XVI Международная студенческая научная конференция Студенческий научный форум - 2024

ВВЕДЕНИЕ

В современном мире автоматизированные системы управления играют важную роль в различных отраслях промышленности, включая нефтегазовую промышленность. Одним из ключевых процессов в данной отрасли является процесс изомеризации, который используется для преобразования углеводородных смесей с целью улучшения их октанового числа. В условиях такой сложной технологической цепочки повышение надежности автоматизированных систем управления установок изомеризации становится критически важным. Для этого применяются современные методы и технологии, которые направлены на минимизацию рисков возникновения отказов и сбоев в работе системы, а также на обеспечение бесперебойной и эффективной работы процесса изомеризации.

В данной статье будут рассмотрены современные способы повышения надежности автоматизированных систем управления установок изомеризации, которые помогают обеспечить стабильную и безопасную работу данного технологического процесса. Установки изомеризации имеют большое значение в химической и нефтеперерабатывающей промышленности, а также в производстве топлива и химических веществ. В частности, изомеризация используется для улучшения качества и свойств топлива, такого как бензин, используется в производстве различных химических веществ, например, пластмассы и полимеров. Кроме того, развитие методов изомеризации способствует разработке новых катализаторов, процессов и технологий, что может привести к повышению производительности и снижению затрат в различных отраслях экономики. Это в свою очередь может способствовать росту экономики и обеспечению высоких технологических стандартов в производстве.

Целью данного аналитического обзора является изучение методов повышения надежности АСУ установки изомеризации. Для достижения этой цели были поставлены следующие задачи:

1. Изучение основных принципов обеспечивающих функционирование системы управления установки изомеризации.

2. Анализ существующих способов и методов повышения надёжности систем управления и устранения их недостатков.

3. Разработка рекомендаций для повышения надежности систем управления установки изомеризации на основе полученных результатов.

1. АНАЛИЗ ПРОЦЕССА КАК ОБЪЕКТА АВТОМАТИЗАЦИИ

   1. Описание технологической схемы установки изомеризации

Основным блоком данной технологической установки является реакторный блок. Важнейшими параметрами, влияющими на ход процесса и, в конечном итоге, на качество получаемой продукции, являются температура и давление.

Процесс изомеризации осуществляется при температурах: в первом реакторе  - 250-310 °С, во втором реакторе – 130-200°С; давлениях: в первом реакторе – 29-33 кгс/см², во втором реакторе – 28-30 кгс/см².

Повышение температуры сверх указанных пределов ведет к:

- ухудшению селективности процесса, способствуя протеканию реакций газообразования;

- снижению продолжительности межрегенерационного периода катализаторов.

Необходимый уровень давления нужен для обеспечения стабильности катализатора и продолжительности межрегенерационного периода. Повышение давления ведет к снижению степени изомеризации парафиновых углеводородов. Снижение давления ниже указанных величин ведет к быстрой деактивации катализатора.

Немаловажным параметром является расход сырья (60 – 80 м³/ч), поскольку именно он определяет производительности всей установки в целом. Изменение расхода сырья может вызвать аварию.

1. 2. Выбор и обоснование технических средств АСУТП

Важнейшими параметрами, влияющими на ход процесса и, в конечном итоге, на качество и выход получаемого продукта, являются температура, давление, расход, уровень.

         В данной системе был автоматизирован реакторный блок, а конкретно следующие параметры – температура на выходе из печи П-1, давление на входе во второй реактор Р-2, расход сырья, уровень в ёмкости   Е-1, ПАЗ насоса ЦН-1.

Индикация значений температуры предусмотрена в теплонагруженных участках установки (реактора, печи, теплообменники). Отображение давления (или перепада давлений) на потоках реакторного блока. Величина давления позволяет не только регулировать оперативные параметры с целью поддержания качества конечных продуктов на должном уровне, но и дает возможность судить о работоспособности некоторых узлов, аппаратов или, например, о закоксованности катализатора. Уровень в колоннах и емкостях регулируется для обеспечения нормальной работы насосов, а также во избежание захлебывания аппаратов. Величина расходов потоков является важным и технологическим, и коммерческим параметром. Изменением расхода можно напрямую или косвенно влиять на различные технологические параметры процесса.

При выборе средств контроля, регулирования и сигнализации руководствуются следующими положениями:

1) системы автоматизации технологических процессов должны строиться, как правило, на базе серийно выпускаемых средств автоматизации и вычислительной техники;

2) при выборе технических средств автоматизации необходимо учитывать вид и характер технологического процесса, его пожаро- и взрывоопасность, агрессивность и токсичность, а также параметры и физико-химические свойства контролируемых и регулируемых сред, расстояние от местных приборов (первичных преобразователей, исполнительных устройств, до пунктов управления и контроля, требуемую точность и быстродействие контролирующей аппаратуры);

3) выбор рода используемой энергии (электрической, пневматической, гидравлической) для средств автоматизации определяется пожаро- и взрывоопасностью технологического процесса, агрессивностью, влажностью и пыльностью сред, требуемыми точностью, быстродействием, надежностью технических средств и дальностью передачи информации;

4) необходимо стремиться к применению однотипных средств автоматизации, обеспечивающих простоту сочетания, взаимозаменяемость, удобство компоновки на щитах управления, простоту обслуживания;

5) класс точности приборов должен соответствовать технологическим требованиям;

6) диапазон измерения измерительных приборов должен быть выбран так, чтобы номинальное значение измеряемого параметра составляло 50...70% от верхнего предела измерения;

7) при прочих равных условиях предпочтение следует отдавать более дешёвым и доступным средствам автоматизации.

