Помощь в написании студенческих работ
Антистрессовый сервис

Оценка достоверности информационного обеспечения АСУТП гидроагрегата на основе функционально-ориентированных нечётких математических моделей

Диссертация: Оценка достоверности информационного обеспечения АСУТП гидроагрегата на основе функционально-ориентированных нечётких математических моделей
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

В современных автоматизированных системах управления технологическими процессами (АСУТП) информация о значениях параметров объекта управления (ОУ) может поступать по различным каналам передачи данных от датчиков или других систем контроля и управления, от датчиков, от оператора, от систем контроля регулирования и управления, при этом источники информации могут быть географически значительно… Читать ещё >

Оценка достоверности информационного обеспечения АСУТП гидроагрегата на основе функционально-ориентированных нечётких математических моделей (реферат, курсовая, диплом, контрольная)

Содержание

  • 1. ДОСТОВЕРНОСТЬ ЗНАЧЕНИЙ ПАРАМЕТРОВ В СЛОЖНЫХ СИСТЕМАХ УПРАВЛЕНИЯ
    • 1. 1. Характеристика сложных систем управления
    • 1. 2. Обзор методов контроля достоверности значений параметров контроля и управления
  • АСУТП ГА
    • 1. 2. 1. Диагностические методы
    • 1. 2. 2. Методы резервирования и/или дублирования
    • 1. 2. 3. Методы контроля передаваемой информации
    • 1. 2. 4. Методы алгоритмического контроля достоверности информации
      • 1. 2. 4. 1. 1 Контроль диапазона измерения параметра
      • 1. 2. 4. 1. 2 Контроль скорости изменения параметра
      • 1. 2. 4. 1. 3 Методы контроля устаревания параметра
      • 1. 2. 5. Алгоритмические методы для защиты и сохранения достоверной информации
    • 1. 3. Описание неопределенности параметров контроля и управления
  • АСУТП ГА
    • 1. 3. 1. Анализ погрешностей
    • 1. 3. 2. Интервальные вычисления
    • 1. 3. 3. Теория вероятностей
    • 1. 3. 4. Нечёткие величины
    • 1. 3. 5. Эмпирические методы и элементы искусственного интеллекта
    • 1. 4. Средства динамического описания характерного диапазона
    • 1. 4. 1. Правила
    • 1. 4. 2. Имитационные модели
      • 1. 4. 2. 1. 1 Агрегатная модель Бусленко
      • 1. 4. 2. 1. 2 Непрерывно-дискретная система Глушкова
      • 1. 4. 2. 1. 3 Гибридная система А. Пнуэли
      • 1. 4. 2. 1. 4 Модель системной динамики Форрестера
      • 1. 4. 2. 1. 5 Многоагентное моделирование
      • 1. 4. 2. 1. 6 Когнитивные модели

Актуальность темы

диссертационной работы.

В современных автоматизированных системах управления технологическими процессами (АСУТП) информация о значениях параметров объекта управления (ОУ) может поступать по различным каналам передачи данных от датчиков или других систем контроля и управления, от датчиков, от оператора, от систем контроля регулирования и управления, при этом источники информации могут быть географически значительно удалены от АСУТП ГА. Независимо от характеристик источника данных и каналов передачи данных получаемая АСУТП ГА информация должна быть достоверной, так как от неё зависит корректность управляющих воздействий или решений. В настоящее время согласно ГОСТ 34.603−92 «Информационная технология. Виды испытаний автоматизированных систем» [1] ко всем системам АСУТП предъявляется требование достоверности информации. В некоторых отраслях требование достоверности усиливается руководящими документами, например РД 153−34.1−35.127−2002 [2]. Достоверность — это комплексное многоаспектное понятие [3−9], которое связывается с отсутствием неисправности (ошибок) источника данных, канала связи, модулей системы и т. д. Неисправность может быть как явной (выход за диапазон измерения, обрыв канала связи и т. д.), так и неявной, когда входные данные принадлежат области значений некоторого параметра системы, но не соответствуют действительности. Под параметром системы АСУТП понимается параметр контроля и управления АСУТП, то есть параметр, используемый в алгоритмах системы управления для формирования управляющих воздействий объектом управления.

АСУТП гидроагрегата (ГА) рассчитаны на непрерывный цикл работы основного оборудования с периодом остановок для ремонта 5−10 лет. В настоящее время все крупные гидроэлектростанции РФ эксплуатируются более 30 лет. За это время промышленные системы автоматизации претерпели значительные изменения. Добавление новых каналов информации, поверка и изменение существующих каналов информации связаны с остановкой технологического процесса и, зачастую, с капитальным строительством, что предполагает значительные экономические затраты. На стадии изготовления и пуско-наладки АСУТП каждый канал системы проходит метрологическую аттестацию, поверку, калибровку. В результате проведения этих процедур определяется начальный уровень достоверности каналов — для дискретных каналов он, как правило, имеет два значения {0, 1}, а для аналоговых достоверность является функцией, зависящей от погрешности. Однако в процессе эксплуатации проведение процедур проверки достоверности не всегда возможно в силу ряда причин (многие каналы принципиально нельзя откалибровать, поверить или заменить без остановки технологического процесса). Кроме того, работая в промышленном окружении, каналы и источники информации подвергаются различного рода случайным воздействиям внешней среды: помехи, наводки, вибрации, шумы и т. д. Более того, со временем все характеристики источников и каналов информации ухудшаются. В силу указанных причин по прошествии некоторого времени с начала эксплуатации системы у экспертов возникает сомнение в правильности значений параметров. Особенно сложно определить корректность косвенных измерений, расчётных параметров. В реальных условиях обозначенные проблемы может решить эксперт (обслуживающий персонал) на основе своего опыта и истории функционирования системы. Эксперт определяет основные причины, по которым значение не может быть отображено с необходимой точностью и, исследуя их, делает вывод: достоверно значение параметра или нет. Определить достоверность значений всех параметров (их число в крупных системах достигает нескольких тысяч и более) системы в реальном времени эксперт (или даже несколько экспертов) не может. Таким образом в каждый момент времени крайне сложно оценить достоверность входной информации, как следствие алгоритмы АСУТП ГА не обеспечивают должной устойчивости функционирования в условиях частичной неопределённости.

Вывод: оперативному персоналу и системам управления необходимо автоматически в реальном времени предоставлять кроме значений параметров информацию о достоверности этих значений.

