Эффективность использования мягких вычислений весьма высока. Об этом можно судить по многочисленным публикациям, посвященным данной теме. Однако эта эффективность заметно возрастает, если наряду с мягкими вычислениями применять традиционные методы теории автоматического управления, опробованные в течение десятилетий и имеющие под собой достаточно жесткую математическую основу.
Для управления дискретными событиями обычно служит многоступенчатая логика, реализованная на программируемых логических контроллерах (ПЛК). Для непрерывного управления применяют релейные (двухпозиционные) или ПИД-регуляторы. Последние работают хорошо, когда управляемый объект находится в устойчивом режиме. В ситуациях же сильных помех, изменения параметров во времени или наличия запаздывания традиционные регуляторы могут не справиться со своей задачей, поскольку исходное для них предположение о линейности объекта уже не действует. В подобных случаях замена (дополнение) ПИД-регуляторов регуляторами на нечеткой логике часто оказывается более удобной, чем использование привычных, но усложненных регуляторов состояния или применение адаптивного подхода.
Это, однако, не единственная область, где находят применение решения, базирующиеся на нечеткой логике. Её основной потенциал в области промышленной автоматизации реализуется в возможностях непосредственного конструирования многосвязных регуляторов. Обычно с регулированием одной переменной вполне справляется релейный или ПИД-регулятор. Однако установки для множества одноконтурных регуляторов приходится задавать вручную. Операторы анализируют условия функционирования объекта и задают установки регулятору в целях его оптимизации. Этот процесс называется диспетчерским управлением и охватывает множество переменных. К сожалению, релейные и ПИД-регуляторы имеют дело лишь с одной переменной, поэтому необходимо множество независимых контуров управления, которые не могут «общаться» друг с другом. В тех случаях, когда необходимо учитывать взаимосвязь физических величин (параметров объекта), приходится строить полную математическую модель (ММ) объекта, позволяющую найти решение.
В промышленной автоматизации этому препятствует длительность разработки ММ, необходимость введения специальных настроечных параметров для последующей оптимизации регулятора из-за существенных упрощений при построении большинства ММ и сложность настройки этих параметров (поскольку оптимизация объекта в одном режиме работы нередко ухудшает её работу в других режимах). Кроме того, большинство специалистов не имеют достаточной подготовки для построения строгой ММ.
В итоге релейный и ПИД-регулятор управляет отдельной переменной объекта, а операторы осуществляют диспетчерское управление.
Нечеткая логика предоставляет высокоэффективное решение этой проблемы. Она позволяет разрабатывать многосвязные регуляторы с диспетчерскими функциями не по ММ, а на основании экспериментальных данных и опыта операторов. Такое решение характерно для случаев, подобных, например, регулированию нескольких температурных зон в печи или управлению дозированием флотационных реагентов.
Промышленное применение нечеткой логики началось в 80 – х годах, прежде всего в Европе и Японии. Когда выяснилось, что достоинства нечеткой логики можно использовать в полной мере лишь в сочетании с традиционными способами регулирования, начался выпуск продуктов, интегрирующих технологии нечеткой логики в аппаратуру и программное обеспечение промышленной автоматизации.
В 1990 г. японская фирма Omron разработала микропроцессор на нечеткой логике и реализовала его в виде сопроцессорного модуля для своих ПЛК. В 1992 г. корпорация Klockner-Moeller (Австрия) разработала специализированный «нечеткий ПЛК», сочетающий нечеткую логику и обычные методы автоматизации как в самом ПЛК, так и в соответствующем программном обеспечении. В 1994 г. компании Allen-Breadley (США) и Siemens (Германия) разработали полностью программные реализации ПЛК в виде функциональных блоков.
В 1997 г. Международная электротехническая комиссия разработала стандарт нечеткой логики CDIEC 1131-7 с целью объединить её с существующим стандартом IEC 1131 для ПЛК. Производители следуют этому направлению и широко интегрируют компоненты на нечеткой логике в АСУТП. Таким образом, разработчики большинства промышленных систем управления сегодня вполне обеспечены средствами нечеткой логики.
В качестве примера успешного применения контроллера на нечеткой логике можно привести систему стабилизации температуры горения на мусоросжигательных заводах в Мангейме. При использовании стандартных регуляторов производительность паровых котлов колебалась в пределах ±35 % от номинальной. Внедрение контроллера на нечеткой логике позволило на порядок уменьшить эту величину. В результате существенно повысилась управляемость процесса и снизились вредные выбросы в атмосферу, в частности, оксида углерода в 2 раза.