1. 3. Обеспечение надёжности установки изомеризации

Обеспечение надежности системы напрямую связано с предотвращением отказов. Предотвращение отказов - это комплекс мер и методов, направленных на устранение или минимизацию возможности возникновения отказов в работе системы.

Для обеспечения надежности автоматизированной системы установки изомеризации важно не только иметь надежное оборудование, но и систематически предотвращать возможные отказы. Некоторые методы, такие как использование резервного оборудования, систем мониторинга и диагностики, автоматизированных систем контроля и управления, планирование регулярного обслуживания и обучение персонала, напрямую направлены на предотвращение отказов.
Надежность системы обеспечивается путем предотвращения отказов через рациональное проектирование, внедрение и эксплуатацию системы. Если система будет надежно спроектирована, будет проводиться регулярное обслуживание и мониторинг, а персонал будет хорошо обучен и подготовлен, то это позволит предотвращать отказы и обеспечивать надежность системы управления установкой изомеризации.

Важность предотвращения отказов:

Предотвращение отказов имеет огромное значение в обеспечении надежной и безопасной работы технического оборудования. Вот несколько причин, почему предотвращение отказов является важным:

• Снижение риска несчастных случаев: предотвращение отказов помогает снизить риск несчастных случаев. Регулярный осмотр и техническое обслуживание оборудования позволяет выявлять и устранять потенциальные проблемы, что помогает предотвращать несчастные случаи и уменьшать возможные последствия.

• Экономия времени и ресурсов: предотвращение отказов позволяет избежать неожиданных поломок и сбоев в работе оборудования. Это позволяет сэкономить время и ресурсы, которые могут быть затрачены на ремонт или замену оборудования, а также на устранение последствий поломки.

• Повышение производительности: оегулярное предотвращение отказов помогает поддерживать оборудование в хорошем состоянии и предотвращать его неплановые остановки. Это способствует повышению производительности и эффективности работы, так как оборудование будет функционировать без сбоев и простоев.

• Увеличение срока службы: правильное и своевременное предотвращение отказов позволяет увеличить срок службы оборудования. Регулярная замена изношенных деталей и предупреждение возможных проблем помогают предотвратить поломки и продлить срок эксплуатации оборудования.

• Снижение затрат на обслуживание: предотвращение отказов позволяет снизить затраты на обслуживание оборудования. Регулярное обслуживание и предупреждение возможных проблем помогают избежать дорогостоящих ремонтов и замен, а также снизить затраты на запасные части и материалы.

2. АНАЛИЗ СУЩЕСТВУЮЩИХ СПОСОБОВ И МЕТОДОВ ПОВЫШЕНИЯ НАДЕЖНОСТИ

   1. Резервирование системы

Метод резервирования основан на очевидной идее замены вышедшего из строя элемента исправным, находящимся в резерве. Однако реализация этой идеи часто становится довольно сложной, если необходимо обеспечить минимальное время перехода в резерв и минимальную стоимость оборудования при заданной вероятности безотказной работы в течение определенного времени (наработки).

Чтобы заменить вышедший из строя элемент, достаточно иметь на складе резервный (запасной) элемент. Однако продолжительность ручной замены составляет единицы часов, что неприемлемо долго для многих систем автоматизации. Использование контроллеров и модулей ввода-вывода со съемными клеммными разъемами и с возможностью "горячей" замены позволяет сократить время вынужденного простоя при условии наличия усовершенствованной системы диагностики неисправностей. Для обеспечения "горячей" замены необходимо обеспечить следующее:

• защита от статического электричества, которое может возникнуть на теле оператора, выполняющего замену устройства;

• необходимая последовательность питающих напряжений и внешних сигналов (для этого, например, используются разъемы с контактами разной длины и секвенсоры внутри устройства);

• защита системы от скачков тока, вызванных зарядкой емкостей подключенного устройства, например, с помощью токоограничивающих резисторов или отдельного источника питания;

• защита устройства от перенапряжения, короткого замыкания, обратной полярности, перенапряжения, неправильного подключения.

Кроме того, для обеспечения "горячей" замены программируемые устройства должны быть предварительно запрограммированы, в сетевые устройства должен быть записан правильный адрес и предусмотрена подсистема автоматической регистрации нового и исключения старого устройства из сети, а также "безударный" режим смены контроллера или ввода-вывода.

Если резервный элемент является частью системы (а не, скажем, на складе), то это относится к резервным системам с ручной заменой вышедшего из строя элемента.

Системы с голосованием

Основным отличительным признаком систем резервирования с голосованием является невозможность выделения в системе основных элементов и резервных, поскольку все они равноправны, работают одновременно и выполняют одну и ту же функцию. Выбор одного сигнала из нескольких осуществляется схемой голосования, которая в частном случае нечётного числа голосов называется мажоритарной схемой.

