Об одной системе диагностирования технологического процесса дробления зерна маслоэкстракционного производства | Статья в журнале «Молодой ученый»

Библиографическое описание:

Юсупов Ф., Юсупов Ф. А. Об одной системе диагностирования технологического процесса дробления зерна маслоэкстракционного производства // Молодой ученый. — 2012. — №2. — С. 74-76. — URL https://moluch.ru/archive/37/4324/ (дата обращения: 22.10.2018).


Анализ функционирования современных технологических комплексов показал, что нарушения технологического режима большей частью не связаны с техническим состоянием объекта, а вызваны часто технологическими причинами, а именно внешними и внутренними возмущениями. Большую сложность в осуществлении процедур диагностирования вносит инерционность многих причинно-следственных связей. Суть задачи диагностирования на основе нечетко-логического подхода сводится к следующему. На основе экспертного опроса специалистов определяются несколько возможных состояний объекта диагностирования (ОД), не подлежащих непосредственному измерению, но являющихся существенными в процессе эксплуатации ОД. Далее, строятся зависимости, определяющие данные состояния, путем исследования нечетких отношений между параметрами ОД, в результате чего задача диагностики сводится к определению последовательных зависимостей (укрупненных переменных), в совокупности определяющих единое состояние ОД. Основой такой формализации является композиционное правило вывода Л.Заде. Использование при решении задач диагностирования ВС эвристических методов и теории нечетких множеств позволяет включить в БЗ диагностических ЭС знания экспертов о нежелательных состояниях ОД и дает возможность формализовать параметры качественного характера и более обоснованно принимать решения. При этом повышается роль ДЭС, которая формирует квалификационные рекомендации для пользования о типе текущего состояния, вида дефектов и действиях, необходимых для их устранения [1].

Любая техническая система в процессе своего целенаправлен­ного или задаваемого функционирования находится в динамике. Именно в таких ситуациях необходима органи­зация контроля и диагностирования, т. е. систематического распоз­навания текущего состояния объекта, которое может изменяться под воздействием контролируемых и чаще всего неконтролируемых причин. Однако вне поля зрения разработчиков систем диагностирования долгое время оставались такие специфические объекты, как управляемые техно­логические комплексы. Диагностирование состояния технологиче­ских объектов сопряжено со значительными трудностями и имеет ряд особенностей.

В настоящее время наиболее актуальными яв­ляются вопросы, касающиеся создания автоматизированных сис­тем диагностирования состояния химико-технологических комплексов (ХТК). Это связано с тем, что сочетание таких свойств большинства современных ХТК, как высокая производительность и непрерывность производства, приводит к значительным потерям даже при кратковременных нарушениях их функционирования.

Анализ таких особенностей процесса диагностирования слож­ных объектов, как [3]: множество альтернатив интерпретации событий; необходимость совместного рассмотрения множества со­бытий; формирование алгоритмов распознавания первопричины нарушения чаще в виде набора правил, чем в виде системы урав­нений; а также необходимость использования эвристических спо­собов выделения наиболее вероятных решений и области их су­ществования, указывает на возможность повышения эффективно­сти процедур диагностики при использовании методов теории ис­кусственного интеллекта.

Процедура диагностирования технологического состояния процесса дробления зерна маслоэкстракционного производства представляет собой определенную последовательность ди­агностических проверок реакции объекта на управляющие и воз­мущающие воздействия. Эффективность процедур диагностирова­ния во многом предопределяется оптимальностью выбранной по­следовательности проверок — стратегии поиска диагноза в мно­жестве всех возможных причин. Для определения стратегии осуществлено последовательное разбиение множества на под­множества (, , , ..., ) [4].

Отдельные локальные наборы правил описывают различные технологические блоки комплекса и в совокупности составляют БЗ системы. Задача диагностирования при этом формулируется следующим образом.

Пусть – ряд признаков, по конкретным значениям которых принимается суждение о субъективной вероятности ди­агнозов из заранее определенного ряда диагнозов . Каждый из принимает значение из множества . В момент времени t состояние технологического объекта описыва­ется вектором признаков [2]

,

где — реализация признака в текущий момент t. Требуется определить оценку вероятности (степень возможности) диагно­зов :

. (1)

Знак , используемый для обозначения вероятности, подчерки­вает ее субъективный характер.

