А. А. ЖУЧКОВ
Московский инженерно-физический институт (государственный университет)
СРАВНИТЕЛЬНЫЙ АНАЛИЗ ВАРИАНТОВ
SOFT NATURE COMPUTING РЕАЛИЗАЦИЙ ИНТЕЛЛЕКТУАЛЬНОГО УПРАВЛЕНИЯ ДЛЯ ВЫСОКИХ ТЕХНОЛОГИЙ В АСУ ТП И СНИЖЕНИЕ РИСКОВ
Анализируются варианты neuro-, fuzzy-, predictor-, hightech- реализаций управления в АСУ ТП по критериям эффективности, качество/затраты.
Как показывает анализ, внедрение в АСУ ТП новых, получающих все большее применение в мировой практике средств интеллектуальных/информационных технологий, все еще недостаточно. Требуются анализ и рекомендации по областям применения многочисленных вариантов soft nature computing технологий (neuro-, fuzzy-, predictor и др.), особенно для high tech- подсистем [1,2].
Рассмотрены результаты моделирования и реализаций с использованием натурного имитатора kettlers, подсистем SOFTLOGIC, SCADA /2/, некоторые из которых для базовых задач управления тепловым объектом в режиме автоколебаний приведены в таблице 1.Подтверждена реализуемость вариантов, выявлены ниши применения и снижения рисков.
Таблица 1
№ п/п | Вариант | Кодирование | Тип реализации
| Доп. ресурсы | Показатели | |||
Off | On | Off+ On |
| Качество управления | Простота реализации | |||
1 | Базовый | B |
| + |
| 0 | 1 ошибки | 5
|
2 | Супервизорный простейший (с оператором) | S |
| + |
| 0.5
| 1.5 возможно улучшение | 4.5 возможны сбои |
3 | Супервизорный с предобработкой | SR | + | + | + | 1 | 3 улучшение качества | 2-4 предобработка |
4 | Адаптивный без предобработки, базовый | A |
| + |
| 0.5 | 3-4 слабая сходимость | 3-4 возможна расходим. |
5 | Нейросупервизор | NS NA | + | + | + | 3 | 2-4 | 2-3 обучение модулей |
6 | Fuzzy-супервизор | FS FA | + | + | + | 2.5 | 2-3 | 2-4 правила |
7 | Fuzzy-супервизор с компетентным созданием правил | FRS FRA | + | + | + | 3 | 3 | 2-3 доп. Обработка |
8 | Fuzzy-супервизор с компетентным созданием правил и ранжированием | FRES FREA | + | + | + | 3.5 | 3-4
| 2-2.5 доп. обработка, опытность |
9 | Neuro-fuzzy- Супервизор | NFS NFA | + | + | + | 4 | 2-4
| 1.5-2 обучение модулей |
10 | Neuro-fuzzy- Супервизор с компетентным созданием правил и обучением | NFRES NFREA | + | + | + | 4.5 | 4.5 | 1.5-2 опыт, обучение супервизора |
11 | Предиктор--индикаторный (М-предиктор) | MIPS MIPA |
| + |
| 3 | 2-4 ускорение сходимости | 2-3 индикатор, правила |
12 | Временной предиктор (Т-предиктор) | TPS TPA |
| + |
| 4 | 2-4 ускорение сходимости | 1.5-2 предиктор |
13 | ПИФ (предиктор-индикаторнный фрактальный) | PIFrS PIFrA |
| + |
| 5 | 2-4 | 1-2 + доп. анализ |
14 | Нейро-фрактальный | NFrS NFrA |
| + |
| 4.5 | 2-4.5
| 1-2 +анализ |
15 | Нейро-генетический | NGS NGA |
| + |
| 4.5 | 2-4.5
| 1-2 +анализ |
Список литературы
1. 
, и др. Нейроинформационные технологии в физических исследованиях и атомной энергетике.// Информационные технологии и вычислительные системы. М., 1/2004,с,149-156.
2. Жучков нейро - и квазинейро - контроллеров и компьютеров для адаптивного и дистанционного управления АСУ ТП в реальном и квазиреальном времени. //Научная сессия МИФИ-2004. Сб. науч. тр. В 15 томах. М.:МИФИ, 2004. Том 1. С. 49-50.
