Journal influence
Bookmark
Next issue
Abstract:
Аннотация:
Authors: Palyukh B.V. (pboris@tstu.tver.ru) - Tver State Technical University, Tver, Russia, Ph.D, () - | |
Page views: 10350 |
Print version |
Огромные производственные мощности современной промышленности создают реальную угрозу для среды обитания человека. Одним из наиболее весомых факторов, определяющих экологическую обстановку, являются химические производства. Вот почему современное состояние в области создания, изучения, оптимизации и автоматизации химических процессов и производств таково, что удельный вес проблем безопасности в общем объеме работ становится все более и более значительным. Это обстоятельство неизбежно учитывается при проектировании технологических процессов, однако отдельной проблемой, стоящей перед исследователями и практическими работниками, является обеспечение безопасности уже в процессе эксплуатации химического производства. Своевременное обнаружение и предупреждение неполадок позволяет свести к минимуму риск возникновения аварийных ситуаций. Решению этой задачи служит создание в составе АСУ ТП химических производств специальных систем оперативной диагностики состояния технологических агрегатов. Однако при построении таких систем выясняется, что многие диагностические процедуры слабо формализованы, поэтому существенно повысить качество работы диагностических систем можно благодаря использованию методов искусственного интеллекта [1]. Наибольшие практические успехи в теории искусственного интеллекта достигнуты на сегодняшний день в области создания экспертных систем (ЭС) [2,4]. Ключевым понятием ЭС является база знаний (БЗ), однако ее создание – многостадийный неформализуемый процесс, требующий частого возвращения к предыдущим стадиям. Поэтому исследователи обычно стараются использовать упрощенные средства создания ЭС (различные shall-системы) на первых стадиях работ. Такие оболочки позволяют легко протестировать различные идеи, дать наглядное представление об используемых знаниях, однако созданные с их помощью программные модули, как правило, обладают низкой эффективностью, что делает их практически непригодными для использования в таких областях, как оперативная техническая диагностика химических производств. Поэтому на завершающей стадии разработки ЭС технической диагностики химических производств возникает необходимость перепрограммирования имеющегося информационного обеспечения на одном из наиболее эффективных языков, например C. При этом у программистов возникает соблазн разработки некой структуры по принципу "черного ящика" так, чтобы все внешние проявления созданного программного продукта соответствовали "реакциям", заложенным в информационную базу ЭС, а внутренняя организация программ отвечала бы вкусам и представлениям самого программиста. Такой подход мало приемлем для реализации ЭС, так как с началом практического использования создание ЭС не заканчивается, а начинается новый этап, связанный с более глубоким тестированием БЗ и ее неизбежной коррекцией. Об этом свидетельствует и имеющийся у авторов опыт создания ЭС технической диагностики (ЭСТД) производства слабой азотной кислоты [3], на примере которой и рассматривается материал настоящей статьи. ОРГАНИЗАЦИЯ БАЗЫ ЗНАНИЙ Разработанная ЭСТД производства слабой азотной кислоты относится к классу гибридных ЭС. В основе ее построения лежит принцип иерархичности распознавания неисправностей и аварийных состояний химического производства. На первом уровне иерархии осуществляется параметрическая диагностика, основанная на измерении и обработке диагностических показателей в процессе эксплуатации технологической установки. На втором уровне делается вывод о наличии или вероятности отказа в одной или нескольких технологических подсистемах на основании анализа состояний диагностических переменных и их соотношений. На третьем уровне производится более подробный анализ технологических подсистем с подозрением на неисправность, с целью выявления первичной неисправности, приведшей к нарушению технологического режима или к созданию предаварийной ситуации. Здесь происходит анализ БЗ, созданной на основе причинно-следственных графов. Такая организация ЭСТД позволяет сузить пространство поиска первичной неисправности за счет отсечения тупиковых или маловероятных гипотез и в то же время не пропустить зарождающиеся и медленно развивающиеся дефекты. Связь между уровнями ЭС осуществляется через "доску объявлений" (ДО), заполненную логическими переменными, соответствующими различным характеристикам состояния химического производства. Работа ЭСТД может быть прервана на любом этапе, в зависимости от того, какие текущие цели преследуются при инициализации системы. Вид, структура и содержание БЗ были протестированны с помощью среды для создания систем с базами знаний и базами данных ИНТЕР-ЭКСПЕРТ в лабораторных и промышленных условиях в режиме ручного ввода. Однако очевидно, что только работа ЭСТД химического производства в режиме реального времени может обеспечить необходимое качество работы такой системы, что требует более эффективных системных и программных решений.
