Сучасні тенденції розвитку металургії характеризуються розробкою, впровадженням і широким використанням інформаційних систем і технологій. Основою інформаційних технологій і систем є комп'ютери і комп'ютерні мережі, що мають багатюще програмне забезпечення, а також системи управління базами даних, комп'ютерні системи підтримки ухвалення рішень, методологічною основою яких є теорія систем і системний аналіз, теорія моделювання даних, технологічних процесів і знань.
Не дивлячись на багатовікову історію, процес доменної плавки вивчений ще не у всіх деталях. Як вже було відмічено, проблемою всіх існуючих математичних моделей є недостатньо висока точність значень вхідних в них параметрів. Це відноситься, зокрема, до чинників, що визначають порозность стовпа шихти, поля швидкостей руху твердих і рідких фаз, розподіли газового потоку, до параметрів швидкості відновлення залізорудних матеріалів і тому подібне Процес виплавки чавуну в доменній печі схильний до впливу багатьох змінних контрольованих і неконтрольованих чинників, які викликають порушення ходу печі і її теплового стану і вимагають високої кваліфікації технологічного персоналу при управлінні доменною плавкою.
Для вирішення цих проблем з метою діагностики і управління дутьевим режимом буде створена експертні системи, побудована в концепції штучного інтелекту і що включають досвід фахівців-доменщиків. Системи із застосуванням штучного інтелекту (ІЇ) створюються з метою стабілізації ходу печі і підвищення якості чавуну. Експертні системи здатні використовувати детерміновані знання про процес і узагальнювати практичний досвід фахівців. Процес накопичення знань і досвіду в ЕС продовжується після введення її в дію, враховуючи подальші зміни технології. Експертна система підвищує рівень знань середнього фахівця до рівня кваліфікованого, забезпечує одноманітність рішень і оперативну адаптацію в умовах масового, інтенсивного виробництва, що змінюються.
Слід зазначити, що складність доменного процесу, необхідність визначення оптимальних параметрів доменної плавки при зміні умов її ведення, зростаюча ціна помилок управління при управлінні тепловим і газодинамічним режимами - ці і інші чинники визначають потребу в розробці нових інформаційних систем. Аналіз сучасного рівня знань основних закономірностей доменного процесу, наявних технічних засобів контролю, істотне розширення можливостей обчислювальної техніки і області застосування методів математичного моделювання показують, що найбільш перспективними методами для діагностики стану доменної печі і її управління є, разом з інструментальними, розрахунково-інструментальні і комп'ютерні. Підсистема управління дутьевим режимом повинна здійснювати:
Сучасна доменна пекти є організованою керованою інтерактивною системою. Стан цієї системи визначається закономірностями комплексу фізичних процесів, що протікають в доменній печі, особливостями технології, залежної від конкретних паливно-сировинних умов і устаткування доменної печі, що включає системи підготовки шихти, комбінованого дуття, систему відробітку продуктів плавки, і прийнятим способом управління.
У зв'язку з цим при оцінці ефективності доменної плавки доводиться аналізувати не тільки процес виплавки чавуну в доменній печі з його комплексом фізичних закономірностей, але і організовану функціональну систему з системами збору інформації, управління в контурі зворотного зв'язку. При цьому під системою управління розуміються як використовувані технічні засоби контролю і управління з властивими їм метрологічними особливостями, так і технологи (особи, що ухвалюють рішення), що беруть участь в управлінні, цілеспрямовані дії яких забезпечують управління доменним процесом.
Кінцевою метою розробки системи управління режимами дуття, є створення система, яка забезпечує нормальну роботу доменного цеху в цілому при мінімальній собівартості продукції з урахуванням обмежень, обумовлених вимогами технології і можливостями устаткування.
Для вирішення даного завдання оптимальним буде створення експертної системи. Експертна система - це складні програмні комплекси, що акумулюють знання фахівців в конкретних наочних областях і тиражують цей емпіричний досвід для консультації менш кваліфікованих користувачів.
Створювана експертних систем включає наступні базові компоненти:
Зупинимося на головних компонентах системи:
База знань. База знань містить два основні елементи: факти (дані) з наочної області і спеціальні евристичні правила, які управляють використанням фактів при вирішенні проблеми, тобто вміст БЗ формується відповідно до прийнятого способу (моделлю) представлення знань.
Машина виводу - це програма, що підтримує методологію обробки інформації з бази знань, отримання і представлення висновків і рекомендацій. Вона моделює хід міркувань експерта на підставі знань, наявних в БЗ. Синоніми машини виводу: вирішувач, дедуктивна машина, машина логічного виводу. База знань і вирішувач разом складають основну частину ЕС .