Системы с голосованием не требуют контроля работоспособности элементов для своего функционирования, но используют подсистему диагностики для сокращения времени восстановления отказавших элементов. Наличие подсистемы диагностики снижает также вероятность накопления скрытых неисправностей, которые со временем могут явиться причиной отказа.

Рисунок 1 - Устройства с голосованием по схеме 2oo3 (а) и по схеме 1oo2 (б)

Принцип работы схемы голосования рассмотрим на примере резервирования датчиков (рис. 1 а). В такой системе вместо одного датчика используются три (например три термопары), которые подсоединены к одному модулю ввода. В схему голосования поступают соответственно три значения измеряемой величины (например три значения температуры: T₁, T₂, T₃), из которых необходимо выбрать одно. Значения измеряемой величины располагаются в порядке возрастания, и на выход схемы голосования поступает то из них, которое расположено между двумя крайними (но не среднее арифметическое!). Например, если в результате измерения температуры получены значения 0,12°С, 39,5°С и 39,4°С, то используется только значение 39,4°С, остальные игнорируются.

Резервирование элементов с дискретными сигналами выполняется аналогично. Поскольку значениями дискретных сигналов являются логические 0 или 1, то в результате мажоритарного голосования выбирается то значение, которое принимают большинство сигналов. Например, при логических сигналах А = 1, B = 1, C = 0 результатом голосования будет значение Y = 1. Блок мажоритарного голосования реализует логическую функцию Y =AB + BC + CA.

Очевидно, что для работы мажоритарной схемы число «голосов» должно быть нечётным. Однако в системах безопасности возможно применение любого числа «голосов». Вместо недостающего «голоса» используется условие, что система считается работоспособной, если отказ является безопасным. Это порождает системы, в которых выбирается один «голос» из двух, и такие системы по стандарту МЭК 61508 [2] обозначаются как 1oo2 (1 out of 2). Используются также системы 2оо2 (два «голоса» из двух), 2оо3 (два «голоса» из трёх), 2оо4 (два «голоса» из четырёх), 3oo4 (три «голоса» из четырёх). Нерезервированные системы обозначаются как 1оо1. Если в резервированной системе имеется развитая подсистема диагностики неисправностей, то к обозначению добавляется буква «D», например 1oo2D.

Примером системы с голосованием вида 1oo2 может служить система охранной сигнализации двери, в которой используются два датчика А и В с целью взаимного резервирования (рис. 1 б). При отказе одного из датчиков (например датчика B, когда вместо А = 1, В = 1 получаем А = 1, В = 0) система, пользуясь правилом большинства «голосов», не может принять решение. Однако если учесть, что ложное срабатывание охранной системы не приводит к опасной ситуации, а несрабатывание системы при нарушении является опасным отказом, то становится очевидным, что схема голосования должна считать достаточным наличие одного «голоса» из двух, чтобы принять решение о подаче аварийного сигнала. Если сигналом срабатывания сигнализации является логическое значение 1, а сигналом отсутствия нарушения является значение 0, то блок голосования реализует логическую функцию Y =A + B.

Если входными данными для голосования являются два аналоговых сигнала, то пользователь при программировании должен установить, какой сигнал из двух должен быть выбран системой в случае их несовпадения. Такой подход возможен только в системах безопасности.

Противоположная ситуация используется при голосовании вида 2oo2. Примером может быть система контроля герметичности люка при погружении подводной лодки. Если люк имеет два датчика, то сигнал готовности к погружению может появиться только при наличии подтверждения (A = 1, B = 1) от обоих датчиков одновременно (два из двух). Выход из строя одного датчика не должен позволить системе выработать сигнал готовности к погружению, чтобы опасная ситуация не возникла. Такой блок голосования реализует логическую функцию Y = AB.

Несмотря на высокую эффективность схем голосования с чётным числом голосов, они имеют недостаток, состоящий в возможности ложного срабатывания. Хотя этот тип отказов и не является опасным, в некоторых случаях он приводит к значительному материальному ущербу. Для исключения ложного срабатывания можно использовать более дорогие системы с нечётным количеством голосов, которые снижают вероятность отказов обоих типов. Выбор наилучшей системы осуществляется на основании результатов экономических расчётов.

При отказе одного из элементов резервированной системы безопасности 2oo3 её уровень безопасности понижается и она может начать функционировать как система 1оо2. Если замена неисправного элемента не произведена и произошёл второй отказ, то система переходит в режим без резервирования 1oo1, однако в этом режиме система не может находиться долго по требованиям безопасности. Очерёдность перехода от одной схемы резервирования к другой называется схемой деградации.

Система безопасности 2оо3 может иметь второй вариант схемы деградации: 2oo3–2oo2–1oo1–0. Здесь 0 обозначает состояние, когда система перестаёт функционировать (останавливается). Перед остановкой система должна перевести все свои выходы в безопасные состояния. Понятие безопасного состояния для каждой системы определяется при её проектировании. Например, для систем аварийного отключения безопасными являются обесточенные состояния исполнительных механизмов, а для систем автоматического пожаротушения или аварийной вентиляции – наоборот, состояния, при которых на исполнительные устройства подана энергия.

Схемы голосования широко используются в системах противоаварийной защиты и сигнализации, где они имеют большое разнообразие. В системах же, не связанных с безопасностью, не существует более простых схем голосования, чем 2oo3, которые сами по себе являются достаточно дорогими. Однако уникальным свойством систем с голосованием выступает непрерывность функционирования во время перехода на резерв, и это свойство является определяющим при принятии решения о выборе метода резервирования.

