Анализ и синтез систем непрерывной ректификации на основе автоматизированного накопления и классификации информации тема диссертации и автореферата по ВАК РФ 05.13.16, доктор технических наук Гартман, Томаш Николаевич

• Гартман, Томаш Николаевич
• доктор технических наук
• 2000

Оглавление диссертации доктор технических наук Гартман, Томаш Николаевич

ВВЕДЕНИЕ.

Глава I. КОНЦЕПТУАЛЬНЫЙ АНАЛИЗ ЗНАНИЙ О ТЕХНОЛОГИЧЕСКОМ

ПРОЕКТИРОВАНИИ СИСТЕМ НЕПРЕРЫВНОЙ РЕКТИФИКАЦИИ.

1.1. Методы расчета паро-жидкостного равновесия в многокомпонентных системах.

1.1.1. Определение равновесных условий - решение прямой задачи.

1.1.2. Проверка термодинамической совместимости экспериментальных равновесных данных.

1.1.3. Определение подгоночных параметров - решение обратной задачи.

Выводы по разделу 1.1.

1.2. Термодинамически-топологический анализ диаграмм фазового равновесия процессов ректификации.

1.3. Анализ, оптимизация и синтез технологических схем ректификации.

Выводы по главе 1.

Глава II. РАЗРАБОТКА И ПРИМЕНЕНИЕ МЕТОДОВ РЕШЕНИЯ ЗАДАЧ ТЕХНОЛОГИЧЕСКОГО ПРОЕКТИРОВАНИЯ СИСТЕМ

НЕПРЕРЫВНОЙ РЕКТИФИКАЦИИ.

II.1. Расчетное предсказание условий паро-жидкостного равновесия.

II. 1.1. Термодинамическая проверка и коррекция экспериментальных равновесных данных жидкость-пар. 136 II. 1.2. Определение подгоночных (энергетических) параметров моделей фазовых равновесий.

II. 1.2.1. Выбор вида целевой функции для определения подгоночных параметров уравнений равновесия.

II. 1.2.1.1 .Применение метода наименьших квадратов для определения параметров моделей фазовых равновесий жидкость-жидкость.

П.1.2.1.2.Применение метода максимального правдоподобия для определения параметров моделей фазовых равновесий жидкость-пар в системах с нелетучим электролитическим (солевым) компонетом.

II. 1.2.2. Статистический анализ параметров моделей учета неидеальности жидкой фазы.

II. 1.2.3. Расчет параметров уравнений равновесия.

Выводы по разделу И. 1.2.

II. 1.3. Предсказание условий паро-жидкостного равновесия с расслаиванием жидкой фазы.

II. 1.3.1. Разработка и исследование методов описания многофазного расслаивания жидкости.

И. 1.3.1.1 .Описание оптимизационного алгоритма.

И. 1.3.1.2. Описание релаксационного алгоритма.

II.1.3.2.Исследование описания гетероазеотропных систем.

Выводы по разделу II. 1.

11.2. Определение азеотропных условий и границ областей ректификации.

11.3. Расчет и исследование систем непрерывной ректификации.

11.3.1. Разработка и исследование методов описания процессов гомо- и гетероазеотропной ректификации.

11.3.2. Разработка процедуры обеспечения адекватности модели процесса ректификации и реализация ее на примере промышленного производства уксусной кислоты.

11.3.3. Оценка экономической эффективности процессов ректификации.

Выводы по главе II.

Глава III. РАЗРАБОТКА ИНТЕРАКТИВНОЙ ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ ДЛЯ РЕШЕНИЯ НЕФОРМАЛИЗОВАННЫХ ЗАДАЧ ТЕХНОЛОГИЧЕСКОГО ПРОЕКТИРОВАНИЯ СИСТЕМ

НЕПРЕРЫВНОЙ РЕКТИФИКАЦИИ.

III. 1. Разработка структуры интерактивной интеллектуальной программной системы для решения неформализованных задач.

III. 2. Разработка комплекса интеллектуальных программ для накопления и классификации знаний.

111.3. Выбор уравнений для определения давлений насыщенных паров индивидуальных веществ.

111.4. Выбор моделей учета неидеальности жидкой фазы при паро-жидкостном равновесии.

111.5. Выбор контактных устройств ректификационных колонн в производстве изомеров диэтилбензола.

Выводы по главе III.

Глава IV. ПОСТРОЕНИЕ ИНТЕЛЛЕКТУАЛЬНОЙ АДАПТИВНОЙ РАСЧЕТНО-ИНФОРМАЦИОННОЙ СИСТЕМЫ ФИЗИКО

ХИМИЧЕСКИХ СВОЙСТВ (АРИС ФХС).