На сегодняшний день существует достаточно большое количество методов для определения достоверности значений параметров системы, в основном они выдают признак: достоверно значение параметра по этому методу или нет. Кроме того, современные программно-аппаратные средства в ряде случаев обеспечивают дополнительную информацию о достоверности (качестве) этого параметра, которую при принятии управляющих решений нельзя не учитывать. Яркими примерами таких программно-аппаратных средств являются интеллектуальные датчики с самовалидацией [10], а также параметры, передаваемые в стандарте OLE for process control [11] (Например: SCADA-системы: SIMATIC WinCC, InTouch, Сириус-СКАДА (QNX) — MES системы: SIMATIC IT Historian и многие другие), или данные, передаваемые в соответствии с международными стандартами IEC 60 870−5-101/104 (МЭК-101, МЭК-104), IEC 61 850 (МЭК 61 850) и других [12]. Таким образом, со значением параметра образуется множество признаков достоверности, каждый из которых ответственен в узкой области, и на их основе сложно определить адекватность значения параметра сложившейся технологической ситуации в целом, т. е. достоверность. Особенно усложняется определение достоверности расчётных параметров.

Анализируя современные промышленные системы в рамках обозначенной темы можно сделать три замечания.

1) В настоящее время отсутствует единая методика определения достоверности значений параметров.

2) В автоматизированных системах управления существует широкий спектр методов проверки достоверности входной информации, но большинство из них рассчитано на определение явной неисправности. При этом оценить достоверность значения параметра в целом, системно, крайне сложно.

3) Основная часть систем управления не учитывает неопределённой природы исходной информации. В настоящее время большинство промышленных систем оперируют данными как исключительно чёткими величинами, в то время как практически все данные, обрабатываемые в системах управления технологическими процессами, априори являются в той или иной степени неопределёнными. Под неопределённостью понимается невозможность точной фиксации значения параметра и момента проведения измерения, являющаяся следствием неизбежных погрешностей измерений и вычислений. Следовательно, чёткое представление параметров изначально несёт в себе недостоверность.

Согласно стандарту (ГОСТ 28 195−89, 2001) [13] каждая система должна обладать устойчивостью функционирования. Устойчивость функционирования — это критерий качества системы, отражающий способность обеспечивать продолжение работы системы после возникновения отклонений, вызванных сбоями технических средств, ошибками во входных данных и ошибками в обслуживании.

Настоящая диссертационная работа посвящена повышению устойчивости функционирования систем, с этой целью разрабатываются модели оценивания достоверности значений параметров контроля и управления АСУТПГА в реальном времени без остановки технологического процесса, что чрезвычайно важно для систем с непрерывным режимом работы.

Достоверность значений параметров контроля и управления АСУТПГА зависит от множества факторов: от корректности показаний источника информации, от правильности передачи, преобразований и вычислений, от работоспособности аппаратуры измерительно-вычислительного канала и многих других. В настоящей работе термин «достоверность» рассматривается как мера возможности корректного управления АСУТП ГА, то есть такого управления, при котором ложные значения входных параметров системы не приводят к аварийным значениям управляющих сигналов. Такой подход позволяет рассматривать параметр системно (вне зависимости от длины измерительно-вычислительного канала) и формировать признак достоверности как оценку виртуального эксперта.

Оценка достоверности предполагает избыточность. Различают структурную, информационную и временную избыточность. Структурная избыточность предполагает резервирование, дублирование элементов системы, вследствие чего происходит её удорожание. Информационная избыточность подразумевает наличие дополнительных связей (логических, математических, физических) в АСУТП, на основании которых можно определить достоверность исходных данных. Временная избыточность связана с необходимостью временных затрат на выполнение процедур по определению достоверности значений параметров. Следует заметить, что и структурная избыточность, и информационная нуждаются в ресурсе времени, вместе с тем как временные ограничения являются важнейшими в области промышленной автоматизации, более того, они определяют специфику этой области. О достоверности можно судить, опираясь на необязательные (с точки зрения непосредственного управления) знания о технологическом процессе, об объекте управления, об АСУТП и другом. В этой связи логично предположить разделение функций АСУТП непосредственного управления и контроля достоверности.

В настоящее время получила распространение структурная схема АСУТП (Рисунок 1), предполагающая несколько уровней: полевой, включающий датчики и исполнительные механизмыуправляющий, основанный, главным образом, на программируемых логических контроллерах (ПЛК) — и уровень визуализации и архивации (8САОА-систем). При этом на управляющий уровень возложены следующие функции: собственно управление процессом (управляющие алгоритмы, функции, контроль времени, регулирование), контроль достоверности задания оператора (от БСАОА-системы), контроль достоверности поступающих от объекта параметров и т. д. Опираясь на собственный опыт, можно отметить, что в современных системах управления решение задач определения достоверности может занимать до 70% ресурсов контроллера (объёма данных, процессорного времени и т. д.). Задачи по оценке достоверности значений параметров предлагается переложить на отдельную модель, которая содержит необходимую базу знаний об объекте. Рисунок 1 представляет типовую схему АСУТП, на которой штрих-пунктир показывает новые элементы и потоки данных, связанные с выделением модели оценки достоверности.

Операторы и эксперты уровень визуализации и архивации).

Достоверность, Управление модельная АСУТП оценка параметров 1.

Значения параметров, состояние оборудования 1.

Архивы, функциональные зависимости.

Промышленные контроллеры управляющий уровень) (Ш .

Управление Г.

Значения параметров, состояние оборудования.

Достоверность, ~м одел ьная~бце" нка" .

Значения параметров, состояние оборудования.

Модель оценки достоверности.

Датчики и исполнительные механизмы полевой уровень).

Рисунок 1 — Структурная схема АСУТП с моделью оценивания достоверности Модель оценки достоверности данных должна:

1. Работать в непрерывном режиме.

2. Осуществлять сбор информации о текущих значениях основных параметров системы управления, при этом оказывая минимальное влияние на быстродействие системы управления.

3. Функционировать в едином времени с системой управления: проверять полученные данные по критериям достоверности и осуществлять обмен данными с системой управления не медленнее периода обработки данных системы управления, то есть синхронно.

4. Осуществлять поддержку управленческих решений: выдавать системе управления признаки достоверности значений параметров в зависимости от ситуации, а также при неисправности, недостоверности значений параметра должна передавать системе управления приближённые (имитированные, модельные) значения.