Резервирование замещением

Другой класс резервированных систем состоит из систем с "горячей" заменой резервирования (рис. 2). 

Рисунок 2 - Дублирование модуля ввода методом замещения

Их отличительной особенностью является принципиальная необходимость в подсистеме контроля работоспособности как основного, так и резервного элементов, наличие резервного блока коммутации (обычно коммутация выполняется программно), а также шин для синхронизации между процессорами (последнее относится только к процессорному резервированию). Основным параметром систем с заменой резервирования является время переключения в резерв. Переключение в режим ожидания выполняется в течение одного или нескольких циклов контроллера и занимает время от единиц миллисекунд до долей секунды.

Системы с более медленным переключением на резерв (от долей до единиц секунд) классифицируются как системы с "теплым" резервом. Конструктивным отличием "теплого" резервирования контроллеров от "горячего" является отсутствие высокоскоростного канала синхронизации между процессорами, вместо этого используется стандартная низкоскоростная промышленная сеть или другой канал последовательного обмена.

Для контроля работоспособности используются такие параметры и события, как, например, обрыв линии связи, короткое замыкание (short circuit), значение напряжения и тока питания, отсутствие связи, перегрев выходных каскадов выходных модулей, перегрузка по току, отсутствие нагрузки, сигналы, выходящие за пределы динамического диапазона, срабатывание предохранителя, срабатывание блокировки и т.д. защита, целостность линий связи с модулями ввода-вывода, ошибка контрольной суммы, ошибка памяти, "зависание" процессора и т.д. Перечень процедур управления ПЛК приведен в ГОСТ Р 51841. Диагностическая информация должна отображаться на пульте оператора и одновременно использоваться для переключения в режим ожидания.

Чтобы исключить ошибочный переход в резерв из-за сбоя в системе управления, используется временной фильтр, который позволяет переключаться только в том случае, если состояние неисправности длится не менее заданного времени (например, 1...100 мс).

Общее и частичное резервирование

Отдельные элементы системы, их группы и вся система в целом могут быть зарезервированы. Поэтапное резервирование позволяет в первую очередь повысить отказоустойчивость наиболее важных или наименее надежных элементов, выбрать различную кратность резервирования для различных элементов системы и тем самым достичь максимального соотношения надежности и цены.

Общее резервирование не требует анализа взаимосвязей между надежностью отдельных элементов системы, устраняет ошибки при расчете надежности и выборе различных схем резервирования, а также ошибки, вызванные плохой видимостью архитектуры системы при поэтапном резервировании.

В случае общего резервирования достаточно двух сбоев, чтобы привести к сбою всей системы, если один из вышедших из строя элементов находится в основной системе, а второй - в резервной. При поэтапном резервировании вероятность такого сбоя значительно ниже, поскольку для его реализации необходимо, чтобы один из вышедших из строя элементов был основным, а второй - его резервным, что крайне маловероятно.

Резервирование входных модулей и датчиков

Типичными отказами при вводе сигналов в ПЛК являются обрыв и короткое замыкание линии связи. Отказы линий связи датчиков и исполнительных механизмов в системах автоматизации составляют 85% всех отказов. Линии связи могут быть повреждены в результате природных явлений (например, обмерзания проводов), земляных работ, неправильного монтажа, злонамеренных действий и т.д., поэтому их надежность часто напрямую не связана с надежностью кабеля.

Резервирование модулей аналогового ввода и датчиков

Схемы голосования могут использоваться для резервирования датчиков при использовании одного модуля ввода (рис. 1), для резервирования модулей ввода при наличии одного датчика (рис. 3 а) или датчиков и модулей ввода одновременно (рис. 3 б).

Рисунок 3 - Резервирование модулей ввода (а) и датчиков с модулями (б)

При одновременном резервировании датчиков и входных модулей потенциальные входы модулей подключаются параллельно (рис. 3а), а текущие входы подключаются последовательно (рис. 4). Поскольку при последовательном подключении отключение одного из модулей (например, для выполнения замены) приводит к обрыву всей цепи, для устранения этого эффекта используются стабилитроны (рис. 4 а). При использовании источника тока с большим внутренним сопротивлением (например, стандартного источника 4-20 мА) ток I не зависит от сопротивления нагрузки, следовательно, появление стабилитрона в контуре тока при снятии одного из модулей не вносит погрешности в результат измерения. Ток утечки стабилитрона должен быть небольшим по сравнению с допустимой абсолютной погрешностью измерения тока, а напряжение стабилизации должно быть больше максимального падения напряжения на измерительном резисторе.

Рисунок 4 - Резервирование модулей ввода тока с измерительными резисторами внутри модулей (а) и снаружи (б)

Тот же эффект достигается при использовании внешних измерительных резисторов (рис. 4б), которые обеспечивают замкнутый контур для тока при снятии одного из модулей. В этом случае используются модули с потенциальным входом, а измерение тока производится косвенным методом (по падению напряжения на сопротивлении).

Схемы голосования в рассмотренных примерах и количество элементов в резервированной системе могут быть произвольными; алгоритм голосования реализован программно в ПЛК.

Принцип работы системы, резервируемой методом замещения, проиллюстрирован на рис. 2. Система выделяет основной модуль, резервный модуль и блок выбора модуля после сбоя. Перед сбоем данные отправляются на вывод системы только из основного модуля. Блок выбора постоянно отслеживает работоспособность модулей и при возникновении сбоя автоматически переключает выходной канал системы на исправный модуль. Одновременно на консоль оператора и в журнал ошибок отправляется диагностическое сообщение о неисправном элементе. Переключение выполняется, как правило, программно.

Системы с несколькими резервируемыми элементами работают аналогичным образом. Переключение на один из них выполняется по заранее заданному алгоритму.

Основной проблемой в системах, резервируемых методом замены, является автоматический мониторинг работоспособности.

Для контроля работоспособности модулей аналогового ввода можно использовать следующие значения и события:

• среднеквадратичное значение напряжения или тока помех;

• напряжение смещения нуля;

• температура внутри корпуса модуля;

• погрешность (оценивается с использованием встроенного источника опорного напряжения);

• "зависание" процессора (диагностируется с помощью сторожевого таймера);

• напряжение питания процессора;

• ошибка контрольной суммы;

• произошла ошибка в ответе на команду.

Для диагностики обрыва цепи во входных цепях аналоговых модулей используются следующие методы:

• управление выводом переменной за пределы динамического диапазона или границ ее изменения;

• использование тестирующих источников тока (рис. 5).

Рисунок 5 - Обнаружение обрыва и к.з. в линии связи или датчике, когда носителем сигнала является напряжение (а) либо ток (б)

Типичным методом обнаружения короткого замыкания является измерение сопротивления входной цепи с использованием источников тока, подключенных, как показано на рис. 5 а. Значение тока выбирается достаточно малым, чтобы падение напряжения на линии связи и внутреннее сопротивление датчика не вносили погрешности в результат измерения. Например, модуль NL-8TI от NIL AP использует ток 2 мкА. В случае обрыва цепи во входной цепи напряжение между входами модуля выходит за пределы динамического диапазона, что является диагностическим признаком обрыва цепи.

При коротком замыкании во входной цепи напряжение между входами модуля становится равным нулю, что является диагностическим признаком короткого замыкания. Для того чтобы отличить к.з. от полезного сигнала с нулевым значением, диапазон изменения сигнала датчика искусственно смещается от нулевого уровня. Этот подход используется в стандарте тока 4-20 мА, где вся информация о сигнале содержится в диапазоне токов от 4 до 20 мА (рис. 5б). В этом случае появление нулевого напряжения на входе приемника сигнала явно указывает на нарушение линии связи. Однако отличить обрыв от к.з. в данном случае это невозможно, поскольку оба сбоя обнаруживаются по нулевому значению принимаемого тока.

1. 2. Использование диагностики и прогнозирования

Статистические методы прогнозирования

В методологическом плане основным инструментом любого прогноза является схема экстраполяции. Суть экстраполяции заключается в изучении устойчивых тенденций развития объекта прогнозирования в прошлом и переносе их в будущее. Основой методов экстраполяционного прогнозирования является изучение эмпирических рядов. Эмпирический ряд - это набор наблюдений, полученных последовательно с течением времени.

В статистическом прогнозировании широко используется метод математической экстраполяции, который в математическом смысле означает распространение закона изменения функции из области ее наблюдения на область, лежащую за пределами сегмента наблюдения. Функция представляет собой простую математико-статистическую модель, отражающую зависимость объекта прогнозирования (статистического показателя) от влияющих на него факторов. В качестве факторов могут выступать различные показатели, а также время (номер периода) (в дальнейшем мы будем опираться на эту базу при описании поведения конкретных информационных систем – ред.). Зависимости могут быть однофакторными {y = f(x)} и многофакторными {y = f(x1, x2, ...., xn)}.

В этой статье внимание будет уделено функциям с однофакторной зависимостью из-за вводного характера материала и, что более важно, из-за однофакторной природы многих моделей прогнозирования поведения АС (зависимость любого параметра от времени).

Основным этапом экстраполяции тренда (зависимости функции от времени) является выбор оптимального типа функции, описывающей эмпирический ряд. Распространенным методом экстраполяции тренда является метод сопоставления функций. Для этого проводится предварительная обработка и преобразование исходных данных, чтобы облегчить выбор типа зависимости путем сглаживания и выравнивания временных рядов с помощью цифровых фильтров. Основные статистические методы перечислены ниже:

1) Метод скользящего среднего

1. Простое скользящее среднее

2. Взвешенные скользящие средние

3. Экспоненциально взвешенное скользящее среднее

4. Экспоненциальное скользящее среднее произвольного порядка

5. Модифицированное скользящее среднее

6. Скользящие средние, основанные на других функциях усреднения

7. Кумулятивное скользящее среднее

2) Метод медианной обработки

3) Метод наименьших квадратов

1. Линейная модель

2. Полиномиальная модель

3. Степенная модель

4. Экспоненциальная модель

5. Логарифмическая модель

Общий метод для нелинейной модели

Общий метод для всех моделей

Методология автоматизированного прогнозирования в АС

Автоматизация прогнозирования сводится к алгоритмизации конкретной задачи. Рассмотрим общий алгоритм прогнозирования.