IV. 1. Логическая структура данных в АРИС ФХС.

IV.2. Моделирование некоторых интеллектуальных функций специалистов по расчету ФХС.

IV.3. Реализация АРИС ФХС.

IV.3.1. Реализация интегрированного банка данных.

IV.3.2.Структура и средства реализации диалога.

IV.3.3.Архитектура программного обеспечения.

IV. 3.3.1. Перечень модулей для решения прямой задачи.

IV.3.3.2. Основной файл исходных данных.

Выводы по главе IV.

Глава V. СИНТЕЗ ЭНЕРГОСБЕРЕГАЮЩИХ СИСТЕМ РАЗДЕЛЕНИЯ С

ПРИМЕНЕНИЕМ МОДЕЛИРУЮЩИХ ПРОГРАММ.

V. 1. Моделирование узла синтеза карбамида с использованием метода комбинирования стандартных модулей моделирующей программы для расчета процессов с химическими превращениями. ^

V.2. Синтез энергетически интегрированной ХТС производства изомеров диэтилбензола методом "предельной температурной точки" с использованием моделирующей программы.

V.3. Синтез технологической схемы производства газов для синтеза аммиака с интеграцией энергетических потоков.

Выводы по главе V.

Введение диссертации (часть автореферата) на тему «Анализ и синтез систем непрерывной ректификации на основе автоматизированного накопления и классификации информации»

Процессы разделения занимают важнейшее место в химической, нефтехимической и газоперерабатывающей отраслях промышленности. Несмотря на их большое разнообразие, процессам непрерывной ректификации принадлежит ведущая роль как наиболее изученным и гибким с точки зрения получения промежуточных и конечных продуктов требуемого качества. Довольно значительные капитальные вложения и весьма существенные энергетические затраты, которыми часто отличаются системы ректификации, требуют обеспечения высокой степени надежности, корректности и точности их технологического проектирования.

Характерными особенностями технологического проектирования систем ректификации является необходимость решения трех основных задач:

- выбора наиболее подходящего типового процесса разделения для отдельных стадий технологической схемы производства на основе знания факторов разделения (например, коэффициентов относительной летучести), определяемых исходя из расчетного предсказания условий фазовых равновесий разделяемых смесей;

- термодинамико-топологического анализа структуры фазовых диаграмм разделяемых систем, также осуществляемого на основе знаний условий паро-жидкостного равновесия;

- определения режимных и конструктивных параметров стадии разделения производства с учетом других процессов (тепловых, реакторных и др.), технологически интегрированных с системами ректификации.

Компьютерное моделирование на современном этапе является мощным инструментом решения задач технологического проектирования процессов разделения, в том числе и для определения условий фазовых равновесий, а также для расчета технологических схем, включающих системы ректификации. К настоящему времени разработано большое многообразие пакетов компьютерных программ, предназначенных для решения различных вычислительных (формализованных) задач. Реализуемые в этом случае алгоритмы для решения даже одной и той же задачи могут отличаться спецификой численных методов, детализацией математического описания рассчитываемых процессов и нюансами постановки вычислительных задач. Особенно широкий выбор алгоритмов предлагается в получающих все более широкое распространение универсальных моделирующих программах для анализа химико-технологических систем, которые также включают алгоритмы для расчета систем разделения и ректификации. Следует отметить, что как правило области применимости различных компьютерных программ для решения вычислительных задач четко не определены, а рекомендации разработчиков не всегда достаточно обоснованы и нуждаются в дополнительной проверке.

Поэтому для технологического проектирования требуется решение и неформализованных (невычислительных) задач, которые связаны с выбором компьютерных программ, отличающихся как спецификой используемых в них численных алгоритмов, так и реализованных с их помощью механизмов протекания физико-химических процессов. К неформализованному типу задач, которые должны решаться на различных ступенях иерархии процедуры технологического проектирования, относятся комбинаторные задачи выбора способов проведения процессов и аппаратурного оформления. Смысловые решения неформализованных задач до настоящего времени большей частью принимались специалистами на основе определенной суммы знаний (подкрепленной результатами решения формализованных задач), которые были накоплены за годы многолетней работы и большого предшествующего опыта.

Однако решение неформализованных задач на современном этапе исключительно на основе знаний, опыта и интуиции специалистов нельзя признать эффективным. Это связано как с объективными причинами: систематическим возрастанием объема знаний, временными задержками при получении информации у специалистов и ротацией кадров, так и с субъективными: дороговизной приобретения знаний у специалистов и/или группы специалистов, а также возможно большой долей субъективизма в их оценках. Поэтому современный подход к компьютерному моделированию систем ректификации должен предусматривать решение не только формализованных (вычислительных) задач, но и моделирование некоторых интеллектуальных функций специалистов, связанных с принятием смысловых решений, т.е. решением неформализованных (невычислительных) задач.

