Интеллектуальные подходы к созданию советующей системы управления вращающейся цементной печью обжига клинкера
РЕФЕРАТ. Описываются принципы создания советующей системы, основанной на обобщенных классических и нечетких системах, в дополнение к которым используются результаты, полученные от системы технического зрения. С учетом мнения экспертов выбраны наиболее важные узлы печи, использование которых позволяет составить наиболее эффективный алгоритм советующей системы.
Ключевые слова: эксперты, база правил, нечеткие градации, советующая система управления, система технического зрения, нечеткие диаграммы поведения.
Keywords: experts, rule base, fuzzy gradations, advisor control system, machine vision system, fuzzy behavior patterns.
Вращающаяся печь обжига является одним из основных агрегатов линии производства цементного клинкера. Данный тип печей отличается высокой производительностью, однако они весьма сложны в конструктивном и эксплуатационном отношениях. Управление печами мокрого способа производства в настоящее время — достаточно трудоемкий процесс, так как технические возможности и уровень автоматизации в данной области пока не позволяют существенно уменьшить участие человека в производстве.
На оператора возлагаются основные функции по управлению объектом: необходимо систематически следить за показаниями контрольно-измерительных приборов и регулировать ход обжига, руководствуясь данными лаборатории о качестве сырьевой смеси и топлива, следить за режимом работы, не допускать остановки работы печи или ее замедления, что может нарушить технологический цикл [1].
Данные проблемы порождают задачу и базовую потребность производства в создании автоматизированной интеллектуальной системы управления, сокращающей число операций, проводимых оператором, и повышающей качественные показатели работы объекта.
Исходя из существования ряда возможных подходов к автоматизации на основе различных нечетких и статистических методов теории управления, было принято решение создать советующую систему управления, используя разработанные подходы. Как дополнение к создаваемой системе также разрабатывается компьютерный тренажер вращающейся печи мокрого способа производства на базе синтезируемой модели.
Структура советующей системы управления (рис. 1) состоит из следующих подсистем:
• измерения и наблюдения, в которую входят датчики, расположенные на объекте, информационные сигналы, поступающие из базы данных на основе вычисленных косвенных параметров, и система технического зрения на базе online-камеры, установленной со стороны горячего конца печи. Данная подсистема обеспечивает структуру полной доступной информацией о режимах работы и состоянии печи;
• идентификации, которая позволяет оценивать режимы работы печи с математической, статистической и нечеткой точек зрения;
• регулирования и управления, которые позволяют использовать локальные регуляторы для контуров печи, создают решения на базе нечетких регуляторов для узлов печи, а также дают информацию об объекте с использованием методов системы технического зрения;
• выдачи советов оператору, которая базируется на вышеописанных модулях;
• реализации управления, которая состоит из оператора, воспринимающего информацию от блока выдачи советов и от системы технического зрения и воздействующего на систему, и исполнительных механизмов, непосредственно изменяющих параметры печи.
Рис. 1. Структура интеллектуальной советующей системы управления
Реализация советующей системы, которая учитывает работу данных узлов, в частности, их взаимосвязь, позволит наиболее эффективно использовать производственную мощность печи и аналитические возможности оператора для установления наиболее производительных режимов ее работы.
При исследовании обжига клинкера и на основе мнений операторов и экспертов-технологов были выявлены следующие основные параметры (узлы):
• ток нагрузки на главный привод печи,
• температура материала в зоне подогрева,
• разрежение в горячей головке печи,
• концентрация углекислого газа в отходящих газах,
• концентрация угарного газа в отходящих газах,
• концентрация кислорода в отходящих газах,
• температура отходящих газов,
• температура в зоне декарбонизации.
Новизной подхода к управлению данным объектом является комбинирование различных видов управляющих алгоритмов и внутренних структур систем управления с выбором на конкурентной основе тех методов, которые дают наилучшие по результатам моделирования и управления решения для конкретных параметров.
Рассмотрим подробнее модули, задействованные в идентификационной и управляющей частях описанной структуры.
