АВТОМАТИЗАЦИЯ ПРОЦЕССА ПРИНЯТИЯ РЕШЕНИЙ В СИСТЕМЕ КОНТРОЛЯ И АНАЛИЗА ПАРАМЕТРОВ ТЕХНОЛОГИЧЕСКОГО ПРОЦЕССА ГАЗОВОГО ПРОИЗВОДСТВА НА ОСНОВЕ НЕЧЕТКОЙ ЭКСПЕРТНОЙ СИСТЕМЫ

AUTOMATION OF DECISION-MAKING PROCESS IN GAS PRODUCTION PROCESS CONTROL AND ANALYSIS SYSTEM BASED ON FUZZY EXPERT SYSTEM

Evgeny Brusilov

master's, training direction 09.03.01 Informatics and computer engineering, Orenburg state University,

Russia, Orenburg

Anatoly Semyonov

candidate of Technical Sciences, Associate Professor of the Department of Computer Software and Automated Systems, Orenburg State University,

Russia, Orenburg

АННОТАЦИЯ

Рассматриваются проблемы автоматизации процесса принятия решений в системе контроля и анализа параметров газового производства технологической установки У-370 на основе интеллектуальных информационных технологий. Показывается возможность применения для этих целей интеллектуальных систем поддержки принятия решений. Рассматривается реализация всех этапов нечеткого вывода, алгоритма Мамдани, формируется прототип нечеткой базы правил. Приводится прототип программно реализованной нечеткой экспертной системы «Информационная поддержка У-370 с НЭС». Представлены результаты тестирования прототипа нечеткой экспертной ситемы с применением пакета расширения MATLAB Fuzzy Logic Toolbox.

ABSTRACT

Problems of automation of decision-making process in the system of control and analysis of parameters of gas production of the process plant У-370 based on intelligent information technologies are considered. The possibility of using intelligent decision support systems for this purpose is shown. Implementation of all stages of fuzzy inference, Mamdani algorithm is considered, prototype of fuzzy rule base is formed. The prototype of software implemented fuzzy expert system "Information support of У-370 with NES" is given. The results of testing the prototype fuzzy expert sieve using the MATLAB Fuzzy Logic Toolbox are presented.

Ключевые слова: Автоматизированная система управления технологическим процессом, лингвистическая переменная, технологическая установка, база нечетких правил, нечеткая экспертная система.

Keywords: automated process control system, linguistic variable, process plant, fuzzy rule base, fuzzy expert system.

Правительством РФ распоряжением от 28 июля 2017 г. № 1632-р принята программа "Цифровая экономика РФ", в которой данные в цифровой форме являются ключевым фактором производства во всех сферах социально-экономической деятельности. К основным сквозным цифровым технологиям, которые входят в рамки настоящей Программы, относятся: большие данные; нейротехнологии и искусственный интеллект; новые производственные технологии и др. [7].

Происшедшие существенные изменения в нефтегазовой отрасли вызвали дальнейшее совершенствование средств автоматизации. Среди них в первую очередь следует назвать использование в области информационных технологий преимущественно принципов распределенных систем управления на базе микропроцессорных контроллеров, промышленных компьютеров и передового программного обеспечения.

Логика развития современных производств требует использование все более развитых программных средств типа SCADA, разработка которых требует больших вложений и выполняется в длительные сроки. И именно поэтому в большинстве случаев пользователи АСУ ТП идут по пути приобретения, осваивания и адаптации какого-либо готового, уже опробованного и универсального инструментария.

Сегодня современные стандартные аппаратные средства способны принять любой стандартный физический сигнал, обменяться данными по любому стандартному протоколу, обработать программу, написанную на любом из стандартных языков программирования. Большинство функций при автоматизации реализуется программно, путем соответствующей обработки информации в управляющем вычислительном комплексе. По этой причине важнейшим компонентом АСУ ТП является ее программное обеспечение (ПО), т.е. – совокупность программ, обеспечивающих реализацию функции АСУ ТП и заданное функционирование системы». При оценке возможности достижения цели и выработке рациональных управляющих воздействий в рамках реализации цикла управления обычно используются специализированные средства и методы поддержки принятия решений.

