Файл: Юсупбеков Н.Р. Автоматизация технологических процессов производства растительных масел.pdf

{Qj, соответствующие некоторым требованиям, предъяв­ ляемым к оптимизируемой системе. Например, к этому подмножеству относят все значения функции качества меньше заданного или же равные нулю.

Основное достоинство метода — наличие элемента случайности, вводимого при поиске. Это позволяет вести систему в лучшем направлении, минуя скользя­ щие режимы, к которым часто приводят регулярные методы поиска. Случайный поиск не попадет в ловуш­ ку из-за элемента случайности, выводящего систему из затруднительных положений. Примером распростра­ ненной ловушки является „хребет“ для метода ГауссаЗейделя и „седло" для градиентного метода [43].

Рассмотрим шаговый алгоритм случайного поиска, использованный при корректировке модели исследуемо­ го объекта.

Поиск с пересчетом. Блок-схема алгоритма приве­ дена на рис. 42. При возврате системы после неудач­ ного случайного шага в какую-то ранее пройденную точку на ней не производится повторного вычисления функции качества и его удобно применять для опти­ мизации систем с мало изменяющейся функцией ка­ чества.

Рекуррентная формула смещения на г -f-1 -ом шаге

имеет вид а] , —щ + Ааг+1;

* _ *

а;, если Q (а[) < Qi-t

Д а ;+1 =

— Аа\ + а£, если Q(a,) > Q*_х

Для корректировки модели исследуемого объекта остановимся на алгоритме случайного поиска с перес­ четом. Это связано с тем, что из-за сильной инерцион­ ности объекта однажды рассчитанная в точке прост­

ранства оптимизируемых параметров [а'\ функция качества Q практически остается постоянной за время работы алгоритма в контуре настройки.

Для работы контура корректировки необходима те­ кущая информация с объекта. При решении задачи непрерывной идентификации с помощью цифровой си­ стемы, подключенной непосредственно к действующему объекту [44], получение новой информации связано с опросом датчиков и преобразующих устройств, т. е. с необходимостью учитывать скорость работы информа­

187

нионной части цифровых систем. Поэтому, хотя быст­ родействие УВМ само по себе большое, скорость на­ стройки модели в конечном счете зависит от скорости получения и преобразования информации с объекта. Это в какой-то степени нейтрализует высокоскорост­ ные качества вычислительных блоков управляющих машин.

Представление объекта эквивалентной статистикой, записанной заранее в памяти машин, необязательно управляющей, позволяет при идентификации перейти от реального масштаба времени к шкале машинного времени. Так, если цифровая система идентификации, связанная с объектом, вынуждена дожидаться очеред­ ного замера параметров через определенные интервалы времени, то при представлении объекта эквивалентной статистикой режимы выбирают из памяти машин, т. е.

“ I

Рис. 42. Блок-схема алгоритма с пересчетом.

188

скорость моделирования определяется лишь быстро­ действием ЭВМ или УВМ.

Поэтому в общем случае в последнем варианте на идентификацию затрачивают намного меньше времени. Эквивалентирование объекта статистикой в памяти ЭВМ. выгодно и тем, что пока не доказана необходимость установки на объекте средств вычислительной техники на производственных предприятиях, можно не устанав­ ливать сложных дорогостоящих технических средств.

Принятый в работе метод эквивалентирования объ­ екта позволил исключить все затруднения, связанные, например, с длительностью лабораторных анализов или необходимостью учета инерционных характеристик ка­ налов. Кроме того, в этом случае удобно по шкале машинного времени исследовать дрейф коэффициентовполученных регрессионных уравнений. Этот дрейф свя­ зан с изменением характеристик и режимов работы объекта. Его исследование необходимо, так как коли­ чественные оценки, получаемые при этом, нужны для эффективной организации настройки модели объекта с использованием алгоритма случайного поиска.

Разумеется, такое эквивалентирование целесообраз­ но, когда необходимо получить наиболее полные дан­ ные об объекте, математически описать его и выявить необходимость создания цифровой системы оптималь­ ного управления. Если все этапы уже пройдены, нд объекте функционирует система, модель корректируеется на основе текущей информации, получаемой че­ рез систему. Иными словами, работы по оптимальному управлению с использованием периодически коррек­ тируемой модели ведут через цифровую систему не­ посредственно на объекте.

