WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

На правах рукописи

ПОГОНИН Василий Александрович МЕТОДЫ И АЛГОРИТМЫ УПРАВЛЕНИЯ ХИМИКО-ТЕХНОЛОГИЧЕСКИМИ ПРОЦЕССАМИ С ПРИМЕНЕНИЕМ РОБОТОВ В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ 05.13.06 – Автоматизация и

управление технологическими процессами и производствами (промышленность) А В Т О Р Е Ф Е Р А Т диссертации на соискание ученой степени доктора технических наук

Тамбов 2003

Работа выполнена на кафедре «Информационные процессы и управление» Тамбовского государст венного технического университета.

Научный консультант: доктор технических наук, профессор Матвейкин Валерий Григорьевич

Официальные оппоненты: доктор физико-математических наук, профессор Решетников Валерий Николаевич доктор технических наук, профессор Муромцев Юрий Леонидович доктор технических наук, профессор Палюх Борис Васильевич

Ведущая организация: Центральный научно-исследовательский и опытно-конструкторский институт робототехники и технической кибернетики

Защита диссертации состоится 11 ноября 2003 г. в 14 часов на заседании диссертационного совета Д 212.260.01 Тамбовского государственного технического университета по адресу: 392000, г. Тамбов, ул.

Советская, 106, ТГТУ, Большой зал.

Отзывы в двух экземплярах, скрепленные гербовой печатью, просим направлять по адресу: 392000, г. Тамбов, ул. Советская, 106, ТГТУ.

С диссертацией можно ознакомиться в библиотеке университета.

Автореферат разослан «_» _ 2003 г.

Ученый секретарь диссертационного совета А.А. Чуриков Подписано в печать 03.10. Формат 60 84 / 16. Гарнитура Times New Roman.

Бумага офсетная. Печать офсетная. Объем: 1,86 усл. печ. л.;

2,0 уч.-изд. л.

Тираж 100 экз. С. Издательско-полиграфический центр Тамбовского государственного технического университета 392000, Тамбов, Советская, 106, к.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. В течение последних десятилетий усилия научных школ В.В. Кафарова, А.М.

Кутепова, А.А. Воронова, Я.З. Цыпкина, С.В. Емельянова, Г.С. Поспелова, Е.И. Юревича, И.М. Мака рова, А.В. Тимофеева и другие были направлены на решение задач, связанных с заменой людей автома тическими системами и роботами с целью повышения эффективности современных технологических процессов и производств в различных отраслях промышленности.

Химико-технологические производства обладают всеми чертами, присущими производственным и технико-экономическим системам, функционирующим в современных условиях, характеризуемых час то меняющейся номенклатурой и объемом выпускаемой продукции, колебаниями качества и цен сырья, вербальным уровнем формализации информации, используемой для решения задач управления и при нятия решений.

При решении задач управления химико-технологическими процессами во многих практических случаях исследователи ориентируются на использование детерминированных математических моделей.

Последние имеют недостатки, обусловленные невозможностью определения точных значений входя щих в них параметров, что определяется влиянием факторов неопределенности.

Действительно, широкому классу химико-технологических процессов (ХТП), продукция которых используется при производстве органических красителей, волоконно-оптических средств связи, меди цинской техники, присущ случайный характер изменения параметров, существенно влияющих на изме нение характеристик объектов управления, которые тем не менее в детерминированных моделях счита ются постоянными.

Чаще всего случайными являются характеристики самого ХТП, к которым относятся физико химические константы, коэффициенты тепло- и массоотдачи, теплопроводности, скорости химических реакций, концентрации веществ во входных потоках и др. Кроме того, могут изменяться внешние усло вия (температура среды, составы потоков сырья, производительность и т.д.), которые при их неконтро лируемости также можно рассматривать в качестве источников неопределенности.

Неточность задания тех или иных параметров при расчетах с использованием детерминированной математической модели практически не принимается во внимание, и, как правило, с учетом определен ных предположений и допущений неточные или неопределенные параметры заменяются их средними значениями.

Такой подход часто оказывается несостоятельным для решения современных задач оптимизации химико-технологическими процессами.

Начиная с конца XX века развитие химических производств характеризуется внедрением прогрес сивных технологий, обеспечивающих высокий уровень энерго- и ресурсосбережения, ужесточением требований к качеству выпускаемой продукции и экологической чистоты. Поэтому ошибки в управле нии могут приводить к огромным экономическим потерям и способствуют возникновению аварийных ситуаций.

В связи с этим особую важность приобретает необходимость рассмотрения нового класса задач оп тимизации, решения которых обеспечивали бы выполнение технологических и технических требований с заданной гарантией.

В работах В.В. Кафарова, В.И. Бодрова, В.Г. Матвейкина предложена концепция и развиты теоре тические положения и методы решения задач гарантирующей оптимизации детерминированно стохастическими химико-технологическими процессами, обеспечивающие выполнение технологиче ских требований с заданной вероятностью.

Разработанные теория и методы позволяют заранее планировать допустимую (в том числе сколь угодно малую) вероятность нарушения технологических требований и гарантировать их выполнение при любых случайных изменениях значений параметров ХТП. Таким образом, гарантирующее управле ние дает уверенность (гарантию), что технологические требования и условия безопасности будут вы полнены, какими бы ни были в данный момент значения технологических параметров и внешних не контролируемых возмущений.

Однако эти теоретические положения и методы не могут быть применены для большинства совре менных химико-технологических производств, характеризующихся повышенной опасностью для об служивающего персонала.

Это объясняется тем, что в химических производствах, в которых используются высокие темпера тура, давление, концентрация веществ и т.п., в жестких условиях обеспечения конкурентоспособности продукции, экономии средств невозможно или опасно провести достаточное количество экспериментов для получения статистических данных. Например из-за чрезвычайно капиталоемкого производства вы сокочистых веществ вследствие высокой стоимости сырья или вследствие опасности для обслуживаю щего персонала применения СВЧ-частот для нагрева реакционных смесей.

Тем более невозможно использовать эти методы для вновь проектируемых химических произ водств, так как в этом случае в принципе нельзя провести прямые эксперименты.

Очевидно, что в этих условиях встает вопрос об использовании математического аппарата теории нечетких множеств, позволяющего формализовать неопределенность параметров химико технологических процессов, используя накопленные знания и экспертные оценки.

Однако до настоящего времени нет не только теоретических положений и разработанного специально го математического обеспечения, не существует даже концепции решения задач гарантирующей оптими зации для рассматриваемого класса химико-технологических процессов в условиях нечетко заданных зна чений параметров, а также не сформулировано понятие гарантированного выполнения технологических требований в этих условиях.

Отсутствие концепции и теоретических положений гарантирующей оптимизации в условиях нечет ко заданной информации и необходимость решения задач гарантирующего управления современными ХТП делают актуальной цель настоящей работы: сформулировать концепцию, разработать теоретиче ские положения, методологию, специальное математическое и алгоритмическое обеспечение решения задач гарантирующей оптимизации в условиях неопределенности.

Химическая и смежные с ней отрасли относятся к областям промышленности, характеризующимся экстремальными условиями труда. Все без исключения химические производства опасны для жизни и здоровья людей и различаются лишь степенью опасности.

Требование гибкости химических производств, выпуск большой номенклатуры продукции для удовлетворения индивидуальных потребностей людей приводят к непрерывной перенастраиваемости технологических схем и систем управления, что еще более усугубляет опасность химико технологических процессов.

Поэтому химические производства стоят в первом ряду производств, требующих принятия решений по минимизации численности персонала или удалению людей из сферы вредного воздействия.

Применение робототехнических систем – очевидный путь решения этих задач. Однако параметрам средств робототехники так же, как и технологическим процессам, присущи факторы неопределенности, к которым относятся конструктивные характеристики роботов (изгибная жесткость, зазор в сочленени ях, жесткость на кручение и др.). Маршрут и время перемещения средств робототехники могут быть определены недостаточно точно, что обусловливается особенностями ситуаций, имеющих место на ре ально функционирующих ХТП. Кроме того, показания сенсорных датчиков роботов, как правило, не точны и позволяют только приблизительно, т.е. на качественном уровне, определить текущую ситуа цию. При управлении роботом оператором, при обучении робота, при формировании экспертных оце нок используются нечеткие отношения.

