Автоматизированное управление сложными металлургическими агрегатами на основе метода прецедентов

Рассмотрена актуальная задача человеко-машинного управления сложными технологическими агрегатами и комплексами, которые характеризуются большим разнообразием состояний, многомерностью, изменчивостью, неопределенностью. К числу таких агрегатов в черной металлургии относятся коксовые батареи, доменные печи, сталеплавильные агрегаты (дуговые печи, кислородные конвертеры), литейно-прокатные комплексы, прокатные станы, основные цехи и производства. Показана недостаточная для XXI-го в. эффективность модельного подхода к созданию систем управления такими объектами. Рассмотрены альтернативные подходы, основанные на концепции лучших практик. В частности, к ним относятся натурно-модельный и натурный подходы к разработке систем поддержки и принятия управляющих решений. Представлены известные натурно-модельные процедуры применения лучших практик (методы типопредставительных ситуаций и образцовых технологических циклов). Для систем управления технологическими процессами предложен новый (прецедентный) метод автоматизированного выбора и реализации управляющих воздействий с участием операторов-технологов. Разработан модифицированный прецедентный цикл (CBR-цикл) выбора управлений и соответствующая функциональная схема системы программного управления технологическим агрегатом циклического действия. Усовершенствованный прецедентный CBR-цикл включает следующие дополнительные операции: коррекция управляющих решений для отобранных прецедентов; ретроспективная оптимизация реализованных управляющих решений; сохранение не только лучших и оптимизированных, но и ошибочных решений; актуализация базы прецедентов; формирование решений в уникальных или ранее не зафиксированных ситуациях. Сформирована структура информационной модели прецедента на примере программного управления плавкой стали в  условиях кислородно-конвертерного цеха, включающая данные о конкретной ситуации в системе управления, параметры выбранных управляющих воздействий и полученные результаты плавки стали. Разработан пример формирования программы управления процессом подготовки и выполнения предстоящей плавкой стали на основе данных предварительно выбранной плавки-прецедента в условиях современного кислородно-конвертерного цеха.

1. Ротач В.Я. Теория автоматического управления. М.: МЭИ, 2008. 400 с.

2. Maiworm M., Bäthge T., Findeisen R. Scenario-based model predictive control: Recursive feasibility and stability // IFAC – Papers Online. 2015. Vol. 48. No. 8. P. 50–56. https://doi.org/10.1016/j.ifacol.2015.08.156

3. Rawlings J.B., Mayne D.Q. Model Predictive Control: Theory and Design. Nob Hill Publishings, LLC, 2009.

4. Дозорцев В.М., Кнеллер Д.В. APC-усовершенствованное управление технологическими процессами // Датчики и системы. 2005. № 10. C. 56–62.

5. Кулаков С.М., Бондарь Н.Ф., Зимин В.В. О структуризации пространства подходов к исследованию автоматизированных систем на разных стадиях их жизненного цикла. В кн.: Системы автоматизации в образовании, науке и производстве. Труды VIII Всероссийской научно-практической конференции. Новокузнецк: ИЦ СибГИУ, 2011. С. 26–34.

6. Теория и практика прогнозирования в системах управления / С.В. Емельянов, С.К. Коровин, Л.П. Мышляев и др. Кемерово, М.: изд. об-ние «Российские университеты»: Кузбассвузиздат – АСТШ, 2008. 487 с.

7. Мышляев Л.П. Системы автоматизации на основе натурно-модельного подхода. В 3-х томах. Т. 2. Системы автоматизации производственного назначения. Новосибирск: Наука, 2006. 483 с.

8. Богушевский В.С., Грабовский Г.Г., Михайлов В.М. и др. Компьютерная модель расчета шихтовки и продувки конвертерной плавки // Сталь. 2006. № 1. С. 18–21.

9. Богушевский В.С., Грабовский Г.Г., Церковницкий Н.С., Ушаков В.А. Система управления конвертерной плавкой // Металлургическая и горнорудная промышленность. 2007. № 4. С. 232–235.

10. Pan R., Yang Q., Pan S.J. Mining competent case bases for case-based reasoning // Artificial Intelligence. 2007. Vol. 171. No. 16-17. P. 1039–1068. https://doi.org/10.1016/j.artint.2007.04.018

11. Варшавский П.Р., Алехин Р.В. Метод поиска решений в интеллектуальных системах поддержки принятия решений на основе прецедентов // International Journal "Information Models and Analyses". 2013. Vol. 2. No. 4. P. 385–392.

12. Avdeenko T.V., Makarova E.S. Integration of case-based and rule-based reasoning through fuzzy inference in decision support systems // Procedia Computer Science. 2017. Vol. 103. P. 447–453. https://doi.org/10.1016/j.procs.2017.01.016

13. Wan S., Li D., Gao J., Li J. A knowledge based machine tool maintenance planning system using case-based reasoning techniques // Robotics and Computer-Integrated Manufacturing. 2019. Vol. 58. P. 80–96. https://doi.org/10.1016/j.rcim.2019.01.012

14. Thike P.H., Xu Z., Cheng Y., Jin Y., Shi P. Materials failure analysis utilizing rule-case based hybrid reasoning method // Engineering Failure Analysis. 2019. Vol. 95. P. 300–311. https://doi.org/10.1016/j.engfailanal.2018.09.033

15. Guo Y., Chen W., Zhu Y.-X., Guo Y.-Q. Research on the integrated system of case-based reasoning and Bayesian network // ISA Transactions. 2019. Vol. 90. P. 213–225. https://doi.org/10.1016/j.isatra.2018.12.049

16. Relicha M., Pawlewskib P. A case-based reasoning approach to cost estimation of new product development // Neurocomputing. 2018. Vol. 272. P. 40–45. https://doi.org/10.1016/j.neucom.2017.05.092

17. Xia J., Chen G., Tan P., Zhang C. An online case-based reasoning system for coal blends combustion optimization of thermal power plant // International Journal of Electrical Power & Energy Systems. 2014. Vol. 62. P. 299–311. https://doi.org/10.1016/j.ijepes.2014.04.036

18. Карпов Л.Е., Юдин В.Н. Адаптивное управление по прецедентам, основанное на классификации состояний управляемых объектов. В кн.: Труды Института системного программирования РАН. Т. 13. Ч. 2. М.: ИЦ ИСП, 2007. С. 37–58.

19. Кулаков С.М., Трофимов В.Б., Добрынин А.С., Тараборина Е.Н. Прецедентный подход к формированию программ управления объектами циклического действия. В кн.: Системы автоматизации в образовании, науке и производстве AS`2017. Труды XI Всероссийской научно-практической конференции (с международным участием), 14-16 декабря 2017 г. Новокузнецк: ИЦ СибГИУ, 2017. С. 11–19.

20. Monfeta D., Corsib M., Choinièreb D., Arkhipovab E. Development of an energy prediction tool for commercial buildings using case-based reasoning // Energy and Buildings. 2014. Vol. 81. P. 152–160. https://doi.org/10.1016/j.enbuild.2014.06.017