Спектр программных средств, реализующих объективные математические методы поддержки принятия решений, достаточно широк: от отдельных программ обработки информации и решения расчетных задач до автоматизированных систем поддержки принятия решений (СППР) и экспертных систем (ЭС). Наиболее перспективным подходом специалистами признается использование в процессе управления программных средств, реализующих принципы СППР и ЭС. Эти системы в той или иной степени основаны на использовании знаний экспертов ЭС относятся к числу интеллектуальных вычислительных систем и являются практической реализацией методов и идей искусственного интеллекта.

Обзор современных исследований выявил отсутствие работ, посвященных автоматизации процессов контроля и анализа параметров газового производства в полном объеме и принятию управленческих решений, реализующих модели с учетом ограничений, накладываемых на параметры системы и неопределенности предметной области. Поэтому разработка системы контроля и анализа параметров технологического процесса газового производства в настоящее время является важной задачей, решение которой обуславливает разработку интеллектуальных систем реального времени, типичными представителями которых являются интеллектуальные системы поддержки принятия решений (ИСППР), ориентированные на открытые и динамические предметные области. Такие системы относятся к классу интегрированных интеллектуальных систем, сочетающих строгие математические методы и модели поиска решения с нестрогими, эвристическими (логико-лингвистическими) моделями и методами, базирующимися на знаниях специалистов-экспертов, моделях человеческих рассуждений [2].

Оренбургский газоперерабатывающий завод является предприятием с высокой степенью автоматизации технологических процессов. Большинство его объектов и технологических установок оснащено системами автоматического управления и регулирования, телемеханическими системами и иными средствами автоматики. В качестве предмета исследований выбрана установка непрерывной очистки, осушки и отбензинивания природного газа (У-370) Оренбургского ГПЗ.

В процессе работы у технологической установки (ТУ) У370 могут выходить из строя различные контрольно-измерительные приборы (термопары, датчики расхода, давления, уровнемеры), измеряющие значения одного из параметров переработки газа. С учетом того что, технологический процесс является непрерывным, то невозможность контроля и оценки одного или нескольких параметров может привести к техногенной катастрофе.

Для решения данной инженерной и научной проблемы, определена цель исследований: разработать и программно реализовать программное средство контроля и оценки параметров технологического процесса, которое реализует модель нечеткого логического вывода посредством описания рассматриваемых характеристик в виде нечетких лингвистических переменных, объединённых системой правил-продукций.

В общем случае под правилом нечеткой продукции или просто - нечеткой продукцией понимается выражение следующего вида:

где  - имя нечеткой продукции;  - сфера применения нечеткой продукции;  - условие применимости ядра нечеткой продукции; - ядро нечеткой продукции, в котором  - условие ядра (или антецедент); - заключение ядра (или консеквент); «» - знак логической секвенции (или следования);  – метод или способ определения количественного значения степени истинности заключения ядра;  - коэффициент определенности или уверенности нечеткой продукции;  - постусловия продукции.

Модель нечеткого вывода (рисунок 1) строится с учетом необходимости реализации всех этапов нечеткого вывода, а в качестве алгоритма нечеткого вывода реализован алгоритм Мамдани.

Рисунок 1. Архитектура компонентов процесса нечеткого вывода

Выбранный алгоритм позволит в реальном времени осуществить контроль и оценку показаний неисправных приборов [3,4].

Алгоритм Мамдани в обобщенной форме может быть определен следующим образом [5-7]:

• этап фаззификации входных и выходных переменных;
• этап непосредственного нечеткого вывода;
• этап аккумулирования;
• этап дефаззификации.