Робота експертна система базуватиметься на методах нечіткої логіки. У неформалізованих завданнях, які вирішують ЕС в металургії, особливо при управлінні складними агрегатами і процесами, дуже часто доводиться використовувати ненадійні або неточні знання і факти, які неможливо представити тільки двома значеннями характеристичних чисел, або ідентифікаторами (квантіфікаторамі), - 1 (істина) і 0 (брехня). Проте на підставі неточних або ненадійних даних часто можна робити цілком певні виводи і отримувати практичні результати. Для цього необхідно розглядати комбінацію деяких фрагментів знань, а також знання по визначеності або достовірності і в результаті виводити нові знання, даючи оцінку їх достовірності. Традиційно таку невірогідність, невизначеність або ненадійність знань в сучасній фізиці і техніці представляють вірогідністю, що підкоряється законам Байеса (байесовськая вірогідність), але в інженерії знань нелогічно мати справу із ступенем надійності у вигляді байесовськой вірогідності, приписаної знанням спочатку.
Серед методів неточних міркувань з ненадійними даними одним з перших розроблений метод з використанням так званих коефіцієнтів упевненості CF, що став ефективним засобом обробки ненадійних знань. Метод з використанням коефіцієнтів упевненості відображає ненадійні дані за допомогою коефіцієнтів CF, які приймають значення на відрізку [-1;1], де «1» - свідомо істина, «-1» - свідомо брехня. Позитивні CF називають мірою довіри, а негативні CF - мірою недовір'я. В даний час розроблений метод нечітких виводів, названий суб'єктивним байесовським методом. Для вирішення складних НФЗ використовується метод ієрархічної декомпозиції завдання на декілька підзадач. Зв'язок між підзадачами, на які декомпозірована завдання, що не формалізується, визначуване двома поняттями, - істина і брехня, може бути представлена через операції «І» і «АБО», які ми вже розглянули раніше. У завданнях же з ненадійними початковими даними окрім зв'язків «І» і «АБО» важливу роль грає комбінований зв'язок «КОМБ» (COMB), який підкріплює або спростовує мету на підставі двох і більш за докази. Необхідність використання функції КОМБ (COMB) можна проілюструвати на прикладі діагностики розвитку тугого ходу доменної печі. Хай ми яким-небудь чином визначили, що чинник один - «наявність верхніх піків тиску колошникового газу» - надійний із ступенем 0,4, а чинник два - «загальний перепад тиску збільшується» - надійний із ступенем 0,6. Таким чином, розвиток тугого ходу печі при спостереженні тільки одного з чинників можна підтвердити з надійністю тільки 0,6 або 0,4 відповідно. Але якщо розглядати обидва чинники разом, то логічно вважати стан тугого ходу достовірнішим, ніж за свідченнями кожного з чинників окремо, тобто більше 0,6. Як ми побачимо надалі, при використанні КОМБ-правила ступінь надійності «розвиток тугого ходу» по двох цим чинникам в сукупності складе 0,76. Сумарна дія чинників може не тільки збільшувати надійність діагнозу, але і зменшувати її. Хай, наприклад, чинник один має надійність 0,4, а чинник два - надійність -0,25. Тоді при комбінованому зв'язку надійність діагнозу, що виводиться на основі цих двох чинників по КОМБ-правилу, зменшиться до 0,15. На малюнку нижче представлений опис продукційних правил за допомогою зв'язків типу «І», «АБО», «КОМБ», де X, Y - результати симптомів, А - мета або гіпотеза. С1, С2, С3 - це ступені надійності (коефіцієнти упевненості) кожному продукційному правилу, чисельні значення яких необхідно визначити. Допустимо, що яким-небудь чином вже визначені ступені надійності X і Y як результат попередніх виводів або спостережень; необхідно зробити вивід або обчислити ступінь надійності А, використовуючи продукційне правило і бази знань. Якщо вибрати метод виводів як для кожної із зв'язку «І», «АБО», так і для зв'язку «КОМБ», то ступінь надійності можна розповсюдити і на всю ієрархічну мережу виводів. У результаті можна отримати ступінь надійності кінцевої мети, а також вказати її при остаточному рішенні.
