Разработка проекта интеллектуальной системы поддержки принятия решений в системе G2

Нзамба Сенуво,
аспир., senouvo@mail.ru
РУДН, Москва
В.О. Чинакал,
 вед. н.с., к.т.н., доц., chinakal@ipu.ru
ИПУ РАН, Москва

Рассматривается применение инструментального пакета G2 фирмы Gensym Corporation для реализации проекта интеллектуальной системы поддержки принятия решений (ИСППР) при управлении непрерывными технологическими процессами в установке первичной переработки нефти. Разработана распределенная модель представления знаний в ИСППР. Приводятся примеры реализации знаний для прототипа ИСППР.

 

This article describes the application of package tools G2 of firm Gensym Corporation for realisation of the project of intellectual system of support of decision-making (ISSDM) of control by continuous technological processes on installation of primary oil refining. The distributed model is developed for representation of knowledges in ISSDM. Examples describes the realisation of knowledges for prototype ISSDM.

Введение

Для повышения эффективности принятия решений в задачах контроля и управления сложными непрерывными технологическими процессами и, в частности, процессами в установках первичной переработки нефти (АВТ) [1] все более активно применяются современные программно-технические комплексы (ПТК), экспертные системы (ЭС) и интеллектуальные системы поддержки принятия решений (ИСППР) [2-4]. Такие системы позволяют обеспечить не только координированное многопараметрическое управление сложным объектом, но и выполнить углубленный анализ оперативных данных и своевременно информировать лиц, принимающих решения (ЛПР), о предпосылках и причинах возможных критических изменений в состоянии сложного объекта. В [3] рассмотрена структура динамической ИСППР для задач контроля и управления АВТ, в [4] – определены классы и атрибуты основных компонентов (объектов) модели представления знаний (МПЗ) на базе продукционных правил. В данной работе рассмотрена реализация прототипа ИСППР на основе распределенной МПЗ (РМПЗ) с использованием инструментального пакета G2 фирмы Gensym Corporation [5].

РМПЗ распределена не только по группам правил, обеспечивающих решение выделенных задач (локальные ЭС), но и реализует последовательное вычисление антецедентов правил на различных уровнях. Вначале по данным измерений от штатной системы ПТК и регламентным ограничениям формируется вектор событий с использованием однократных вычислений и определением k-значных логических статусов состояния всех контролируемых переменных и статусов управления (или стратегий управления) для всех исполнительных устройств. Затем формируются оценки ситуаций, анализируются возможные сценарии и выбирается для реализации соответствующий сценарий. Это обеспечивает минимизацию общего количества вычислений за счет исключения ряда повторных вычислений событий и ситуаций при выполнении стандартных логических процедур прямого и обратного вывода для получения окончательных заключений. Формирование оценок событий и ситуаций связано с типами функциональных элементов и операций (смешения, разделения потоков, изменения параметров и др.) и заданными ограничениями в соответствии с основными классами элементов технологической схемы АВТ, рассмотренной в [4] и представленной на рис.1.

рис 1. Технологическая схема атмосферной части установки АВТ

2. Разработка модели представления знаний в ИСППР

Рассмотрим распределенную модель представления знаний в ИСППР по управлению АВТ при принятии решений в различных типовых штатных и нештатных ситуациях. В соответствии с концепцией построения распределенной ИСППР общая МПЗ состоит из отдельных локальных частей (модулей ЭС) [2,3]. Модули и соответствующие рабочие пространства используются в локальных ЭС при решении выделенных задач [3,4 ] и на разных уровнях обработки данных. МПЗ локальных ЭС представляются соответствующими группами продукционных правил, реализующих требуемые функции логического анализа данных.

Локальные МПЗ обеспечивают:  – формирование и анализ исходных событий и ситуаций, проверку состояния оборудования, проверку балансов потоков в узлах разделения и смешивания, проверку и анализ гипотез о различных возможных нарушениях количественных и качественных показателей потоков и агрегатов, обработку данных прогноза изменения контролируемых и/или регулируемых количественный или качественный технологических параметров (переменных) с использованием предикторной модели в системе имитационного моделирования (СИМ), управление интерфейсом ИСППР с оператором, корректировку текущего управления и другие функции для эффективного использования ИСППР.