В условиях нечеткости информации робототехнические системы должны обеспечивать удовлетво рение выполнения технических и технологических требований и условий безопасности функциониро вания средств робототехники с заданной гарантией.

Поэтому актуальной задачей является синтез роботизированных АСУ (РоАСУ), осуществляющих гарантирующую оптимизацию ХТП в условиях неопределенности.

Диссертационная работа выполнялась в соответствии с координационным планом НИР АН СССР по направлению 2.27 «ТОХТ», планом 2.27.7.15 «Робототехника и микропроцессорные системы управ ления в химической промышленности», планами Минудобрений и Минхимпрома на 1980–1988 гг., по становлением Правительства РФ от 28.05.96 г. «О приоритетных направлениях развития науки и техни ки и критических технологий» по направлению «Интеллектуальные системы управления», планом Гос комитета РФ по высшему образованию на 1991–1995 гг., планом Министерства образования РФ на 1995–2000 гг. (госбюджетная тема «Теория, методы, алгоритмы управления динамическими системами, формализованными на нечетких множествах»).

Цель работы: сформулировать концепцию, разработать теоретические положения, методологию, специальное математическое и алгоритмическое обеспечение решения задач гарантирующей оптимиза ции в условиях неопределенности;

разработать методологию синтеза роботоавтоматизированных сис тем управления, функционирующих в условиях неопределенности, и применить полученные результаты для решении важных производственных задач управления роботизированными ХТП.

Для достижения этой цели необходимо решить следующие задачи:

• сформулировать концепцию решения задач гарантирующей оптимизации и управления ХТП, об ладающими свойствами неопределенности;

• на основе концепции разработать теоретические положения и методологию решения задач гаран тирующей оптимизации в условиях неопределенности, при этом необходимо:

- формализовать условия выполнения технологических требований с заданной гарантией в усло виях неопределенности;

- сформулировать постановки задач гарантирующей оптимизации;

- теоретически обосновать методы и алгоритмы решения этих задач;

• на основе теоретических положений решения задач гарантирующей оптимизации создать мето дологию синтеза РоАСУ химико-технологическими процессами, при этом необходимо:

- разработать структуру РоАСУ, формализовать расширенные постановки задач управления и принятия решений на различных уровнях РоАСУ;

- разработать теоретически обоснованные методы и алгоритмы решения задач гарантирующей оп тимизации планирования работы коллектива роботов в условиях неопределенности;

- разработать теоретически обоснованные методы и алгоритмы решения задач расчета оптималь ных траекторий движения манипулятора в условиях неопределенности, обеспечивающие гарантирован ность выполнения технологических требований;

• применить предложенную методологию для решения задач гарантирующей оптимизации кон кретными роботизированными ХТП.

Методы исследования. При выполнении диссертационной работы научные исследования основы вались на методах математического моделирования, современной теории управления и теории нечетких множеств.

Достоверность полученных результатов подтверждается доказательствами сформулированных теорем и утверждений, экспериментальной проверкой на основе имитационных и лабораторных иссле дований, а также промышленных испытаний.

Научная новизна состоит в предложенной концепции гарантирующей оптимизации химико технологических процессов, обладающих свойствами неопределенности, формализованных условиях гарантированного выполнения технологических требований и сформулированной задаче гарантирую щей оптимизации ХТП в условиях неопределенности;

созданных теории и методологии решения задач гарантирующей оптимизации ХТП в условиях неопределенности;

разработанных методах и алгоритмах решения задач гарантирующей оптимизации ХТП;

созданной методологии синтеза РоАСУ химико технологическими процессами, функционирующими в условиях неопределенности;

поставленных зада чах гарантирующей оптимизации планирования работы коллектива роботов и разработанных алгорит мах их решения;

разработанных методах и алгоритмах решения задач расчета оптимальных траекторий движения манипулятора в условиях неопределенности, обеспечивающих гарантированность выполне ния технологических требований.

Практическая ценность работы определяется разработанной методологией решения задач гаран тирующей оптимизации ХТП в условиях неопределенности, методикой определения адекватности и коррекции математических моделей с нечеткими параметрами, разработанным алгоритмическим и про граммным обеспечением для проектирования роботоавтоматизированных систем управления ХТП в ус ловиях неопределенности;

построенным алгоритмическим и программным обеспечением, позволяю щим синтезировать необходимое математическое описание роботизированных ХТП производства по ликристаллических оптических материалов на основе селенида цинка и кислоты Шеффера;

алгоритма ми решения расширенных задач анализа, оптимизации и управления для рассматриваемых ХТП с уче том особенностей их функционирования.

Разработан и внедрен на кафедре «Информационные процессы и управление» Тамбовского государст венного технического университета автоматизированный лабораторный комплекс подсистемы роботов лаборантов, способный проводить экспресс-анализы сырья и осуществлять коррекцию математических моделей ряда ХТП.

Предложенные методы и алгоритмы синтеза оптимальных программ движения манипуляторов ро ботов, обеспечивающие гарантированность выполнения технологических требований, могут быть ис пользованы в практике расчета управляющих программ роботов для ХТП.

Реализация научно-технических результатов. Результаты работы были использованы при вы полнении научно-исследовательских работ и в виде устройств, систем управления и технической документации переданы для использования пред приятиям: п/я Х-5382 (Москва, 1983, экономический эффект – 141 тыс. р., НПО «Защита растений» (Москва), ОАО «Пигмент» (Тамбов), ФГУП «ТамбовНИХИ», ОАО «НИТС» (Москва), ФГУП «Ассоциация Российского Союза химиков» (Москва).

Действующий макет робота-лаборанта демонстрировался на Всесоюзной выставке «Машинострои тельная технология 87».

Материалы диссертации используются в учебных курсах ТГТУ при обучении студентов специаль ности 21.02.00.

Апробация работы. Основные теоретические и прикладные результаты диссертационной работы изложены в монографии «Роботы в химической промышленности» / Бодров В.И., Калинин В.Ф., Пого нин В.А., публикациях в научных журналах и тематическом обзоре.

Результаты работы докладывались и обсуждались на Всесоюзной научной конференции «Автомати зация и роботизация в химической промышленности» (Тамбов, 1986, 1988);

Всесоюзной и Международ ной научных конференциях «Методы кибернетики химико-технологических процессов (КХТП-III-89), (КХТП-IV-94)» (Москва, 1989, 1994);

VII Всесоюзной и IX, XV Международных научных конференциях «Математические методы в химии и химической технологии» (Казань, 1991, Тверь, 1995, Тамбов, 2002);

IUPAC-91 Congress International Analitical Schiences (Tokyo, 1991);

II Международной конференции «Ак туальные проблемы фундаментальных наук» (Москва, МГТУ им. Баумана, 1994);

Всесоюзной конфе ренции «Разработка и внедрение вихревых электромагнитных аппаратов для интенсификации техноло гических процессов» (Тамбов, 1989);

IV Республиканской конференции (С.-Петербург, 1992);

X Меж дународной конференции по химии высокочистых веществ (Н.-Новгород, 1995);

Международной кон ференции «Жидкофазные системы и нелинейные процессы в химии и химической технологии» (Ивано во, 1999);

Международной конференции «Информационные технологии в проектировании микропро цессорных систем» (Тамбов, 2000);

II Международной научно-практической конференции (Новочер касск, 2002).

Публикации. Материалы диссертации опубликованы в одной монографии и более чем в 40 статьях, докладах, авторских свидетельствах.

Структура и объем работы. Диссертационная работа состоит из введения, шести глав, выводов, списка использованной литературы и приложений. Основная часть диссертации изложена на 314 стра ницах машинописного текста. Содержит 94 рисунка и 32 таблицы.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность работы, сформулированы цель и задачи исследования, науч ная новизна, практическая значимость полученных результатов, изложено краткое содержание глав.

В первой главе проведен анализ вопросов управления и роботизации ХТП. Показана актуальность решения задач оптимизации ХТП, гарантирующих выполнение технологических требований в условиях неопределенности. Выявлено, что в настоящее время отсутствует формализация гарантии выполнения технологических требований, теория постановок и решения задач гарантирующей оптимизации в услови ях неопределенности.