Анализ работы установки очистки, осушки и отбензинивания природного газа (У-370) Оренбургского ГПЗ и привлечение высококлассных специалистов (экспертов) позволил сформировать прототип нечеткой базы правил.

Система правил может иметь следующий вид:

L₁: если A₁₁ и/или A₁₂ и/или … A_1m, то В₁₁ и/или … B_1n,

L₂: если A₂₁ и/или A₂₂ и/или … A_2m, то В₂₂ и/или … B_2n,

………………………………………………………………

L_k: если A_k1 и/или A_k2 и/или … A_km, то В_k1 и/или … B_kn,

где L₁ – порядковый номер правила, A_km – нечеткие высказывания, определенные на значениях входных лингвистических переменных, а B_kn – нечеткие высказывания, определенные на значениях выходных лингвистических переменных.

Для построения базы правил нечеткого вывода определим входные и выходные лингвистические переменные (ЛП). В качестве входных ЛП будем использовать нормы технологического режима для показания приборов с ТУ (У-370), А_k1 – «температура амина на входе в абсорбер (ТУ112)», _Аk2 – «расход поступающего амина (FT03)», А_k3 – «температура сырого газа (ТЕ901)», А_k4 – «расход абсорбера (FT01)» и А_k5 – «расход сырого газа после теплообменника поступающий в абсорбер (FT20)». В качестве выходной ЛП будем использовать B₁₁ – «давление очищенного газа из абсорбера (РТ02)».

Прототип разработанной базы знаний системы нечеткого вывода содержит пять правил нечетких продукций следующего вида:

ПРАВИЛО_1: ЕСЛИ «t амина ТУ112 ЕСТЬ низкая» И «Q амина FT03 ЕСТЬ низкий» И «t природного газа ТЕ901 ЕСТЬ низкая» И «Q поступающего амина FT01 ЕСТЬ низкий» И «Q сырого газа FT20 ЕСТЬ низкий» ТОГДА «р давление обессереного газа РТ02 ЕСТЬ низкое».

ПРАВИЛО_2: ЕСЛИ «t амина ТУ112 ЕСТЬ средняя» И «Q амина FT03 ЕСТЬ средний» И «t природного газа ТЕ901 ЕСТЬ средняя» И «Q поступающего амина FT01 ЕСТЬ средний» И «Q сырого газа FT20 ЕСТЬ средний» ТОГДА р давление обессереного газа РТ02 ЕСТЬ среднее».

ПРАВИЛО_3: ЕСЛИ «t амина ТУ112 ЕСТЬ высокая» И «Q амина FT03 ЕСТЬ высокий» И «t природного газа ТЕ901 ЕСТЬ высокая» И «Q поступающего амина FT01 ЕСТЬ высокий» И «Q сырого газа FT20 ЕСТЬ высокий» ТОГДА р давление обессереного газа РТ02 ЕСТЬ высокое».

ПРАВИЛО_4: ЕСЛИ «t амина ТУ112 ЕСТЬ низкая» И «Q амина FT03 ЕСТЬ средний» И «t природного газа ТЕ901 ЕСТЬ низкая» И «Q поступающего амина FT01 ЕСТЬ средний» И «Q сырого газа FT20 ЕСТЬ средний» ТОГДА р давление обессереного газа РТ02 ЕСТЬ среднее».

ПРАВИЛО_5: ЕСЛИ «t амина ТУ112 ЕСТЬ высокая» И «Q амина FT03 ЕСТЬ высокий» И «t природного газа ТЕ901 ЕСТЬ средняя» И «Q поступающего амина FT01 ЕСТЬ средний» И «Q сырого газа FT20 ЕСТЬ средний» ТОГДА «р давление обессереного газа РТ02 ЕСТЬ высокое»,

где t –температура, Q – расход, p – давление.

