обоснования многих средств, которые впоследствии включаются в современные языки программирования.
Наиболее ярким примером является язык Java, в котором используются динамическое связывание, автоматическое управление памятью и другие средства, впервые реализованные в языках программирования задач искусственного интеллекта.
Язык программирования Java — это полностью объектно-ориентированный язык, который в отношении синтаксиса многое унаследовал от С++. При этом язык Java в синтаксическом отношении проще и логичнее, чем С++. Одним из главных преимуществ Java является межплатформенность. Данный язык удобен для создания серверных приложений благодаря использованию Java сервлетов и технологии JSP. Помимо этого, язык Java обеспечивает удобный механизм взаимодействия с базами данных, что может быть полезным при дальнейшем развитии информационной системы.
Учитывая описанные характеристики языка Java, в дальнейших исследованиях настоящей работы он будет выполнять функции языка реализации поставленной в диссертации задачи.
4.4. Структура системы диагностики.
В основу программной реализации задачи выявления причинно-следственных связей и диагностики технических систем положены алгоритмы работы нахождения рационального решения на основе нечеткой логики.
Основными компонентами программного средства поиска дефектов технических систем являются:
1) подсистема сохранения информации в текстовый файл специального формата;
2) подсистема восстановления информации о проблемной области из текстового файла специального формата;
3) подсистема базы знаний;
4) получение решения с помощью алгоритма нечеткой логики;
5) подсистема настройки параметров.
Инструментальное средство выявления причинно-следственных связей реализовано с помощью языка программирования Java как простое консольное приложение для использования в ОС Windows.
4.5. Возможности системы диагностики.
Система диагностики позволяет выявлять причинно-следственные связи рассматриваемых технических систем. Она не является стандартной системой диагностики. Суть проблемы, решаемой ею, состоит в обучении по частным признакам, наблюдаемым факторам уже сложившейся ситуации, случившегося действия.
Возможности системы выявления причинно-следственных связей и диагностики технических систем не ограничены областью задач обучения. На основе выводов (формирование базы знаний), получаемых на этапе обучения, решается более сложная задача генерации поясняющих текстов, заключений, обучающих протоколов (инструкций к действию), что используется в системах реального времени.
Представленная система может быть использована не только для диагностики технических систем, но и как система подготовки специалистов на предприятиях. Программный комплекс генерирует множество протоколов, на основании которых изучаются возможные осложнения в процессе работы той или иной технической системы, выявление и классификация неполадок и т. п. Систему можно использовать в качестве тренажера и/или тестирования уровня подготовки специалистов на предприятии.
4.6. Оценка алгоритмического обеспечения системы диагностики.
В настоящее время программные средства и информационные системы рассматриваются как новые, специфические рыночные продукты, для которых такие показатели, как качество, информационная безопасность и надежность функционирования, во многом определяют их экономическую эффективность и возможность их реализации и применения [35]. Теории и методы управления качеством программных продуктов рассматриваются сегодня как новое направление в управлении качеством продукции, в связи с чем, разрабатываются специальные методы оценок систем [27], [36]. По определению терминологического стандарта ИСО 8402 под качеством понимается «совокупность характеристик объекта, относящихся к его способности удовлетворять установленные и предполагаемые потребности».
Для конкретных программных систем предпочтения по критериям качества формируются на этапе их проектирования и определяются требованиями технического задания, отражающего функциональное назначение и специфику области применения разрабатываемой программной системы.
Программы для современных компьютеров, рассматриваемые как объекты проектирования и разработки, могут быть охарактеризованы следующими обобщенными показателями [27], которые существенно влияют на решения по алгоритмическому обеспечению.
1. Техническое назначение программ и проблемно-ориентированная область применения. Уточнение этого обобщенного показателя в техническом задании приводит к формулировке конкретных ограничений, например, по временной и/или емкостной эффективности программных реализаций.
2. Тип решаемых функциональных задач. Этот показатель определяет в смысле алгоритмического обеспечения множество существующих алгоритмов решения этих задач, при этом выбор и/или разработка рациональных алгоритмов является одной из важных задач при создании эффективных программ.
3. Объем и сложность совокупности программ, и их информационное обеспечение в разрабатываемой программной системе.