5. Быть масштабируемой (с возможностью добавления параметров).

6. Быть интегрируемой, то есть в разрабатываемой системе должны быть предусмотрены открытые интерфейсы для взаимодействия со сторонними системами.

7. Обладать простым и наглядным интерфейсом, который позволил бы оператору, (эксперту) при необходимости изменить (добавить, удалить, изменить) правила формирования признаков достоверности без участия разработчика.

Из перечисленных ключевым является требование синхронного исполнения с системой управления (пункт 3).

Значительный вклад в разработку теоретических и практических основ определения достоверности параметров контроля и управления АСУТП внесли такие учёные, как Кульба В. В., Ковалевский С. С., Шелков А. Б., Герасименко В. А., Мельников Ю. Н., Пивоваров А. Н., Пронин А. Н., Сапожникова К. В., Тайманов P.E., Дианов В. Н., У. Кулиш, Р. Хаммер, М. Хокс и другие.

Анализируя современные промышленные системы, необходимо отметить, что существует широкий спектр косвенных методов проверки достоверности входной информации, большинство из которых рассчитано на определение явной неисправности. К косвенным методам определения достоверности относятся диагностические методы, в которых вывод о достоверности значения параметра осуществляется на основе контроля работоспособности аппаратуры измерительно-вычислительного канала. Методы дублирования, резервирования элементов измерительно-вычислительного канала также позволяют определить достоверность значения параметров, в основном, по мажоритарному принципу. Основным математическим аппаратом этих методов является теория надёжности [14]. Методы контроля передаваемой информации, использующие математический аппарат теории информации и теории передачи информации, позволяют определить достоверность передаваемых значений параметров контроля и управления АСУТП ГА на основе контрольных сумм, слов, посылок и прочих. Немало методов ориентировано на фильтрацию входных данных с целью выявления и устранения непредсказуемых возмущений внешней среды за счёт, как правило, искусственного снижения скорости обработки параметра, например, методы сглаживания. Часть методов использует экспертные оценки иили специальные алгоритмы для проверки достоверности параметров, такие как контроль скорости, устаревания или уставок.

При всем многообразии косвенных методов определения достоверности очень сложно оценить достоверность значений параметров в целом в реальном времени. Оценка достоверности значения параметра должна определять возможность использования этого значения в алгоритмах управления АСУТП ГА. Крайне важно, чтобы оценка достоверности значения параметра формировалась независимо от характеристик измерительно-вычислительного канала, каналообразующего оборудования, применяемых протоколов передачи данных и воздействий на него неопределённых факторов внешней среды. Применительно к АСУТП ГА методы определения достоверности параметров должны быть реализованы без остановки технологического процесса с учётом ограничений на время обработки информации и на ресурсы системы управления. В этой связи разработка методов оценивания достоверности значений параметров контроля и управления АСУТП ГА является актуальной.

Предмет исследования — автоматизированные системы управления технологическими процессами гидроагрегата.

Объект исследования — достоверность значений параметров (входных данных) АСУТП ГА.

Цель исследования: повышение устойчивости функционирования управляющих алгоритмов АСУТП ГА на основе функционально-ориентированной модели оценки достоверности значений параметров контроля и управления АСУТП ГА.

Задачами исследования являются:

1. Анализ особенностей современных АСУТП ГА для выявления основных факторов, влияющих на достоверность значений параметров контроля и управления. Исследование существующих подходов к определению достоверности параметров контроля и управления АСУТП ГА.

2. Разработка функционально-ориентированной модели оценки достоверности для параметров контроля и управления АСУТП ГА, не требующей остановки технологического процесса и позволяющей сократить количество ложных срабатываний АСУТП ГА.

3. Разработка программного комплекса, оценивающего достоверность значений параметров контроля и управления АСУТП ГА в реальном времени.

4. Апробация и исследование эффективности модели оценки достоверности значений параметров применительно к реальным АСУТП ГА.

Краткий анализ известных методов определения достоверности значений параметров контроля и управления АСУТП и обоснование принятого подхода к решению описанной ранее проблемы. Методы, используемые в АСУТП ГА, полностью идентичны, поэтому далее будем рассматривать методы для АСУТП в целом.

В настоящий момент времени существует несколько основных подходов определения достоверности значений параметров контроля и управления АСУТП, которые можно разбить на следующие группы.

Во-первых, диагностические методы — группа методов, ориентированная на определении признаков присутствия (работы) оборудования: контроль наличия питания на всех участках канала, по которому в систему поступает информация в АСУТП, работоспособность аппаратуры, связанной с доставкой значения параметра в систему, наличие специальных откликов аппаратуры и прочие. Очевидно, что если некий участок канала передачи данных или сам источник данных неисправен (отключен, не в работе), то значение параметра, принимаемое системой АСУТП по такому каналу, считать достоверным нельзя. Основной математический аппарат по определению, расчёту такого рода неисправности, недостоверности описан в теории надёжности систем [15, 16]. Необходимость такого контроля при определении достоверности значений параметров не вызывает сомнений. Однако указанная группа методов не достаточна для полного заключения, поскольку не учитывает возможных помех на линии связи и возможности того, что работающий источник данных предоставляет некорректную информацию — некоторое значение из области значений параметра несоответствующее действительности. На практике такие явления распространены. Обозначенная группа методов также не анализирует времени приёма-передачи, которое должно быть минимальным в системах АСУТП. Временные ограничения являются особенностью (критичным требованием) всех систем АСУТП.

Во-вторых, методы резервирования или дублирования источников информации, каналов передачи данных, модулей приёма и обработки данных, алгоритмов. Как правило, эти методы определяют достоверность значений параметра по принципу большинства (мажоритарный принцип): 2 из 3, 3 из 5 и т. д. Таким образом, для определения достоверного значения параметра контроля и управления АСУТП необходимо более трёх источников этого параметра, при этом информация в АСУТП должна поступать по разным независимым каналам передачи данных. В случае если число источников данных становится чётным (например, при неисправности одного), при расхождении показаний трудно определить достоверный источник.

Применение методов резервирования неизбежно ведёт к значительному удорожанию системы управления. На практике не каждый параметр системы можно получить от другого источника по разным причинам: труднодоступность места установки источника данных (средства измерения), сложность организации канала передачи данных, потеря точности и другие. Описанная группа методов практически используется для контроля достоверности наиболее значимых параметров.

