Одним из основных направлений организации промышленного производства является обеспечение безопасности технологических процессов (ТП), что во многом определяется соблюдением требований по обеспечению безопасности, своевременным определением состояний и диагностики технологического оборудования и агрегатов, а также эффективностью управления ими в различных ситуациях, возникающих в технологическом цикле.

Анализ принципов построения систем диагностики и управления технологической безопасностью нефтехимическими установками и комплексами приводит к заключению, что существенной особенностью данного класса систем является наличие большого количества входных и выходных параметров, характеризующих состояние системы неоднозначным образом, отсутствие или неполнота знаний о физико-химических параметрах процесса [1,2]. Дополнительные сложности в решении задач диагностики и управления технологической безопасностью сложными техническими системами в различных нештатных ситуациях возникают в связи с тем, что в основном решения принимаются в условиях неопределенности и нечеткости исходной информации и практически отсутствуют возможности использования существующих детерминированно-стохастических моделей [3,4].

В работе представлен один из возможных подходов ситуационного анализа и оценки состояний объектов управления, а также методы ситуационного логического вывода в условиях неопределенности и нечеткости исходной информации.

Постановка задачи. Рассмотрим технологический процесс, данный в общем виде следующим образом: , где: - множество моделей технологического оборудования и агрегатов (технологической системы); — множество связей между объектами; S — множество состояний объектов.

Функционирование любого ТП можно рассматривать как последовательность смены состояний на некотором интервале времени . Состояние ТП в каждый момент времени характеризуется набором параметров: , где: — параметры состояния технологии данного процесса; — параметры состояния оборудования; – параметры состояния системы управления.

На ТП могут быть наложены ограничения штатного функционирования , зависящие от множеств параметров . Выход за эти ограничения означает переход ТП во внештатную ситуацию. Таким образом, эти ограничения разделяют пространство всех состояний, в которых может находиться ТП, на два множества: - множество опасных состояний и множество безопасных (работоспособных) состояний, т. е. . В свою очередь, множество опасных состояний можно разделить на два непересекающихся подмножества: , где — подмножества опасных состояний ТП в зоне предупредительных и предельно допустимых значений технологических параметров, - подмножества опасных состояний ТП в зоне критических значений технологических параметров. Во множестве безопасных состояний наибольший интерес представляет область или точка, в которой функционирование ТП является наиболее безопасным — область центра технологической безопасности .

Если технологический процесс характеризуется опасными параметрами, все значения которого лежат в зоне допустимых значений , текущая опасность может считаться нулевой. В случае, если один или несколько параметров переходят в зону опасных значений , текущая опасность увеличивается, и она будет возрастать по мере приближения параметров к зоне критических значений . Интуитивно понятно, что текущая опасность процесса должна зависеть от множества числа опасных параметров, одновременно находящихся в зоне , от степени приближения каждого параметра к зоне и от степени влияния каждого опасного параметра на возможность возникновения аварийной ситуации.

Предположим, что каждому набору параметров , значениями которых описывается состояние объекта, соответствуют лингвистические переменные где — терм-множество лингвистических переменных (ЛП), - набор лингвистических значений признака, — число значений признака; — базовое множество признака . Для описания термов , соответствующих значениям признака , используются нечеткие переменные , т. е. значение — описывается нечетким множеством в базовом множестве :

.

Тогда нечеткие ситуации, возникающие в процессе функционирования системы, можно представить в виде нечеткого множества второго уровня:

.

В таком случае, задачу оценки технологической безопасности и принятие рационального решения в различных нештатных ситуациях, по существу, можно сформулировать как задачу определения и классификации нечетких ситуаций с использованием метода ситуационного логического вывода [5–8]. Тогда сравнивая входную нечеткую ситуацию с каждой нечеткой ситуацией из некоторого набора типовых нечетких ситуаций , можно определить оптимальную альтернативу реагирования (последовательность действий), которая переводит систему из состояния в , где множество параметров системы характеризует «центр» показателей технологической безопасности процесса производства.

Ситуационный логический вывод. Задачи ситуационного выбора в общем случае можно рассматривать как задачи определения текущего состояния объекта управления и сравнение его с каждой нечеткой ситуацией из некоторого набора типовых нечетких ситуаций .

Для этого в качестве меры близости между текущей нечеткой ситуацией и ситуацией, соответствующей центру технологической безопасности, будем использовать следующие два критерии: степень нечеткого включения и степень нечеткого равенства [6–8].

