Искусственный интеллект в задачах моделирования, управления, диагностики технологических процессов

Читать фрагмент

книга

Искусственный интеллект в задачах моделирования, управления, диагностики технологических процессов

Автор: Александр Веревкин, Тимур Муртазин

Рассматриваются вопросы, возникающие при разработке «умных» систем автоматизированного управления и диагностики состояния элементов автоматизированных технологических комплексов нефтеперерабатывающих и нефтехимических производств. Приведены сведения о методах разработки моделей объектов и замыкающих элементов APCS-систем, для которых используются технологии искусственного интеллекта. Приведены примеры проектирования интеллектуальных систем управления и обеспечения безопасности (ИСУиОБ).Для специалистов в области автоматизации нефтеперерабатывающих и нефтехимических производств, а также студентов, изучающих методы разработки APCS-систем.

Форматы: PDF

Издательство: Инфра-Инженерия

Год: 2023

Место издания: Москва, Вологда

ISBN: 978-5-9729-1428-9

Страниц: 232

Артикул: 118152

Электронная книга

1340 ₽

Купить и скачать

Содержание

Содержание книги "Искусственный интеллект в задачах моделирования, управления, диагностики технологических процессов "

Введение

1. Архитектура автоматизированных технологических комплексов с развитой функциональностью

1.1. Структура системы автоматического управления, задачи и методы реализации функционала управления

1.2. Структура подсистем диагностики состояния элементов АТК, верификации данных в АСУ, задачи и методы реализации функционала диагностики и верификации

1.3. Принципы решения задач разработки подсистем АС разных уровней иерархии АТК

1.4. Классификация методов моделирования процессов для целей управления, диагностики и верификации данных

2. Методы моделирования процессов

2.1. Модели оценки состояний

2.2. Когнитивное моделирование

2.3. Нейросетевые модели

2.3.1. Классификация искусственных нейронных сетей

2.3.2. Моделирование статических состояний объекта управления

2.3.3. Моделирование динамических состояний объекта управления ИНС

2.4. Модели объектов на основе нечетких множеств

2.5. Нейронечеткие модели

3. Модели формирования решений в подсистемах управления, диагностики и верификации данных

3.1. Обзор задач и методов формирования решений

3.1.1. Системы: задачи анализа и синтеза. Искусственные системы

3.1.2. Классификация систем

3.1.3. Модели представления знаний как основа построения моделей ФР

3.1.4. Модель формирования решений

3.2. Типовые задачи формирования решений и особенности их решения (управление, диагностика, верификация)

3.2.1. Обзор типовых задач формирования решений

3.2.2. Задача 1. Разработка автоматических систем регулирования (уровень control) и обеспечение их работоспособности

3.2.3. Задача 2. Разработка автоматизированных систем управления качеством производимой продукции (уровень диспетчерский или SCADA), включая подсистемы оценки качества и управления качеством

3.2.4. Задача 3. Разработка автоматизированной системы оптимизации процессов по технико-экономическим показателям -ТЭП (уровень диспетчерский или SCADA), включая подсистемы оценки ТЭП и оптимизации процессов по ТЭП

3.2.5. Задача 4. Диагностика состояния технических средств автоматизации, оценка адекватности моделей и их корректировка, верификация данных (ДАВ)

3.3. Общая схема синтеза конечно-автоматных и нечетких логических устройств

3.4. Синтез иерархических конечно-автоматных управляющих систем

3.5. Рекомендуемые методы ИИ для некоторых типовых задач

4. Примеры разработки элементов ИСУиОБ

4.1. Управление сложными ректификационными колоннами по показателям качества продуктов и технико-экономической эффективности

4.2. Управление процессом каталитического риформинга

4.3. Управление процессом производства полиэтилена

4.3.1. Моделирование процесса

4.3.2. Структура системы управления по ПК

4.4. Управление процессом производства этиленпропиленовых каучуков

4.5. Диагностики утечки нефтепродукта из змеевика в трубчатой печи огневого нагрева

Список использованной литературы

Приложение А. Правила нечетких инструкций, определяющие связь входных и выходных переменных (пример)