Для решения задачи автоматизации работы печи было решено использовать динамический подход, основанный на статистических методах обработки данных, и статический подход, базирующийся на нечетких диаграммах поведения объекта с управлением при помощи обобщенного нечеткого устройства управления.
Использование статистических методов позволяет учесть взаимное влияние параметров работы печи в целом, а также при каких-либо конкретных режимах ее работы. Нечеткие методы используются в основном для решения задач принятия решений и выдают результат по сформулированной и обучающейся базе правил. В составе методов нечеткой логики используются два подхода к решению задач. Классический fuzzy-подход с нейронной обучающей сетью использует априорную базу данных завода для обучения функций принадлежности. Нечеткие диаграммы поведения представляют собой граф, полностью описывающий режимы работы печи. Его работа основана на представлении о нечеткости самих позиций и правил перехода между ними. В частности, на основе нечетких диаграмм поведения можно создать компьютерный тренажер для обучения операторов.
На настоящий момент ведутся работы по реализации советующей системы. Исследованы и проанализированы статистические данные и экспертные мнения с завода ЗАО «Осколцемент». Для анализа режимов работы печи и дополнительных параметров, а также для синтеза указанных выше подсистем разработан ряд программ.
1. Статистический метод теории управления
Для удобства ввода исходных данных и получения графиков разработано приложение в расширении Graphical User Interfaces (GUI), которое позволяет разрабатывать свои приложения, делать их независимыми, дополнять инструментами ввода и вывода информации и вместе с тем пользоваться всей мощью представленных библиотек функций (рис. 2).
Рис. 2. Программная оболочка в расширении GUI с результатами исследований по частной модели узла цементной печи
На этом рисунке изображены шесть графиков:
1, 2 — графики, которые характеризуют изменение температуры в зонах подогрева (X) и декарбонизации (Y);
3, 4 — графики Rx(τ) и Rxy(τ) корреляционной и взаимной корреляционной функций для температурных трендов;
5, 6 — графики w(t) и h(t) — импульсная и переходная характеристики процесса соответственно, характеризующие реакцию системы на воздействие.
На основе результатов работы указанного метода возможно построение передаточных функций для нескольких узлов печи в определенных режимах ее работы. При переходе в другие режимы работы передаточные функции могут изменяться либо переходить к нечетким функциям.
2. Нечеткие подходы
Предлагается ввести нечеткость в управляющие и управляемые величины с использованием fuzzy-подхода, совмещенного с построением нечетких диаграмм поведения технологических величин (узлов), характеризующих работу цементной печи [2]. Такой метод становится наиболее эффективным вследствие существенных взаимных зависимостей между внутренними, управляющими и управляемыми параметрами печи, которые можно описать, руководствуясь экспертными мнениями и статистической оценкой. Нечеткость возникает вследствие сложной, трудно структурируемой физико-химической динамики объекта управления при оценке протекающих в нем процессов, а также при отсутствии возможности описать ее в виде детерминированных дифференциальных уравнений [3].
С помощью среды программирования реализованы основные составляющие узлов агрегата, такие как технологические условия и правила перехода. Для работы с функциями принадлежности организовано считывание данных из файла, так как возможность быстрого изменения значений параметров является важным условием функционирования программы. В ходе исследования панели оператора цеха обжига был разработан интерфейс, предусматривающий выполнение требуемых команд, вывод необходимых данных, интерактивное изменение показателей и отображение результатов работы модели (рис. 3).
Рис. 3. Интерфейс для анализа режимов работы печи
Программа дает возможность просмотра и изменения функций принадлежности для каждого рассмотренного узла (рис. 4). Они позволяют идентифицировать режимы работы печи и с помощью нечетких диаграмм поведения решать задачу по их определению [4].
Рис. 4. Параметры функций принадлежности
Все информационные параметры и конечные результаты подлежали оценке со стороны операторов и экспертов-технологов, работающих с цементной печью. Данные нечеткие параметры являются основой для дальнейшего создания обобщенной модели и реализации на ее основе и управляющей структуры, и компьютерного тренажера.