С использованием эквивалентной статистики, накоп­ ленной в памяти машины, установлена практическая, возможность применения процедуры настройки для выбранного реального объекта и работоспособность алгоритма случайного поиска в контуре такой наст­ ройки.

Из совокупности уравнений (220) —(225) корректи­ ровке подвергли уравнение (222). Корректировку про­ водили по методике, изложенной в работе [41], с при­ менением алгоритма с пересчетом при величине шага; поиска а = 0,1. Результаты корректировки приведены

189

на рис. 43 для уравнения (222). На рис. 44 показаны изменения функции качества для уравнения (222). По оси абсцисс отмечено число шагов поиска, а по оси ординат — значения корректируемых коэффициентов регрессионных уравнений. Значения коэффициентов, помеченных индексом (к), соответствуют ко-нцу процес­ са настройки, когда обеспечивается такое множество

коэффициентов \а'\ , что уравнение по определенному критерию оказывается адекватным реальному объекту.

Организация настройки моделей поиском в прост­ ранстве параметров требует дальнейшего детального изучения возникающих при этом специфических воп­ росов: масштабирования шагов поиска; целесообразную организацию функции качества; выбор того или иного алгоритма из множества алгоритмов; обеспечение тре­ буемой надежности и достоверности статистического ма­ териала; создания быстродействующих систем получе­ ния и первоначальной переработки информации и др.

Решение этих вопросов, а также использование бо­ лее быстродействующих средств вычислительной тех­ ники позволяет резко повысить эффективность предла­ гаемых здесь методов и процедур настройки моделей технологических объектов управления.

УПРАВЛЕНИЕ ПРОЦЕССОМ ПРИ ПОМОЩИ ЛОГИЧЕСКОГО АВТОМАТА-СОВЕТЧИКА (ЛАС)

Для управления рассматриваемым процессом не тре­ буется высокой точности регулировки управляющих органов. Вполне достаточно той точности, которую соблюдает опытный оператор.

В этом случае возможно непрерывные величины за­ менить дискретными, разбив диапазон изменения пара­ метров на несколько участков. Тогда для реализации алгоритма управления вместо системы управлений ре­ шают логическую задачу оптимального выбора страте­ гии управления в соответствии с определенной ситуа­ цией в каждом конкретном случае. Во многих сложных ситуациях при одновременном отклонении нескольких параметров задача управления усложняется. Успешное ее решение зависит от опыта и интуиции оператора. Можно намного упростить задачу, формализовав и при­ менив логический автомат-советчик (ЛАС), реализую­ щий формализованный алгоритм управления.

190

Ж

&8 °9 °1в аП а

Задача управления — определить величины управ­ ляющих воздействий Лер для компенсирования откло­ нений управляемых параметров от технологических норм. Возможные отклонения параметров процессов сведены в табл. 22.

Например, при увеличении количества бензина л:10 можно использовать один из вариантов: либо прикрыть (знак минус) регулятор расхода бензина ср3, либо для его компенсации увеличить (знак плюс) с помощью регулятора скорость оборотов вала загрузочной колон­ ны экстрактора <р5 (его производительность).

Аналогичные варианты существуют и для других параметров.

В работе [45; 46] описан метод, упрощающий ал­ горитм управления. Сущность его состоит в предвари­ тельном определении величин равнозначных отклоне­ ний каждого управляемого параметра. Сравнивая эти отклонения, можно в каждой конкретной ситуации произвести ранжировку отклонений по старшинству параметров. Для их определения используют следую­ щие формулы [45; 46]:

на группу старших, средних и младших).

Для облегчения задачи оператора по определению важности параметра разбивают рабочие части шкал приборов на равнозначные участки R ( отклонений тех­ нологических параметров, соответствующих значению Дyij(t). Величины равнозначного отклонения определя­ ют по формулам:

192

Регулятор острого пара в шнековом

испарителе, ф7 ..................................