2.1. Продукционные правила определения статуса технологических параметров по оперативным данным

При разработке модели представления знаний использованы следующие обозначения:

- вектор параметров, где p – контролируемый и/или регулируемый технологический параметр (количественный или качественный), . P - общее число всех параметров; (t) - момент времени; q – элемент схемы, , Q - общее число функциональных элементов АВТ;

- вектор регламентных значений, который характеризует: - заданные регламентные значения уставки по каждому p параметру q элемента; ,  - границы диапазона допустимых отклонений; , - границы диапазона предельных (аварийных) значений. Обозначения 5-ти значного статуса состояния технологических параметров представлены в таблице 1, в таблице 2- обозначения величины и статуса состояния управления. На рис.2. представлено формирование событий (оценок статуса) по отклонению переменных от соответствующих регламентных значений.

                                                                             Таблица1                                                                                                       Таблица 2

      Формирование статуса состояния параметров                        Формирование статуса состояния по управлению

                     

рис 2. Формирование событий по отклонению переменных от регламентных значений

Основные продукционные правила представлены в таблице 3, а соответствующие модели в таблице 4.

Таблица 3

Основные правила

Таблица 4

Продукционные модели

Где F(p,q,LL) – процедура, реализующая функции противоаварийной защиты (ПАЗ) по параметру р элемента q.

В качестве примера рассмотрим подробнее реализацию правил по варианту 1 и 5 из таблиц 3 и 4.

Вариант 1(1): Rule1: если статус состояния  контролируемого и/или регулируемого технологического параметра процесса  «Норма» и статус состояния  управляющих воздействий - «Норма», то управление и статус состояния управляющего воздействия - «Норма» и сообщение оператору - «управление норма».  Продукционная модель имеет следующий вид:

          (1)

Пример реализации правила Rule1 в системе G2:

R1: If the status of state of any controlled and regulated parameter of P = norm and the status of the state of the control actions = Norm, then conclude that the control = Norm and status of the state of the control action = Norm and post “управление «норма»”

Где P- атрибут класса «FLUX».   

Вариант 5. Rule5b: если статус состояния  контролируемого и/или  регулируемого технологического параметра процесса  «ниже недопустимого» и статус состояния управляющих воздействий «сильно увеличить», то управление «сильно увеличить» и статус состояния управляющего воздействия «сильно увеличить».

Продукционная модель имеет следующий вид:

                                    (2)

 2.2. Продукционные правила корректировки стратегии управления АВТ

Данная группа продукционных правил предназначена для корректировки стратегии текущего оперативного управления АВТ (U(t)) с учетом анализа результатов прогноза на СИМ результатов управления на интервале .

Учитывая текущие оценки скорости изменения контролируемых и/или регулируемых параметров  выделим три основных случая:

1).Скоростьотклоненийизменяется быстро и положительно ;

2).Скоростьотклоненийизменяется быстро и отрицательно ;

3). Скорость  отклонений  изменяется медленно .

Где, - пороговые значения, отделяющие области малых скоростей изменения параметров от больших.

В качестве примера рассмотрим подробнее правила R12 и R14 и модели корректировки из таблиц 5 и 6.

Таблица 5

Правила корректировки стратегии управления АВТ

Rule.12. Если в момент времени (t) для p-контролируемого и/или регулируемого технологического параметра процесса , прогноз статуса состояния на время  при выбранном управлении  эквивалентен « выше недопустимого», и , то присвоить статус состояния по управлению, и  и перейти к  прогнозу .

Продукционная модель имеет следующий вид:

                                   (3)

Где:  ;  и - соответственно максимальный и минимальный номер варианта выбора стратегии управления для q элемента схемы; ,, ,  - относительные прогнозы статусов и управления в момент времени .