В-третьих, группа методов алгоритмического контроля достоверности информации, включающая проверку соответствия полученного значения параметра области технологических значений, контроль допустимой скорости изменения параметра, контроль технологических уставок, контроль периода опроса параметра (аналогичные термины: время актуальности параметра, время устаревания параметра) и другие. Эта группа методов направлена на приведение полученной информации к соответствующему технологическому процессу. Эти методы не способны распознать ошибочное значение параметра, если оно принадлежит области значений параметра, но не соответствует действительности.

В-четвертых, методы контроля передаваемой информации, эти методы содержат алгоритмы шифрования, кодирования, устранения ошибок, возникших при передаче данных. Как правило, эти методы ориентированы только на цифровые протоколы передачи данных. Математическим аппаратом обозначенных методов является теория передачи информации. Однако эти методы не способны зафиксировать недостоверность данных, если изначально было отправлено некорректное значение.

В-пятых, необходимо в рассматриваемой теме упомянуть группу алгоритмических методов для защиты достоверной информации, к таким методам можно отнести сглаживание. В книге [5] (Кульба, и др., 2003) описано множество методов, ориентированных на сохранение информации в области АСУ, однако большинство из них не учитывает временных ограничений, свойственных АСУТП. Очевидно, что если входная информация недостоверна, то сохранять такой результат не имеет смысла, однако эта группа методов позволяет защитить достоверные данные от кратковременных недостоверных значений, вызванных, например, электрическими помехами в канале передачи данных.

Вышеописанные методы рассматривают достоверность информации с разных позиций, но главное, в силу своей специфичности, узкой направленности на конкретную область применения они не гарантируют отсутствие ошибок в информации, поступающей в АСУТП. В этой связи возникает необходимость поиска альтернативного подхода к формированию признаков достоверности. Например, в качестве эксперимента существуют попытки реализации альтернативного подхода на основе экспертных систем [17], на основе различных методов описания неопределённостей [18, 19, 20], моделей потоковых вычислений [21] и т. д.

В представленной работе рассматриваются возможности представления (формализации) опыта эксперта и системы. Этот вопрос по своему содержанию может быть отнесён и к экспертным системам, и к искусственному интеллекту [22, 23], и к моделированию [24, 25].

Для представления параметров контроля и управления АСУТП с учётом неопределённостей в модели оценивания достоверности приведён обзор перспективных методов описания неопределённости.

Основными методами описания неопределённостей являются:

• Теория вероятностей Колмогорова [26], которая, являясь признанной метрологией, не всегда применима из-за сложности определения априорных распределений вероятности, сложности операций со случайными величинами и из-за проблем интерпретации самого понятия вероятности [27 — 31], Кроме этого теория вероятностей по определению работает со случайными событиями, а природа неопределенности не всегда является случайной [32].

• Интервальные вычисления [33], которые позволяют получать интервал, гарантировано содержащий истинное значение параметра.

34]. Работая по принципу «все или ничего» данные методы не различают оттенков того, насколько возможность попадания в некоторый подынтервал больше возможности попасть в другой подынтервал. Соответственно оценка в некоторых случаях может оказаться слишком грубой.

• Нечёткая логика, которая является обобщением обычной логики [35, 36, 37]. В отличие от обычного (чёткого) множества, где каждый элемент либо принадлежит множеству, либо нет, в нечётком множестве каждый элемент принадлежит множеству в некоторой мере, с некоторой уверенностью, определяющей функцию принадлежности нечёткого множества. Над нечёткими множествами вводятся логические операции и функциональные преобразования, которые являются устойчивыми к изменению исходных данных [38]. Основной проблемой нечёткой логики является построение функции принадлежности нечёткого множества [32]. Другой проблемой является интерпретация получаемых результатов.

• Эмпирические методы и элементы искусственного интеллекта. На их основе строятся экспертные системы, которые, преобразуя, помещают человеческие знания в собственную базу знаний и потом делают заключения о возможности каких-либо событий. Недостатком данных методов является то, что для них сложно математически оценить точность получаемых результатов [39].

В настоящее время в АСУТП преобладает применение интервальных и вероятностных методов. Использование остальных методов в основном не выходит за рамки экспериментов, что связано с их недостаточным метрологическим обеспечением. Применение чётких величин для оценивания достоверности затруднено, поскольку они не учитывают неопределённостей при формировании, передаче и обработке значения параметра.

Основные результаты диссертационной работы. В работе предлагается модель оценивания достоверности, которое основывается на сравнении.

HUMUlil Ell! IUI Hill (II II ISillll illllh LH t I измеренной величины с некоторым имитированным модельным значением, объединяющим экспертные знания и историю функционирования объекта. Рассматривается теоретический базис для описания модели, способной в реальном времени формировать модельное значение изменения параметра на основе исторических данных о технологическом процессе и экспертных знаний. Для описания имитационной модели объекта управления с параметрами, обладающими неопределённостью, в работе взяты подходы гибридного моделирования А. Пнуэли и системной динамики, описанной Дж. Форрестером. Описание неопределённости, свойственной параметрам АСУТП, выполнено на основе интервального подхода. Такой синтез позволяет модели работать синхронно с системой управления (и объектом управления) и на основе мгновенных данных формировать оценки достоверности (верхнюю и нижнюю границы интервала достоверности) параметров. В работе рассматриваются алгоритм параметризации имитационной модели. Имитационная модель, работая в едином времени с системой управления, в каждый момент времени формирует характерные диапазоны изменения параметров. На их основе модель оценивания достоверности формирует признак возможности использования наблюдаемого АСУТП ГА значения в алгоритмах управления. Приведены алгоритмы и методики создания моделей. Разработан программный комплекс оценивания достоверности значений параметров (ПКОД). Проведено тестирование моделей и ПКОД на реальных АСУТП ГА. Приводятся результаты проверки методики.

Структура и краткое содержание диссертации. Диссертационная работа состоит из введения, четырёх глав, заключения и списка использованных источников.

Заключение

.

В ходе диссертационного исследования были решены основные задачи и получены следующие результаты.

1. Проанализированы особенности современных АСУТП ГА, выявлены основные факторы, влияющие на достоверность значений параметров. Исследованы существующие подходы к определению достоверности параметров контроля и управления АСУТП ГА.