Позначимо коефіцієнт упевненості початкових доказів X і Y відповідно через CF(Х) і CF(Y), а ступені надійності С1, С2, С31, С32, С3 виводу А в продукційному правилі позначимо відповідно через CF[A,x і Y]; CF[A,x або Y]; CF[A,x]; CF[A, Y]; CF[A,x комб Y]. При визначенні підсумкового коефіцієнта упевненості виходять з наступних правил:
Таким чином, вибирають мінімальне значення ступеня надійності або декількох виводів при зв'язку «І» і максимальне при зв'язку «АБО», інших відповідних методів поки не існує. При зв'язку ж «КОМБ» (COMB) окремо отримують CF[A,x] і CF[A, Y], а для визначення CF можна використовувати наступну комбіновану функцію:
Значення коефіцієнта упевненості з трьох і більш незалежних доказів можна вивести, послідовно використовуючи вказані вище формули. Хоча коефіцієнти упевненості не мають строгого обгрунтування, але завдяки простоті сприйняття вони знайшли широке застосування в багатьох інструментальних програмних засобах обробки знань. Так, для умов прикладу діагностики тугого ходу доменної печі, враховуючи, що CF[A,x]=0,6, CF[A, Y]=0,4, отримаємо коефіцієнт упевненості, рівний 0,76.
Розглянемо докладніше нечіткий вивід на прикладі механізму Мамдані (Mamdani). Це найбільш поширений спосіб логічного виводу в нечітких системах. У нім використовується мінімаксна композиція нечітких множин. Даний механізм включає наступну послідовність дій. Процедура фазіфікациі: визначаються ступені істинності, тобто значення функцій приналежності для лівих частин кожного правила (передумов). Для бази правив з m правилами позначимо ступені істинності як Aik(xk), i=1..m, k=1..n. Нечіткий вивід.Спочатку визначаються рівні 'відсікання' для лівої частини кожного з правил:
Далі знаходяться 'усічені' функції приналежності:
Композиція, або об'єднання отриманих усічених функцій, для чого використовується максимальна композиція нечітких множин:
Дефазіфікация, або приведення до чіткості. Існує декілька методів дефазіфікациі. Наприклад, метод середнього центру, або центроїдний метод:
Сугено (Sugeno) і Такаги (Takagi) використовували набір правив в наступній формі:П1: якщо х є А1 і у є В1, тоді z=a1x+b1y;П2: якщо х є А2 і у є В2, тогдаz =a2x+b2y. Основні етапи методу:
Представлена форма правил ілюструє алгоритм Сугено 1-го порядку. Якщо правила записані у формі: П1: якщо х є А1 і у є В1, тоді z=с1; П2: якщо х є А2 і у є В2, тоді z =с2, то заданий алгоритм Сугено 0-го порядку.
Мною були розглянуті методи, за допомогою яких можливе вирішення завдань в даній області. На даний момент найбільш оптимальним рішенням є створення експертної системи на базі нечіткої логіки, оскільки на підставі неточних або ненадійних даних система можна робити цілком певні виводи. Як метод нечіткої логіки я планую використовувати метод Мамдані, оскільки він дозволяє уникнути накопичення нечіткості, при цьому відсутність проміжних процедур фаззіфікациі/дефаззіфікациі знижує обчислювальну погрішність.
1. Спирин Н. А., Лавров В.В. Информационные системы в металлургии: Конспект лекций (отдельные главы из учебника для вузов). - Екатеринбург: УПИ, 2004. – 495 с.
2. Паклин Н. В. Нечеткая логика - математические основы [Электронний ресурс] : http://www.basegroup.ru/library/analysis/fuzzylogic/math/
3. Лобатый А. А. Современные методы синтеза систем управлени [Электронний ресурс] : http://abitur.bsuir.by/eumk/smssu/work_plan.html
4. American Iron and Steel Institute [Электронний ресурс] : http://www.steel.org
5. Рамм А.Н. Современный доменный процесс. – М.: Металлургия, 1989. – 304 с.
6. Спирин Н.А., Лавров В.В., Шаврин В.С. Оптимизация, идентификация и оценивание теплотехнических процессов в металлургии: Учебное пособие для вузов. – Екатеринбург: УГТУ, 1996. – 188 с.
7. Трахтенгерц Э.А. Компьютерная поддержка принятия решений: Научно-практическое издание. – М.: СИНТЕГ, 1998. – 376 с.
8. Ченцов А.В., Чесноков Ю.А., Шаврин С.В. Балансовая логико-статистическая модель доменного процесса. – М.: Наука, 1991. – 92 с.
Важливе зауваження: під час написання даного автореферату магістерська робота ще не завершена. Повне закінчення роботи - грудень 2009року. Повний текст роботи та матеріали по темі можуть бути отримані в автора або його керівника після зазначеної дати.