Адаптивный и имитационный подход к разработке моделей технических систем

Федеральное государственное бюджетное образовательное учреждение

высшего образования

«Уфимский государственный нефтяной технический университет»

Кафедра «Автоматизация технологических процессов и производств»

Реферат

по дисциплине «Теория систем»

на тему «Адаптивный и имитационный подход к разработке моделей

технических систем»

Студент гр. БАT 18-01 Ю.Р. Тибеева

Зав. кафедрой АТПП М.М. Закирничная

Уфа 2020

Введение

При разработке систем автоматизированного управления технологическими процессами, оборудования и технических комплексов важное значение получило моделирование [1].

На нефтеперерабатывающем заводе применение моделирования в автоматизации технологических процессов позволяет проанализировать ситуацию и принять решения. Системы и процессы автоматизации на нефтеперерабатывающем заводе можно моделировать и проводить эксперименты, позволяющие сразу увидеть результаты разных сценариев и выбрать оптимальный вариант, например, с точки зрения эффективности результата.

Проблема моделирования сложных технических систем зачастую состоит в недостаточной результативности некоторых методов их исследования при увеличении количества учитываемых параметров [1].

Чтобы повысить результативность методов исследования сложных технических систем, разработке их моделей применяются различные виды моделирования, среди которых основным является математическое моделирование. Математическое моделирование позволяет решить задачу разработки структуры прибора, схемы связей и графа переходов конечного автомата на ранних этапах проектирования цифровых датчиков. Имитируя среду, то есть применяя имитационный подход, можно добиться эффективности работы, оптимизации, лучшей производительности технической системы. Задачей автоматизации является выработка определенного алгоритма управленческих воздействия, что невозможно без адаптивного моделирования, позволяющего повысить качество измерений приборов.

Для того чтобы воплощать в управлении технических систем только те изменения, которые принесли хороший результат в модели и делать принятие решений более взвешенным, необходимо однозначно понимать структуру моделирования и его особенности [2].

1 Понятие о моделировании технических систем

Создание нового технического объекта – сложный и длительный процесс, в котором стадия проектирования имеет решающее значение в осуществлении замысла и достижении высокого технического уровня [1]. Моделирование, в свою очередь, является одним из важнейших этапов проектирования любого технического объекта, позволяя заменить или значительно сократить этапы наладки и натурных испытаний [2]. Роль моделирования особенно высока, когда натурные испытания слишком дороги или опасны, как это имеет место, например, для космических аппаратов, химических и ядерных реакторов и других объектов [1].

Применительно к техническим (в том числе мехатронным) системам, под моделированием понимают процесс, состоящий в выявлении основных свойств исследуемого объекта, построении моделей и их применении для прогнозирования поведения объекта.

Таким образом, моделирование включает в себя отображение проблемы из реального мира в мир моделей (процесс абстракции), анализ и оптимизацию модели, нахождение решения и отображение решения в реальный мир [1].

Моделирование, как процесс, имеет дело с моделями. Модель – создаваемое человеком подобие изучаемых объектов: макеты, изображения, схемы, словесные описания, математические формулы, карты и т.д.

Более строго, модель можно определить как физическую или математическую конструкцию, определенным образом отражающую объект и служащую для его изучения [1].

Модель является заменителем реального объекта. Она отражает те свойства объекта, которые существенны для данного исследования.

Выделяют следующие свойства моделей технических систем [1]:

– познание (изучение объекта). Одной из особенностей хорошо построенной модели является то, что она несет в себе информации больше, чем в нее закладывалось при создании. Это позволяет на основе изучения модели получать новые сведения об объекте, т.е. изучать объект, изучая его модель;

– предсказание. Правильно построенная модель позволяет предсказывать поведение исследуемого объекта при тех или иных внешних воздействиях. Результаты предсказания могут использоваться для формирования управляющих воздействий на объект, а также для поиска оптимальных режимов работы этого объекта;

– обучение. Использование реального объекта для обучения часто связано с рисками как для объекта, так и для обучаемого. Заменяя реальный объект, модели могут быть использованы в качестве имитаторов при создании различных тренажеров, на которых можно не только получить первоначальные навыки управления, но и испробовать такие приемы, которые в иной ситуации отработать невозможно;

– отработка новых конструкторских решений. С технической точки зрения возможность использования моделей для проверки и отработки технических решений является самой важной функцией моделирования. Отсутствие реального объекта делает эту функцию безальтернативной, позволяя существенно сократить время разработки нового изделия за счет экономии на его натурных испытаниях.