2. Разработана функционально-ориентированная МОД для параметров контроля и управления АСУТП ГА на основе сравнения интервалов, предложено динамическое формирование характерного диапазона средствами ИМ ТП. Такой подход не требует остановки технологического процесса и позволяет сократить количество ложных срабатываний АСУТП ГА.

3. По оригинальной методике построения функционально-ориентированных моделей разработан ПКОД значений параметров контроля и управления АСУТП ГА, функционирующий в реальном времени и формирующий модельные оценки значений параметров.

4. Проведена апробация и исследование эффективности МОД и ПКОД АСУТП гидроагрегата Жигулёвской ГЭС.

Использование АСУТП ГА совместно с ПКОД значений параметров на основе предложенных моделей представляет ряд значительных преимуществ:

1. Путём реализации достоверного управления уменьшается: a. число ложных срабатываний АСУТП ГАb. время бесполезного простоя оборудованияc. время на поиск и устранение неисправности оборудования;

1 расходы на штрафные санкции от управляющей компании.

2. Повышается устойчивость функционирования АСУТП ГА в условиях частичной неопределённости за счёт использования оценок достоверности и модельных значений параметров.

3. Не требуется остановка ТП.

Кроме того, реализация модели предоставляет следующие возможности:

1) автоматическое прогнозирование поведения параметра в заданном режиме;

2) проверка алгоритмов управления без объекта управления;

3) обучение персонала на основе модельных значений,.

4) может быть использована в других отраслях промышленности.

Использование диагностической системы и предложенных в диссертации методов в целом позволяет.

1) повысить качество алгоритмов управления систем АСУТП ГА с учётом оценки достоверности входной информации;

2) повысить уровень информированности экспертов, исследователей и оперативного персонала о состоянии объекта автоматизации, позволяющий своевременно определять недостоверные источники информации и принимать меры к устранению недостоверности.

И как следствие, применение систем оценки достоверности значений параметров контроля и управления АСУТП ГА позволяет сделать работу с объектом автоматизации более эффективной и безопасной.

Направления дальнейших исследований: поиск быстродействующих и точных алгоритмов параметризации модели, создание быстродействующих алгоритмов вычислений над нечёткими и интервальными величинами, исследование применимости имитационных моделей с использованием прогнозирования совместно со сверхбыстрыми АСУТП ГА (с малым периодом обработки данных), разработка методов и средств оценивания и оптимизации действий эксперта.