Это и предопределило основное направление исследований диссертационной работы, которая посвящена разработке единого подхода к получению смысловых решений неформализованных задач технологического проектирования систем ректификации. При этом широко применяется методология решения задач искусственного интеллекта, инженерии знаний и экспертных систем.

Для решения неформализованных задач в настоящей работе предлагается использовать интеллектуальную интерактивную компьютерную систему, в которой для определения искомых смысловых решений необходимо реализовать два этапа:

- автоматизированный (выполняется на компьютере): накопление и классификация знаний в процессе самообучения в конкретной проблемной области;

- интерактивный (с участием специалистов): выбор смыслового решения путем определения степени "близости" параметров решаемой задачи к параметрам уже решенных задач, которые определялись с применением знаний, накопленных на первом этапе.

Главное достоинство такого подхода состоит в том, что он позволяет наиболее рационально сочетать возможности компьютерной системы автоматически накапливать и классифицировать знания, и интеллекутальные способности специалистов формулировать эвристические правила и выбирать смысловые решения. В этом случае эксплуатируются те интеллектуальные наклонности как компьютерной системы, так и специалистов, в результате реализации которых они могут функционировать наиболее эффективно. Так в режиме приобретения знаний на первом этапе компьютерная система может превосходить возможности специалистов (по объему и надежности накопленных данных), а на втором этапе - при выборе наиболее подходящего смыслового решения, она объективно является менее эффективной, чем специалист.

При этом комплекс интеллектуальных программ, используемый для накопления и классификации знаний, является универсальным в том смысле, что его структура не зависит от проблемной области, в которой он применяется, и может предоставлять информацию об эффективностях возможных вариантов смысловых решений в виде вероятностей их применимости, которые зависят от всех накопленных значений физических эффективностей этих вариантов и определяются с помощью специальных комплексов расчетных программ, ориентированных на решение конкретных вычислительных задач.

Внедрение в практику технологического проектирования систем разделения обоснованного и опирающегося на достаточный объем накопленных знаний метода решения неформализованных задач позволяет увеличить надежность принимаемых проектных решений и ускорить ввод в эксплуатацию проектируемых производств, чем и обусловлена актуальность и практическая значимость настоящей диссертационной работы.

Основные цели диссертационной работы:

- создание иерархической процедуры технологического проектирования систем непрерывной ректификации, базирующейся на решении совокупности формализованных (ФЗ) и неформализованных задач (НФЗ), и соответственно разработка и применение различных методов и процедур для их решения;

- использование разработанных методов и процедур для моделирования паро-жидкостного равновесия в многокомпонентных системах с реализацией соответствующего комплекса компьютерных программ и применение его для сложных гомо-и гетероазеотропных систем с расслаиванием жидкой фазы при наличии в ней нелетучих электролитических (солевых) компонентов;

- разработка и применение метода синтеза энергосберегающих технологических схем систем разделения с интеграцией внешних тепловых потоков, использующих возможности универсальных моделирующих программ (МП), метода синтеза химико-технологических систем (ХТС) на основе концепции теплового каскада и предложенной процедуры решения неформализованных задач (НФЗ).

Диссертационная работа состоит из пяти глав.

В первой главе проведен концептуальный анализ знаний о технологическом проектировании систем ректификации. Обращено внимание на необходимость решения большого многообразия как формализованных, так и неформализованных задач на трех основных ступенях иерархии технологического проектирования - моделирование паро-жидкостных равновесий, термодинамико-топологический анализ структуры фазовых диаграмм разделяемых систем и анализ, оптимизация и синтез технологических схем разделения.

Во второй главе предложена иерархическая процедура технологического проектирования систем непрерывной ректификации, характерные особенности который состоят в следующем: возможность выбора типовых процессов разделения на отдельных стадиях производства более эффективных, чем ректификация, проведение термодинамико-топологического анализа фазовых диаграмм разделяемых смесей и применение универсальных моделирующих программ (МП) для анализа и синтеза химико-технологических систем (ХТС). Разработаны и реализованы эффективные методики и процедуры моделирования паро-жидкостных равновесий, обеспечения адекватности математических моделей процессов непрерывной ректификации и оценки их экономической эффективности. Создано соответствующее программно-математическое обеспечение для решения этих задач и с его использованием проведены исследования систем ректификации, в том числе и промышленных процессов с расслаиванием жидкой фазы, с гомо- и гетероазеотропами и с нелетучими электролитическими (солевыми) добавками.

