Авторитетность издания
Добавить в закладки
Следующий номер на сайте
Принятие оптимальных решений на основе ситуационного анализа аномальных состояний системы
Аннотация:
Abstract:
Авторы: Ивашкин Ю.А. (ivashkin@msaab.ru) - Московский государственный университет прикладной биотехнологии, доктор технических наук, Беляева М.А. (Belyaevamar@mail.ru) - Государственный университет управления (профессор), Москва, Россия, доктор технических наук | |
Ключевое слово: |
|
Ключевое слово: |
|
Количество просмотров: 13715 |
Версия для печати Выпуск в формате PDF (1.30Мб) |
Предлагаемый подход к моделированию и идентификации состояния больших систем основан [1,2] на формализованном описании в матричной форме влияния различных факторов на критерий достижения цели, выражаемый многомерной суммой взвешенных нормированных отклонений параметров состояния системы от заданных значений. Эффективность функционирования системы любой физической и социальной природы описывается вектором параметров Y={y1,…,ym} или критерием Q(y1,…,ym) оценки состояния системы (качество продукции, производительность, себестоимость и т.п.). Компоненты вектора Y в общем случае являются функциями характеристик входных потоков G={g1,…,gr} и параметров состояния системы X={х1,…,хn}, которые, в свою очередь, зависят от факторов возмущения V={v1,…,vq} и управляющих воздействий U={u1,…,up}. Задачей системного анализа сложного объекта является параметрическое описание происходящих процессов, качества сырья, промежуточного и конечного продуктов, технологических режимов и оборудования и нахождение математических зависимостей между ними для последующей многокритериальной оптимизации и принятия оптимальных решений. С этой целью строится матричная структурно-параметрическая модель системы [1] (см. рис.).
Недиагональные клетки описывают характеристики связей и взаимодействия между элементами и блоками технологической системы, определяемые методами факторного анализа, планирования эксперимента и экспертных оценок. Таким образом, клеточная матрица представляет полное описание структуры и характеристик связей между параметрами и факторами, определяющими функционирование любого технологического процесса или комплекса. Критерий оценки состояния системы можно записать [2] в виде аддитивно-мультипликативной свертки
где При Для оценки групповых и индивидуальных весовых коэффициентов формируется таблица экспертных оценок функционала по схеме полного или дробного факторного эксперимента с последующим вычислением оценок линейных эффектов влияния на функционал по формулам
где zik – значение i-го группового показателя в k-м опыте; zijk – значение j-й переменной i-й группы в k-м эксперименте; Qk – значение функционала в k-м эксперименте. Детализация параметрических описаний объекта в виде клеточной матрицы определяется конкретной задачей идентификации и моделирования системы, а также характером априорных данных о качественных и количественных показателях влияния и взаимодействия между ее элементами. Коэффициенты связей в виде сопоставимых количественных характеристик могут быть найдены известными методами в зависимости от степени априорных представлений о природе вещей. На основе статистических данных о состоянии системы и среды в виде массива xkj;
где Характер связей между коррелируемыми факторами определяется коэффициентами линейной множественной регрессии
с коэффициентами связи Pij j-го фактора c i-м. Для сопоставимой оценки отклонений и связей параметров различной физической природы и размерности формируется матрица безразмерных характеристик
где Dxi0, Dxj0 – допустимые отклонения от нормы. По найденной матрице характеристик взаимосвязей Cij;
При этом общий алгоритм принятия решений сводится к накоплению базы знаний в виде структурно-параметрической модели связей и к решению задач анализа причин аномальных состояний и принятию оптимальных решений в различных сферах деятельности. Структурно-параметрическая оптимизация сводится к нахождению оптимальных значений параметров состояния системы по критериям P(x), Φ(x) и Ψ(x) минимального отклонения от заданной или желаемой структуры показателей на разных уровнях анализа и управления:
где хij0, xij – значения j-й переменной состояния системы i-го блока на первом уровне иерархической структуры в желаемой и текущей ситуациях;
где blj0, blj – удельный вес l-го компонента второго уровня иерархии в j-й интегральной характеристике первого уровня в заданном и достигаемом состояниях системы; akl0, akl – удельное содержание k-го элемента третьего уровня в l-м компоненте второго уровня иерархии. Оптимизация состояния системы с минимизацией отклонения от заданной исходной структуры показателей состояния по предлагаемым критериям осуществляется методом покоординатного поиска в заданных интервалах варьирования переменных с прогнозированием конечного состояния по вышеупомянутому алгоритму [1,2] идентификации и прогнозирования на основе ситуационной модели. Список литературы 1. Ивашкин Ю.А. Структурно-параметрические модели и алгоритмы идентификации аномальных состояний технологической системы. // Вестн. Росс. акад. диалектно-системных исследований. - М.: РХТУ им. Д.И. Менделеева, 1998. - Вып. 2. - С.18-28. 2. Ивашкин Ю.А. Структурно-параметрическое моделирование и идентификация аномальных ситуаций в сложных технологических системах // Проблемы управления.- 2004. -№ 3. - С. 39-43. |
Постоянный адрес статьи: http://swsys.ru/index.php?page=article&id=435 |
Версия для печати Выпуск в формате PDF (1.30Мб) |
Статья опубликована в выпуске журнала № 4 за 2006 год. |
Возможно, Вас заинтересуют следующие статьи схожих тематик:
- Место XML-технологий в среде современных информационных технологий
- Унифицированный информационный интерфейс и его реализация в комплексной САПР
- ДИНАМИКА-2 - программа для решения осесимметричных и плоских задач
- Общедоступные математические САПР для персональных компьютеров класса IBM PC
- Инженерная программа трехмерного моделирования магнитных систем LittleMag
Назад, к списку статей