На основе проведенного литературного обзора поставлена задача создания теории, эффективных методов и алгоритмов решения задач оптимизации в условиях неопределенности. Поставлена также за дача создания методологии синтеза систем автоматизации ХТП с подсистемой роботов-лаборантов, ра ботающей в условиях неопределенности.

Во второй главе предлагается концепция решения задач гарантирующей оптимизации ХТП, обла дающих свойствами неопределенности.

Предлагается считать оптимизацию – гарантирующей оптимизацией, если технологические требова ния, определяемые соответствующими функциями принадлежности, выполняются с «достаточной убеди тельностью».

Концепция предполагает:

а) формализацию «достаточной убедительности» выполнения технологического требования по функции принадлежности этого требования;

б) предлагается считать, что система технологических требований выполнена с определенной га рантией, если каждое i-е технологическое требование выполнено с этой гарантией.

Концепция также предполагает: создание математической модели, позволяющей рассчитывать функции принадлежности выходных величин ХТП (определяющей модели), определение нормы целе вой функции по ее функции принадлежности, постановку задачи оптимизации нормы целевой функции при гарантированном выполнении технологических требований.

Предлагается считать, что технологическое требование а выпол-няется с «достаточной убеди тельностью», если значение функции принадлежности µ() таково, что < a : µ () и при этом множество Р = { | µ () > }.

Этот постулат формализуется следующим образом: технологическое требование а удовлетворя ется с заданной гарантией, если г а, где г = min, E = { µ () }.

E При этом в соответствии с концепцией система технологических требований выполнена с гарантией = (1, …, n), если каждое i-е технологическое требование выполнено с гарантией i, i = 1, n, где n – число техноогических требований.

На основании разработанной концепции в работе формулируется задача гарантирующей оптимиза ции в условиях неопределенности.

Математическая модель ХТП представляется в следующем виде:

~ ~ ~ µY (y u) = ( µХ (x), u, µB (b)), (1) ~ ~ где – оператор математической модели;

µХ (x), µB (b) – соответствующие функции принадлежности ~ ~ элементов подмножеств X, B ;

x – вектор режимных параметров;

b – вектор настроечных параметров мо ~ дели;

µY (y u) – функция принадлежности нечеткого решения.

Функция принадлежности нечеткого решения определяется с использованием (1) и принципа рас ширения Заде следующим образом:

~ ~ ~ µY (y u) = max min ( µХ (x), µB (b)) y = M (x, u, b), (2) x, b ~ где М – детерминированная математическая модель, при выполнении условия µY (y u) = 0, если {(x, u, b) y = M (x, u, b)} =.

~ В работе предложено несколько алгоритмов расчета µY (y u) по известной имитационной модели y = M (x, u, b). Один из алгоритмов реализации (2) представлен на рис. 1.

Работа алгоритма заключается в переборе выходной величины y, нахождении для текущего y всех значений нечетких параметров x, b, которые удовлетворяют имитационной модели. Выбор для пары x, ~ ~ b минимального значения a = min ( µХ (x), µB (b)) и затем выбор такой пары x, b, для которой значение а максимально. Это значение а принимается в качестве значения функции принадлежности для текущего значения y.

~ В качестве целевой функции Q(u) принимается одна из введенных в работе норм µJ функции ~ принадлежности µJ (J u) показателя эффективности J = J (x, u, y), рассчитываемой с использованием ~ µY (y u).

При этих обозначениях задача гарантирующей оптимизации в условиях неопределенности ставится следующим образом:

• необходимо найти u U, при котором принимает минимальное значение целевая функция Q (u) Q* = Q (u*) = min Q (u), (3) uU ~ где Q (u) = µJ (J u ), Начало Ввод u Перебор y y1, y2, …, yn да Рис. 1 Блок-схема алгоритма построения функции принадлежности выходных величин • при гарантированном удовлетворении технологических требований iг (u) ai, i = 1, n, (4) ~ где iг (u) = min i, Ei = {i µi (i u) i }, Ei ~ ~ ~ µi (i u) = max min ( µХ (x), µY (y u)) i = i (x, y, u) (5) x, y • удовлетворении уравнений математической модели ~ ~ ~ µY (y u) = max min ( µХ (x), µВ (b)) y = M (x, u, b).

x, b Управление u, найденное при решении задачи (3)–(5), называется гарантирующим оптимальным управлением.

~ В работе предложен ряд формализаций функций µJ, например ~ Q(u) = µJ (J u)= max J, JEJ ~ где EJ = {J µJ (J u) µ з }, µ з – заданное значение функции принадлежности.

Множество допустимых управлений в задаче гарантирующей оптимизации в условиях неопреде ленности формализуем следующим образом:

= {uu U iг (u) ai, i = 1, n }, ~ где iг (u) = min i, Ei = { i µi (i u) i }, Ei ~ ~ ~ µi (i u) = max min ( µХ (x), µY (y u)) i = i (x, y, u), x, y ~ ~ ~ µY (y u) = max min ( µХ (x), (b)) y = M (x, u, b).

µB x, b Управление u называется допустимым управлением в задаче гарантирующей оптимизации в условиях неопределенности.

При этих обозначениях задача (3)–(5) формулируется в следующем упрощенном виде: необходимо найти такое u, при котором принимает минимальное значение целевая функция Q (u) Q* = Q (u) = min Q (u).

u Решение задачи гарантирующей оптимизации в форме (3)–(5) сопряжено со значительными трудно стями, обусловленными необходимостью расчета функций принадлежности выходных величин и тех нологических требований с использованием (5).

Поэтому во второй главе рассматриваются вопросы создания теоретически обоснованных методов решения задач гарантирующей оптимизации.

Предлагается декомпозиционный метод оптимизации -задач (метод -оптимизации), позволяю щий в широком диапазоне изменения технологических режимов найти решение задачи гарантирующей оптимизации за допустимое для практики время.

При этом -задачей называем следующую задачу оптимизации: необходимо найти вектор u U управляющих воздействий, при котором принимает минимальное значение показатель эффективности J (x, u, y) J* = min J(x, u, y), uU где y = М (x, u, b), • при удовлетворении технологических требований i (x, y, u) i, i = 1, n.

Оптимальное управление u* и значение целевой функции J*, найденные при решении -задачи, за висят от. Эти величины обозначаются, соответственно, u, J*().

Множество управлений U = {uu U i (x, y, u) i, i = 1, n, y = М (x, u, b)} называется множеством -допустимых управлений.

-задача формализуется в следующем виде: необходимо найти вектор u U управляющих воз действий, при котором принимает минимальное значение J*() целевая функция J (x, u, y) J*() = min J (x, u, y).

uU Задача нахождения оптимального задачи -оптимизации определяется следующим образом: не обходимо найти такое значение, при котором принимает минимальное значение целевая функция J*() = arg min J*().

Область (область гарантированного удовлетворения технологических требований) определяется следующим образом:

= {iг (u ) ai }, ~ где iг (u ) = min i, Ei = {i µi (i u ) i }, Ei ~ ~ ~ µi (i u ) = max min ( µХ (x), µY (y u )) i = i (x, y, u ), x, y ~ ~ ~ µY (y u ) = max min ( µХ (x), µВ (b)) y = M (x, u, b).

x, b Значение называем -допустимым значением.

Оптимальное управление u U, соответствующее -допустимому значению, называем допустимым оптимальным управлением.

В главе показано, что при правильном выборе детерминированной математической модели M (x, u, b) и при выполнении ряда условий решение задачи -оптимизации тождественно решению задачи га рантирующей оптимизации в условиях неопределенности. Сформулирован и доказан ряд теорем, кон кретизирующих необходимые свойства математических моделей, целевых функций и технологических требований.

Эти и другие теоремы положены в основу разработанных алгоритмов решения задач оптимизации В главе также предложено решение задач -оптимизации с использованием двухмодельного ком плекса с имитационной моделью y = M (x, u, b) вспомогательной моделью y = m (x, u), y Y, u U (за дачи двухмодельной оптимизации). Введена «вспомогательная» целевая функция q (u, y) и система опе раторов fi (y, u).

Задача двухмодельной оптимизации формулируется в следующем виде: необходимо найти вектор *=(*1, *2,…, *n), при котором принимает минимальное значение целевая функция q*() = q ( u, y ) = arg min q*() при выполнении условий iг ( u ) ai, i = 1, n, ~ где iг ( u ) = min i, Ei = {i µi (i u ) i }, Ei ~ ~ ~ µi (i u ) = max min ( µХ (x), µY (y u )) i = i (x, y, u ), x, y ~ ~ ~ µY (y u ) = max min ( µХ (x), µB (b)) y = M (x, u, b), x, b где u определяется алгоритмически решением задачи u = arg min q (u, y), uU где U = {u | fi (y, u) i, i = 1, n, y = m (x, u)}.

Сформулирован и доказан ряд теорем, определяющих условия тождественности задачи двухмо дельной оптимизации и задачи гарантирующей оптимизации в условиях неопределенности.

Основными теоремами являются лемма 1, теоремы 1 и 2.

Л е м м а 1. Пусть задача гарантирующей оптимизации в условиях неопределенности (ЗГОУН) имеет решение и пусть модели M (x, u, b), m (x, u) и функционалы Q (u), i (x, y, u), q (u, y), fi (y, u) таковы, что для любых u1, u2 U выполняют ся следующие отношения:

[q (u1, y)y = m (x, u1)] > [q (u2, y)y = m (x, u2)] ~ ~ [Q (u1) = (min J µJ (J u1) > µз )] > [Q (u2) = (min J µJ (J u2) > µз )], fi (y, u1) fi (y, u2) iг (u1) iг (u2);

тогда существует вектор такой, что решение -задачи совпадает с решением задачи гарантирующей оптимизации в условиях неопределенности.

Т е о р е м а 1. Пусть задача гарантирующей оптимизации в условиях неопределенности имеет ре шение и пусть модели M (x, u, b), m (x, u) и функционалы Q (u), i (x, y, u), q (u, y), fi (y, u) таковы, что для любых u1, u2 U выполняются следующие отношения:

[q (u1, y)y = m (x, u1)] > [q (u2, y)y = m (x, u2)] ~ ~ [Q (u1) = (min J µJ (J u1) > µз )] > [Q (u2) = (min J µJ (J u2) > µз )], fi (y, u1) fi (y, u2) iг (u1) iг (u2);

тогда существует решение задачи двухмодельной оптимизации и оно совпадает с решением задачи га рантирующей оптимизации в условиях неопределенности.

Т е о р е м а 2. Пусть задача двухмодельной оптимизации имеет решение и пусть модели M (x, u, b), m (x, u) и функционалы Q (u), i (x, y, u), q (u, y), fi (y, u) таковы, что для любых u1, u2 U выполняются следующие отношения:

[q (u1, y)y = m (x, u1)] > [q (u2, y)y = m (x, u2) ] ~ ~ [Q (u1) = (min J µJ (J u1) > µз )] > [Q (u2) = (min J µJ (J u2) > µз )], fi (y, u1) fi (y, u2) iг (u1) iг (u2);

тогда существует решение задачи гарантирующей оптимизации в условиях неопределенности, и это решение совпадает с решением задачи двухмодельной оптимизации.

Алгоритм решения задачи двухмодельной оптимизации показан на рис. 2.

Работа алгоритма заключается в выборе вектора, нахождении условных оптимальных управлений u и целевой функции, решении -задачи и поиске в пространстве такого значения, при котором целевая функция принимает ми нимальное значение.

В главе предложена методология решения задачи гарантирующей оптимизации в условиях неопре деленности, которая включает в себя: построение имитационной математической модели y = M (x, u, b), алгоритмическое задание определяющей математической модели, формализацию нечетких парамет ров, выбор методов решения задачи гарантирующей оптимизации в условиях неопределенности, мето дику оценки адекватности и коррекции определяющей модели.

э В работе предлагается считать экспериментальные значения zi некоторого технологического пара метра zi, удовлетворяющим условиям адекватности, если zi + z ) i ) i э zi - zi ;

zi = ;

i = z - zi, (6) i 2 где zi и z – границы существенности: zi = min zi, z = max zi ;

Gi – i i Gi Gi область существенности параметра адекватности zi, Gi = {ziµ (zi)u i };

I – уровень существенности (постоянная величина).

э Методика оценки адекватности заключается в: 1) определении экспериментального значения zij, где j – номер эксперимента;

2) вычислении по определяющей модели функций принадлежности µij (zij);

3) ) определении значений i и zi на основе вычисленной µij (zij);

4) проверке условий адекватности (6).

Задание начальных значений вектора Решение -задачи (m-модель):

определение u Коррекция i, Определение iг (u) при которых (M-модель) ограничения нарушены нет iг (u) ai да Стоп * найдено?

Коррекция i, при которых Рис. 2 Блок-схема алгоритма решения задач двухмодельной оптимизации ограничения выполнены Предлагается считать, что определяющая математическая модель адекватна реальному ХТП, если при любых входных воздействиях параметры адекватности удовлетворяют условиям (6).

В тех случаях, когда целевая функция и система ограничений являются линейными, предложена классификация постановок задач принятия решений.

Задача минимизации детерминированной функции на нечетком множестве альтернатив J ~ ~ m i n, u U U.

u ~ ~ Задача минимизации нечеткой функции на нечетком множестве альтернатив µJ (J) m i n, u ~ u U U.

Задача минимизации нечеткой функции на детерминированном множестве альтернатив Q (u) min, г (u) a, u U.

uU На основе сформулированных и доказанных теоретических положений разработаны методы их ре шения.

В главе сформулирована задача гарантирующей оптимизации динамическими режимами ХТП: не обходимо найти вектор-функцию u U, при котором принимает минимальное значение целевая функ ция Q (u) Q* = Q (u*) = min Q (u), u где Q (u) = max L µ (L u) = max z0 (tк) µ (z0 u)tк µ з, L zo (t ) к ~ ~ µ (z () u) = ( µХ (x), u, µВ (b)), • гарантированном удовлетворении в каждый момент времени t T технологических требований для i = 1, n :

iг (u)t ai, i = 1, n, ~ где iг (u)t = min i, Ei (t) = {i µi (i u)t i }, Ei (t) ~ ~ ~ µi (i u)t = max min ( µХ (x), µY (y u)t) i = i (x, y, u), x, y • гарантированном удовлетворении в конечный момент времени t = tк:

zг (u)tк lj–m, j = m + 1, …, m, j где zг (u)tк = max zj (tк), Gj (tк) = {zjµ (zju)tк j }.

j G (t ) j к ~ Разработан алгоритм расчета функций принадлежности µ (zj) = µY (y u)t).

В третьей главе с использованием теоретических положений главы 2 разработана методология синтеза роботоавтоматизированной системы управления (РоАСУ), разработана принципиально новая многоуровневая система управления ХТП, включающая в себя подсистемы АСУТП, управления кол лективом роботов (СУКР), управления роботами (СУР), роботов-лаборантов (СР) (рис. 3).

.

АСУТП СУКР АСУТП...

СУР СУР СУР ЛСУ ЛСУ СР ЛСУ СР СР Химико-технологический процесс Рис. 3 Структурная схема РоАСУ На первом уровне действуют локальные системы автоматизации (ЛСУ) и СР, на втором уровне СУР и на верхнем уровне – взаимодействующие подсистемы АСУТП и СУКР.

Такая структура РоАСУ обеспечивает большее быстродействие в процессе распознавания и управ ления ситуациями, уменьшает объем информации, обрабатываемой верхним уровнем управления, с другой стороны позволяет синхронизировать работу средств робототехники, планировать и координи ровать распределение работ между ними.

Таким образом, РоАСУ представляет собой объединенную систему АСУТП и подсистем СР, рабо тающих как единая интегрированная система в соответствии с программой, вырабатываемой АСУТП, и текущим состоянием ХТП.

Показано, что для верхнего уровня РоАСУ актуальным является вопрос планирования работы кол лективов роботов.