Первым шагом является сбор данных для дальнейшего анализа, и в процессе сбора данных необходимо рассчитать оптимальный размер окна. Окно представляет собой выбранный сегмент в ряду значений. Это необходимо для промежуточных расчетов (чтобы выявить какие-либо тенденции в значениях наблюдаемого параметра и локализовать входные данные для последующего анализа). В классическом случае выбор размера окна подбирается "на глаз", но в рамках данной методики предлагается автоматизировать этот выбор. Сравнение расхождения между обработанным рядом и рядом исходных значений позволяет выбрать оптимальный размер окна анализируемого ряда. Далее, на основе методов фильтрации скользящего среднего и медианы, проводится анализ рядов внутри окна, и если есть отклонения по интервалам допустимых значений (что также определяется заранее на этапе определения окна), то применяется метод наименьших квадратов (МНК). выбран в качестве основного метода обработки. В любом другом случае математическая модель строится на основе методов скользящего среднего и медианы.

Не менее важным шагом в процессе прогнозирования сложных рядов является также выбор математической и статистической модели для оценки коэффициентов OLS, которая может быть выбрана аналитически на основе геометрической интерпретации или на основе серии вычислений с последующим анализом расхождений между значениями исходных предсказанные и обработанные ряды.

После получения прогноза его анализ и модификация осуществляются в режиме "реального времени", поскольку с истечением времени эмпирический ряд расширяется. Корректировка прогноза и плана осуществляется на основе уже проверенных данных, поступающих в систему. В будущем предполагается, что в подсистеме настройки появятся отрицательные и положительные связи.

Описанный выше алгоритм прогнозирования может стать основой для построения систем прогнозирования поведения других автоматизированных систем управления или информационных систем. Все упомянутые в этом материале методы получения прогноза представляют собой математический аппарат, который может быть перенесен в АС.

1. 3. Принципы обеспечения программной надёжности АСУ

Построение надежных автоматизированных систем управления включает в себя комплекс мер, направленных на защиту от случайных или преднамеренных воздействий, которые могут привести к нарушению запрограммированного процесса управления.

Комплекс мер состоит из:

-правовых норм;

- морально-этических стандартов;

- административных и организационных мер;

- программного и аппаратного обеспечения.

1. Правовые нормы основаны на законах, указах и подзаконных актах, регулирующих правила обращения с информацией и определяющих меру ответственности за их нарушение.

2. Морально-этические нормы характеризуют нормы поведения обслуживающего персонала, которые традиционно сложились в данном обществе.

3. Административные и организационные меры связаны с подбором и обучением обслуживающего персонала, контролем доступа, организацией хранения, учета и использования документации (информации), организацией кадрового контроля, физическим ограничением передвижения персонала в пределах данного предприятия (кодовые замки, запирающие устройства и т.д.).

4. Программное и аппаратное обеспечение (PTS) связано с

-шифрование информации;

-идентификация (распознавание и аутентификация) пользователей автоматизированной системы управления;

-контроль целостности информации;

-регистрация и анализ событий в автоматизированной системе управления.

Первые операционные системы персональных компьютеров (MS-DOS, Windows версий до 3.1 включительно) не имели собственных программно-технических средств защиты. Операционные системы Windows NT и Windows 2000 уже имеют программную и аппаратную защиту.

Программное и аппаратное обеспечение безопасности может иметь 5 уровней. Первый уровень. На этом уровне операционная система позволяет

для защиты информации отдельного пользователя персонального компьютера на основе его традиционных вспомогательных программ (утилит).

Второй уровень. Автоматизированные системы управления имеют только системы идентификации и аутентификации пользователей. Эти системы ограничивают доступ к автоматизированным системам управления для случайных и нелегальных пользователей.

Третий уровень. Автоматизированные системы управления обеспечивают шифрование данных (защиту информации на дисках). Шифрование может выполняться как на уровне файлов диска (архиватор типа arj), так и на уровне всего диска (программа Discreet в пакете Norton Utilities).

Четвертый уровень. Автоматизированные системы управления обеспечивают шифрование информации, передаваемой по сетевым каналам. Шифрование может быть канальным (для всей информации, включая служебную информацию) на основе системы OSI (Open System Interconnection) и окончательным для шифрования только конфиденциальной информации (но не служебной информации).

Пятый уровень. Автоматизированная система контроля аутентифицирует как автора, так и саму передаваемую информацию (текст) с помощью кода или электронной цифровой подписи (отечественный стандарт ГОСТ 28 147-89).

3. ВНЕДРЕНИЕ МАШИННОГО ОБУЧЕНИЯ В АСУ

Машинное обучение произвело революцию в некоторых областях технологий за последние несколько лет и повлияет на многие другие в ближайшем будущем. Промышленная автоматизация может быть одной из них, хотя традиционно окружающая среда неохотно внедряет новые технологии.

Если вдуматься, типичный "современный" промышленный робот, который продается в наши дни, имеет те же функции, что и в восьмидесятые: кинематическая модель, динамическая модель, гибридное управление... ничего нового, ничего интеллектуального.

Производители оборудования обычно предпочитают более простые, но стабильные подходы к автоматизации своих машин. Операторы верны своим устаревшим интерфейсам с аппаратными клавишами. Все они считают, что новые яркие приемы лучше оставить за пределами завода. То есть до тех пор, пока не будет продемонстрировано огромное преимущество в производительности, оправдывающее технологический скачок.

