Создание мехатронных систем для управления стохастическими объектами

Размещено на http://www.allbest.ru/

Введение

Рассматривается современный подход к построению систем оптимального управления технологическими объектами в нефтегазовой отрасли промышленности, предназначенный для автоматизированного управления сложными нелинейными объектами, которые описываются нестационарными стохастическими временными последовательностями. Рассмотрена проблема создания мехатронных систем для управления стохастическими объектами в условиях нестационарности , структурной и параметрической неопределенности. Рассмотрена структура системы дуального управления, проиллюстрировано формирования явления синергизма в синергетической метахронной системе. Показано, что явление синергизма проявляется в превышении общего эффекта системы над суммой эффектов отдельных элементов, из которых она состоит. Приведена классификация информационных систем и основные предпосылки их создания, функционирования и развития. Показаны преимущества интеллектуального управления по сравнению с традиционными. Показано, что синергетический эффект формируется при управлении технологическими объекта сложной системы как множество эффектов, полученных в результате накладки и синхронизации в пространстве и времени: эффекта от использования электромеханических компонентов объекта управления, эффекта от применения новой силовой электроники и микропроцессорной техники, эффекта от ИТ-технологий, эффекта от применения интеллектуальных технологий управления.

1. Актуальность проблемы

Создание новых подходов к решению проблемы построения систем оптимального управления технологическими объектами в нефтегазовой отрасли, которые, как правило, являются нелинейными стохастическими объектами, функционирующими в условиях априорной и текущей неопределенности под влиянием внешних возмущений, является актуальной научно-прикладной проблемой в связи интенсивным внедрением ИT-технологий и компьютерно-интегрированных технологий управления. Традиционные подходы к этой проблеме базируются, как правило, на гипотезе стационарности процессов и линейности математических моделей, описывающих их, и, следовательно, требуют больших объемов априорной информации. стохастический нефтегазовый автоматизированный управление

Анализ литературных источников указывает на недостаточный объем проведенных исследований в контексте использования новейших методов современной теории управления для построения систем оптимального управления технологическими объектами в нефтегазовой промышленности. Учитывая различные факторы, определяющие поведение сложных систем, такие как нестационарность, высокий уровень априорный и текущей неопределенности, нелинейности и др., традиционные подходы довольно часто оказываются неэффективными.

2. Проблема адаптивного управления неопределенными объектами в условиях влияния возмущений и постановка задачи

Проблемы управления динамическими объектами, функционирующими в условиях неопределенности, является одной из центральных проблем современной теории управления. Широкое применение в автоматических систем микропроцессоров (МП) и персональных компьютеров (ПК) вызвало особый интерес к жискретным адаптивным системам управления (ДАСУ), которые разделяли на самонастраивающиеся (СНС) и адаптивные системы с эталонной медалью (АСЭМ).

В СНС осуществлялись идентификация объекта управления, а затем по оценкам его параметров определялись параметры автоматического управляющего устройства (АУУ).

В АСЭМ осуществлялись настройки параметров АУУ так, чтобы замкнутая система управления была близка по своим свойствам к эталонной модели. Однако, следует отметить, что эталонная модель в той или иной форме присутствует в любой адаптивной системе. Поэтому позже была создана другая классификация адаптивных систем и начали различать адаптивные системы с явной и неявной эталонной моделями, с явною и неявною самонастройкой, явною минимизациею.

Однако более обоснованною классификацией ДАСУ является классификация, разделяющая их на прямые и косвенные. Что касается алгоритмов адаптации, то они в большинстве случаев выбирались, исходя из эвристических соображений. Как правило, они линейные относительно невязок или ошибок и являются вариантами рекуррентных алгоритмов метода стохастической аппроксимации или метода наименьших квадратов.

Отметим, что обоснованною классификацией ДАСУ является классификация, разделяющая их на прямы е и косвенные. Что касается алгоритмов адаптаций, то они в большинстве случаев выбирались, исходя из эвристических соображений. Как правило, они линейные относительно невязок или ошибок и являются вариантами реккурентных алгоритмов метода стохастической аппроксимации или метода наименьших квадратов.

Отметим, что в оптимальных ДАСУ имеют место три вида: оптимальность структуры основной системы управления; оптимальность настраиваемых моделей; оптимальность алгоритмов адаптации.

Как правило, они рассматриваются для управления линейными объектами с одним входом SI-SO и одним выходом и, главным образом, при отсутствии запаздывания.

Обычный путь построения ДАСУ динамичным объектом с неизвестными параметрами предусматривает:

- выбор структуры системы управления, а следовательно, и выбор АУУ с неизвестными параметрами;

- выбор алгоритма оценивания параметров объекта в СНС или настройки параметров управляющего устройства в АСЭМ;

- исследование сходимости использованных алгоритмов.

Выбору структуры системы управления, как правило, уделяется очень большое внимание и она, как правило, выбирается оптимальной с точки зрения минимума квадратичного функционала или ошибки.

Совсем другая ситуация наблюдается при выборе алгоритмов адаптации. В большинстве случаев они выбираются на основе различных эвристических соображений и является линейными относительно невязок алгоритмов с различными матрицами усиления и является рекуррентными вариантами метода стохастической аппроксимации. Матрица усиления зависит от текущих наблюдений и от времени. Поэтому чрезвычайно важным является четкая формулировка задачи синтеза адаптивной системы, которая бы позволяла однозначно создавать адаптивные алгоритмы, удовлетворяющие заданным требованиям.

Необходимость в адаптивных системах возникает в тех случаях, когда полная информация об объекте управления отсутствует. Одна их них построена на использовании идентификации объекта, т.е. на получении оценок его параметров с помощью алгоритмов идентификации, которые минимизируют функции невязки

(1)

где y(k) - выходная величина объекта управления; у'(k) - аппроксимация исходной величины объекта управления.

Полученные оценки ш используют для определения лучших, с точки зрения требований к системе в целом, параметров б автоматического управляющего устройства АУУ.

Структурная схема такой адаптивной системы приведена на рис. 1. Она имеет в контуре адаптации идентификатор АИ и вычислительное устройство ВУ.

Вторая возможность построения адаптивных систем основана на непосредственном определении необходимых значений параметров автоматического управляющего устройства АУУ.

Это может быть осуществлено либо алгоритмами прогнозирования (предсказания) эталонной желаемой величины, которая минимизирует функционал невязки

(2)

где у'(k) - аппроксимация эталонной величины или алгоритмами оптимизации, которые минимизируют функционал ошибки

(3)

где у'₀(к) - эталонная или желательна выходная величина объекта управления.

Разница между ними заключается в данных, которые наблюдаются и используются; моделях, которые настраиваются и реализуют аппроксимацию оценок выходных величин объекта управления у'(k) и у'₀(к); алгоритмах, которые изменяют параметры моделей или автоматического управляющего устройства.

Известные методы синтеза адаптивных систем оптимального управления сложными объектами, действующими в случайных средах, привели к созданию разнообразных попыток улучшить качество систем управления. Однако, всех их объединяет одна общая черта, параметры объекта управления считаются либо постоянными, либо меняющимися во времени по каким-либо приемлемым законам, а нелинейные характеристики линеаризуются. Такие вынужденные предположения объясняются сложностью проблемы управления, но при решении практических задач такой подход может дать неудовлетворительные результаты.

Следует отметить, что пути решения проблемы оптимального управления сложными объектами были предложены еще в 1961 году О.А. Фельдбаумом в виде концепции дуального управления, как обобщающей идеи адаптивного управления. Она заключается в том, что входное управляющее воздействие выполняет не только функцию оптимального управления, но и одновременно вместе с выходным показателем процесса используется для идентификации объекта управления. Итак, задача оптимального управления была обобщена путем объединения в режиме реального времени трех подзадач: идентификация структуры и параметров объекта управления, определение управляющего воздействия, оптимизация функционирования управляющей системы с помощью аналитических регуляторов. С учетом достижений в современной теории управления структуры системы дуального управления сложными объектами, функционирующими в условиях неопределенности.

Задача синтеза оптимального алгоритма управления в теории дуального управления сводится к следующему. Предположим, что известна математическая модель объекта управления, которая в дискретном времени выглядит так:

где у(к) - управляемая величина; f(*) - оператор объекта управления; u(k) - управляющее воздействие; k = - интервал квантования времени t.

Возмущающее воздействие з(к), которое не может быть измерен управляющим устройством, будем считать неизвестным постоянным во времени параметром з с заданной априорной плотностью распределения вероятностей с₀(з). В к-момент в модели регулирования известно желаемое значение управляемой величины у(к)^*. Дополнительная информация о величине возмущения з содержится в векторе (х_(к-1)^, х_(к-2)…, х₀) = х(к-1) величины в предыдущие моменты времени и вектора управляющих воздействий (u_(к-1)^, u_(к-2)…, u₀) = u(к-1), которые могут храниться в памяти модуля регулирования и являются наблюдаемой предысторией управляемого процесса. Для практических задач важным является случай, когд

х_i=y_i+h_i

i=0, 1, …, k-1, где h_i - случайная погрешность измерения y_i с известной плотностью распределения вероятностей с(h_i), а также случай, когда возмущение з, что является неконтролируемым, представляет собой стационарный случайный процесс.