Приложение Б. Обучающая выборка нейронечеткой модели ANFIS

Приложение В. Экспериментальные данные для получения прогнозной модели оценки ИР

Отрывок из книги

28 1) ɦɨɞɟɥɢ ɩɨɞɫɢɫɬɟɦ ɢ ɫɢɫɬɟɦɵ ɜ ɰɟɥɨɦ ɆS ɞɥɹ ɜɨɫɩɪɨɢɡɜɟɞɟɧɢɹ ɩɨɜɟɞɟɧɱɟɫɤɢɯ ɯɚɪɚɤɬɟɪɢɫɬɢɤ (ɧɚɩɪɢɦɟɪ, ɞɢɧɚɦɢɤɢ ɩɪɨɰɟɫɫɨɜ). ɋɸɞɚ ɨɬɧɨɫɹɬɫɹ ɦɨɞɟɥɢ ɜ ɜɢɞɟ ɞɢɮɮɟɪɟɧɰɢɚɥɶɧɵɯ ɭɪɚɜɧɟɧɢɣ, ɩɟɪɟɞɚɬɨɱɧɵɯ ɮɭɧɤɰɢɣ, ɪɚɡɧɨɫɬɧɵɯ ɭɪɚɜɧɟɧɢɣ, ɤɨɪɪɟɥɹɰɢɨɧɧɵɯ ɮɭɧɤɰɢɣ ɢ ɬ. ɞ. 2) ɦɨɞɟɥɢ ɬɪɟɛɨɜɚɧɢɣ ɆɌ ɤ ɩɨɞɫɢɫɬɟɦɚɦ ɢ ɫɢɫɬɟɦɟ ɜ ɰɟɥɨɦ. Ɍɚɤɢɟ ɦɨɞɟɥɢ – ɷɬɨ, ɩɨ ɫɭɬɢ, ɫɩɨɫɨɛ ɡɚɞɚɧɢɹ ɤɪɢɬɟɪɢɹ, ɩɨ ɤɨɬɨɪɨɦɭ ɨɰɟɧɢɜɚɟɬ-ɫɹ ɤɚɱɟɫɬɜɨ ɫɢɫɬɟɦɵ. ɇɚɩɪɢɦɟɪ, ɬɪɟɛɨɜɚɧɢɹ ɦɨɠɧɨ ɢɡɥɨɠɢɬɶ (ɜ ɩɨɪɹɞɤɟ ɜɨɡɪɚɫɬɚɧɢɹ ɢɯ ɨɩɪɟɞɟɥɟɧɧɨɫɬɢ): – ɧɚ ɫɨɞɟɪɠɚɬɟɥɶɧɨɦ (ɜɟɪɛɚɥɶɧɨɦ) ɭɪɨɜɧɟ, ɜ ɱɚɫɬɧɨɫɬɢ, ɩɭɬɟɦ ɜɜɟɞɟɧɢɹ ɜ ɪɚɫɫɦɨɬɪɟɧɢɟ ɧɟɱɟɬɤɢɯ ɩɟɪɟɦɟɧɧɵɯ ɢ ɨɬɧɨɲɟɧɢɣ; – ɜ ɜɢɞɟ ɧɚɛɨɪɚ ɩɨɤɚɡɚɬɟɥɟɣ (ɦɧɨɝɨɤɪɢɬɟɪɢɚɥɶɧɚɹ ɨɰɟɧɤɚ); – ɜ ɜɢɞɟ ɫɤɚɥɹɪɧɨɝɨ ɤɪɢɬɟɪɢɹ, ɜ ɜɢɞɟ ɮɭɧɤɰɢɢ ɨɬ ɯɚɪɚɤɬɟɪɢɫɬɢɤ ɫɢ-ɫɬɟɦɵ ɢɥɢ ɜ ɜɢɞɟ ɧɚɛɨɪɚ ɩɨɤɚɡɚɬɟɥɟɣ, ɧɨ ɫ ɫɢɫɬɟɦɨɣ ɨɩɪɟɞɟɥɟɧɢɹ ɩɪɢ-ɨɪɢɬɟɬɨɜ ɷɬɢɯ ɩɨɤɚɡɚɬɟɥɟɣ ɢ ɬ. ɞ. ɇɚɞɨ ɩɨɧɢɦɚɬɶ, ɱɬɨ ɞɥɹ ɩɨɫɬɪɨɟɧɢɹ ɫɢɫɬɟɦɵ ɭɩɪɚɜɥɟɧɢɹ ɢ ɤɨɧɤɪɟ-ɬɢɡɚɰɢɢ ɫɩɨɫɨɛɚ ɮɨɪɦɢɪɨɜɚɧɢɹ ɭɩɪɚɜɥɹɸɳɢɯ ɜɨɡɞɟɣɫɬɜɢɣ ɨɛɚ ɜɢɞɚ ɦɨɞɟɥɟɣ ɞɨɥɠɧɵ ɛɵɬɶ, ɜ ɤɨɧɟɱɧɨɦ ɫɱɟɬɟ, ɞɨɜɟɞɟɧɵ ɞɨ ɭɪɨɜɧɹ ɩɚɪɚ-ɦɟɬɪɢɱɟɫɤɨɣ ɨɩɪɟɞɟɥɟɧɧɨɫɬɢ, ɬ. ɟ. ɞɨɩɭɫɤɚɬɶ ɜɨɡɦɨɠɧɨɫɬɶ ɪɚɫɱɟɬɚ ɤɚɤ ɯɚɪɚɤɬɟɪɢɫɬɢɤ (ɩɚɪɚɦɟɬɪɨɜ ɫɨɫɬɨɹɧɢɹ) ɫɢɫɬɟɦɵ, ɬɚɤ ɢ ɱɢɫɥɟɧ-ɧɨɣ ɨɰɟɧɤɢ ɟɟ ɤɚɱɟɫɬɜɚ (ɩɚɪɚɦɟɬɪɨɜ ɬɪɟɛɨɜɚɧɢɣ). ȿɫɥɢ ɦɧɨɠɟɫɬɜɨ ɜɚɪɢɚɧɬɨɜ ɦɨɞɟɥɟɣ ɫɢɫɬɟɦ ɨɛɨɡɧɚɱɢɬɶ ɱɟɪɟɡ ɆS, ɚ ɦɧɨɠɟɫɬɜɨ ɜɚɪɢɚɧɬɨɜ ɦɨɞɟɥɟɣ ɬɪɟɛɨɜɚɧɢɣ – ɱɟɪɟɡ ɆɌ, ɬɨ ɦɧɨɠɟɫɬɜɨ ɩɨɫɬɚɧɨɜɨɤ ɡɚɞɚɱ ɩɪɨɟɤɬɢɪɨɜɚɧɢɹ ɫɢɫɬɟɦ ɭɩɪɚɜɥɟɧɢɹ Ɇn ɨɛɪɚɡɭɟɬɫɹ ɤɚɤ ɩɪɹɦɨɟ ɩɪɨɢɡɜɟɞɟɧɢɟ Ɇn = MS u MT. ȿɫɥɢ ɞɨɩɨɥɧɢɬɶ ɦɧɨɠɟɫɬɜɨ Ɇn ɜɚɪɢɚɧɬɚɦɢ ɞɨɨɩɪɟɞɟɥɟɧɢɹ ɦɨɞɟɥɟɣ ɆS, ɆT, ɬɨ ɩɨɥɭɱɢɦ ɜɨɡɦɨɠɧɵɟ ɜɚɪɢɚɧɬɵ ɮɭɧɤɰɢɨɧɚɥɶɧɨɝɨ ɩɨɫɬɪɨɟɧɢɹ ɫɢɫɬɟɦ ɢ ɦɟɬɨɞɨɜ ɢɯ ɩɪɨɟɤɬɢɪɨɜɚɧɢɹ (ɪɚɫɱɟɬɚ) ɫɨɨɬɜɟɬɫɬɜɟɧɧɨ. ȼ ɤɨɧɟɱɧɨɦ ɫɱɟɬɟ ɪɚɫɫɦɚɬɪɢɜɚɸɬɫɹ ɞɜɚ ɤɥɚɫɫɚ ɦɨɞɟɥɟɣ: – ɦɨɞɟɥɢ ɨɰɟɧɤɢ ɫɨɫɬɨɹɧɢɣ ɨɛɴɟɤɬɚ ɞɥɹ ɨɩɢɫɚɧɢɹ ɯɚɪɚɤɬɟɪɢɫɬɢɤ (ɫɜɨɣɫɬɜ) ɫɢɫɬɟɦ, ɬ. ɟ. ɞɥɹ ɰɟɥɟɣ ɚɧɚɥɢɡɚ; – ɦɨɞɟɥɢ ɨɰɟɧɤɢ ɞɨɫɬɢɠɟɧɢɹ ɪɟɡɭɥɶɬɚɬɨɜ ɭɩɪɚɜɥɟɧɢɣ. Ɇɨɞɟɥɢ ɩɟɪɜɨɝɨ ɬɢɩɚ (ɦɨɞɟɥɢ ɫɢɫɬɟɦ), ɤɚɤ ɩɪɚɜɢɥɨ, ɨɬɧɨɫɹɬɫɹ ɤ ɬɢɩɭ ɤɨɥɢɱɟɫɬɜɟɧɧɵɯ ɦɨɞɟɥɟɣ. Ɇɨɞɟɥɢ ɜɬɨɪɨɝɨ ɬɢɩɚ ɦɨɝɭɬ ɛɵɬɶ ɤɚɤ ɤɚ-ɱɟɫɬɜɟɧɧɵɦɢ, ɬɚɤ ɢ ɤɨɥɢɱɟɫɬɜɟɧɧɵɦɢ ɢ ɹɜɥɹɸ...

Внимание!
При обнаружении неточностей или ошибок в описании книги "Искусственный интеллект в задачах моделирования, управления, диагностики технологических процессов (автор Александр Веревкин, Тимур Муртазин)", просим Вас отправить сообщение на почту help@directmedia.ru. Благодарим!

Искусственный интеллект в задачах моделирования, управления, диагностики технологических процессов

Содержание

Отрывок из книги

другие книги автора

С книгой "Искусственный интеллект в задачах моделирования, управления, диагностики технологических процессов" читают