На рис. 5 приведен интерфейс, позволяющий опрашивать операторов, составляя, таким образом, дополнительную базу правил, реализуя локальный банк знаний для корректировки текущих правил.
Рис. 5. Интерфейс для опроса оператора
Описанный программный комплекс позволяет анализировать работу системы по выделенным узлам, строить нечеткие диаграммы поведения, заложив в их основу собранные правила, дополнив их экспертными оценками, а также вычислять классические передаточные функции для узлов, в которых при определенных условиях и режимах работы их можно синтезировать. Кроме того, текущая версия программы позволяет использовать базу данных, где в реальном времени отражается информация от датчиков всей системы. Разработанная советующая система имеет в основе модель, построенную на базе нечетких диаграмм поведения узлов.
3. Система технического зрения для оценки параметров обжига
Для автоматизации сбора визуальной информации и получения оценки хода обжига в составе советующей системы разработана подсистема технического зрения, по функциональным возможностям превосходящая отечественные и зарубежные аналоги. Она обеспечивает нахождение и архивацию в базу данных шести оценок хода обжига в печи:
1) запыленности («нормальный режим», «печь пылит», «сильная запыленность»);
2) состояния материала: «материал перегрет», «нормальный режим», «материал слабо подготовлен», «брак», «сход обмазки»;
3) состояния факела: «факел короткий (жесткий)», «факел длинный», «факел мягкий (в работе лопатки завихрения)»;
4) гранулометрии на выходе зоны спекания;
5) подъема материала;
6) наличия колец.
Каждая из этих оценок важна для принятия оператором решения по управлению печью [6]. В настоящее время проводятся исследования по применению визуальных оценок в контурах управления печью советующей системы в целом.
Для автоматического определения визуальных оценок разработан специальный способ распознавания изображений процесса обжига во вращающейся цементной печи [6], основанный на следующем:
1) предобработке изображения с построением матрицы текстурных характеристик для областей изображения;
2) сегментации областей изображения с построением самоорганизующейся карты (SOM) [7];
3) формировании на найденных сегментах векторов информативных признаков;
4) формировании оценок процесса обжига за счет классификации информативных признаков с применением трехслойной нейронной сети с одним скрытым слоем (SLFN), обучаемой с помощью современного метода ELM [8] (Extreme Learning Machines — машин экстремального обучения).
В случае необходимости перенастройки алгоритма распознавания имеется возможность обучения системы технического зрения в ходе ее функционирования в реальном времени, обеспечена возможность работы системы технического зрения в режиме тренажера, когда необходимо научить нового оператора печи оценивать состояние процесса обжига по изображению на мониторе.
Программное обеспечение системы технического зрения (рис. 6), разработанное в среде Microsoft Visual Studio 2010 на языке C#, позволяет распознавать изображения с частотой не менее двух кадров в секунду, что приемлемо для анализа состояния процесса обжига, а также архивировать как сами изображения, так и результаты распознавания в локальную базу данных SQLite, чем обеспечивается возможность интеграции с советующей системой управления печью обжига.
Рис. 6. Интерфейс программного комплекса системы технического зрения — форма оператора
4. Построение нейросетевой модели колосникового холодильника
Для решения задачи автоматического управления колосниковым холодильником необходимо синтезировать законы управления, позволяющие реализовать наиболее рациональные режимы работы объекта. Синтез законов управления невозможен без получения адекватной математической модели объекта управления. Аналитическое описание динамики процессов, протекающих в колосниковом холодильнике, в форме дифференциальных уравнений не позволяет в полной мере учесть различные связи, а также возмущения, существенно влияющие на весь процесс охлаждения и, следовательно, на качество конечного продукта. Множественность связей порождает модели высокой сложности, зачастую непригодные к решению задач управления. Предлагается использовать для построения математической модели колосникового холодильника нейронную сеть Элмана (рис. 7), обученную на статистических данных, полученных во время пуска агрегата и его работы в рабочем режиме [9].