В главе предлагается классификация режимов функционирования ХТП (нормальный, предаварий ный и аварийный) и разработаны теоретические основы планирования работы коллективов роботов в условиях неопределенности, т.е. когда нечетко заданы, например, время начала выполнения работ, до пустимое время выполнения работ, взаиморасположение СР и др.

Принцип действия РоАСУ основывается на разделении общей задачи, которая должна выполняться РоАСУ, на целый ряд взаимосвязанных локальных задач, решение которых возлагается на СУР. В ре зультате такой декомпозиции решение общей задачи распределяется между автономными комплексами, образующими при необходимости «рабочие бригады».

Для планирования и координации работ, выполняемых СР, формулируется и решается задача опти мизации работ коллектива роботов в условиях неопределенности.

Для решения этой задачи предлагается использовать метод -оптими-зации. Соответствующая задача сформулирована следующим образом: пусть имеется N комплексов, состоящих из {nj, j = 1, N }, СР, с помощью которых необходимо на каждом из О объектов выполнить определенную совокупность {mi }, i = 1, О, независимых работ. При этом объект обслуживается одним комплексом, но в случае ко гда состояние объекта или скорость приближения этого состояния близки к предельно допустимому уровню, для обслуживания такого объекта могут привлекаться СР другого комплекса.

Возможности СР комплексов заданы матрицами вида T = tikjd, i = 1, О, k = 1, mi, j = 1, N, d = 1, n, (7) j где tikjd – временные затраты на производство k-й работы на i-м объекте управления d-м робототехни ческим средством j-го комплекса.

Предположим, что каждая работа может быть выполнена любым из параллельно работающих СР.

Начатая работа не прерывается для передачи другому СР. По завершению всех работ на одном объекте, в случае необходимости, СР комплекса могут перемещаться на другой объект.

Затраты времени на перемещения заданы матрицами вида j = sf, j = 1, N, s = 1, О, f = 1, О, (8) j где sf – время перемещения СР j-го комплекса от s-го к f-му объекту управления.

н Согласно технологическому регламенту, задано время tik начала выполнения СР k-й работы на i-м объекте, время tik выполнения k-й работы на i-м объекте и пусть задано множество допустимого време ни работы d-го средства робототехники j-го комплекса.

Тогда время начала k-х работ СР на i-х объектах управления заданы матрицами н tн = tik, i = 1, О, k = 1, mi, (9) время выполнения k-х работ СР на i-х объектах управления заданы матрицами t = tik, i = 1, О, k = 1, mi, (10) а допустимое время работы d-х СР j-х комплексов заданы матрицами D = D, j = 1, N, d = 1, n. (11) jd j Так как весь спектр химических анализов сырья и продуктов весьма широк, то будем считать, что задано множество Пjd работ, которые d-е СР j-го комплекса может выполнить, т.е. каждому d-му СР j-го комплекса ставится в соответствие множество Пjd = {(i, k)} k-работ, которое это СР может выполнить на i-м объекте, и пусть задано множество Gjd ={(i)} объектов управления (i), на которых d-е СР j-го комплекса может выполнить определенные работы.

Тогда = П, G = G, j = 1, N, d = 1, n. (12) jd jd j Будем считать, что перед выполнением всей совокупности работ все СР комплексов находятся в ис ходном положении. Тогда множество I начальных расположений СР комплексов определим следующим образом:

I = {( i0, t0 )}, (13) jd jd где i0 – начальное расположение d-го СР j-го комплекса;

t0 – время начального расположения d-го СР jd jd j-го комплекса.

Тогда задача распределения ресурсов может быть сформулирована следующим образом: для задан ных (7)–(13) и для d-го СР j-го комплекса найти последовательность Pjd объектов управления и незави симых работ Pjd = { irjd, kr }, j = 1, N, d = 1, n, r = 1, rjd, (14) jd j где rjd – номер в последовательности работ, выполняемых d-м СР j-го комплекса, при которой выполня ются следующие условия:

mi N n j j tikjd tik, = pi, + Djd, tikjd tikjd sf k =1 j=1 d=1 (i, k)R sL f L jd jd jd к н к н tir-1, k r-1 + ij tir, k r, tir, k r = tir, k r + tir, k r, r-, irjd jd jd jd jd jd jd jd jd jd jd jd н к где pi – суммарное время работ на i-м объекте управления;

tir, k r, tir, krjd – соответственно, начало и jd jd jd окончание выполнения d-м СР j-го комплекса k-й работы (с r-м номером в последовательности работ) на i-м объекте управления;

в качестве составляющих вектора в -задаче используются следующие ве н личины: tik, Djd, tir, k r.

jd jd Рассматривается задача координации взаимодействия различных уровней РоАСУ, для решения кото рой также используется метод -оптими-зации. Для ряда частных случаев предложены эффективные алгоритмы решения этих задач.

Для случая аварийного режима функционирования ХТП разработан алгоритм диспетчерского управления, обеспечивающий решение важнейшей задачи – удаление обслуживающего персонала из опасной для их жизни и здоровья сферы производства.

В четвертой главе рассматриваются вопросы построения оптимальных траекторий движения ма нипулятора. Проводится классификация и формализация задач нахождения оптимальных траекторий в условиях неопределенности, гарантирующих выполнение технологических и технических требований в условиях неопределенности (табл. 1).

~ Приведем в качестве примера постановку задачи A : необходимо для заданной на [t0, tk] вектор функции Yз (t)Y R3 найти вектор-функцию u*, определенную на [t0, tk], при которой в каждый мо мент времени t выполняется условие реализации траектории с заданной гарантией г (Yз (t), F (Q (t)) <, где – постоянная величина;

г – граница существенности, определяемая г (Yз (t), F (Q (t))) = min, E где E = { | µ ( | t) }, µ ( | t) = max µ (F (Q (t)), F(Q(t)F F = {F (Q (t)) | = (Yз (t), F (Q (t))}, и удовлетворяются:

• условия отсутствия столкновений с препятствиями и самостолкновения x L(t) : пг (x, Lп (t)) rкр, (x, z) K(t) : г (x, z) rmin, где пг (x, Lп (t)) = min п (x, Lп (t)), E ~ ~ E = {п | µ (п | t) }, µ (п | t) = max min [ µХ (x | t), µХ (z*| t)), (x,z )Sп (п ) rmin – минимальная допустимая «зона надежности», г (x, z) = min (x, z), E = { | µ ( | t) }, E ~ ~ µ ( | t) = max min ( µХ (x), µХ (z)), (x, z)() где () = {(x, z) | = (x, z)}, • конструктивные ограничения на обобщенные координаты и управляющие воздействия & & & & Qmin нг (Q)t, вг (Q)t Qmax, Q нг ( Q )t, вг ( Q )t Q, min max umin u(t) umax, ~ где нг (Q)t = min Q, вг (Q)t = max Q, EQ (t) = {Q µQ (Q | u)t Q }, EQ(t) EQ(t) • условия начального положения захватного устройства & Q (t0) = Q0, Q (t0) = Q0, где Q0, Q0 – заданные величины.

~ Иначе говоря, в задаче A необходимо отыскать программу изменения управляющих воздействий u*(·), при которой захватное устройство, находящееся в момент времени t в состоянии (Q0, Q0 ), опишет траекторию, гарантированно отличающуюся от заданной Y(·) не больше, чем на, и при этом звенья манипулятора гарантированно не столкнутся между собой и с внешними препятствиями.

~ ~ ~ ~ ~ ~ ~ ~ ~ Аналогично формулируются задачи B, C, A, B, C, D, E, Dк, Eк (см. табл.1).

Для решения задач гарантирующей оптимизации траекторий движения манипулятора используется предложенный в главе 2 метод -оптими-зации, в котором -задача формулируется аналогично соот ~ ветствующим задачам гарантирующей оптимизации. Так, для задачи A соответствующая задача А формулируется следующим образом: необходимо для заданной на [t0, tk] функции Yз (t)Y R3 найти вектор-функцию u*, определенную на [t0, tk], при которой в каждый момент времени t выполняются сле дующие условия:

&& & Yз (t) – F (Q (t))< 1, (Q) Q + G (Q, Q ) = u(t), где 1 – постоянная величина, удовлетворяются:

• условия отсутствия столкновений x L(t) : п (x, Lп (t)) – rкр 2, (x, z) K(t) : (x, z) – rmin 3, где 2, 3 – постоянные величины, • конструктивные ограничения на обобщенные координаты и управляющие воздействия & 4 Q (t) 5, 6 Q (t) 7, umin u(t) umax, • условия начального положения манипулятора & Q (t0) = Q0, Q (t0) = Q0, где Q0, Q0 – заданные величины.

Аналогично формулируются задачи В, С, A,..., Eк, представленные в табл. 1.

Алгоритм решения задачи гарантирующей оптимизации траектории движения манипулятора анало гичен алгоритму рис. 2.

Для решения -задач построения условно оптимальных программ управления разработан ряд алго ритмов.

Прямые алгоритмы построены на базе принципа максимума Понтря-гина и метода динамического программирования. Принцип максимума применим для задач D, E, Dк, Eк;

однако показано, что он не удобен при решении задач А, В, С, A, B, C. При сложных многозвенных манипуляторах, конст руктивно допускающих столкновение звеньев, при наличии препятствий использование этого метода и соответственно алгоритма затруднительно. Метод динамического программирования применим для всех сформулированных -задач при малой размерности вектора Q.

В работе построены быстродействующие алгоритмы на основе использования декомпозиционных методов, позволяющих свести решение задачи построения программ управления к решению последова тельности более простых задач: нахождение дискретной программной траектории, аппроксимации ее не прерывной траектории и определение по ней программ управления. В диссертации рассмотрены алгорит мы решения всех этих задач.

Разработанный метод оптимистического направления позволяет эффективно учитывать наличие препят ствий при поиске конфигурации манипулятора на очередном шаге. Этот метод заключается в том, что окре стность последней найденной точки охватывается n-мерной решеткой с небольшим шагом, после чего дви жение к искомой точке производится по углам этой решетки с использованием оценочной функции, ранжи рующей точки и алгоритма искусственного интеллекта, осуществляющего поиск на дереве состояний.

При наличии препятствий, в том числе подвижных, конструктивных ограничений, возможности са мопересечения звеньев манипулятора, нами предлагается метод планирования каркаса программной траектории (КТП), позволяющий эффективно строить «дальнозоркую» стратегию построения КПТ и являющийся весьма эффективным при наличии помех.

В работе предлагается также метод оптимального пути, использующий идеи искусственного интел лекта и обладающий свойством «дальнозоркости», высокой надежностью выбора оптимального пути, возможностью оптимизации траектории при наличии препятствий произвольной конфигурации. Приве дено доказательство оптимальности траектории движения манипулятора, найденной этим методом.

В соответствии с методом декомпозиции в работе предлагаются методы построения непрерывной про граммной траектории (НПТ) по известной КПТ, основанные на использовании интерполяционных поли номов и сплайнов.

Предлагается также итерационный алгоритм нахождения непрерывной и имеющей непрерывные первые производные траектории движения манипулятора. Доказаны теоремы тождественности итера ционного алгоритма и задачи нахождения НПТ.

Ставится и решается задача нахождения программы управления по НПТ.

В пятой главе в соответствии с разработанной методологией построена имитационная математиче ская модель процесса производства поликристаллических оптических материалов на основе селенида цинка с целью выбора рационального режима проведения данного технологического процесса, которая использует формализованные факторы неопределенности, выявленные для данного производства, кото рыми являются, например, величины скорости роста, эффективности использования и коэффициента поглощения селенида цинка, пористости и коэффициента теплопроводности подложки и др.

Общая модель разбивается на внешнюю (позволяющую определить тепловые потоки на наружной поверхности реактора при нагревании его излучателем в вакууме при адиабатических условиях) и внут реннюю. Последняя состоит из сопряженной задачи теплопереноса и задачи массопереноса газовой смеси во внутренних камерах реактора. Результат решения внешней модели является исходным для внутренней.

Для решения связанной задачи тепло-, массопереноса был разработан алгоритм, позволяющий про извести расчет выходных переменных процесса при заданных значениях функций принадлежности µi.

На рисунке 4 приведен фрагмент результатов имитационного исследования, которые позволили оп ределить область изменения управляющих воздействий, обеспечивающих выполнение рациональных режимов ведения технологического процесса.

Под рациональным будем понимать режим, соответствующий современным требованиям: при вы бранных значениях управляющих воздействий должны гарантированно выполняться технологические требования (скорость роста поликристаллического материала должна быть не ниже 3 10–2 г/с, эффективность использования селенида цинка не ниже 70 %, средний размер зерна осаждае мого материала не выше 2,3 мм) и оптические характеристики готового продукта (коэффициент про пускания не ниже 67 % и коэффициент поглощения не выше 0,0035 см–1).

м 10–2, г/с d, мм 3, 2, 3,4 2, 3, 2, 60 90 60 Нр, мм Нр, мм а) б) м м м µ ( ) µ ( ) µ ( ) µ (d) µ (d) µ (d) 0, 0, 0, 0, 0, 0, 10-3, см– ТPR, % 4, 68, 3, 2, 65 70 65 Wи, кВт Wи, кВт в) г) Рис. 4 Зависимость моды при п = 90 Вт/(м К):

а – скорости роста селенида цинка;

б – среднего размера зерна;

в – коэффициента поглощения;

г – коэффициента пропускания Задача гарантирующей оптимизации процесса производства поликристаллических оптических ма териалов на основе селенида цинка относится к классу нелинейных экстремальных задач с тремя варьи руемыми переменными и ограничениями различных типов.

Задача гарантирующей оптимизации в условиях неопределенности сведена к взаимодействию двух задач – внешней (задача -оптимизации) и внутренней (-задача). Во внешней задаче находится оптимальное зна чение, а внутренняя задача решает детерминированную задачу оптимизации процесса производства оптиче ских материалов на основе селенида цинка для найденного оптимального значения.

Сформулируем -задачу оптимизации процесса производства оптических материалов на основе се ленида цинка: необходимо найти вектор u U управляющих воздействий, при котором принимает минимальное значение время процесса осаж дения tц (u, x), т.е.

u = arg min tц, uU при удовлетворении:

• соотношений, определяемых математической моделью y = M (u, x), где u (W, H, Gв);

W – мощность теплового источника;

H – положение реактора относительно теплового источника;

Gв – расход охлаждающей воды;

x (п, П, Р2);

п – коэффициент теплопроводности подложки;

П – пористость подложки;

Р2 – давление в верхней камере реактора;

y (м,, d, ТPR, );

м – скорость роста селенида цинка по массе;

– эффективность использования селенида цинка;

d – средний по объему размер зерна;

ТPR – коэффициент пропуская селенида цинка;

– коэффициент по глощения селенида цинка, • ограничений и выполнения в каждый момент времени условий физической реализуемости тех нологического процесса:

м м, м м, k k, TФ Tф, d d, TPR TPR, min max, Wmin W Wmax, Hmin H Hmax, Gв Gв Gв.

Разработан алгоритм решения -задачи, основанный на выявленных особенностях оптимальных режимов. Полученные результаты использованы в подсистеме управления технологическим процессом производства поликристаллических оптических материалов.

PR µ ( Т ) PR PR µ ( ) µ ( ) µ ( ) µ ( Т ) µ ( Т ) 0, 0, 0, 0, 0, 0, На основе разработанной методологии синтеза РоАСУ предложена структура роботоавтоматизиро ванной системы управления процессом производства поликристаллических оптических материалов с подсистемой роботов-лаборантов.

В главе поставлена и решена задача нахождения оптимальных маршрутов движения роботов лаборантов на основе использования теоретических результатов, полученных в главе 3.

В шестой главе изучается процесс производства кислоты Шеффера в СВЧ-реакторе непрерывного действия и решается задача построения РоАСУ этим производством в соответствии с разработанной методологией и с использованием методов математического моделирова ния и экспериментальных исследований.

Представлены результаты анализа производства кислоты Шеффера, выявлены и формализованы факторы неопределенности (величина степени превращения 2-нафтола в кислоту Шеффера, содержание смол и сульфонов, гранулометрический состав сырья и др.), используемые в качестве параметров мате матической модели процесса сульфирования 2-нафтола в кислоту Шеффера.

На рисунке 5 приведен фрагмент результатов имитационного исследования процесса производства кислоты Шеффера в СВЧ-реакторе непрерывного действия, которые позволили определить область из менения управляющих воздействий.

К, % К, % 19,8 Lр, м 21,6 Gs, кг/ч а) б), % К, % 7, 2, 2 r0, мкм Lр, м в) г) Рис. 5 Зависимость моды при:

а, б – при C0 = 80 %;

в, г – Gсм = 0,022 м3/г;

а, б, в – степени превращения 2-нафтола в кислоту Шеффера;

г – содержание побочных веществ и сульфонов в готовом продукте Поставлена и решена задача гарантирующей оптимизации для данного технологического процесса в условиях неопределенности и исследованы свойства оптимальных режимов для построения областей допустимых управлений.

µ ( К ) µ ( К ) µ ( К ) µ ( К ) µ ( К ) µ ( К ) 0, 0, 0, 0, 0, 0, µ ( К ) µ ( К ) µ ( К ) µ ( ) µ ( ) µ ( ) 0, 0, 0, 0, 0, 0, Задача гарантирующей оптимизации процесса получения кислоты Шеффера в микроволновом реакторе сформулирована в следующем виде: для заданного гранулометрического состава 2-нафтола (r), вступаю щего в химическую реакцию, необходимо найти расход Gs и концентрацию C0 серной кислоты на входе в микроволновый реактор, при которых степень превращения 2-нафтола в кислоту Шеффера К достигает максимального значения, т.е.

Q (u) = max Q (u), uU • при удовлетворении соотношений, определяемых математической моделью процесса производ ства кислоты Шеффера, • при гарантированном выполнении технологических требований г, ~ где Q (u) = min K µК (Ku) µз ;

µз – заданное значение функции принадлежности степени превраще K ния 2-нафтола в кислоту Шеффера;

г – граница существенности содержания побочных веществ и сульфонов в готовом продукте, определяемая по формуле г = min, E где E = {µ (u) – область существенности;

– уровень существенности содержания побочных веществ и сульфонов в готовом продукте.

Область U определяется следующими ограничениями:

min max min max C0 C0 C0, Gs Gs Gs.

Результаты комплекса физико-химических и технологических исследований показали, что меняю щиеся гранулометрический состав 2-наф-тола и качество сырья требуют новых технологических режи мов процесса производства кислоты Шеффера. С этих позиций большое значение приобретает создание РоАСУ, позволяющей в автоматическом режиме без присутствия персонала в опасных зонах воздейст вия СВЧ-излучений анализировать сырье и оперативно устанавливать оптимальные режимы.

В главе предлагается РоАСУ, осуществляющая оптимизацию технологических режимов процесса с учетом гранулометрического состава сырья. При этом подсистема робот-лаборант осуществляет опера тивную идентификацию сырья, позволяющую проводить коррекцию математической модели при изме нении состава сырья.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ 1 Предложена концепция гарантирующей оптимизации в условиях неопределенности, в соответст вии с которой формализованы условия гарантированного выполнения технологических требований и сформулирована соответствующая задача гарантирующей оптимизации.

2 Разработана теория решения задач гарантирующей оптимизации ХТП в условиях неопределен ности, включающая в себя методы и алгоритмы -оптимизации и двухмодельной оптимизации, доказа тельства тождественности решения задач -оптимизации и двухмодельной оптимизации решению зада чи гарантирующей оптимизации ХТП, сформулирована и решена динамическая задача гарантирующей оптимизации ХТП в условиях неопределенности.

3 На основе теоретических положений создана методология синтеза математического обеспечения решения задачи гарантирующей оптимизации ХТП в условиях неопределенности, в том числе пред ставлен алгоритм выбора метода решения задачи гарантирующей оптимизации, разработан алгоритм синтеза обобщенной математической модели, введено понятие адекватности определяющей математи ческой модели и разработаны алгоритмы ее оценки и коррекции.

4 Предложена методология синтеза роботоавтоматизированной системы управления ХТП, функ ционирующим в условиях неопределенности.

5 Сформулированы задачи объемного и календарного планирования работы коллектива роботов лаборантов в условиях неопределенности и предложены алгоритмы их решения с использованием ме тода -оптими-зации.

6 Разработаны и теоретически обоснованы методы и алгоритмы расчета оптимальных траекторий движения манипуляторов, обеспечивающих гарантированность выполнения технологических условий, в том числе метод оптимального пути для оптимизации траекторий при наличии препятствий произ вольной конфигурации;

методы интерполяционных полиномов и сплайнов для нахождения траектории движения манипулятора по известному каркасу программной траектории;

итерационный метод для на хождения гладкой и непрерывной траектории, учитывающий инерционные свойства манипуляционной системы.

7 Разработанная теория и методология решения задач гарантирующей оптимизации и синтеза РоАСУ в условиях неопределенности применены для создания роботоавтоматизированной системы управления технологическим процессом производства поликристаллических оптических материалов на основе селенида цинка (при этом создана адекватная процессу определяющая математическая модель, рассчитаны функции принадлежности выходных величин процесса в зависимости от возмущающих воздействий (пористости и коэффициента теплопроводности подложки), построена область допустимых управлений, обеспечивающих гарантию выполнения технологических требований и рассчитаны опти мальные режимы в зависимости от возмущающих воздействий, поставлена и решена задача распреде ления времени занятости коллектива роботов-лаборантов, обслуживающих технологические реакторы для производства поликристаллических оптических материалов).

8 Разработана оптимальная система управления непрерывным процессом производства кислоты Шеффера в микроволновом реакторе с подсистемой роботов-лаборантов (рассчитаны функции принад лежности выходных величин процесса в зависимости от гранулометрического состава 2-нафтола, на чальной температуры реакционной смеси, сформулированы требования к роботу-лаборанту, предназна ченному для оперативного определения концентрации серной кислоты, содержания смол и сульфонов и контроля гранулометрического состава 2-нафтола, разработаны алгоритм коррекции модели процесса производства кислоты Шеффера и алгоритм оперативной идентификации сырья с помощью робота лаборанта.

9 Основные результаты теоретических и экспериментальных исследований внедрены или переданы в различные научно-исследовательские и промышленные организации в виде устройств, систем управле ния и технической документации. Оригинальные разработки признаны изобретениями.

Основные результаты диссертации опубликованы в следующих работах:

1 Бодров В.И. Роботы в химической промышленности / В.И. Бодров, В.Ф. Калинин, В.А. Погонин.

М.: Химия, 1989. 136 с.

2 Бодров В.И. Применение роботов в отраслях-потребителях химического и нефтяного машино строения / В.И. Бодров, В.А. Погонин, Ю.Я. Марголин. М.: ЦИНТИхимнефтемаш, 1987. Сер. ХМ-2. 36 с.

3 Бодров В.И. Химическое производство как объект роботизации / В.И. Бодров, В.Ф. Калинин, В.А. Погонин // Автоматизация и роботизация в химической промышленности: Тез. докл. Всесоюз. на уч.-техн. конф. Тамбов, 1986. С. 21–23.

4 Погонин В.А. Информационно-управляющее устройство на базе микроконтроллера К1-20 / В.А.

Погонин, А.В. Косарев // Приборы и системы управления. 1988. № 8. С. 21–22.

5 Погонин В.А. Робот-лаборант – элемент гибких производственных систем / В.А. Погонин, В.В.

Козадаев // Автоматизация и роботизация в химической промышленности: Тез. докл. Всесоюз. науч. техн. конф. Тамбов, 1988. С. 123.

6 Погонин В.А. Математическая модель движения манипуляционной системы робота с перемен ными упругими и геометрическими характеристиками / В.А. Погонин, В.И. Галаев // Автоматизация и роботизация в химической промышленности: Тез. докл. Всесоюз. науч.-техн. конф. Тамбов, 1988. С. 24– 25.

7 Погонин В.А. Динамика манипуляционной системы робота химических производств / В.А. По гонин, В.И. Галаев, В.В. Козадаев // Минвуз. сб. науч. трудов / МИХМ. М., 1989. С. 94–98.