Моделирование технических систем – упрощенное отображение реального изделия и его описания с целью оценки соответствия его какому-либо требованию или осуществления выбора наилучшего изделия из нескольких альтернативных вариантов.

Среди способов моделирования технических систем выделяют [2]: 

– мысленное моделирование технических систем, в ходе которого человек, изучая изделие, его проект или другое описание, интуитивно оценивает соответствие определенным требованиям или выбор наилучшего варианта;

– физическое моделирование технических систем связано с изготовлением и испытанием упрощенных физических моделей реального изделия;

– математическое моделирование технических систем связано с разработкой способов расчета и компьютерных программ для получения необходимых оценок. 

Под математическим моделированием понимаются все методы, основанные на построении и использовании различных форм математических моделей проектируемых объектов, независимо от того, как они реализуются.

При математическом моделировании описание системы производится в терминах некоторой математической теории, например, теории матриц, теории дифференциальных уравнений [3].

В зависимости от условий среды, в которой необходимо произвести моделирование, цели и задач математического моделирования применяют адаптивный и имитационные подходы. Имитационное моделирование чаще всего применятся, если характер протекающих в системе процессов не позволяет описать эти процессы в аналитической форме [2]. В случаях высокой неопределенности и повышенного риска применяется адаптивный подход [4].

2 Адаптивный подход к разработке моделей технических систем

Важную роль в деле совершенствования прогнозирования играют адаптивные модели, цель использования которых заключается в построении самонастраивающихся моделей, способных учитывать информационную ценность различных членов временного ряда и давать достаточно точные оценки будущих членов ряда [4].

Адаптивные модели – это модели, способные приспосабливать свою структуру и параметры к изменению условий.

Задача адаптивного управления – это задача управления в условиях неопределенности и повышенного риска. Эту задачу можно решать поэтапно [4]:

– изучить объект и окружающую среду с целью определения неизвестных параметров;

– одним из традиционных методов найти алгоритм управления.

При адаптивном управлении алгоритм выработки управленческих воздействий автоматически меняется в процессе функционирования системы управления [4].

Общий алгоритм такого управления имеет двухуровневую систему: регулирования и адаптации; и называется алгоритмом адаптивного управления (рисунок 1).

Рисунок 1 – Схема адаптивной системы управления [4]

Соответственно, динамическая система, состоящая из объекта управления и устройства регулирующего алгоритм адаптивного управления, называется адаптивной системой управления. Необходимо отметить, что применение адаптивной системы управления подразумевает стремление технической системы к самоорганизации, поскольку усиление давления со стороны внешней среды вызывает необходимость роста самоорганизации этой системы [5].

Адаптация может быть направлена на приспособление внешней среды к своим подходам и потребностям. Такая адаптация называется внешней. Свойство системы приспосабливаться к изменениям окружающей среды путем изменения характеристик внутренней среды называется внутренней адаптацией. Некоторые авторы внешнюю адаптацию называют активной, а внутреннюю – пассивной [5].

Важнейшим достоинством адаптивных методов является построение самокорректирующихся моделей, способных учитывать результат прогноза, сделанного на предыдущем шаге. Пусть модель находится в некотором состоянии, для которого определены текущие значения ее коэффициентов. На основе этой модели делается прогноз. При поступлении фактического значения оценивается ошибка прогноза (разница между этим значением и полученным по модели). Ошибка прогнозирования через обратную связь поступает в модель и учитывается в ней в соответствии с принятой процедурой перехода от одного состояния в другое. В результате вырабатываются «компенсирующие» изменения, состоящие в корректировании параметров с целью большего согласования поведения модели с динамикой ряда. Затем рассчитывается прогнозная оценка на следующий момент времени, и весь процесс повторяется вновь.