Показать весь текст

Список литературы

  1. ГОСТ 34.603−92 Информационная технология. Виды испытаний автоматизированных систем. М.: Издательство стандартов, 1992 г.
  2. РД 153−34.1−35.127−2002. Общие технические требования к программнотехническим комплексам для АСУТП тепловых электростанций. М.: Издательство стандартов, 2002 г.
  3. Е.С. Теория вероятностей Книга. М.: Наука, 1969. — стр. 564.
  4. В.Г. Автоматика, телемеханика и передача данных в энергосистемах Книга. 1988. — стр. 336.
  5. В. В., Ковалевский С. С. и Шелков А. Б. Достоверность исохранность данных в АСУ. Книга. М.: СИНТЕГ, 2003. — 2-е издание: стр. 500. — Серия «Информационные технологии».
  6. А. Г., Кульба В. В. и Шелков А. Б. Достоверность, защита ирезервирование информации в АСУ Книга. М.: Энергоатомиздат, 1986. -стр. 303.
  7. Ю.Н. Достоверность информации в сложных системах.
  8. Книга. М.: Сов. радио, 1973. — стр. 192.
  9. С.В. Информатика. Базовый курс Книга. / ред. С. В. Симонович.
  10. СПб: Питер, 1999. стр. 638.
  11. Ф. JI. и Гооз Г. Информатика. Вводный курс. В 2-х ч. Книга. М. :1. Мир, 1990. -стр. 336.
  12. POLARCOM Автоматика и робототехника. Проект SEVA (SEnsor VAlidation — самоконтроль датчиков) В Интернете. // Автоматика и робототехника. Проект SEVA. 2000? г. — 02 08 2002 г. -http://home.polarcom.ru/~wtsv/ref2000/r0172.htm.
  13. ОРС Foundation www.OPCFoundation.org Online. // Industry Standard Specification ОРС Overview.- ОРС Foundation, 10 27, 1998.- 2007.-www.OPCFoundation.org. -- 16p.
  14. Т.Г. и др. Автоматизация энергообъектов с использованием современных средств информационного обмена [Конференция] // Релейная защита и автоматика энергосистем 2009. Москва: [б.н.], 2009.
  15. ГОСТ 28 195–89 Оценка качества программных средств. Общие положения.
  16. Москва: ИПК Издательство стандартов, 2001 г. стр. 31.
  17. .В., Беляев Ю. К. и Соловьёв Ю.К. Математические методы в теории надёжности Книга. М.: Наука, 1965. — стр. 524.
  18. Г. В. Надёжность систем автоматики Книга. М.: Энергия, 1967. — стр. 528.
  19. В.Н. Диагностика и надёжность автоматических систем: учебное пособие Книга. М.: МГИУ, 2005. — 2 — изд.: стр. 160.
  20. Н. А. Обработка информации в резервированных каналах АСУТП Журнал. // Современные наукоемкие технологии. 2005 г. — 9. -стр. 48.
  21. К. Итоги рассмотрения факторов неопределенности и неясности в инженерном искусстве Журнал. // / Нечеткие множества и теория возможностей. Последние достижения: / ред. Ягер Р. М.: [б.н.], 1986 г. -стр. 408.
  22. Г. и Херцбергер Ю. Введение в интервальные вычисления Книга. М.: Мир, 1987. — стр. 356.
  23. JI. Понятие лингвистической переменной и его применение к принятиюприближенных решений Книга. М.: Мир, 1976. — стр. 165.
  24. Р. Множества уровня для оценки принадлежности нечетких подмножеств Журнал. // Нечеткие множества и теория возможностей. Последние достижения. М.: Радио и связь, 1986 г. — стр. 408.
  25. Д. и Прад А. Теория возможностей. Приложения к представлению знаний в информатике Книга. М.: Радио и связь, 1990. — стр. 288. — Пер. с франц.
  26. Д. А. Нечеткие множества в моделях управления и искусственного интеллекта Книга. М.: Наука, 1986. — стр. 312.
  27. Kazakov D. Fuzzy graph-schemes in pattern recognition Online. // Kazakov’s personal page. 1992. — Dec 14, 2006. — http://www.dmitry-kazakov.de/postgra/introduction.htm.
  28. Дж. Практическая физика Книга. M.: Мир, 1971. — стр. 246.
  29. Н.И. Введение в метрологию Книга. М.: Изд-во стандартов, 1976.-стр. 210.
  30. Новицкий П. В. Основы информационной теории измерительных устройств
  31. . JI. : Энергия, 1968. — стр. 248 .
  32. A.A. Имитационное моделирование производственных систем Книга. Москва, Берлин: Машиностроение, Техника, 1983. — стр. 416.
  33. ГОСТ 24.701−86 Единая система стандартов автоматизированных систем управления. Надежность автоматизированных систем управления. Основные положения. М.: Издательство стандартов, 1987 г. — стр. 17.
  34. ГОСТ Р 51 901−2002 Управление надежностью. Анализ риска технологических систем. М.: Издательство стандартов, 2002 г. — стр. 22 .
  35. РД 03−418−01 Методические указания по проведению анализа риска опасныхпроизводственных объектов Статья. [б.м.]: Госгортехнадзор России, 2001 г., — 10.-стр. 40−50.
  36. В.Е. Организация интерфейса между АСУТП и MESYERP-системами в распределённой среде предприятия Статья. // Мир компьютерной автоматизации. 2005 г. — 4. — стр. 20−22.
  37. Е.Б. и Загидуллин P.P. MES-системы, как они есть или эволюция систем планирования производства. //Лабораторные информационныесистемы и системы управления производством Журнал. // LIMS&MES. Сборник статей 2008. 2008 г. — стр. 24−41.
  38. ACHEMA Process Instrumentation and Control. Conference. // International Meeting on Chemical Engineering, Environmental Protection and Biotechnology. Frankfurt am Main: [s.n.], 2000. — p. 7. — Trend Report No. 6.
  39. Page I. Hardware Compilation, Configurable Platforms and ASICs for Self-validating Sensors Book. Oxford: Oxford University Computing Laboratory, 1997.-p. 11.
  40. Henry M. Recent developments in self-validating (SEVA) sensors Article. // Sensor Review. -2001. 1: Vol. 21. — pp. 16 — 22.
  41. M. Самоаттестующиеся датчики Статья. // Датчики и системы. -2002 г. 1.-стр. 51−60.
  42. А.Н., Сапожникова К. В. и Тайманов Р.Е. Контроль достоверности информации поступающей от датчиков. Статья. // Датчики и системы. 2008 г. — 8. — стр. 58−63.
  43. П.П. и Согомонян Е.С. Основы технической диагностики (оптимизация алгоритмов диагностирования, аппаратные средства) Книга. М.: Энергоиздат, 1981. — стр. 320.
  44. S. G., Wheelwright S. С. и McGee V. Е. Forecasting: Methods andapplications Книга. New York: Wiley, 1983. — 2nd ed.: стр. 923.
  45. В.П. и Ивченко Г.И. Учебник по математической статистике с упражнениями в системе STATISTICA В Интернете. // STATISTICA.- 2001? г.- 04.04.2007 г.-http://www.statsoft.ru/home/portal/textbook2/default.htm.
  46. A.E. и Семухнн M.B. Модели и алгоритмы принятия решений в нечетких условиях Книга. Тюмень: Издательство Тюменского государственного университета, 2000. — стр. 352.
  47. ГОСТ 8.009−84 ГСИ. Нормируемые метрологические характеристики средств измерений. б.м.: Издательство стандартов, 1985 г.
  48. С.Г. Погрешности измерений. Книга. М.: Энергия, 1978. -стр. 262.