Для решения поставленной выше задачи существует в основном два способа представления экспертных знаний.

Первый способ представляет собой систему правил следующе­го вида:

(2)

где — конкретное значение из множества , s-e значение оценки вероятности из множества возможных значений .

Второй возможный вид представления экспертных знаний представляет собой систему правил, описываемых при тех же обозначениях следующим образом:

(3)

Оба рассматриваемых способа представления экспертных зна­ний обладают различными свойствами. Алгоритмы обработки представленной таким образом информации также должны отли­чаться.

Наиболее удобной для эксперта формой представления зна­ний импликативного вида является наиболее привычная для че­ловека— лингвистическая. При этом эксперт оперирует размыты­ми категориями, например:

«Если значение очень большое, то вероятность — ма­лая». Поэтому к составлению модели применен лингвистический подход на базе теории нечетких множеств Л. Заде.

В соответствии с выражениями (2), (3) в общем виде могут быть записаны так:

ЕСЛИ ЕСТЬ ЕСТЬ ,

ТО ЕСТЬ (4)

ЕСЛИ ЕСТЬ ТО ЕСТЬ (5)

Рассмотрим обе, так называемые «мягкие», модели. Естест­венно, что решающие правила, соответствующие им, будут раз­личными. В (5) используются правила, устанавливающие со­ответствие между всеми лингвистическими значениями каждого признака, рассматриваемого самостоятельно, и значением субъ­ективной условной вероятности каждого диагноза. Возможность такого представления экспертных знаний вытекает из четкого ста­тистического подхода. В частности, из широко используемой в си­стемах диагностирования байесовской формулы вычисления ве­роятности диагнозов [5] выводится зависимость

(6)

В формуле (6) будем считать, что признаки независимые. Очевидно, что является лингвистическим представ­лением четкого аргумента , а решающее правило вычис­ления вероятности P, реализованное в нечетком алгоритме диагностирования, эквивалентно функции F из (6).

Анализ реализованной в комплексе технологии показал, что можно выделить практически независимые диагностические приз­наки. Это позволило использование модели типа (5) для описа­ния зависимостей между субъективными вероятностями диагно­зов и нечеткими значениями признаков. Более того, как отмечено в [5], в большинстве практических задач можно принять до­пущение о независимости признаков БЗ.

Правила типа (5) можно представить и так:

ЕСЛИ ЕСТЬ ., ТО с вероятностью .

В консеквент этого правила входят наименование j-го диагноза и лингвистическая оценка субъективной его вероятности при дан­ной реализации i-го признака, это может рассматривать­ся как мера истинности правила ЕСЛИ , ТО ».

Заполнение диагностирования технологического состояния процесса дробления зерна в подготовительном цехе маслоэкстракционном заводе осуществлено по специально разработанной методике и оцениваются группами экспертов.

Ниже в рисунке представлена схема алгоритма последовательного диагностирования технологического состояния процесса дробления зерна в подготовительном цехе маслоэкстракционного завода.


















Литература:

  1. Бекмуратов Т.Ф., Джайлавов А.А. Экспертно-диагностическая система с устройством контроля цифровых блоков вычислительной системы//Журнал химическая технология, контроль и управление. – Ташкент, 2008. – №3. – С.32-39.

  2. Алиев Р.А. и др. Производственные системы с искусственным интеллектом/Р.А.Алиев, Н.М.Абдиеев, М.М.Шахназаров. – М.: Радио и связь. – 1990. – 264 С.

  3. Биргер И.А. Техническая диагностика. – М.: Машиностроение, 1978. – 240 С.

  4. Кристофидес Н. Теория графов. Алгоритмический подход: Пер. с англ. – М.: Мир, 1978. – 432 С.

  5. Кофман Ф. Введение в теорию нечетких множеств: Пер. с англ. – М.: Радио и связь, 1982. – 667 С.


Основные термины (генерируются автоматически): технологическое состояние процесса дробления зерна, множество, текущее состояние, способ представления, система правил, задача диагностирования, субъективная вероятность диагнозов, подготовительный цех, маслоэкстракционный завод.


Похожие статьи

Задача диагностирования технологического процесса размола...