Адаптивными называются методы прогнозирования, позволяющие строить самокорректирующиеся (самонастраивающиеся) технические модели, которые способны оперативно реагировать на изменение условий путем учета

Преимуществами адаптивного подхода являются повышение качества моделей технических систем и эффективности использования ресурсов, а также гибкость и маневренность в использовании ресурсов [4].

Таким образом, адаптация осуществляется итеративно с получением каждой новой фактической точки ряда. Модель постоянно «впитывает» новую информацию, приспосабливается к ней и поэтому отражает тенденцию развития, существующую в данный момент [4].

Скорость реакции модели на изменения в динамике процесса характеризует так называемый параметр адаптации. Параметр адаптации должен быть выбран таким образом, чтобы обеспечивалось адекватное отображение тенденции при одновременной фильтрации случайных отклонений. Значение параметра адаптации может быть определено на основе эмпирических данных, выведено аналитическим способом или получено на основе метода проб [5].

Если необходимо наблюдать за поведением системы (или отдельных ее компонентов) в течение определенного периода времени, в том числе с изменением скорости протекания процессов применяют имитационный подход к разработке модели технической системы [6].

3 Имитационный подход к разработке моделей технических систем

Под имитационным моделированием понимается разработка компьютерных моделей и постановка экспериментов на них [2]. Целью моделирования в конечном счете является принятие адекватных (т.е. обоснованных, целесообразных и реализуемых) управленческих решений [7]. Компьютерное моделирование становится сегодня обязательным этапом в принятии ответственных решений во всех областях деятельности человека в связи с усложнением систем, в рамках которых человек должен действовать и которыми он должен управлять. Знание концепций, принципов и возможностей имитационного моделирования, умение строить и использовать модели являются необходимыми требованиями к инженеру. Под имитацией понимают исследование (испытание, прогонку) модели. Процесс имитации невозможен без предварительного создания модели. В свою очередь последующая имитация накладывает ограничения на язык и способы описания модели. Исходя из вышесказанного имитационное моделирование можно рассматривать как один из способов моделирования, который предполагает дальнейшее исследование [6].

Указывая, что данная модель имитационная, мы обычно подчеркиваем, что в отличие от других типов абстрактных моделей, в этой модели сохранены и легко узнаваемы такие черты моделируемого объекта, как структура, связи между компонентами, способ передачи информации. С имитационными моделями также обычно связывают и требование иллюстрации их поведения с помощью принятых в данной прикладной области, графических образов [7].

Достоинства применения имитационного подхода [7]:

– возможность познания объекта моделирования при незаконченной постановки на исследование;

– изучение новых ситуаций в системе либо при оценке функционирования ее в новых условиях;

– исследование поведения системы при введении в нее новых элементов.

Недостатки данного подхода [7]:

– разработка имитационной модели, как правило, требует больших затрат времени и сил;

– любая имитационная модель сложной системы значительно менее «объективна», чем аналитическая модель;

– результаты имитационного моделирования, как и при любом численном методе, всегда носят частный характер.

Имитационная модель обладает гибкостью варьирования структуры, алгоритмов и параметров моделируемой системы, что важно с точки зрения поиска оптимального варианта построения системы. Она позволяет включать в процедуру моделирования результаты натурных испытаний реальной системы или ее частей [8].

В основе имитационного моделирования лежат алгоритмы и программы, воспроизводящие работу системы с учетом реальной последовательности протекания во времени элементарных явлений и случайных воздействий на систему. По результатам моделирования устанавливается характер связей между целевым параметром (целевой функцией) и воздействующими факторами (интерполяционная задача) или решается задача оптимизации целевой функции (экстремальная задача) [2].