  49. В.Г. Погрешность и неопределенность: диалектика против позитивизма Конференция. // Международная конференция по мягким вычислениям и измерениям SCM-1999. Сборник докладов. Санкт-Петербург: [б.н.], 1999. — Т. 1.
  50. И.Ю. Интервальный анализ Книга. М.: Наука, 1981. — стр. 112.
  51. С.П. Конечномерный интервальный анализ В Интернете. // Интервальный анализ и его приложения. 2008? г.- 13 09 2008 г.-http://www.nsc.ru/interval — http://www.sbras.iWinterval/Library/InteBooks/Shary/SharyBook.pdf.
  52. Caprani О., Madsen К. and Nielsen В. Introduction to Interval Analysis Book. Lyngby: Informatics and Mathematical Modelling, Technical University of Denmark, DTU, 2002. — p. 88.
  53. Г. Г. Интервальный анализ и методы вычислений: Конспект лекций. Книга. СПб.: НИИ Химии СПбГУ, 2000. — 2-е изд.
  54. МИ 2440−97 ГСИ. Методы экспериментального определения и контроля характеристик погрешности измерительных каналов измерительных систем и измерительных комплексов. М.: Стандарты, 1997 г.
  55. П.В. и Зограф И.А. Оценка погрешности результатов измерений
  56. . JI. : Энергоатомиздат, 1991. — 2-е изд.: стр. 304.
  57. А.Н. Основные понятия теории вероятности. Книга. М. -Л.: ОНТИ, 1936. — стр. 119.
  58. ГОСТ 11.001−73 ГСИ. Прикладная статистика. Ряды предпочтительных численных значений статистических характеристик. М.: Издательство стандартов, 1974 г.
  59. П.В. Об особых свойствах 95%-ной квантили большого класса распределений и предпочтительных значениях доверительной вероятности при указании погрешностей приборов и измерений Статья. // Метрология. -1979 г. 2.
  60. А.И. Устойчивость в социально экономических моделях Книга. -М:: Наука, 1979. — стр. 296.
  61. Лю Б. Теория и практика неопределённого программирования Книга. М. :
  62. БИНОМ. Лаборатория знаний, 2005.- стр. 416.- серия «Адаптивные и интеллектуальные системы».
  63. А.О. Применение теории нечетких множеств к задачам управления финансами Статья. // Аудит и финансовый анализ. 2000 г. -2. — http://www.cfln.ru/press/afa/2000−2/08.shtml — Также на сайте http://sedok.narod.ru/scgroup.html от 17.08.2006.
  64. Sakawa М., Nishizaki I. and Uemura Y. Interactive fuzzy programming for multi-level linear programming problems with fuzzy parameters Article. // Fuzzy Sets And Systems. 2000. — 1: Vol. 9. — pp. 3−19.
  65. Д. Руководство по экспертным системам Книга. М.: Мир, 1989. — стр. 388.
  66. С.В. Развивающиеся интегрирующие сети на основе регуляризирующего байесовского подхода Конференция. // Международная конференция по мягким вычислениям и измерениям SCM-2000. Сборник докладов. Санкт-Петербург: [б.н.], 2000. — Т. Том 2.
  67. В.В. Об оценках точности параметров, получаемых из систем управления Статья. // Управляющие системы и машины. 1998 г. — 3. -стр.58−63.
  68. А.А. Проблема «Искусственного интеллекта» В Интернете. // Проект, посвященный проблемам автоматизации структурно-параметрического синтеза.- 21 09 2008 г. -http://structuralist.narod.ru/articles/ai.htm.
  69. JI.A. и Сидоров А.А. Методика контроля точности и достоверности расчетных данных в распределенных системах мониторинга и автоматизированного управления Статья. // Известия Самарского научного центра РАН. Самара: [б.н.], 2002 г. — 1.
  70. Р., Дранг Д. и Эделсон Б. Практическое введение в технологию искусственного интеллекта и экспертных систем с иллюстрациями на Бейсике Книга. М.: Финансы и статистика, 1990. — стр. 239.
  71. Н. Принципы искусственного интеллекта Книга. М.: Радио и связь, 1990. — стр. 376.
  72. Э.В. Искусственный интеллект. Кн. 2: Модели и методы: Справочник
  73. Книга. М.: Радио и связь, 1990. — стр. 303.
  74. JI. Основы нового подхода к анализу сложных систем и процессов принятия решения Журнал. // Математика сегодня: Сб. ст. М.: Знание, 1974 г. — стр. 48.
  75. JI. Введение в теорию нечетких множеств Книга. М.: Радио и связь, 1982. — стр. 432.
  76. .Б., Дорохов И. Н. и Марков Е.П. Системный анализ процессов химической технологии. Применение метода нечетких множеств Книга. -М.: Наука, 1986. стр. 356.
  77. А.П. и Сотиров Г.Р. Оптимизация в условиях неопределенности.
  78. Книга. б.м.]: МЭИ (Россия) — Техника (НРБ), 1990. — стр. 283.
  79. Zimmerman Н. J. Fuzzy Set Theory and its Applications Book. Boston, Kluwer, etc: World Scientific, 1992.
  80. В.А. Теория подобия и моделирования Книга. М.: Высшая школа, 1976. — 2-е изд.: стр. 479 .
  81. А. Введение в имитационное моделирование и язык CJIAM II Книга. М.: Мир, 1987. — стр. 646.
  82. Pegden C.D. Future Directions in Simulation Modeling Conference. // Proceedings of the 2005 Winter Simulation Conference. Orlando, FL, USA: [s.n.], 2005. — p. 35.
  83. Ю.Б. и Сениченков Ю.Б. Имитационное моделирование сложных динамических систем В Интернете. // Exponenta.ru образовательный математический сайт. 2000? г. — 12 04 2006 г. -http://www.exponenta.ru/soft/others/mvs/dssim.asp.
  84. Е.С., Колесов Ю. Б. и Сениченков Ю.Б. Практическое моделирование динамических систем Книга. СПб: БХВ-Петербург, 2002. — стр. 444.
  85. Ю.Г. Имитационное моделирование систем. Введение в моделирование с AnyLogic 5. Книга. СПб.: БХВ-Петербург, 2006. — стр. 400.
  86. Н.П. Моделирование сложных систем. Книга. М.: Наука, 1978. — стр. 399.
  87. В. Программное обеспечение моделирования дискретно-непрерывных систем Книга. М.: Наука, 1975.
  88. Harel D. Statecharts: A Visual Formalism for Complex Systems Article. // Science of Computer Programming. 1987. — 3: Vol. 8. — pp. 231−274.
  89. Forrester Jay W. Industrial Dynamics Книга. Cambridge: MIT Press, 1961.-p. 479.
  90. Дж. Мировая динамика Книга. М.: Наука, 1978. — стр. 340.
  91. Д.А. Многоагентные системы — настоящее и будущее Статья. // Информационные технологии и вычислительные системы. 1998 г. — № 1. -стр. 14−21.
  92. С.С. Когнитивные процессы и модели Книга. М.: ЛКИ, 2007. -стр. 248.
  93. Г. Д. и Марков Б.Н. Основы метрологии Книга. М.: Изд-во стандартов, 1975. — стр. 335.
  94. М.А. Основы физического эксперимента Книга. JI.: Наука, 1977.
  95. .Ф., Рабинович С. Г. и Резник К.А. Методы обработки результатов наблюдений при измерениях Журнал. // Труды метрологических институтов СССР. Москва-Ленинград: Издательство стандартов, 1972 г. — Вып. 134(194).
  96. В.А. и Яхонтова В.Е. Элементарные методы обработки результатов измерений Книга. JI.: Изд-во ЛГУ, 1977. — стр. 72.
  97. А.А. и Захарченко В.Е. Оценка достоверности значений параметров АСУТП на основе синхронных моделей Журнал. // Проблемы управления. Москва: [б.н.], 2010 г. — 2. — стр. 61−68.