Но, приступая к созданию промышленного варианта ЭСТД, нельзя не учитывать того обстоятельства, что в режиме реального времени, не только возрастает действенность системы, но и повышается простота и удобство использования ЭСТД. Как следствие, заводские специалисты, освобожденные от утомительного ручного ввода, использованного на первых этапах, получают возможность более глубокого тестирования БЗ ЭСТД. При этом в ходе тестирования и практической эксплуатации неизбежно будут выявлены неточности, упущения и противоречия, скрытые в БЗ, причем, возможно, настолько серьезные, что потребуется пересмотр даже некоторых концептуальных положений, заложенных при построении ЭСТД. Для того, чтобы процесс корректировки БЗ был наиболее безболезненным, необходимо стремиться к максимальной модульности организации и программирования БЗ и всей ЭСТД в целом. С этой точки зрения удачной оказалась идея декомпозиции химического производства по технологическим цепям [5] в отличие от более традиционного – по технологическим узлам. При изучении химического производства как объекта диагностики был сформулирован принцип функционально-потоковой декомпозиции, в соответствии с которым, выделяемая технологическая цепь должна удовлетворять следующим требованиям: · как фрагмент технологической схемы – обеспечивать выполнение законченной вполне определенной функции; · элементы цепи объединяются общим материальным потоком. Очевидно, что разбиение технологической схемы химического производства, удовлетворяющее названным условиям), является во многом экспертно-определенной задачей, но использование этого подхода позволило представить БЗ в виде отдельных блоков при сохранении логической наглядности и целостности причинно-следственных связей внутри блоков и между ними. Суммируя накопленный опыт можно сделать вывод о том, что с целью сохранения и развития принципа модульности при создании программного обеспечения ЭСТД для работы в режиме реального времени необходимо использовать следующие решения. 1. Обязательное сохранение первого этапа диагностирования – определение вероятностей наличия дефекта в каждой из технологических цепей (грубая локализация неисправности). Более того, для улучшения качества работы ЭСТД на первом этапе может потребоваться повторное решение задачи экспертной классификации [5]. 2. Программирование диагностических графов для каждой технологической цепи в виде отдельных модулей или блоков, со связью модулей (блоков) через ДО. Фрагмент такого графа приведен на рис.1. В случае, когда нарушение в цепи подачи воздуха связано с уменьшением расхода в продувочную колонну К202 (то есть истинно событие C1.1.3), причина нарушения может быть скрыта в цепи C6 – цепь подачи воздуха на абсорбцию. Тогда взаимодействие между модулями (блоками) может происходить, например, следующим образом. Когда анализ доходит до узла C1.1.3, то – запоминается состояние консультации; – управление передается блоку ДО, в котором фиксируется источник и направление вызова, а также значения переменных; – запрашивается консультация блока по цепи С6 со следующим исходным состоянием " S|SÎ{c61,c121,c122}*®F(S)=false, F(c62)=true, где F(S) – функция истинности события S. – по окончании анализа по цепи C6, управление через ДО возвращается в модуль C1 с учетом полученных результатов.
Прохождение через ДО может быть последовательным или параллельным (рис. 2), в зависимости от выбранной стратегии диагностирования. 3. Организация гибкой базы данных по всем переменным и параметрам технологического процесса. Примером такой базы данных могут быть таблицы со следующими полями: – имя переменной; – код переменной; – единица измерения; – нижняя граница; – верхняя граница; – нижнее текущее значение; – верхнее текущее значение; – степень отклонения от желаемых границ; – направление отклонения;** – источник с данными о предыстории переменной (имя файла, массив); – работа системы автоматического регулирования по данной переменной. 4. Оформление стандартных ситуаций в виде фреймовых структур. Примером такой ситуации может явиться неисправность средств управления. Она в состоянии возникнуть в любой точке технологического процесса, если соответствующий параметр контролируется или управляется, определение этой неисправности всегда происходит по определенной схеме, в которой меняются только имена параметров, направления тестовых воздействий и набор некоторых дополнительных признаков (цвет, шум и т.п.). В этом случае для фрейма может быть определена следующая структура: ФРЕЙМ: Неисправность средств управления СЛОТ 1: Технологическая переменная ЗНАЧЕНИЕ: Тип, позиция СЛОТ 2: Направление отказа ЗНАЧЕНИЕ: {снижение, повышение} ПД: <определение степени отклонения> СЛОТ 3: Неисправность регулятора ЗНАЧЕНИЕ: {истина, ложь} ПД: <тестовая проверка> ПС: <прекращение заполнения фрейма при значении слота равном "истина"> СЛОТ 4: Неисправность клапана ЗНАЧЕНИЕ: {истина, ложь} ПД: <тестовая проверка> ПС: <прекращение заполнения фрейма при значении слота равном "истина"> , где ПД – процедура "демон", активизируется каждый раз при обращении к слоту; ПС – процедура слуга, активизируется при выполнении некоторых условий. Неисправность средств КИП и неправильная настройка регулятора могут быть оформлены отдельным фреймом либо добавлены в виде слотов в описанную структуру. Пример такой стандартной ситуации приведен на рисунке 3 в виде фрагмента диагностического графа для цепи подачи воздуха на технологию. 5. Использование не линейных имен переменных (X1, X2, ...) и событий (C12, C121, ...), а переход к мнемоническим именам. Хотя этот пункт является достаточно общим для программистов, тем не менее этим правилом часто пренебрегают или привязывают мнемонику имен переменных не к содержанию задачи, а к структуре данных в программе. В условиях многократной коррекции БЗ как программного продукта игнорирование содержательных особенностей данных приводит к почти неразрешимым столкновениям между программистами и инженерами знаний.