Процедура диагностирования технологического состояния процесса дробления зерна в мукомольном производстве представляет собой определенную последовательность диагностических проверок реакции объекта на управляющие и возмущающие воздействия.

Модель оптимизации технологических режимов...

Об одной системе диагностирования технологического процесса дробления зерна маслоэкстракционного производства. Исследование технологических режимов получения модифицированной древесины.

Техническое диагностирование и методы контроля механических...

Множество возможных состояний механического узла бесконечно вследствие непрерывности их изменения в пространстве и времени.

Для решения задач диагностирования используется система технического диагностирования, т. е. совокупность средств, объекта и исполнителя...

Построение модели дробления семени хлопчатника...

в) для выбора эффективного плана обработки дробления зерна сыпучих материалов.

Топологическое представление технологического процесса дробления хлопковых семян в маслоэкстракционном производстве.

Разработка линейных математических моделей технологического...

Всю совокупность параметров определяющих текущее состояние технологического процесса дробления семян хлопчатника можно

Топологическое представление технологического процесса дробления хлопковых семян в маслоэкстракционном производстве.

Экспертные системы в задачах технического диагностирования...

Рис. 1. Структурная схема системы диагностирования машин пищевого производства с применением ЭС.

Выбор правил зависит от состояний агрегата и управлений на предыдущих шагах процесса, то есть для многошагового процесса [5]

Топологическое представление технологического процесса...

Топологическое представление технологического процесса дробления хлопковых семян в маслоэкстракционном производстве.

В процессах дробления и измельчания весь материал переходит в конечный продукт следующего состояния.

Применение теории нечетких множеств для диагностирования...

Рис. 2. Графическое представление принадлежности в теории нечетких множеств.

Эти результаты можно применяться для исследования диагностирования технического состояния других систем на автомобилях.

Построение стохастической модели планирования основного...

Маршак, Чернов и Рубин, а также Блекуэлл Дю, Гиршик – субъективную вероятность. Методы экспертных систем и искусственного интеллекта

Однако такой подход является полностью лишенным риска и не эффективным, т.к. наихудшая реализация технологических процессов...

Обсуждение

Социальные комментарии Cackle

Похожие статьи

Задача диагностирования технологического процесса размола...

Процедура диагностирования технологического состояния процесса дробления зерна в мукомольном производстве представляет собой определенную последовательность диагностических проверок реакции объекта на управляющие и возмущающие воздействия.

Модель оптимизации технологических режимов...

Об одной системе диагностирования технологического процесса дробления зерна маслоэкстракционного производства. Исследование технологических режимов получения модифицированной древесины.

Техническое диагностирование и методы контроля механических...

Множество возможных состояний механического узла бесконечно вследствие непрерывности их изменения в пространстве и времени.

Для решения задач диагностирования используется система технического диагностирования, т. е. совокупность средств, объекта и исполнителя...

Построение модели дробления семени хлопчатника...

в) для выбора эффективного плана обработки дробления зерна сыпучих материалов.

Топологическое представление технологического процесса дробления хлопковых семян в маслоэкстракционном производстве.

Разработка линейных математических моделей технологического...

Всю совокупность параметров определяющих текущее состояние технологического процесса дробления семян хлопчатника можно

Топологическое представление технологического процесса дробления хлопковых семян в маслоэкстракционном производстве.

Экспертные системы в задачах технического диагностирования...

Рис. 1. Структурная схема системы диагностирования машин пищевого производства с применением ЭС.

Выбор правил зависит от состояний агрегата и управлений на предыдущих шагах процесса, то есть для многошагового процесса [5]

Топологическое представление технологического процесса...

Топологическое представление технологического процесса дробления хлопковых семян в маслоэкстракционном производстве.

В процессах дробления и измельчания весь материал переходит в конечный продукт следующего состояния.

Применение теории нечетких множеств для диагностирования...

Рис. 2. Графическое представление принадлежности в теории нечетких множеств.

Эти результаты можно применяться для исследования диагностирования технического состояния других систем на автомобилях.

Построение стохастической модели планирования основного...

Маршак, Чернов и Рубин, а также Блекуэлл Дю, Гиршик – субъективную вероятность. Методы экспертных систем и искусственного интеллекта

Однако такой подход является полностью лишенным риска и не эффективным, т.к. наихудшая реализация технологических процессов...

Задать вопрос