По всем вопросам звоните:

+7 495 274-22-22

УДК: 338.45

Проблемы и перспективы математического моделирования управления химико-технологическими системами

Мущинин А.В. Казанский национальный исследовательский технологический университет, г. Казань, Республика Татарстан, E-mail: aleman@rambler.ru

Произведен анализ существующих подходов к моделированию химико-технологических систем (ХТС), применимость данных подходов для разработки математической модели тренажерного комплекса. Рассмотрено текущее состояние отрасли тренажеростроения, существующие методы обучения. Формулируется подход к решению задач программного управления технологическими установками и построению тренажерных комплексов.

Литература:

1. Браунли, К.А. Статистическая теория и методология в науке и технике / К.А. Браунли; пер. с англ. М.С. Никулина; под ред. Л.Н. Большева. – М.: Наука, 1977, – 408 с.

2. Демиденко, Е.З. Оптимизация и регрессия / Е.З. Демиденко. – М.: Наука, 1989. – 296 с.

3. Shachama, M. Application of stepwise regression for dynamic parameter estimation / M. Shachama, N. Braunerb // Comp. & Chem. Eng. – 2014. – V. 69. – P. 26–38.

4. Востриков, Ф.С., Французова Г.А. Теория автоматического регулирования: учеб. пособие для вузов / Ф.С. Востриков, Г.А. Французова. – М.: Высшая школа, 2004. – 365 с.

5. Ерофеев, А.А. Теория автоматического управления / А.А. Ерофеев. – СПб.: Политехника, 2002. – 302 с.

6. Jeng, J.-C. Simultaneous closed-loop tuning of cascade controllers based directly on set-point stepresponse data / J.-C. Jeng // Journal of Process Control. – 2014. – V. 24. – I. 5. – P. 652–662.

7. Zhang, J. Economic model predictive control with triggered evaluations: State and output feedback / J. Zhang, S. Liu, J. Liu // Journal of Process Control. – 2014. – V. 24. – I. 8. – P. 1197–1206.

8. Салихов, З.Г. Системы оптимального управления сложными технологическими объектами / З.Г. Салихов, Г.Г. Арунянс, А.Л. Рутковский. – М.: Теплоэнергетик, 2004. – 496 с.

9. Qina, S.J. A survey of industrial model predictive control technology / S.J. Qina, T.A. Badgwellb // Control Engineering Practice. – 2014. – V. 11. – I. 7. – P. 733–764.

10. Raimondia, A. Design of an adaptive predictive control strategy for crude oil atmospheric distillation process / A. Raimondia, A. Favela-Contrerasa, F. BeltranCarbajalb, A. Pinon-Rubiona, J.L. de la Pena-Elizondo // Control Engineering Practice. – 2015. – V. 34. – P. 39–48.

11. Patela, N. Modified genetic algorithm using Box Complex method: Application to optimal control problems / N. Patela, N. Padhiyarb // Journal of Process Control. – 2015. – V. 26. – P. 35–50.

12. Betti, G. Realization issues, tuning, and testing of a distributed predictive control algorithm / G. Betti, M. Farina, R. Scattolini // Journal of Process Control. – 2014. – V. 24. – I. 4. – P. 424–434.

13. Колмогоров, А.Г. Компьютерный тренинг технологического персонала на ОАО «Ангарский завод полимеров» / А.Г. Колмогоров, Н.С. Благодарный, М.В. Кривов // Современные проблемы радиоэлектроники и связи / Материалы VIII Всероссийской науч.-технич. конф. студентов, аспирантов и молодых ученых. – Иркутск: Изд-во ИрГТУ. – 2009. – С. 125–129.

14. Колмогоров, А.Г. Математическое моделирование термодинамических процессов для построения тренажера управления производством этилена / А.Г. Колмогоров, Н.С. Благодарный // Современные технологии. Системный анализ. Моделирование. – Иркутск: Изд-во ИрГУПС. – 2010. – №2. – С. 51–56.

15. Ковард, Э. Объединение и технология динамического моделирования и усовершенствованного управления ТП / Э. Ковард // Автоматизация в промышленности. – 2008. – №7. – С. 52–53.

16. Соркин, Л.Р. Использование имитационного моделирования для обучения операторов и оптимизации технологических процессов / Л.Р. Соркин // Промышленные АСУ и контроллеры. – 2008. – №8. – С. 15–20.