8 Погонин В.А. Принципы построения роботизированных лабораторных комплексов / В.А. Пого нин, В.В. Козадаев // Методы кибернетики химико-технологических процессов: Тез. докл. III Всесоюз.

конф. М., 1989. С. 159–160.

9 Калинин В.Ф. Проектирование оптимальных автоматизированных роботизированных химико технологических комплексов / В.Ф. Калинин, В.А. Погонин // Динамика процессов и аппаратов химиче ской технологии: Тез. докл. III Всесоюз. конф. Воронеж, 1989. С. 74–75.

10 Погонин В.А. Микропроцессорный комплекс для автоматизации экспериментальных исследова ний / В.А. Погонин, В.В. Косарев // Приборы и техника эксперимента. 1990. № 1. С. 11.

11 Bodrov V.I. Robotic can System for Cemical Industry / V.I. Bodrov, V.F. Kalinin, V.A. Pogonin // In ternational Congress: Analitical Schiences. Tokyo, 1991.

12 Погонин В.А. Математическое моделирование манипуляторов с упругими звеньями / В.А. Погонин, В.И. Галаев // Методы кибернетики химико-технологических про цессов: Тез. докл. Всесоюз. конф. М., 1991.

С. 63–69.

13 Бодров В.И. Проектирование автоматизированных роботизированных химико-технологических комплексов / В.И. Бодров, В.Ф. Калинин, В.А. Погонин // Тез. докл. IV Респуб. конф. СПб., 1992. С. 62– 68.

14 Бодров В.И. Планирование работы коллектива роботов на химических производствах / В.И. Бод ров, В.Ф. Калинин, В.А. Погонин // Актуальные проблемы фундаментальных наук: Тез. докл. II Между нар. конф. / МГТУ им. Баумана. М., 1994. С. 68–72.

15 Погонин В.А. Оптимизация процесса производства оптических материалов на основе селенида цинка / В.А. Погонин, С.М. Дзюба, А.В. Гредитов // Математические методы в химии и химической технологии: Тез. докл. IX Междунар.

конф. Тверь, 1995. С. 72–73.

16 Бодров В.И. Математическое моделирование процесса производства поликристаллических опти ческих материалов на основе селенида цинка / В.И. Бодров, В.А. Погонин, А.В. Гредитов // Математи ческие методы в химии и химической технологии: Тез. докл. IX Междунар. конф. Тверь, 1995. С. 130– 132.

17 Бодров В.И. Интенсификация процесса производства оптических материалов на основе селенида цинка / В.И. Бодров, В.А. Погонин, А.В. Гредитов // X Междунар. конф. по химии высокочистых веществ.

Н.-Новгород, 1995. С. 43.

18 Бодров В.И. Интенсификация процесса производства поликристаллических оптических материа лов на основе селенида цинка / В.И. Бодров, В.А. Погонин, А.В. Гредитов // Высокочистые вещества.

1996. Т. 3. С. 55–61.

19 Бодров В.И. Моделирование процесса получения оптических материалов на основе цинка / В.И.

Бодров, В.А. Погонин, А.В. Гредитов // ТОХТ. 1997. Т. 31, № 3. С. 296–301.

20 Калинин В.Ф. Модель кинетики процесса гетерогенного сульфирования 2-нафтола серной кисло той / В.Ф. Калинин, В.А. Погонин, Э.В. Щинов // Вестник ТГТУ. 1998. Т. 4, № 1. С. 64–69.

21 Калинин В.Ф. Получение кислоты Шеффера в СВЧ-реакторах / В.Ф. Калинин, В.А. Погонин, Э.В. Щинов // Жидкофазные системы и нелинейные процессы в химии и хим. технологии: Тез. докл.

Междунар. конф. Иваново, 1999. С. 64–69.

22 Погонин В.А. Разработка микропроцессорных систем управления робототехническими комплек сами, работающими в условиях неопределенности / В.А. Погонин, Ю.Ю. Громов // Информационные технологии в проектировании микропроцессорных систем ИТ ПМПС-2000: Тез. докл. Междунар. науч. техн. конф. Тамбов, 2000. С. 60–61.

23 Калинин В.Ф. Математическое моделирование процесса получения кислоты Шеффера / В.Ф. Ка линин, В.А. Погонин, Э.В. Щинов // ТОХТ. 2000. Т. 34, № 6. С. 644–648.

24 Калинин В.Ф. Микропроцессорная система управления СВЧ-реак-тором непрерывного действия / В.Ф. Калинин, В.А. Погонин, Э.В. Щинов // Информационные технологии в проектировании микропро цессорных систем ИТ ПМПС-2000: Тез. докл. Междунар. науч.-техн. конф. Тамбов, 2000. С. 39–40.

25 Бодров В.И. Решение задач управления в условиях неопределенности / В.И. Бодров, В.А. Пого нин // Вестник ТГТУ. 2001. Т. 73, № 4.

C. 534–540.

26 Погонин В.А. Планирование действий роботов при неполной информации о среде / В.А. Погонин // VI-научная конференция ТГТУ. Тамбов, 2001. С. 201.

27 Погонин В.А. Построение программы управления роботом в условиях неопределенности / В.А.

Погонин // Математические методы в технике и технология: 15 Междунар. науч. конф. Тамбов, 2002. Т.

2. Секция 2.

С. 148–150.

28 Погонин В.А. Задача гарантированной оптимизации в условиях неопределенности / В.А. Пого нин // Математические методы в технике и технологиях: 15 Междунар. науч. конф.: Сб. тр. Тамбов. 2002.

Т. 2. Секция 2. С. 150–152.

29 Погонин В.А. Алгоритм построения функции принадлежности решения уравнений математиче ской модели / В.А. Погонин, В.А. Шиганцов // Математические методы в технике и технологиях: Междунар. науч. конф. Тамбов, 2002. Т. 6. Секция 11. С. 200–201.

30 Погонин В.А. Постановка задачи гарантированного управления процессом получения поликри сталлических оптических материалов на основе селенида цинка / В.А. Погонин, В.А. Шиганцов // 2 Междунар. науч.-практ. конф.: Сб. тр. Ново черкасск, 2002. Ч. 2. С. 53–55.

31 Бодров В.И. Постановка и методы решения задач принятия решений в условиях неопределенно сти / В.И. Бодров, Ю.Ю. Громов, В.А. Погонин // Инженерная физика. 2002. № 3. С. 55–60.

32 Погонин В.А. Оптимизация процесса производства оптических материалов на основе селенида цинка / В.А. Погонин, А.В. Гредитов, В.А. Шиганцов // Вестник ТГТУ. 2002. Т. 8, № 3. C. 426–430.

33 Бодров В.И. Постановка и методы решения задач принятия решений в условиях неопределенно сти / В.И. Бодров, Ю.Ю. Громов, В.А. Погонин // Инженерная физика. 2002. № 3. С. 55–60.

34 Громов Ю.Ю. Построение решений динамических роботизированных объектов в условиях неоп ределенности / Ю.Ю. Громов, В.А. Погонин // Инженерная физика. 2002. № 4. С. 7–10.

35 Погонин В.А. Управление ХТС в условиях неопределенности / В.А. Погонин // VIII научн. конф.

ТГТУ: Сб. тр. 2003. С. 29–34.

36 Бодров В.И. Решение задач гарантирующей оптимизации в условиях неопределенности / В.И.

Бодров, Ю.Ю. Громов, В.А. Погонин // Инженерная физика. 2003. № 2. С. 46–48.

37 А.С. 1196595 СССР, МКИ 4F16K31/02. Термический клапан / Л.С. Артюхин, В.И. Бодров, Н.В. Ерохина, В.А. Погонин // Б.И. № 45. 1985. 2 с.

38 А.С. 770811 СССР, МКИ B29B1/06. Способ управления смесителем периодического действия / Г.М. Иванов, В.А. Погонин, Ю.Я. Марголин // Б.И. № 38. 1980. 3 с.

39 А.С. 964937 СССР. МКИ H02P5/06. Устройство для регулирования скорости электропривода по стоянного тока / В.И. Бодров, А.В. Мищенко, В.А. Погонин, Л.Б. Иванов // Б.И. № 37. 1982. 2 с.




© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.