Rule.14. Если в момент времени (t) для p-контролируемого и/или регулируемого технологического параметра процесса , прогноз статус состояния на время  при выбранном управлении  эквивалентен «ниже недопустимого» , и , то присвоить статус состояния по управлению, и  и перейти к прогнозу   .

Продукционная модель имеет следующий вид:

            (4)

Таблица 6

Модели продукционных правил корректировки стратегии управления АВТ

Рассмотрим отдельные примеры реализации прототипа базы знаний ИСППР при управлении АВТ [3,4,5] (по схеме рис.1) с использованием инструментальных средств пакета G2.

  3. Примеры разработки на G2 элементов прототипа базы знаний ИСППР

При разработке прототипа БЗ проектируемой ИСППР при управлении АВТ  для создания базы данных и баз знаний были определены следующие основные классы [4]: «Crude-oil» - сырая нефть, «Tank» - парк резервуаров, «Column» - колонны, «Pump»- насосы, «Valve»- клапаны, «Furnace» - печи, «Points» - узлы (точки) разделения и смешения сырьевой нефти и полупродуктов на установках, «Condenser»- холодильники, «Heat-exchanger»- теплообменники,«Capacity», «Flux» - потоки сырьевой нефти и полупродуктов.

Для каждого класса были определены основные атрибуты классов, соответствующие технологическим параметрам соответствующих типовых элементов технологической схемы (рис.1), разработаны модули, сформированы конкретные экземпляры классов, определены рабочие пространства, связи, процедуры и правила [4]. 

На рис.3 представлен пример таблицы наименования основных атрибутов для класса «Crude-oil». На рис. 4. представлено рабочее пространство основных классов потоков и оборудования.

Пример описания продукционного правила в редакторе языка G2 представлен на рис.5. Правило описывает контроль отклонения текущего расчетного значения плотности (приведенной к 20˚С) от нижнего значения регламентного ограничения.

На рис 6. дано отображение фрагмента мнемосхемы узла разделения потока сырья на 2 буферных резервуара с обнаружением в ИСППР события, сигнализирующего об отклонении текущего расчетного значения одного из параметров первого резервуара от регламентного значения. Событие фиксируется в базе данных с изменением цвета элемента на мнемосхеме и выдачей сообщения оператору (на черно-белом рис.6 данный элемент выделен пунктирной рамкой).

 

                           

       рис.3 Таблица основных атрибутов класса «Crude-oil» ИСППР           рис. 4 Рабочее пространство классов объектов БЗ  при управлении АВТ

          

            рис.5 Рабочее пространство правила                                     рис.6 Фрагмент мнемосхемы после обнаружения события

Выводы

Разработана распределенная уровневая модель представления знаний для проекта интеллектуальной системы поддержки принятия решений при управлении типовыми непрерывными технологическими процессами на примере установки первичной переработки нефти. Рассмотрены возможности и основные особенности применения инструментального пакета G2 фирмы Gensym Corporation для реализации проекта ИСППР. Приводятся примеры реализации распределенной модели представления знаний для прототипа ИСППР, графического представления структуры рабочих пространств и фрагментов мнемосхем.

Литература

1.  Эрих В.Н., Расина М.Г., Рудин М.Г. Химия и технология нефти и газа. Л.: Химия, 1972.

2.  Рыбина Г.В. Основы построения интеллектуальных систем. М.: «Финансы и статистика» - Изд. Дом «Инфра-м», 2010. 430с.

3.  Нзамба  Сенуво, В.О. Чинакал. Разработка структуры интеллектуальной системы поддержки принятия решений при первичной переработке нефти.// Вестник РУДН, серия инженерные исследования, №4. Москва. 2010. С.79-87.

4.  Нзамба  Сенуво, В.О. Чинакал. Проектирование интеллектуальной системы поддержки принятия решений при управлении установками первичной переработки нефти.// Труды XII - международной конференции «Системы проектирования, технологической подготовки производства и управления этапами жизненного цикла промышленного продукта (CAD/CAM/PDM-2012). Москва. 2012. С. 103-107.

5.  http://www.gensym.com/index.php/