Рис. 7. Структура сети Элмана
В качестве входных переменных можно указать:
• производительность холодильника (Qklink),
• толщину слоя клинкера (Hkl),
• давление в первой камере холодильника (P1c),
• разрежение в горячей головке печи (Pgor),
• температуру колосника первого неподвижного ряда (Tkol).
Выходными переменными в данном случае будут:
• температура клинкера на выходе из холодильника (Tkl),
• температура вторичного воздуха (Tvtor),
• температура аспирационного воздуха (Tasp).
В качестве структуры нейронной сети была выбрана сеть Элмана с числом нейронов 15. Среднеквадратическое отклонение обучающей выборки и обученной сети равно 1590, т. е. находится на приемлемом уровне. Результаты тестирования приведены на рис. 8.
Рис. 8. Результаты тестирования сети на обучающей выборкеё
Результаты проведенных исследований показали, что использование динамических рекуррентных нейронных сетей при разработке математической модели объекта управления позволяет существенно ускорить этот процесс, причем полученные модели пригодны для решения задач синтеза управляющих законов и структуры системы автоматизации в соответствие с концепциями, изложенными в [4, 10].
Описанные подсистемы, собранные в единую структуру, позволяют создать не только советующую систему, отвечающую требованиям специалистов, экспертов и конечных пользователей — операторов, но и компьютерный тренажер, основанный на единых с системой управления правилах.
Работа выполнена в рамках гранта № А-27/12 Программы стратегического развития БГТУ им. В.Г. Шухова на 2012—2016 годы (№ 2011-ПР-146).
ЛИТЕРАТУРА
1. Колокольников В.С. Производство цемента. М.: Высшая школа, 1997. 303 с.
2. Бажанов А.Г. Управление вращающейся печью для обжига цементного клинкера на основе нечетких диаграмм поведения ее узлов. Автореф. дис. … канд. техн. наук: 05.13.06; защищена 26.06.13. Белгород: БГТУ им. В.Г.Шухова, 2013. 20 с.
3. Магергут В.З., Юдицкий С.А., Перов В.Л. Построение логических моделей химико-технологических объектов (первичные и исходные модели). М.: Изд. МХТИ им. Д.И. Менделеева, 1988. 80 с.
4. Бажанов А.Г., Магергут В.З. Нечеткая диаграмма поведения узла нагрузки главного привода цементной печи // Известия ТПУ. 2012. Т. 321, № 5. С. 163—167.
5. Рубанов В.Г., Порхало В.А. Получение математической модели обжига клинкера с применением статистических методов // Научные ведомости БелГУ. Серия: История. Политология. Экономика. Информатика. 2010. № 7 (78), вып. 14/1. С. 80—87.
6. Юдин Д.А., Магергут В.З. Программный комплекс системы технического зрения для оценки состояния процесса обжига // Программные продукты и системы. 2013. № 2. С. 257—262.
7. Юдин Д.А., Магергут В.З. Сегментация изображений процесса обжига с применением текстурного анализа на основе самоорганизующихся карт // Информационные технологии. 2013. № 4. С. 65—70.
8. Юдин Д.А., Магергут В.З. Применение метода экстремального обучения нейронной сети для классификации областей изображения // Научные ведомости БелГУ. Серия: История. Политология. Экономика. Информатика. 2013. № 26/1. C. 107—117.
9. Хайкин С. Нейронные сети. Полный курс / 2-е изд., испр.: Пер. с англ. М.: Изд. ООО «И.Д. Вильямс», 2006. 1104 с.
10. Рубанов В.Г. Системный подход к проектированию управляемых мобильных логистических средств, обладающих свойством живучести // Научные ведомости БелГУ. Серия: История. Политология. Социология. Информатика. 2011. № 1 (96), вып. 17/1. С. 176—187.
Автор: А.Г. Бажанов, А.С. Копылов, В.А. Порхало, Д.А. Юдин, Е.Б. Кариков, В.Г. Рубанов, В.З. Магергут |
Рубрика: Контроль производства |
Ключевые слова: эксперты, база правил, нечеткие градации, советующая система управления, система технического зрения, нечеткие диаграммы поведения |