Еще один пример практического применения НЛ – очистка стоков. Процесс включает в себя комбинацию биологических, химических и механических факторов и практически не поддается математическому моделированию. Однако имеется большой опыт операторов, который можно реализовать с использованием нечеткой логики.
Основной переменной, характеризующей качество процесса, является содержание ионов тяжелых металлов в стоках на выходе из аппарата очистки. Существующие средства измерения концентраций ионов тяжелых металлов сложны и дороги в эксплуатации, не обеспечивают необходимые для управления процессом точность и частоту измерения. Кроме того, малые изменения входных переменных процесса могут резко изменить показатели выходных переменных. Поэтому следует определить некий показатель, характеризующий качество очистки стоков, либо содержание ионов тяжелых металлов в них.
Как показали экспериментальные исследования, переменными, определяющими качество протекания процесса очистки, являются значения водородного показателя рН и окислительно-восстановительного потенциала стоков еН, измеряемые на входе и выходе из аппарата очистки. Однако каждая измеряемая переменная рН и еН в отдельности не дает четкой и достоверной информации о содержании ионов тяжелых металлов в стоках. Поэтому появилась необходимость синтезировать на основе этих двух величин косвенный показатель качества очистки промышленных стоков, используемый в роли индикатора при управлении процессом. Исследования позволили выявить как косвенный показатель величину произведения рН и еН [4].
Используя аппарат НЛ, был составлен алгоритм управления процессом очистки стоков.
Структуру схемы управления можно представить следующим образом. Измеряемые на выходе из аппарата очистки величины рН и еН поступают на вход контроллера на нечеткой логике в блок вычисления косвенного показателя Y. Контроллер, используя 207 правил, рассчитывает и задает уставки стандартному ПИД-регулятору расхода стоков, поступающих на очистку. Этот ПИД регулятор является функциональным блоком нечеткого ПЛК. Проект был реализован в течение 3 месяцев и окупился за полгода.
Процесс флотации характеризуется, с одной стороны, достаточной сложностью и многообразием протекающих во флотомашине взаимосвязанных химических и физико-механических процессов, с другой стороны, - отсутствием возможности на многих обогатительных фабриках непрерывного оперативного контроля за рядом важнейших технологических параметров. Поэтому термин «недостаточная информация при управлении» является синонимом понятия нечеткая логика. Действительно, весьма трудно составить более или менее полную ММ процесса флотации в условиях взаимного влияния многих факторов (например, взаимодействие различных типов флотационных реагентов, наличие внутренних технологических обратных связей). Кроме этого коэффициенты уравнений модели переменны, т.к. статические и динамические свойства процесса изменяются во времени под воздействием помех (изменение характеристик флотомашин и межремонтные промежутки времени; сезонные колебания ионного состава и температуры воды; изменение свойств реагентов в зависимости от срока и хранения). Применение алгоритмов управления, основанных на нечеткой логике, позволяет существенно сократить время введения САУ в эксплуатацию на фабриках, подлежащих модернизации, а также уменьшить капитальные затраты на средства автоматизации.
В качестве примера предлагаю рассмотреть систему автоматического управления дозированием ксантогената в процесс медной флотации на Красноуральской обогатительной фабрике. Стоит отметить, что расход реагентов – эффективное дорогостоящее регулирующее воздействие процесса флотации. От правильно выбранного расхода реагента зависят конечные результаты флотации, а перерасход реагентов сказывается неблагоприятно на технико-экономических показателях работы фабрики.
Автоматизация процесса подачи реагента позволяет значительно сократить его расход, а также должна служить тому, чтобы более точно следовать режимным технологическим картам, предъявляющим жесткие требования к соблюдению постоянства соотношения «возмущающее воздействие – расход реагента»[5]. Однако довольно часто решения по коррекции количества подаваемого реагента принимаются оператором – технологом на основе личного опыта и носят, по сути, интуитивный характер. Применение аппарата нечеткой логики позволит моделировать механизм принятия решения оператором, используя его опыт в полной мере, и, следовательно, более эффективно автоматизировать процесс подачи реагентов и флотации в целом.