Новые виды применения нечеткой логики в системах химических процессов

Аннотация

G. Vijayaraghavan, M. Jayalakshmi Новые виды применения нечеткой логики в системах химических процессов Нечеткая логика – это метод моделирования, предназначенный для формализации математического подхода к решению сложных или плохо определенных систем и, следовательно, является относительно новой математической парадигмой. Его основой является рассмотрение и пересекающихся множеств определение операторов для управления этими множествами. Согласно Заде и Мамдани, нечеткая логика может быть использована для разработки оперативных систем автоматического управления. Использование нечеткой логики быстро росло в последние несколько лет. Нечеткая логика используется в сопровождении цели, распознавании образов, робототехнике, системах питания, химической технике, биомедицинской технике, автомобильных технологиях, управлении экономикой и принятии решений, аэрокосмических приложениях, коммуникации и сетях, электронной технике и гражданском строительстве. Химическое машиностроение используют нечеткую логику для обнаружения химических веществ и утечек газов. Она также была применена к процессам управления, работе с ректификационной колонной, процессам разделения, и кинетики. В этой статье мы обсудим, как может происходить разработка интеллектуальных систем. Кроме того, как теории нечетких множеств и нечеткой логики могут быть использованы для разработки экспертных систем в области химического машиностроения.

Введение

Химические процессы включают в себя фазы производства, такие как: наполнение или опорожнение реактора, нагрев или смешивание продукта. Система интеллектуального управления – система с широкой степенью автономности в условиях самообучения, самостоятельной реконфигурации, обоснования, планирования и принятия решений и возможности извлечь наиболее ценную информацию из неструктурированного и зашумленного потока данных из любой динамической комплексной системы или окружения [1]. Комплексные промышленные производства сложны для автоматического управления. Данная сложность является следствием их нелинейности, зависящего от времени поведения, а также низкого качества доступных измерений. В таких случаях автоматический контроль применяется для вспомогательных переменных, которые поддаются измерению и контролируемы, например, температура, давление, поток. Процесс управления качеством и количеством произведенного продукта под управлением человека – в прошлом [2]. В последние года вычислительный интеллект был использован для решения многих комплексных проблем, путем разработки интеллектуальных систем. Нечеткая логика подтвердила право называться мощным инструментом для систем принятия решений, среди которых экспертные и шаблонные системы классификаций. Теория нечеткой логики была использована в некоторых химических процессах. В традиционном подходе правил, знания закодированы в виде причинно-следственной структуры. При поступлении новой информации возникает цепочка причинно-следственных связей, приводящая либо к выполнению нужного правила, либо, ни к чему, если необходимые правила не определены. В последнюю декаду нечеткая логика доказала свою состоятельность в создании интеллектуальных систем для химического производства.

2. Сущность нечеткой логики

Сущность нечеткой логики заключается в манипуляции нечеткими переменными с помощью набора языковых уравнений, которые могут принимать форму правил Если – то. Нечеткая переменная – один из параметров нечеткой модели, который может принимать одно или несколько нечетких значений, каждое из которых представлено набором значений и словом-дескриптором. Температура в комнате – нечеткая переменная, представленная на рисунке 1. В данном случае имеются три набора значений – жарко, холодно и комфортно, полученные путем распределения значений фактической температуры по диапазонам. Сила нечеткой модели – в пересечении нечетких значений. Единичное значение температуры в определенный момент времени может принадлежать одновременно обоим перекрывающимся наборам. В обычной теории множеств, объект (в данном случае значение температуры) либо член набора, либо не является им. Это предполагает четкие границы между множествами. В нечеткой логике границы между наборами размыты. В области перекрытия объект может быть частичным членом каждого из перекрывающихся наборов. Размытость границ наборов дала нечеткой логике ее имя. Признав несколько возможностей в модели, лингвистическая неточность берется в расчет.

Температура (Градусы C)

Рисунок 1 – Функция принадлежности

Функция принадлежности, определяющая три нечетких набора и приведенная на рисунке 1, имеет форму треугольника. Нет никаких ограничений на форму распределения принадлежности. Также может использоваться Гауссова форма, однако, как правило, предпочтение отдается треугольной форме, из-за простоты расчетов. Руководство к принятию того или иного выбора формируется принципом несовместимости Заде: С ростом сложности системы наша способность делать точные и вместе с тем значимые утверждения касательно ее поведения уменьшается, пока не будет достигнут порог, за которым точности и достоверности (или значимости) становятся почти взаимоисключающими характеристиками. Работа нечеткого контроллера происходит в три этапа. Первый – фаззификация, где измерения преобразуются в принадлежности нечетким наборам. Второй – применение лингвистической модели, обычно в форме правил если – то. Полученный таким образом нечеткий выходной сигнал преобразуется в физические величины при помощи процесса дефаззификации.

3. Системы нечеткой логики.

В химических технологических системах нечеткая логика используется для контрольных исследований. Управление при помощи нечеткой логики было использовано во многих сферах управления, поскольку оно не требует модели, и базируется на основе опыта человеческого разума. Кроме того, оно широко используется в моделировании. Каждая система нечеткой логики состоит из фаззификатора, логического вывода и дефаззификатора (рисунок 2).

Рисунок 2 – Система нечеткой логики

Преимущества нечетких контроллеров на основе нечеткой логики – интуитивная конструкция, отражающая поведение человека-оператора; тот факт, что модель управляемого процесса не требуется (важная особенность в случае управления плохо определенными процессами); хороший контроль качества (не хуже, чем у классических контроллеров). Тем не менее, основным недостатком является необходимость приобретения и предварительной обработки знаний человека-оператора об управляемом процессе, последовательный поиск через всю базу правил и время, используемое методами дефаззификации.