На сегодняшний день существуют множество методов разработки моделей управления в нечеткой среде. Нечеткие системы могли бы, значительно снизить влияние так называемого человеческого фактора при управлении сложными объектами, в том числе и насосными станциями магистральных нефтепроводов.
Под нечетким управлением (Fuzzy Control) понимается область применения общей методологии теории нечетких множеств и нечеткой логики для решения практических задач управления. Нечеткое управление возникло, как технология способная расширить возможности автоматизации производства и предназначенная для решения прикладных задач в области управления, которые в общем случае могут быть реализованы с помощью программируемых контроллеров[1].
Нечеткое управление базируется на использовании не столько аналитических или теоретических моделей, сколько на практическом применении знаний, которые можно представить в форме так называемых лингвистических баз правил. Нечеткое управление может использоваться в том случае, когда существует определенный опыт экспертов и его можно записать некоторым формальным образом. Все это позволяет воспользоваться доступными знаниями, с целью улучшить процессы управления и решить ряд задач, например:
- управление (с обратной или без обратной связи, с одной или многими переменными, для линейных и нелинейных систем);
- установка параметров систем управления в автономном режиме или в режиме реального времени;
- классификация и распознавание образов;
- оперативное принятие решения (послать этот продукт на обработку устройством А и В?);
- помощь операторам в принятии решений или настройке параметров;
- определение и диагностика неисправностей в системах.
Широкий диапазон приложений и естественность подхода, основанного на опыте специалистов, делает нечеткое управление основным средством, которое в качестве стандарта должно стать доступным для всех пользователей программируемых контроллеров. Нечеткое управление может также непосредственно комбинироваться с классическими методами управления.
Другое достоинство нечеткого управления заключается в непосредственном объединении опыта нескольких специалистов. При этом вовсе не нужно моделировать целиком весь контроллер с помощью нечеткого управления – иногда нечеткое управление может только интерполировать серию локально линейных моделей или динамически адаптировать параметры некоторого линейного регулятора. Тем самым становится возможным не только оперировать нелинейными моделями, но и сосредоточить внимание на рассмотрении тех параметров существующих регуляторов, которые следует улучшить.
С точки зрения информационных технологий системы нечеткого управления являются продукционными экспертными системами. С точки зрения теории систем управления, системы нечеткого управления являются контроллерами с нелинейными параметрами регулирования. При этом текущие значения выходных переменных зависят только от текущих значений входных переменных и не зависят от предыстории этих значений за исключением случаев, когда отсутствуют активные правила и не определены значения переменных по умолчанию. Если же контроллер должен быть реализован как динамическая система, то соответствующие динамические функции представляют собой внешние элементы для нечеткого функционального блока.
В системах автоматического регулирования обычно используется дифференцирующие и интегрирующие элементы (звенья) первого порядка. Выходные переменные таких элементов являются дополнительными входными переменными для системы нечеткого управления. Такими переменными также могут быть переменные, описывающие значения отклонения управляемых параметров от установленных значений.
Напротив, выходные переменные систем нечеткого управления могут использоваться операторами для выполнения коррекции управляемых параметров в различных системах управления.
Задача состоит произвести анализ современных методов разработки моделей управления в нечеткой среде. Преимущество применения нечетких систем управления состоит в том, что на начальных этапах составления данных в нее может быть заложена информация от опытного оператора-эксперта, а после сбора данных нечеткой системой они могут использоваться экспертами для уточнения модели. Нечеткие системы управления учитывают информацию о возмущающих воздействиях, которые можно измерить, но нельзя использовать в аналитических формулах ввиду сложной природы влияния их на объект, а также информацию, которую нельзя измерить инструментальными средствами, но можно ее приблизительно оценить.
Из практики ведения процесса перекачки нефти в НС стало ясно, что для поддержания гидравлического режима станции очень важно управлять давлением жидкости в трубопроводе и т.д. Основной целью является разработка нечеткой модели управления давлением.
Рисунок 1. Интерфейс fuzzy logic в приложении Matlab
База знаний (правил) является основой интеллектуальной системы, которую необходимо дополнить несколькими элементы, реализующие следующие функции: фаззификация входных переменных, агрегирование под условий в нечетких правилах, активизация или композиция под заключение, аккумулирование заключений. На этих элементах построены несколько алгоритмов нечеткого вывода, в настоящей работе используется алгоритм Мамдани, который нашел наибольшее распространение при нечетком управлении технологическими процессами.
В качестве терм-множества трех входных лингвистических переменных используется множество
{«низкий», «не очень низкий», «средний», «не очень высокий», «высокий»}, которые записываются в символическом виде {N,NON,S,NOV,V}.
Исследование базы знаний (правил) и всей интеллектуальной подсистемы проводилось с помощью инструмента Fuzzy logic-Matlab (Рисунок 1)., который предоставляет широкие возможности для исследования - визуальный анализ результатов нечеткого моделирования, возможностью быстрого изменения «правил» и оценки чувствительности нечеткого алгоритма
Выводы
Результаты исследования показали, что данная система управления в нечеткой среде значительно превышает эффективность всего процесса перекачки нефти т.к. учитываются все возмущающие воздействия, сложно описываемые математической моделью, предусмотренные в базе правил (знаний).
- Круглов В.В. Нечеткая логика и искусственные нейронные сети. -М.: Физматлит. -221с.
- Пономарев А.С. Нечеткие множества в задачах автоматизированного управления и принятия решений. Изд.: Лотос. 2005.- 232с.
- Яхъяева Г.Э. Нечеткие множества и нейронные сети. Изд.: Бином.