ПОИСК Статьи Чертежи Таблицы Современное состояние проблемы применения методов искусственного интеллекта в промышленных системах управления из "АСУ ТП промыслов газоконденсатного месторождения Крайнего Севера " Процесс эволюции взглядов на проблему управления большими системами (в том числе и сложными производствами) в аспекте использования различных описаний при создании моделей объектов управления, пройдя через этапы применения детерминированных и стохастических формализмов, а также осознания целесообразности учета в них человеческого фактора, вывел специалистов на формирование концепции интеллектуальных производственных систем. Наиболее динамично развивающимся направлением построения систем искусственного интеллекта являются экспертные производственные системы. Они, имитируя способ рассуждений, свойственны человеческому разуму, способны решать зад ачи управления не хуже коллегии экспертов. Наличие человеческого фактора, а точнее, лица, принимающего решения (ЛПР), в структуре управления существенно корректирует управляющие воздействия, а иногда и кардинально меняет всю стратегию управления. Это связано с тем, что ЛПР, обладая собственной (естественно, субъективной) системой предпочтений в плане выбора целей и критериев управления, зачастую не согласен (в той или иной мере) с решениями, предлагаемыми системой на основе традиционных моделей. Подобные разночтения вызваны теми обстоятельствами, что большинство сложных объектов принадлежит к группе слабоструктурированных, плохо определенных объектов, характерным для которых является ярко выраженная индивидуальность, отсутствие строгого критерия оптимальности, высокая динамичность, и, наконец, главное — неполнота информации об объекте, затрудняющая формализацию его описания. Как показывает опыт, в таких ситуациях более обоснованным и соответственно более эффективным в конечном счете оказывается решение, принятое ЛПР. [c.99] Вывод Y более или менее мал. [c.100] Совокупность таково рода правил и составляет базу знаний. [c.100] Приведем несколько характерных примеров. В [56] описываются возможности системы PILOTEX, являющейся экспертной системой для управления объектами с непрерывным циклом производства в металлургической, химической, нефтеперерабатывающей и других отраслях промышленности. Система разработана и внедрена на ряде предприятий французской фирмой ITMI. [c.101] Примером экспертной системы реального времени для управления технологическими процессами является система PI ON [58]. Эта система выполнена на ЛИСП-машине, является одной из основных компонентов распределенных систем управления и позволяет контролировать более чем двадцать тысяч переменных технологического процесса, уделяя особое внимание горячим точкам . Управление технологическим процессом в рамках этой системы осуществляется путем обработки содержания базы знаний, причем в реальном масштабе времени. Отличительная особенность базы знаний заключается в том, что правила, которые входят в ее состав, основаны на концепции эвристических фреймов. [c.101] Система PI ON используется для управления нефтеочистительным предприятием. Она выполняет функции квалифицированного советчика в нештатных режимах, что, несомненно, повышает обоснованность принимаемых решений и надежное функционирование производства. [c.101] В работе [62] описывается экспертная система реального времени G2 фирмы Gensum, состоящая из базы знаний, средств управления базой знаний и логического вывода. База знаний составлена на основе фреймов, которые содержат текстовые описания решающих правил, полную информацию о технологическом объекте. [c.102] Механизм логического вывода в этой системе осуществляется путем анализа содержания базы знаний. [c.102] Программное обеспечение многоконтурного контроллера MOD ELL (разработка американской фирмы АВВ) позволяет реализовать любую логическую операцию, в том числе и логического вывода, используя арифметические, реляционные и логические операторы, а также утверждения типа ЕСЛИ. .. ТО [64]. [c.103] Страной, специалисты которой одними из первых осознали доминирующую роль нечетких множеств в создании систем управления совершенно нового поколения, была Япония. В этой стране практические исследования в области разработки систем с нечетким управлением начались примерно в 1985 г., и в настоящее время известно немало примеров создания подобных систем [53]. В этой же работе достаточно подробно описываются системы, в которых реализованы принципы нечет1Бого управления, нашедшие широкое применение в различных отраслях промышленности и транспорта, в частности системы управления доменной печью, водяными насосами, холодной прокаткой, автовождением поездов и Т.Д. [c.103] Ниже вкратце рассматривается система управления доменной печью. [c.103] Программное средство процессора искусственного интеллекта состоит из пакетов экспертной системы на базе языка ЛИСП и механизма выводов, интерпретирующего знания. [c.104] Управляющий компьютер также выполняет функции анализа данных и диагностики нагрева по ранее разработанной математической модели теплового состояния доменной печи. [c.104] В данной экспертной системе для представления нечеткостей в знаниях используется либо степень достоверности вывода для каждого правила, либо аппарат нечетких множеств. Это позволило значительно упростить представление знаний по сравнению с их представлением только продукционными правилами. Благодаря этому повысилась эффективность выводов и появилась возможность более оперативного управления технологическим процессом, протекающим в реальном масштабе времени. [c.104] В этом весьма сжатом обзоре проблем интеллектуализации процессов управления сложными объектами (ограниченном объемом данной работы) мы попытались показать перспективность этого направления. [c.104] В базе данных систем управления фиксируется нормативно-справочная информация, показания датчиков, фиксирз о-щие параметры технологического процесса, результаты вычисления по математическим моделям, описывающим технологический процесс, и результаты различных расчетных задач, т.е. в базе данных всегда фиксируются факты. [c.105] Вернуться к основной статье