17. Протасов, А.В. Интеллектуальная система обучения персонала – основа обеспечения безопасности технологических процессов / А.В. Протасов, П.Ю. Вильвер // Химическое и нефтегазовое машиностроение. – 2013. – № 6. – С. 32–36.

18. Колмогоров, А.Г. Математическая модель статики ректификационной колонны для разделения этанэтиленовой смеси / А.Г. Колмогоров, Н.С. Благодарный // Сб. тр. XIX Международной науч. конф. «Математические методы в технике и технологиях». – Т. 9. – Воронеж: Издво ВГТА. 2006. – С. 76–78.

19. Власов, С.С. Моделирование динамических режимов атмосферного блока установки первичной переработки нефти при исследовании алгоритмов компьютерных тренажерных комплексов / С.С. Власов, А.Г. Шумихин, А.И. Мустафин // Автоматизация в промышленности. – 2011. – № 7. – С. 36–42.

20. Скрипников, Д.А. Построение системы и системообразующих сценариев имитационно-компьютерного обучения технологического персонала / Д.А. Скрипников, А.В. Скрипников // Датчики и системы. – 2003. – №12. – С. 10–14.

21. Дозорцев, В.М. Методики компьютерного тренинга операторов – ключевой элемент тренажерных систем (современные тенденции) / В.М. Дозорцев // Автоматизация в промышленности. – 2011. – № 7. – С. 3–9.

22. Дозорцев, В.М. Оператор в компьютеризированной системе управления: к проблеме построения человеко-машинного интерфейса / В.М. Дозорцев // Приборы и системы управления. – 1998. – №3. – С. 39–47.

23. Дозорцев, В.М. Структура человеко-машинного взаимодействия в компьютерных тренажерах операторов технологических процессов / В.М. Дозорцев // Приборы и системы управления. – 1998. – №5. – С. 57–65.

24. Дозорцев, В.М. О проблеме адекватности тренажерных моделей технологических процессов / В.М. Дозорцев и др. // Труды Международной конференции «Идентификация систем и задачи управления (SICPRO’2000)». – М., 2000. – С. 51–61.

25. Сластенов, И.В. Идентификация тренажерных моделей по данным реального технологического процесса / И.В. Сластенов // Автоматизация в промышленности. – 2013. – № 7. – С. 29–36.

Химико-технологической системой (ХТС) называется совокупность процессов и аппаратов химической технологии, объединенных для проведения требуемых технологических операций. ХТС состоит из технологических блоков и узлов, которые входят в состав технологических установок и производств.

Любая ХТС имеет определенную технологическую структуру и заданные параметры. При этом результаты функционирования ХТС можно охарактеризовать зависимостью выходных переменных

Любая ХТС имеет определенную технологическую структуру и заданные параметры. При этом результаты функционирования ХТС можно охарактеризовать зависимостью выходных переменных (Y) от технологической структуры ХТС (G), геометрических характеристик конструкций элементов системы (K), физико-химических величин, характеризующих внутренние свойства системы ((D), входных переменных (X) (рис. 1): Y = F(X, G, K, D, τ).

от технологической структуры ХТС (G), геометрических характеристик конструкций элементов системы

геометрических характеристик конструкций элементов системы

физико-химических величин, характеризующих внутренние свойства системы

входных переменных

Количественную информацию о состоянии ХТС и ее свойствах можно получить экспериментально в условиях эксплуатации системы или расчетным способом, используя определенную математическую модель (ММ) системы. Математическое моделирование ХТС – это метод изучения свойств ХТС путем проведения вычислительных экспериментов с математическими моделями этих ХТС.

Большая сложность технологической структуры современных проектируемых и действующих ХТС, многомерность ХТС как по числу составляющих элементов, так и по числу выполняемых ими функций, высокая степень параметрического взаимовлияния элементов обуславливает возникновение при решении задачи анализа, оптимизации и синтеза ХТС ряд принципиальных трудностей методологического и вычислительного характера. Для их исследования используют модели, в которых упрощенно отображены наиболее существенные процессы функционирования системы.

Для Цитирования:
Мущинин А.В., Проблемы и перспективы математического моделирования управления химико-технологическими системами. КИП и автоматика: обслуживание и ремонт. 2017;11.
Полная версия статьи доступна подписчикам журнала
Язык статьи:
Действия с выбранными: