Подходы в имитации аварийных ситуаций в автоматизированной системе управления технологическим процессом

Размещено на http://www.allbest.ru/

Нижневартовский государственный университет

ПОДХОДЫ В ИМИТАЦИИ АВАРИЙНЫХ СИТУАЦИЙ В Автоматизированной системе управления технологическим процессом

Гурьев С.В. Аспирант

Аннотация

С каждым годом сложность технических процессов происходящих на предприятии возрастает, появляется все больше автоматизированных объектов со своим интерфейсом и подходом. В результате возникает необходимость обучения персонала новым подходам в управлении производством. Персонал обучается новому интерфейсу по инструкциям к нему, но не имеет возможности проверить, как ведёт себя система при взаимодействии с ней. В итоге персонал вынужден, обучаться новому интерфейсу методом проб и ошибок. Во избежание такого метода, необходимо предоставить персоналу тренажёр по новому интерфейсу.

Ключевые слова: АСУ ТП, тренажер, модель, моделирование.

Abstract

APPROACHES TO SIMULATE EMERGENCY SITUATIONS IN ASU TP

Every year the difficulty of technical processes taking place in the enterprise grows, more and more automated facilities with its own interface and approach. As a result, there is a need for training new approaches in production management. The staff is trained on the new interface instructions to him, but is unable to see how the system behaves when interacting with it. As a result, staff forced to learn a new interface by trial and error. In order to avoid this method, you must provide the personal trainer for the new interface.

Keywords: ASU TP, simulator, model, modeling.

Основная часть

Автоматизированная система управления технологическим процессом (сокращенно АСУ ТП) - термин, который имеет отношение к ЭВМ (электронно вычислительное устройство) и всевозможным их объединения. Вычислительные устройства обеспечивают управление техническими процессами. Изначально системы АСУ ТП использовались исключительно на производстве, но с развитием технологий и из-за сходства технических процессов АСУ ТП вышло за рамки управления только производственными процессами и перешла в другие сферы деятельности, от управления транспортом до управления техническими процессами здания.

На производстве, системы уровня автоматизации строится на трёх уровнях контроля производством.

Нижний уровень (уровень полевых датчиков, field) - который представляет собой подключаемые по промышленным каналам связи различные приборы, датчики и агрегаты.

Средний уровень (контролирующий уровень) - состоит из ПЛК (программно логический контроллер в англ. PLC), уровень который отвечает за взаимосвязь между нижним уровнем и верхним, на нём реализуются различные алгоритмы управления, ведется формирование, сортировка, шкалирование и подготовка данных для передачи их между уровнями.

Верхний уровень (SCADA уровень) - уровень графического представления данных, осуществляет диспетчеризацию и сбор подготовленных данных посредством HMI (Human-Machine Interface, человеко-машинного интерфейса).

SCADA - Supervisory Control And Data Acquisition - термин что в переводе с английского означает диспетчерское управление и сбор данных.

Тренажер внедряется на верхний уровень, так как на нём осуществляется взаимодействие человека и машины.

Для эффективной организации процесса обучения тренажерный комплекс должен отвечать ряду требований[1]:

· Имитация реальных процессов в заданной точностью.

· Генерация аварийных событий по скриптам и с помощью инструктора.

· Содержать набор готовых упражнений.

· Иметь возможность конфигурировать аварийные события.

Для построения тренажера может использоваться один из подходов представленных ниже.

Модель - аналитическая или физическая система упрощенная по отношению к исследуемого объекту, но отражающая основные необходимые свойства объекта изучения[2].

Подход первый, создание стенда.

Стенд представляет собой материальную модель, которую еще принято называть физической моделью. При таком подходе в моделировании строиться копия реального объекта в определенном отношении к нему, отражающая исследуемые стороны. Изученные свойства стенда переносятся на реальный объект основываясь на теории подобия. Примерами материального моделирования являются макеты, механические модели.

В таком подходе один из компрессоров будет выведен из ТП и будет работать в контрольном положении. На нём будет отрабатываться аварийные события и действия персонала в таких ситуациях.

Составляется план аварийных событий по которому отрабатываются совместные действия персонала.

Подход второй, создание аналитической модели

Аналитическая модель - моделирование основой которого является математическая модель, является методом количественного и качественного описания исследуемого объекта, в нём реальному объекту или процессу противопоставляется его упрощенная модель описываемая определенным уравнением. В ряде случаев искомый объект представляется уравнением регрессии, которое представляет собой геометрическое расположение точек на основе математического ожидания условных распределений исходного уравнения.

Основные шаги при аналитическом моделировании[3]:

Первый шаг это постановка задачи, который включается в себя: определение целей и установка исследуемого объекта, задание признаков изучения, поиск алгоритмов управления, анализ взаимодействия. Постановка заведомо невозможных или неполных целей повлечет за собой невозможность создания математической модели искомого объекта.

Шаг второй выбор наиболее подходящей математической модели[4], виды моделей изображены на рисунке 1:

Рис. 1 Виды математических моделей

Для более детальной имитации необходимо построить несколько аналитических моделей и уже на основе анализа данных этих моделей экспериментально устанавливаются свойства моделей: определяется их возможность быть стационарными или нестационарными, а также определяется степень детерминированности искомого объекта или процесса.

Поиск подходящей модели осуществляется посредством предварительного анализа, который является первым шагом на пути к исследованию модели. Для принятия модели необходимо чтобы она удовлетворяла требованиям:

- Контроль размерности, представляет собой анализ следования правилу. Согласно правилу значения значения которые имеют различные размерности не могут быть приравнены друг к другу, а также не могут складываться друг с другом.

- Оценка порядков величин, представляет собой алгоритм сортировки в котором определяются порядки складываемых величин, малозначительные переменных слагаемых отбрасываются.

- Оценка характера зависимостей, представляет собой рассмотрение влияния изменения изменения одних величин на изменения других величин, рассматривается их изменение скорости и направления. Для согласованности аналитической модели необходимо чтобы выходные значения соответствовали физическому смыслу задачи.

- Оценка экстремальных ситуаций, представляет собой проверку решения наглядного смысла при условиях когда входные и выходные параметры стремятся к нулю или бесконечности.

- Контроль граничных условий, представляет собой проверку соответствия аналитической модели граничным условиям исходного объекта которые вытекают из поставленной задачи. Также проверяются действительность граничных условий, важно чтобы полученные условия удовлетворяли искомым граничным условиям.

- Оценка математической замкнутости, представляет собой проверку того, что полученная аналитическая модель дает только одно единственно правильное однозначное решение.

- Оценка физического смысла, представляет собой проверку физического содержания полученных промежуточных отношений, используемых при построении аналитической модели.

- Оценка устойчивости модели, представляет собой проверку того насколько вариация исходных данных влияет на достоверность полученных данных от аналитической модели, иначе говоря на сколько сильно изменения выходной величины относительно входной, ведёт ли изменение к существенному изменению решения.

Основным недостатком чисто аналитической модели является её не возможность описывать поведение исследуемого объекта во времени, для решения этого недостатка строится имитационная модель.

Имитационное моделирование[5] - процесс построения некоторого алгоритма который имитирует поведение исследуемого объекта и взаимодействие исходного объекта с учётом возможных случайных входных величин и воздействий из внешней среды.

Основное свойство имитационной модели - она способна быть объектом исследования, также эксперимент может проводиться с самой моделью, которая представляет собой некоторый алгоритм написанный на определенном языке программирования. Имитационная модель является видом стохастического процесса с дискретным состоянием системы. На этапе реализации имитационной модели на компьютере происходит сбор исходных данных исследуемого объекта, полученные данные являются предметом исследования. В завершающей стадии моделирования данные полученные на этапе сбора обрабатываются и результат обработки на выходе получается в виде распределений исследуемых величина на определенном отрезке. Имитационное моделирование строится на основах математической статистики с использованием теории вероятности для анализа данных.

При реализации имитационной модели на компьютере могут быть использованы языки высокого уровня такие как: Паскаль, Си, С++, Visual Basic. Являясь языками высокого уровня им доступны средства работы с базами данных и коммуникационными протоколами обмена, а также возможности отладки без использования дополнительных аппаратных средств. Но в результате использования языков высокого уровня на исследователя ложится дополнительная нагрузка так как ему необходимо знать помимо исследуемого процесса еще и высокоуровневый язык программирования с его тонкостями и особенностями. Для облегчения разработки имитационной модели были разработаны специализированные языки моделирования, цель которых упростить создание моделей и обработку результатом исследований, к таким языкам относятся: Симпас, Симула, Арена. имитационный модель автоматизация моделирование

Литература

1. Разработка компьютерных тренажеров операторов АСУТП реального времени // pmasc.karelia.ru: Центр систем автоматизации URL: http://pmasc.karelia.ru/rus/projects/modeling.html (дата обращения: 29.09.2016).

2. Пономарев В.Б., Лошкарев А.Б. Математическое моделирование технологических процессов: курс лекций. Екатеринбург: ГОУ ВПО УГТУ-УПИ, 2006.126 с.

3. Васильев К. К., Служивый М. Н. Математическое моделирование систем связи: учебное пособие. Ульяновск: УлГТУ, 2008. 170 с.

4. Математические модели // orenipk.ru: Оренбургский государственный педагогический университет URL: http://www.orenipk.ru/kp/distant_vk/docs/2_1_1/inf/inf_mat_mod.html (дата обращения: 20.09.2016).

5. Общая характеристика метода имитационного моделирования // bourabai.ru: Частное Боровское исследовательское учреждение по внедрению новых технологий URL: http://bourabai.ru/cm/general.htm (дата обращения: 19.09.2016).

Размещено на Allbest.ru