Пример мнемонических имен переменных для ЭСТД химического производства: Q102 – (расход воды оборотной в воздухоохладитель поз. 102), T258 – (температура на сетках поз. 258), или FRP201 – (неисправность регулятора давления поз. 201), FVP201 – (неисправность клапана давления поз. 201), InT258 – (рост температуры поз. 258), DeT258 – (снижение температуры поз. 258), и т.д. ПРОДУКЦИОННЫЕ ПРАВИЛА Современные БЗ могут иметь самую различную природу и использовать всевозможные формализмы представления знаний: от классических, до изобретенных самими создателями ЭС (во всяком случае такие заявление нередки). Однако для диагностических ЭС, особенно имеющих четкую прикладную направленность, по-прежнему остаются привлекательными продукционные и продукционно-фреймовые БЗ не в последнюю очередь в силу их наглядности для пользователя-эксперта. Основой разработанной ЭСТД химического производства является продукционно-фреймовая БЗ. Существует много способов программирования продукций в зависимости от используемой техники и технологии программирования, но поскольку именно продукционные правила являются основой рассмотренной БЗ, то хотелось бы остановится на одной особенности их реализации. В зависимости от выбранной стратегии диагностирования и конкретных решений при реализации машины вывода средствами процедурно – ориентированных языков программирования (C, Pascal) правила могут быть порождающими или проверяющими. БЗ, скорректированная для работы в режиме реального времени, потребует как одних, так и других, хотя в прототипном варианте использовались только проверяющие правила, то есть правила вида: ЕСЛИ: (Q222="увеличение" cf K1) И [(QB222="не изменился" cf K2) ИЛИ (T258="увеличение" cf K3)] ТО: FKIPQ222=true cf K4 , где Q222 – расход по поз. 222, QB222 – показания по блокировочному прибору, T258 – температура поз. 258, FKIPQ222 – неисправность средств КИП по поз.222. Значения переменных Q222, T258 и коэффициентов K1и K3 определяются автоматически путем анализа базы данных. Значения QB222 и коэффициента K2 запрашиваются у пользователя (если блокировочный прибор не подключен к УСО). Коэффициент K4 рассчитывается с помощью выбранной методики учета неопределенности. Такой вид правил позволял непосредственно устанавливать связь между неполадкой и ее проявлениями, не вдаваясь в суть происходящих процессов, зато обеспечивал более эффективную процедуру поиска. Поскольку при программировании БЗ с помощью универсальных языков программирования эффективность во многом определяется быстродействием программного обеспечения, то БЗ может быть дополнена правилами, отражающими взаимосвязь одних событий с другими, например порождающими правилами: ЕСЛИ: качество_воздуха="ухудшение" ТО: наличие_влаги="возможно" наличие_пыли="возможно" наличие_S,F,P="возможно" наличие_масла="возможно" ЕСЛИ: течь_теплообменника="есть" ТО: наличие_влаги="есть" ЕСЛИ:температура_атмосферного_воздуха="снижение" ТО: наличие_влаги="возможно" увеличение_расхода="возможно" Приведенный пример, в отличие от предыдущего отражает не столько вид, сколько структуру правила. Правилам, требующим диалога с пользователем, независимо от типа, назначается более низкий приоритет с тем, чтобы система в первую очередь предпринимала все попытки для самостоятельного решения задачи. Предложенные решения 1–5 снижают линейность и процедурность программного обеспечения, но повышают гибкость и интеллектуальность системы в целом. Среди вопросов, ответы на которые может дать только длительный опыт эксплуатации ЭСТД, остаются выбор желательных (в зависимости от нагрузки агрегата) границ значений технологических переменных; решение об использовании информации от блокировочных приборов и некоторые другие проблемы, которые зависят от конкретных особенностей данной технологической установки и не могут быть сформулированы как общие принципы построения программного обеспечения ЭСТД для работы в режиме реального времени. Список литературы 1. Алиев Р.А. и др. Производственные системы с искусственным интеллектом. – М.: Радио и связь, 1990. – 264 с. 2. Искусственный интеллект: применение в химии / Под ред. Т. Пирса, Б. Хони: Пер. с англ. – М.: Мир, 1988. – 430 с. 3. Перов В.Л., Палюх Б.В., Куперман В.Г. Система технической диагностики химических производств на базе системы ИНТЕР-ЭКСПЕРТ // Сб. докл. международн. конф.: Программное обеспечение ЭВМ.: Тверь:, 1990. – с.131-140. 4. Уотермен Д. Руководство по экспертным системам / Пер. с англ. – М.: Мир, 1989. – 388 с. 5. Perov V.L., Paliukh B.V., Kuperman V.G. Defective chemical process chain detection in uncertainty condition //Comput. and Chem. Eng., 1993. – N 17(10)93. – P. 1015-1024. |
Permanent link: http://swsys.ru/index.php?id=1124&lang=en&page=article |
Print version |
The article was published in issue no. № 3, 1995 |
Back to the list of articles