4. Требуемые значения характеристик качества функционирования программ и величина допустимого риска.
В настоящее время существует целый ряд стандартов в области характеристик качества программных систем, достаточно полно изложенных в [27].
Из совокупности общих характеристик качества можно выделить следующую группу характеристик, на которые оказывают существенное влияние решения, принятые на этапе разработки алгоритмического обеспечения.
1. Временная эффективность — способность программы выполнять заданные действия в интервале времени, отвечающем заданным требованиям.
2. Используемость ресурсов или ресурсоемкость — минимально необходимые вычислительные ресурсы при эксплуатации программных систем. С точки зрения рациональных алгоритмических решений речь идет, в первую очередь, о ресурсах оперативной и внешней памяти.
3. Анализируемость — возможность прогнозирования временной эффективности и ресурсоемкости программных систем, во многом определяемой принятыми на этапе разработки математического обеспечения алгоритмическими решениями.
4. Изменяемость или модифицируемость — обеспечение простоты внесения необходимых изменений и доработок в программу в процессе эксплуатации, определяемая не только качеством программирования, но и «читаемостью» используемых алгоритмов.
5. Стабильность — устойчивая работоспособность программной системы в области входных данных, определяемой спецификой применения, обеспечиваемая не только тщательностью программирования «особых» ситуаций с данными, но и алгоритмическими решениями.
6. Тестируемость — полнота проверки возможных маршрутов выполнения программы в ограничениях решаемой задачи, задаваемых проблемной областью применения.
Для доказательства рациональности предложенного программного обеспечения следует провести оценку его качества. Сделать это можно путем сравнительного анализа по вышеописанным характеристикам. Для сравнения возьмем реализацию абдуктивного вывода (АВ) с помощью логического языка программирования Пролог и предложенные в настоящей работе алгоритм нечеткий логики и язык программирования Java (см. таблицу 14).
ЗАКЛЮЧЕНИЕ
.
Современный этап развития общества характеризует появление наукоёмких и высокотехнологичных областей, а также областей, связанных с управлением сложными техническими объектами и их сопровождением в процессе эксплуатации. Большинство таких сфер человеческой деятельности характеризуются накоплением больших объемов разнородных информационных ресурсов. Отсутствие единых правил структуризации накапливаемых знаний, их децентрализованное хранение и обработка неизбежно приведёт к затруднению их сбора со стороны лица, принимающего решения в предметной области. Это, в свою очередь, повлечет принятие неэффективных и, более того, небезопасных управленческих решений. Данный факт ставит на первый план задачи разработки и внедрения интеллектуальных информационных систем и поддержки принятия решений в отмеченные информационнонасыщенные сферы.
Приведённые в настоящей работе научно-практические материалы свидетельствуют о том, что наиболее эффективным решением отмеченных проблем является разработка экспертных систем с помощью предложенной технологии автоматизированного проектирования. В результате проведённых в диссертационной работе научно-практических исследований получены следующие результаты:
Предложенная в настоящей диссертационной работе методика выявления причинно-следственных связей легла в основу разработанной автоматизированной системы диагностики технических систем ТЭЦ, которая прошла успешные испытания, и внедрена в МГУПИ, ЗАО «НВТ-Автоматика», что подтверждается актами о внедрении (см. приложение 2,3).
1. Проведен анализ методологий, методов, моделей решения задачи автоматизации и принятия решений при управлении сложными объектами.
2. Обоснован комплекс технических параметров определяющих состояние объекта и их отношений на основе графа семантических сетей и реализации информационной технологии визуального моделирования (для котельного оборудования ТЭЦ с общей магистралью).
3. Разработана структура системы автоматического адаптивного управления и ее формальное описание с использованием математического аппарата нечеткой логики.
4. Определена структура базы знаний, состоящую из памяти истории управления и набора нечетких правил управления.
5. Разработан нечеткий алгоритм моделирования процесса распределения паровой нагрузки котельного оборудования на ТЭЦ с общей магистралью.
6. Разработан программно-инструментальный комплекс, автоматизирующий процесс управления котельным оборудованием ТЭЦ с общей магистралью, обеспечивающий высокую производительность и гарантирующий качество формальных решений.