Действительно, существует несколько областей, в которых машинное обучение могло бы улучшить мир систем управления.

1. 1. Профилактическое обслуживание

Одна из областей, в которой машинное обучение может улучшить текущее состояние технологий - это техническое обслуживание оборудования. Мониторинг физического состояния станка и возможность прогнозировать аппаратные сбои до их возникновения потенциально могут сэкономить много денег, поскольку позволяют избежать повреждения деталей и заранее планировать остановки производства для ремонта.

Традиционно мониторинг состояния на промышленном уровне осуществляется путем считывания сигналов с датчиков различных типов (токи, температуры, крутящие моменты, ускорения, потоки...) и путем установки статических пороговых значений, которые нельзя нарушать. Несмотря на свою простоту, этот метод имеет ряд недостатков:

· Операторы редко знают, как и где устанавливать пороговые значения

· Пороговые значения статичны, но условия окружающей среды могут сильно варьироваться.

· Внутренняя структура сигналов полностью игнорируется, поэтому группы проблем своевременно не распознаются

· Как только сигнал достигнет порогового значения, действовать может быть слишком поздно

Гораздо лучшим подходом является построение модели переменных, которые мы отслеживаем, и использование модели в качестве предиктора состояния на будущее. Сравнивая прогнозы с фактическими наблюдениями, мы можем гарантировать, что неисправности оборудования обнаруживаются с высоким разрешением задолго до того, как они достигнут критического состояния.

Хотя этот метод устраняет многие из ранее упомянутых недостатков, его практически очень сложно реализовать. Основные причины таковы:

· Физические модели может быть нелегко описать аналитически, поскольку они могут зависеть от многих физических переменных с неизвестными взаимными корреляциями.

· Математическая формула никогда не моделирует физическую систему идеально. Всегда существуют неточности из-за немоделированных эффектов (например, упругость в механических моделях) или отклонения из-за неправильной параметризации самой модели (например, тепловые постоянные в пластиковом экструдере).

Даже самая лучшая модель с наиболее точными параметрами будет страдать от зависящих от времени эффектов, которые изменяют фоновые условия (например, колебания температуры между летом и зимой, эффекты трения, когда звенья более или менее смазаны). Повторная параметризация модели может быть сложной и дорогостоящей: для этого необходимо вызвать специалиста для каждой машины, развернутой в полевых условиях...

Машинное обучение приходит на помощь в своей простейшей форме: обучение с учителем. Вместо того, чтобы пытаться привести физику в соответствие с математикой, мы просто позволяем физике диктовать математику. Мы не пишем простую линейную модель и надеемся, что машина будет вести себя именно так. Мы наблюдаем за поведением машины и изучаем сложную нелинейную модель, основанную на данных, используя простую нейронную сеть в качестве аппроксиматора функции.

Тогда сеть превращается в мощный предсказатель состояния: она свободна от связанных с человеком предубеждений, связанных с чрезмерным упрощением; он узнал о сложных взаимных корреляциях и скрытых эффектах исключительно из измерений; и, что лучше всего, он может постоянно адаптироваться к изменяющимся условиям окружающей среды благодаря непрерывному онлайн-обучению в режиме реального времени.

Таким образом, профилактическое обслуживание может обеспечить более интеллектуальное управление на любом уровне: от отдельных компонентов до целых машин, сложных процессов и всей производственной линии.

1. 2. Оптимизация модели

Оптимизация - еще одна область, где внедрение методов машинного обучения может совершить серьезную революцию в этой области. Все промышленные машины и процессы управляются контроллерами: от простейшего ПИД-регулятора до дополнительных моделей с прямой связью, методов MPC и других более экзотических нелинейных моделей. Все эти контроллеры должны быть параметризованы вручную или автоматически с использованием методов автоматической настройки идентификации. И здесь возникает проблема: большинство контроллеров, развернутых в полевых условиях, настроены не оптимально по нескольким причинам:

· Ручная настройка сложна и требует многолетнего опыта и глубоких знаний процесса.

· Функции автоматической настройки доступны не всегда, а когда они доступны, они не всегда оптимальны. После этого часто требуется тонкая настройка.

· Как и при профилактическом обслуживании, оптимальная параметризация может быть динамической целью для адаптивного контроллера.

Количество параметров в контроллере может сильно варьироваться: регулятор температуры пластика в машине для литья под давлением обычно опирается только на три параметра; динамическая модель стандартного 6-осевого манипулятора использует более ста основных параметров (хотя и не совсем несвязанных).

Наша цель - найти наилучший (оптимальный) набор параметров, который максимизирует производительность контроллера, измеряемую с помощью некоторого показателя (например, время установки температуры, или погрешность определения положения электропривода, или мощность, вырабатываемая ветряной турбиной).

Машинное обучение решает проблему оптимизации стратегии управления с использованием методов обучения с подкреплением. Номенклатура немного отличается (модель становится политикой, входные данные становятся наблюдением, выходные данные становятся действием, обратная связь становится вознаграждением), но концепция абсолютно та же.