Имитационное моделирование используется для структурного и параметрического синтеза технической системы с оптимизацией ее по важнейшим параметрам: производительность, надежность, экономическая эффективность. Имитационное моделирование технологических процессов и систем может проводиться с применением сетей Петри или теории систем массового обслуживания [1].

Поскольку имитационная модель – это компьютерная программа, то при ее создании этап программирования является одним из основных. Здесь разработка программы имитационной модели сложной дискретной системы может быть выполнена тремя путями [8]:

– использованием универсальных алгоритмических языков;

– созданием и использованием специализированных языков моделирования;

– созданием и использованием проблемно-ориентированных систем моделирования.

Способы разработки программы имитационного моделирования представлены на рисунке 2.

Рисунок 2 – Способы разработки программы имитационного

моделирования [8]

Для создания имитационных моделей могут использоваться такие широко известные языки программирования, как, например, Паскаль, С++, Фортран. Создание имитационной модели таким способом требует больших трудозатрат. Поэтому имитационная модель получатся узконаправленной на решение конкретной задачи и не может быть использована для других приложений [8].

Для решения задач компьютерного моделирования кроме обычных алгоритмических языков программирования и оболочек типа Mathcad используются также специализированные алгоритмические языки имитационного моделирования [7].

В процессе проведения имитационного моделирования исследователь работает с четырьмя главными элементами (рисунок 3) [6]:

– действительная система;

– логико-математическая модель;

– имитационная модель;

– направленный вычислительный эксперимент – ЭВМ, на которой осуществляется имитация.

Рисунок 3 – Схема процесса имитационного моделирования [6]

Процесс имитационного моделирования содержит следующие этапы [8]:

– формулировка проблемы и целей имитационного эксперимента;

– определение релевантных ресурсов и законов функционирования моделируемой модели;

– формализация моделируемой системы;

– программирование имитационной модели;

– планирование имитационных экспериментов и определение начальных условий;

– получение исходных данных;

– проведение имитационных экспериментов;

– обработка результатов экспериментов;

– интерпретация полученных данных.

Таким образом, несмотря на то, что имитационное моделирование является мощным инструментом исследования систем его применение не всегда рационально. Издержки, связанные с имитационным моделированием, всегда много выше, чем при аналитических исследованиях, и часто выше, чем при физическом моделировании [8].

Уникальность использования различных типов математического моделирования к анализу систем привели к тому, что адаптивный и имитационный подход в настоящее время находит широкое применение и в нефтеиндустрии, в частности в автоматизации нефтеперерабатывающей промышленности [9].

4 Применение адаптивного и имитационного подхода

в автоматизации нефтеперерабатывающей промышленности

Проблемы в нефтеперерабатывающей промышленности следует решать продуманно и эффективно. Успех в будущем требует инновационного подхода к решению текущих задач, что подразумевает оптимизацию существующих процессов и интеграцию в них современных технологий.

Значительных улучшений можно добиться, повысив эффективность базовых операций: например, оптимизировав графики технического обслуживания и ремонта оборудования. Благодаря возможности прогнозировать и перераспределять работу, можно сократить время простоя, оптимизировать профилактическое обслуживание и увеличить объем добычи [9].

Примером использования имитационного моделирования технических систем в нефтеиндустрии может служить проект строительства скважин. Так, для решения данной задачи создается имитационная модель, в которую загружается большой объем ретроспективных данных, собранных по всему миру. В нее входят планы по бурению скважин и статистика работы оборудования, в том числе бурильных установок, регистрирующих данные каждые пятнадцать минут. Это позволяет смоделировать сложные взаимозависимые процессы. Модель подсказывает, как можно сократить срок строительства и как эффективно использовать дополнительные скважины для увеличения прибыли [10].

В системах автоматизации технологических процессов имитационное моделирование нашло отражение в работе датчиков и преобразователей.