Четкая математическая постановка задачи дуального управления осуществляется методами теории управления случайными процессами на основе неполных данных. Мощность современных компьютеров позволяет первые две подзадачи дуального управления успешно решать на практическом уровне. Однако, последняя подзадача не была достаточно корректно решена до сих пор даже с помощью известного принципа максимума [1].

Совершенствование самих объектов управления, повышение требований в автоматизированным системам управления, которые работают, как правило, во взаимодействии с другими, привели не только к постановке новых задач управления, но и к существенному изменению подхода к их решению. Появилось понимание того, что современные системы адаптивного управления должны иметь [3] еще такие важные свойства, как робастность и синергетичность, а также необходимость обеспечивать гарантированный результат. Учитывая технологические особенности объектов нефтяной и газовой промышленности, возникает также необходимость в использовании при синтезе автоматизированных систем управления когнитивных концепций (представление, понимание, объяснение, убеждение), а также методов накопления знаний путем самообучения и ментальных методов принятия решений.

Целью данной работы является формирование нового подхода к построению систем оптимального управления сложными технологическими объектами в нефтегазовой отрасли промышленности с позиций возможности их трансформации в синергетические метахронные системы для повышения эффективности автоматизированного управления под воздействием помех.

3. Формирование явления синергизма с синергетических метахронных системах

На сегодня в промышленности рахных стран наблюдается активное использование технологического оборудования на основе метахронных систем. Метахронный подход является традиционным в робототехнике, авиакосмической отрасли, приборостроении, точной компьютерной механике и др. Мехатроника как синтез механики, современной электроники и ИТ-технлогий [4,10,11], является новой областью науки и техники, посвященной созданию и эксплуатации машин, технологических комплексов и систем с компьютерным управлением, и основой на знаниях в области механики, электроники, микропроцессорной техники, информатики и компьютерного интеллектуального управления машинами и агрегатами.

Как видно мехатроника основана на синергетическом сочетании электромеханических компонентов объекта с новой силовой электроникой и микропроцессорной техникой, которые управляются с помощью различных микропроцессорных контроллеров (МПК), персональных компьютеров (ПК) или других вычислительных устройств, ИТ-технологий.

На метахронность объектов указывает наличие синергетически связанных механических силовых (электротехнических, гидравлических и др.), электронных (микропроцессоры, преобразователи частоты) и информационных (датчики, программное обеспечение ) компонент.

Целью метахроники является достижение наиболшей экономической и технической эффективности и конкурентоспособности создаваемых устройств и систем. Отметим, что конструктивно и функционально каждый метахронный модуль является составной частью метахронной системы и самостоятельным изделием, предназначенным для реализации движений с взаимопроникновением и синергетической аппаратно-программной интеграцией элементов, из которых он состоит. Такие элементы могут быть механическими, пневматическими, гидравлическими, электронными, электротехническими, информационными и др. метахронные модули могут объединять в одном модуле-корпусе несколько элементов, например, электродвигатель, редуктор, долото, глубинные измерительные преобразователи-электробуры. Отметим, что любая система, которая управляет группою приводов на компрессорных и насосных станциях, может считаться метахронною.

К основным особенностям технологических комплексов как синегетически связанных между собой метахронных модулей относятся рост энергосбережения, случайный характер нагрузки, изменяющейся в широком диапазоне; сложный в реализации режим работы оборудования буровых установок, установок подготовки нефти, насосных установок, газоперекачивающих агрегатов и др.: ограниченная мощность систем электроснабжения, распределенность систем управления, что в условиях растущих объемов информации создает определенные трудности в обеспечении нужной скорости передачи информации и реализации оптимальных алгоритмов управления при существующих линиях связи; необходимость мониторинга технического состояния машин и агрегатов с использованием интеллектуальных сенсоров, объединенных в локальные информационные сети; необходимость применения специальных прогнозирующих систем контроля окружающей среды, необходимость интеллектуализации систем управления; влажность использования моделей для управления объектами в реальном времени.

Относительно автоматизации технологических объектов нефтегазовой отрасли промышленности интеллектуальное управление должно иметь такие свойства как способность к обучению и адаптации; устойчивость к повреждениям и неполадок (живучесть), быть дружественным в пользователю человеко-машинным интерфейсом, способность к подключению новых компонентов.