В частности, мы фокусируемся на алгоритмах поиска политик, потому что у нас уже есть исходная политика для работы: наш первоначальный неоптимальный контроллер, обычно предварительно сконфигурированный на прототипе машины или в среде моделирования и ожидающий оптимизации в реальных условиях. Такой подход позволяет легко интегрировать предыдущие знания в политику (используя контроллер в режиме моделирования для генерации большого объема данных).

После этого мы применяем методы RL для улучшения политики π, максимизируя ожидание сгенерированного вознаграждения R: E [R | π]. Мы можем либо изменить пространство действий (например, DDPG), либо политику напрямую (например, ES), последнее является единственным выбором в случае недифференцированных функций затрат и, в целом, более исследовательским вариантом, хотя и более дорогостоящим с точки зрения времени.

Хотя обучение с подкреплением не гарантирует сходимости политики к оптимальной параметризации нашего контроллера, в большинстве случаев оно должно обеспечить улучшения. Вопрос в том, какого рода затраты. Ответ зависит от сложности проблемы и доступности данных. Контроллер с тремя параметрами, для которого доступна среда моделирования, может быть оптимизирован довольно быстро. С другой стороны, большая модель, которую можно настроить только на реальном компьютере, потребует много времени и материалов. Наконец, всегда должны существовать строгие ограничения безопасности, поскольку случайное изменение параметров политики может привести к непредсказуемым действиям.

Распространенным альтернативным способом сохранить доступ к информации от существующего контроллера является добавление новой политики в качестве параллельной компенсации, которую необходимо изучить с нуля. Это сэкономит время на контролируемом обучении и позволит избежать неточностей в процессе аппроксимации. Типичный случай, когда этот подход предпочтителен, - это компенсация механических проблем и проблем с калибровкой промышленных роботов.

Вместо того, чтобы обучать сеть на существующей кинематической модели, а затем улучшать ее с помощью обучения с подкреплением, мы можем просто добавить пустую политику параллельно с обратной кинематикой по умолчанию и использовать RL для работы исключительно с этой частью контроллера. Другими словами, вместо того, чтобы оптимизировать существующую модель, мы добавляем к ней внешнюю компенсацию.

ЗАКЛЮЧЕНИЕ

В данной работе проведен аналитический обзор существующих способов и методов повышения надёжности автоматизированной системы управления установкой изомеризации, а также было предложено решение о внедрении технологий искусственного интеллекта (ИИ) и машинного обучения, реально повышающих надежность автоматизированных систем контроля и управления.

Прежде всего, системы ИИ и машинного обучения могут анализировать большие объемы данных, собранных с различных датчиков и диспетчерских систем, чтобы определить незначительные отклонения и предсказывать возможные проблемы в работе установки изомеризации. Они могут также самостоятельно корректировать параметры управления в реальном времени, основываясь на полученных данных, для улучшения эффективности процесса и предотвращения отказов.

Технологии ИИ способны создавать модели поведения установки изомеризации, обучаясь на исторических данных, что позволяет им предсказывать отказы и предложения по предотвращению. Это также позволяет проводить диагностику и оптимизацию процессов автоматически.

Использование алгоритмов машинного обучения также позволяет снизить количество ложных срабатываний аварийных сигналов и повысить точность диагностики проблем. В результате, это позволит значительно сократить вероятность неполадок и сбоев в работе системы контроля и управления установкой изомеризации.

Таким образом, разработка и внедрение технологий ИИ и машинного обучения может существенно улучшить надежность и эффективность автоматизированных систем контроля и управления установками изомеризации.

СПИСОК ЛИТЕРАТУРЫ

1. Денисенко В.В. Выбор аппаратных средств автоматизации опасных промышленных объектов // Современные технологии автоматизации. 2005. № 4. С. 86-94.

2. МЭК 61508-5 (1998). Функциональная безопасность электрических/электронных/программируемых электронных систем, связанных с безопасностью. Часть 5. Примеры методов для определения уровней целостности защиты.

3. Черкесов Г.Н. Надёжность аппаратно-программных комплексов. — СПб. : Питер, 2004. — 480 с.

4. Липаев В.В. Надёжность программных средств. — М. : Синтег, 1998. — 232 с.

5. ГОСТ 27.002-89. Надёжность в технике. Основные понятия. Термины и определения.

6. МЭК 61508-7 (2000). Функциональная безопасность электрических/электронных/программируемых электронных систем, обеспечивающих безопасность. Часть 7. Обзор методов и средств измерения.

7. МЭК 61508-3 (1998). Системы электрические/электронные/ программируемые электронные, связанные с функциональной безопасностью. Часть 3. Требования к программному обеспечению.

8. ГОСТ 15467-79. Управление качеством продукции. Основные понятия. Термины и определения.

9. Смит Д.Д., Симпсон К.Д. Функциональная безопасность. — М. : Издательский дом «Технологии», 2004. — 208 с.

10. Александровская Л.Н., Афанасьев А.П., Лисов А.А. Современные методы обеспечения безотказности сложных технических систем. — М. : Логос, 2001. — 206 с.

11. Беломытцев В. Замена элементов управляющей вычислительной системы без отключения питания // Современные технологии автоматизации. 2000. № 2. С. 72-77.

12. Денисенко В. ПИД-регуляторы: вопросы реализации // Современные технологии автоматизации. 2007. № 4. С. 86-97.

Код для цитирования: Скопировать