В правилах используется операция «И», то степень истинности условия для каждого составного правила определяем по правилу Заде:

,                                                        (1)

Нечеткий вывод по каждому правилу использует метод минимального значения, вычисляемого по формуле:

,                                                                            (2)

где  – функция принадлежности терма ЛП, являющегося значением выходной переменной p (давление);

 – «активизированная» функция принадлежности.

 – элемент множества С, который определяется, как алгебраическое произведение входных параметров и коэффициент значений весов для каждого правила нечеткого вывода.

Аккумуляция или процесс нахождения функции принадлежности для каждой из выходных лингвистических переменных P={Pi}, выполняется по формуле:

,                                                                               (3)

где μ(p)- фугкция принадлежности нечеткого множества.

Деффазификация выходной лингвистической переменной «р давление обессеренного газа РТ02» рассчитывается методом центра тяжести для значений функции принадлежности:

,                                                                                   (4)

где  – результат дефаззификации;

max, min – границы нечетких переменных;

 функция принадлежности соответствующего нечеткого множества.

В результате проведенных исследований разработан прототип нечеткой экспертной системы «Информационная поддержка У-370 с НЭС» представлен на рисунке 2.

Разработанная система позволяет оператору ТУ автоматически загружать требуемые технологические параметры и выводить приближенные показания прибора, который вышел из строя. Редактор правил представлен на рисунке 3.

Рисунок 2. Интерфейс системы «Информационная поддержка У-370 с НЭС»

Рисунок 3. Редактор базы нечетких правил

Тестирование проводилось с применением пакета расширения MATLAB Fuzzy Logic Toolbox. Результат работы алгоритма Мамдани в пакете Fuzzy Logic Toolbox представлен на рисунке 4. Результаты, полученные в пакете расширения MATLAB Fuzzy Logic Toolbox и в разработанном прототипе нечеткой экспертной системы на заданном наборе данных практически совпали, что позволяет сделать вывод о корректности программной реализации математического аппарата.

Рисунок 4. Визуализация нечеткого вывода Мамдани в пакете MATLAB Fuzzy Logic Toolbox

Разработанное программное средство позволит существенно повысить достоверность и оперативность принимаемых решений по контролю параметров технологического процесса и может быть внедрена в АСУ ТП газового производства.

Дальнейшее направление исследований связано с разработкой: базы знаний до действующего образца; интеллектуального интерфейса системы и включение в архитектуру модуля принятия решений на основе нейросетевых технологий.

Список литературы:

1. Андреев М. В., Пастухов А. В., Польза автоматизации для будущего нефтегазовой отросли // Точная наука. – 2018. – № 25. – С. 31-34.
2. Маклакова Т. Н., Автоматизация процесса выбора ЭВМ для построения комплекса автоматизации мониторинга технологического процесса // Спутник +. – 2007. – № 5. – С. 165-166.
3. Семенов А. М., Горюнова А. М. Информационное и программное обеспечение принятия решений по организации капитального ремонта объектов жилищного фонда при неполных экспертных оценках // Вестник ВГУ, серия: системный анализ и информационные технологии. – 2017. – № 4. – С. 117-125.
4. Семенова Н. Г., Андреенко И. С. Управление мощностью осветительных установок на основе алгоритма нечеткого вывода Мамдани // Университетский комплекс как региональный центр образования, науки и культуры: тезис. докл. Всерос. конф. (Оренбург, 01-03 фев. 2017 г.). – Оренбург, 2017. – С. 520-524.
5. Усков А. А. Принципы построения систем управления с нечеткой логикой // Приборы и системы. Управление, контроль, диагностика. – 2004. – № 6. – С. 7-13.
6. Яхъева Г. Э Нечеткие множества и нейронные сети: монография. – М.: Интернет-Университет Информ. Технологий, 2006. – 104 с.
7. Распоряжение Правительства России от 28 июля 2017 г. №1632-р. [Электронный ресурс]. – Режим доступа: https://www.garant.ru/products/ipo/prime/doc/71634878/ (дата обращения 09.05.2020).