Пусть , есть некоторые ситуации. Тогда степень включения ситуации в ситуацию определяется выражением:

где ,

.

Здесь является степенью включения нечеткого множества в нечеткое множество.

Считается, что ситуация нечетко включается в ситуацию , , если степень включения в не меньше некоторого порога включения , определяемого условиями управления, т. е. . Определение точки порога включения в основном зависит от свойств объекта управления и требований к качеству управления.

Существование двух взаимных включений ситуаций и означает, что при пороге включения ситуации и примерно одинаковы. Такое сходство ситуаций называется нечетким равенством, и степень нечеткого равенства ситуаций и определяется следующим образом:

,

где

.

Считается, что ситуации и нечетко равны, ≈, если , где — некоторый порог нечеткого равенства ситуаций.

Если ситуации и описываются p признаками, то для их (p — q) — общности достаточно нечеткого равенства p–q признаков из множества [3].

Если признаки, при помощи которых описывается объект управления, не зависят друг от друга, то из некоторой ситуации можно перейти в любую ситуацию , имеющую (p–q) — общность с ситуацией , применением не более чем q локальных (действующих на значение только одного признака) управлений. Тогда степень (p–q) — общности ситуаций и определяется выражением

где , признак y_k принадлежит , если , при ситуации и , нечетко равны.

Пусть множество возможных состояний объекта управления задается набором S эталонных нечетких ситуаций. Предполагается, что множество эталонных ситуаций S полно. Каждой нечеткой ситуации на основе экспертной информации ставится в соответствие управляющее решение , где R — множество управляющих решений, используемых для управления объектом. Нечеткий ситуационный логический вывод сводится к распознаванию входной нечеткой ситуации , описывающей текущее состояние объекта управления, и выдаче соответствующего ей управляющего решения из множества R. Для распознавания нечеткой ситуации можно предложить два способа: метод «ближайшего соседа» в пространстве эталонных нечетких ситуаций и выдача управляющих решений с учетом всех эталонных ситуаций.

В качестве меры сходства нечетких ситуаций наиболее предпочтительны степень нечеткого включения нечетких ситуаций и степень нечеткого равенства. Обе эти меры состоят в вычислении степени сходства в интервале [0;1]. Наибольшая степень сходства равна 1, наименьшая — 0. Степень сходства 0,5 означает полную неопределенность.

Таким образом, использование вышеописанной методики формализации динамики функционирования нефтехимических комплексов на базе теории нечетких множеств и нечеткой логики позволяет разрабатывать комплекс мероприятий, нацеленных на управление технологической безопасностью нефтехимических объектов и, соответственно, на снижение потерь и повышение эффективности работы обслуживающего персонала за счет улучшения состояния работоспособности и прогнозирования отказов технологии, оборудования и систем управления.

Литература:

1. Егоров А. Ф., Савицкая Т. В. Методы и модели анализа риска и управление безопасностью химических производств.// Теоретические основы химической технологии, 2010, Том 44, № 3, С. 341–353.
2. Ярушкина Н. Г. Основы теории нечетких и гибридных систем. — М.: Финансы и статистика, 2004. — 320 с.
3. Алиев Р. А., Алиев Р. Р. Теория интеллектуальных систем. –Баку: Издательство «Чашыоглы», 2001. –720 с.
4. Андрейчиков А. В., Андрейчикова О. Н. Интеллектуальные информационные системы. –М.: Финансы и статистика, 2004. — 424 с.
5. Z.Wang, R.Yang, L.Wang. Intelligent Multi-agent Control for Integrated Building and Micro-grid Systems. // IEEE PES Innovative Smart Grid Technologies (ISGT), pp. 1–7, 2011.
6. A. Celikyilmaz, I. B. Turksen. Enhanced fuzzy system models with improved fuzzy clustering algorithm. // IEEE Trans. Fuzzy Systems, Vol. 16, pp. 779–794, 2008.
7. Fuzzy Control Systems Design and Analysis: A. Linear Matrix Inequality Approach / Kazuo Tanaka, Hua O. Wang. Copyright. — New York: John Wiley & Sons, Inc., 2001. — 305p.
8. William Siler, James J. Buckley. Fuzzy expert systems and fuzzy reasoning. Hoboken, New-Jersey: John Wiley & Sons, Inc., 2005. — 405 p.