Задача построения автоматизированной системы управления сводится к определению множества состояний, функции переходов и функции выходов. Для этого целесообразно создать некоторую среду, имитирующую поведение автомата своего рода искусственной действительности. Примером использования имитационной модели можно рассматривать работу цифрового датчика

давления, где в модели имитируется обмен данными на канальном уровне интерфейса [10].

Имитационное моделирование позволяет оптимизировать работу датчика по критериям минимизации погрешностей, энергопотребления и максимизации быстродействия, а также сбалансированно распределять функции между аппаратной частью и встроенным программным обеспечением, а в аппаратной части – между аналоговой и цифровой составляющими [10].

Адаптивный подход находит свое применение в автоматизированных системах управления. Так, основной характеристикой любого измерительного прибора является погрешность измерения контролируемого параметра. Одним из подходов к коррекции погрешностей данных измерений датчиков. является разработка алгоритмических методов коррекции по адаптивной модели (концепция интеллектуального датчика). Адаптивные датчики состоят из шкалы, которая автоматически меняется таким образом, чтобы наилучшим образом удовлетворить критерий качества измерений [11].

Таким образом, применение адаптивного и имитационного подхода к разработке моделей технических систем важно и удобно в автоматизации нефтяной промышленности. Использование данных подходов позволяет повысить эффективность, устойчивость и качество процессов управления технологическими процессами [11].

Заключение

Необходимость использования моделирования, прежде всего математических, определяется возможностью с их помощью решения сложных задач исследования, прогнозирования и оптимизации технических систем [1].

Многообразие подходов, среди которых были рассмотрены адаптивный и имитационный, позволяет более детально и эффективно подойти к разработке моделей технических систем [6].

Адаптивный и имитационный подход находит широкое применение в автоматизированных системах управления технологическими процессами в нефтеперерабатывающей промышленности. Они позволяют вносить изменения эффективно: анализировать, оптимизировать и экспериментировать в виртуальной среде, которая способна отразить каждую деталь производственных процессов [11].

Список использованных источников

1 Воронин А.В. Моделирование технических систем: Учебное пособие А.В. Воронин.– Томск: Изд-во Томского политехнического университета, 2013.– 130 с.

2 Смородин В.С. Методы и средства имитационного моделирования технологических процессов производства / В.С. Смородин.− Гомель: ГГУ им. Ф. Скорины, 2011.− 369 с.

3 Аюпов В.В. Математическое моделирование технических систем: Учебное пособие / В.В. Аюпов.– Пермь: Изд-во ИПЦ «Прокростъ», 2017.– 242 с.

4 Антонов В.Н. Адаптивное управление в технических системах / В.Н. Антонов, В.А. Терехов, И.Ю. Тюкин.– СПб.: Издательство С.-Петербургского университета, 2013.– 244 с.

5 Андреев М.В. Автоматизация адаптивного управления производством на промышленном предприятии / М.В. Андреев, А.В. Иващенко, Е.В. Симонова, П.О. Скобелев, А.В. Царев.– Самара: Поволсжский государственный университет телекоммуникаций и информатики, 2012.– 184 с.

6 Моделирование управляемых процессов: конспект лекций.– Красноярск: Изд-во ФГОУ ВПО СибФУ, 2015.– 158 с.

7 Ашихмин В.Н. Введение в математическое моделирование: Учебное пособие / В.Н. Ашихмин.– М.: «Интермет Инжинирин», 2012.– 336 с.

8 Кириличев Б.В. Моделирование систем: Учебное пособие / Б.В. Кириличев.– М.: МГИУ, 2010.– 274 с.

9 Кузьмин В. В. Математическое моделирование технологических процессов сборки и механической обработки изделий машиностроения: Учебник для вузов / В.В. Кузьмин.– М.: Высшая школа, 2011.– 279 с.

10 Катков А. Н. Имитационная модель цифрового датчика давления// Молодой ученый, 2017.– Т.1.– № 6.– С. 58-66.

11 Антропов Н.Р, Агафонов Е.Д. Адаптивные модели коррекции показаний датчиков давления магистрального нефтепровода// Решетневские Чтения, 2015.– C. 40-44.