  98. В.Е. Контроль достоверности параметров АСУТП Статья. // Автоматизация в промышленности. Москва: [б.н.], 2008 г. — № 7. — стр. 3740.
  99. Booch G., Jacobson I. and Rumbaugh J. The Unified Modeling Language for Object-Oriented Development// Documentation Set Version 1.1. September 1997.
  100. Bran V. Selic The theory and practice of modern modeling language design for model-based software engineering// AOSD’ll New York, NY, USA-201 lr -pp 53−54
  101. Bran Selic Real-time object-oriented modeling// John Wiley & Sons, Inc., New York, NY, USA 1994 — p. 525
  102. A.C. и др. Программирование в ограничениях и недоопределенные модели [Статья] // Информационные технологии. М.: Издательство «Новые технологии», 1998 г. — 7. — стр. 13−22.
  103. ГОСТ Р 50 779.42−99 (ИСО 8258−91) Статистические методы. Контрольные карты Шухарта. М.: Издательство стандартов, 1999 г.
  104. Shewhart W.A. and Deming W.E. Statistical Method from The Viewpoint of Quality Control Book. New York: Dover Publications, 1939/ 1986(reprint). -p. 163.
  105. Cimenera J. L. and Tukey J. H. Control Charting Automated Laboratory Instruments When Many Successive Differences May Be Zero Journal. // Journal of Quality Technology. 1989. — pp. 7−15.
  106. Ю.В. и Розанов Ю.А. Теория вероятностей. (Основные понятия. Предельные теоремы. Случайные процессы.) Книга. М.: Наука, 1973. -стр. 496.
  107. С.А. и Толстова Т.А. О ненормальности нормального закона распределения Конференция. // Материалы Всероссийской электроннойконференции «Современная металлургия».- 2001. http://elcomet.chat.ru/synerg/syn2.htm от 21.06.05.
  108. А.И. Часто ли распределение результатов наблюдений является нормальным? Журнал. // Заводская лаборатория. 1991 г. — № 7: Т. 57. -стр. 64−66.
  109. А.З. Вероятностные модели режимов электроэнергетических систем Книга. Новосибирск: Наука, 1993. — стр. 132.
  110. В.Б. и Кузьмин А.Б. Статистические критерии обнаружения отказа Статья.// Автоматика и телемеханика. 2000 г. — № 6.- стр. 171 175.
  111. Bernat A. et al. What are interval computations, and how are they related to quality in manufacturing? [Conference] // Proceedings of International Workshop on Applications of Interval Computations APIC'95. El Paso: [s.n.], 1995. — pp. 10−12.
  112. Kramer W. and Bantle A. Automatic Forward Error Analysis for Floating Point Algorithms Article. // Reliable Computing. 2001. — № 7 (4). — pp. 321−340.
  113. .С. Интервальная математика Книга. Красноярск: Красноярский государственный университет, 2004. — стр. 216.
  114. Kreinovich V., Mayer G and Starks S On a Theoretical Justification of The Choice of Epsilon-Inflation in PASCAL-XSC Article. // Reliable Computing.1997.-3.-pp. 437−452.
  115. У. и др. Достоверные вычисления. Базовые численные методы [Книга]. Москва — Ижевск: НИЦ «Регулярная и хаотическая динамика», 2005. — стр. 496.
  116. Neumaier A Interval Methods for Systems of Equations Book. Cambridge: Cambridge University Press, 1990. — p. 255.
  117. Rump S. A Note on Epsilon-Inflluation Article. // Reliable Computing.1998.-4.-pp. 371−375.
  118. A.C. Недоопределенные модели и операции с недоопределенными значениями // Препринт ВЦ СО АН СССР. -Новосибирск: Сиб. Отд.-ие. ВЦ, 1982 г.
  119. А. и др. Недоопределенные модели и их приложения [Статья] // Системная информатика. Новосибирск: [б.н.], 1997 г. — 5. — стр. 124−187.
  120. А.С. и Липатов А.А. Визуализация данных в технологиях интервальных расчетов Статья. // «Информационные технологии». М.: [б.н.], 2001 г. — 8. — стр. 11−16.
  121. А.Н. Численные методы: методическое пособие Книга. -Самара: Самарский государственный аэрокосмический университет, 2002. -стр.216?.
  122. М. Ведение в методы оптимизации Книга. М.: Наука, 1977. — стр. 344.
  123. Ю. М. Математические основы кибернетики: Учеб. пособие для вузов. Книга. М.: Энергия, 1980. — 2-е изд., перераб. и доп.: стр. 424 .
  124. Ф., Мюррей У. и Райт М. Практическая оптимизация Книга. М.: Мир, 1985.-стр. 509.
  125. Р. И., Бабушкин Ф. М. и Варавко В. В. Применение математических методов и ЭВМ: Практикум Книга. Минск: Выш.шк., 1988.-стр. 191.
  126. В.В., Курейчик В. М. и Курейчик В.В. Теория и практика эволюционного моделирования Книга. М.: Физматлит, 2003. — стр. 432. -серия «Проблемы искусственного интеллекта».
  127. Harti R.E. A global convergence proof for class of genetic algorithms Book. -Wien: Technische Universitaet, 1990. p. 136.
  128. И.А. и Попко E.A. Генетический поиск модельных параметров при аппроксимации кривых термолюминесценции Статья. // Письма в Журнал Технической Физики. 2006 г. — 12: Т. 32. — стр. 56−62.
  129. С.А. Разработка и исследование генетических алгоритмов для принятия решений на основе многокритериальных нелинейных моделей / Автореф. дисс. к.т.н. Н. Новгород: НГУ, 2000 г. — стр. 18.
  130. Т.В. Генетические алгоритмы : учебно-методическое пособие Книга. / ред. Тарасевич Ю. Ю. Астрахань: издательский дом «Астраханский университет», 2007. — стр. 87.
  131. Holland J.H. Adaptation in a Natural and Artificial systems Book. Ann Arbor: University of Michigan Press, 1975 — p. 183.
  132. Harti R.E. A global convergence proof for class of genetic algorithms Book. -Wien: Technische Universitaet, 1990. p. 136.
  133. Ю.Б., Матвеева Е. П. и Ваганова Г.В. Об определении и оценке адекватности модели Статья. // Образование и наука. 2007 г. -6(10).-стр. 3−14.
  134. В.Е. Контроль достоверности значений параметров в АСУТП Статья. // Лабораторные информационные системы и системы управления производством. LIMS&MES. Сборник статей. Москва: Маркетинг. Информационные технологии, 2008 г. — стр. 90−98.
  135. Anderson М. Omola An Object — Oriented Language for Model Representation Conference. // Lie Tech thesis EAKE-3208 Department of Automation Control. — Lund, Sweden: Lund Institute Of Tecnology, 1990 — pp 262 — 268.
  136. Tiller M. Introduction to Physical Modeling with Modelica Книга. Norwell, MA, USA: Kluwer Academic Publishers, 2001. — p. 344.
  137. Начальник службы технологических систем управления (СТСУ) Крамарчук Н.И.
  138. Заместитель начальника СТСУ Минюша И.С.
  139. Начальник участка автоматики и возбуждения (УАиВ) Демидов В.Ф.
  140. Заместитель начальника СТСУ1. Начальник участка УАиВ1. Подпись
  141. Н. И. Минкина И.С. Демидов В.Ф.
Заполнить форму текущей работой

Сессия? Спокойно!