4. Методологические подходы к исследованию технологических комплексов нефтегазовой промышленности как сложных систем

Как методологический подход к исследованию процессов в таких системах целесообразно использование системно-синергетического или смешанного подхода.

Системно-синергетический подход отличается от системно-кибернетического тем, что:

- учитывает механизм не только отрицательной связи, но и положительную обратную связь, автокорреляцию и др.;

- признает нелинейную роль внутренней и внешней среды в определении поведения системы как в статике, так и в динамике; учитывает параметры внешней и внутренней среды;

-содержит подсистемы знаний по теории, методы управления, прогнозирования, координации и др.;

- имеет ограниченную область применения детерминированных математических моделей; требует разработки системных логико-структурных моделей, которые имеют задачу структурировать проблемы, факторы, причины, последствия и устанавливать связи между ними; такие модели более универсальны для описания сложных нелинейных систем или процессов или процессов, поскольку устанавливают гетерархию в сложных системах и взаимодействие по вертикали и горизонтали. Их качественный характер снижает значимость фактора неопределнности;

- учитывает не только экцесс распределения статических величин в динамических процессах, но и их асимметрию, то есть распределение случайных величин может быть представлено распределениями Шарлье, Пуассона, Лоренца, Парето, Якоби и другими, которые имеют не только экцесс, но и асимметрию характеризующую направление развития, а также уравнениями в частных производных второй степени, гамильтонианами, аттракторами, брюселяторами, фракталами, мультифракталами и др. для распрелений с длинной памятью;

- рассматривает внутрисистемные флуктуации не как фактор, который поддается саморегулированию в стационарном режиме, а как источник развития и как причина фазовых, структурных и качественных изменений, а равновесие рассматривает как отсутствие развития;

Системно-синергетический подход к моделированию сложных нелинейных систем, развивающихся во времени, к которым можно отнести технологические комплексы нефтегазовой промышленности, имеет некоторые особенности:

- ограниченная область применения детерминированных аналитических моделей. Это обусловлено тем, что сложные технологические комплексы имеют такое большое количество факторов, которые определяют эффективность функционирования системы и взаимосвязей между ними, которая делает плотность корреляции между ними не очевидной и такой, что непрерывно меняется. Поэтому, как правило, нужны системные логико-структурные модели и модели, построенные на основе методов нечеткой логики и теории нечетких множеств (Мамдани, Такаги-Сугено-Канга), которые позволяют структурировать проблемы, причины, последствия и установить связи между ними; системные логико-структурные модели универсальны для описания сложных нелинейных систем и процессов;

- классические детерминированные модели создают на основе того, что распределение случайных величин подчиняются во времени нормальному закону распределения статических величин - закону Гаусса.

Сама асимметрия распределения характеризует направление развития. Поэтому нестационарные системы, которые развиваются, нуждаются в описании паретианами ( в случае распределения Парето), якобианами (в случае распределения по Якоби), распределениями Лоренца, Пуассона-Шарлье, Лапласа-Шарлье и др., которые имеют не только экцесс, но и асимметрию распределения, характеризующую направленные развития.

Заключение

Проведенные исследования характеризуются решением актуально-научно-практической задачи создания нового подхода к построению систем оптимального управления технологическими комплексами в нефтегазовой отрасли промышленности на основе мехатронных систем, предназначенных для разработки электромеханических систем нового поколения с принципиально новыми качествами, которые позволяют формировать синергитеческий эффект в управлении технологическими объектами. Обоснована возможность получения синергического эффекта от системно-синергетического объединения эффектов от использования современных электромеханических компонентов объекта управления, применения новейшей силовой электроники и микропроцессорной техники, ИТ-технологий и всех видов обеспечения АСУТП, а также от автоматизированного управления объектами на основе интеллектуальных технологий в задачах моделирования и оптимизации.

Список литературы

1) Стадник Н.И. Метахронный подход при анализе джижущихся горных комплексов /Н.И. Стадник // Нефтегазовая энергетика. - №1(19). -2013.- С. 91-98.

2) Горбатов П.А. Концептуальная характеристика сложных машин как метахронных систем / П.А. Горбатов, В.В. Косарев, Н.И. Стадник // Научные труды ДонНГУ. - 2005. - Вып. 104. - С.53-61.

3) Цыпкин Я.З. Оптимальность в адаптивных системах управления / Я.З. Цыпкин // Измерения, контроль, автоматизация. - 1985. - №3(55). - С.36-52.

4) Узумов И.Г. К вопросу определения нагрузки на наземное оборудование в течении цикла работы глубинного насоса. - Известия вузов "Нефть и газ", 1966, №2, с.104-108.

Размещено на Allbest.ru