В третьей главе представлены результаты разработки интерактивной интеллектуальной компьютерной системы для решения неформализованных задач технологического проектирования систем непрерывной ректификации. Показано, что она может применяться для решения неформализованных задач (НФЗ) на различных ступенях иерархии технологического проектирования. С использованием интеллектуальной компьютерной системы решены неформализованные задачи выбора: вида уравнений для расчета давлений насыщенных паров

78 индивидуальных веществ, моделей учета неидеальности жидкой фазы при фазовом равновесии жидкость-пар для 1500 бинарных и многокомпонентных систем, а также контактных устройств в 5 ректификационных колоннах технологической схемы производства изомеров диэтилбензола.

В четвертой главе приведено описание разработанной интеллектуальной адаптивной расчетно-информационной системы физико-химических свойств (АРИС ФХС), предназначенной для решения формализованных и неформализованных задач моделирования паро-жидкостных равновесий в многокомпонентных системах. АРИС ФХС реализован в виде комплекса компьютерных программ с базой данных по фазовым равновесиям жидкость-пар для 1500 бинарных и многокомпонентных систем и различных свойств 3500 индивидуальных веществ, а также с 7000 наборами параметров моделей учета неидеальности жидкой фазы.

Пятая глава посвящена разработке эффективных методов применения универсальных моделирующих программ для синтеза энергосберегающих технологических схем следующих промышленных производств:

- узла синтеза в производстве карбамида;

- установки ректификации для выделения изомеров диэтилбензола, включающих тарельчатые колонные аппараты;

- технологической схемы получения газов для синтеза аммиака. Предложена процедура синтеза энергетически интегрированных производств с рекуперацией внешних тепловых, а также испаряющихся и конденсирующихся потоков технологической схемы, в которой для расчета сложных хемо-массообменных процессов предложен метод комбинирования стандартных расчетных модулей универсальных моделирующих программ (МП).

В диссертационную работу включены приложения: I, II и III.

В приложении I приведен конкретный вид некоторых термодинамических соотношений и критериальных выражений, относящихся к расчету паро-жидкостного равновесия, а также рекомендации по их выбору и выбору банков данных по физико-химическим свойствам веществ и их смесей.

11

В приложении II в табличном и графическом виде представлены результаты расчетных исследований систем ректификации на различных ступенях иерархии их технологического проектирования.

В приложении III собраны документы - акты о передаче компьютерных программных средств и акты о внедрении усовершенствований промышленных производств, подтверждающие практическую ценность результатов научных исследований, выполненных в диссертационной работе.

Диссертационная работа выполнялась в соответствии с координационным планом Государственной научно-технической программы "Теоретические основы химической технологии".

Автор выражает глубокую благодарность всем сотрудникам и аспирантам, принимавшим участие в настоящей работе, и профессору А.И.Бояринову за внимание и полезные консультации.

Заключение диссертации по теме «Применение вычислительной техники, математического моделирования и математических методов в научных исследованиях (по отраслям наук)», Гартман, Томаш Николаевич

Выводы по главе III

1. Предложен интерактивный вероятностный метод решения неформализованных задач технологического проектирования систем непрерывной ректификации, использующий разработанную нами стохастико-самообучающуюся процедуру для накопления и классификации знаний и отличающийся универсальностью, высокой степенью надежности и простотой реализации.

2. Разработан комплекс интеллектуальных компьютерных программ, реализующий стохастико-самообучающуюся процедуру накопления и классификации знаний и включающий два алгоритма:

- стохастико-самообучающийся алгоритм выбора вариантов, отличающийся высокой чувствительностью и устойчивостью;

- эвристический алгоритм классификации для группировки вероятностных оценок эффективностей смысловых решений неформализованных задач.

3. Разработаны принципы оценки эффективности смысловых решений неформализованных задач для различных уровней иерархии технологического проектирования систем непрерывной ректификации и способы накопления их значений в базах знаний (БЗ) интеллектуальных компьютерных систем.

4. С использованием разработанного метода накопления и классификации знаний проведено исследование интерполяционных и экстраполяционных возможностей 5 способов определения давлений насыщенных паров 78 индивидуальных веществ и определены те из них, которые следует с наибольшей вероятностью применять в каждом конкретном случае.

5. Решена неформализованная задачи выбора моделей Вильсона или NRTL для описания фазовых равновесий жидкость, пар в 1500 бинарных системах для изобарических, изотермических и смешанных (изотермических + изобарических) данных с различным видом подгоночных (энергетических) параметров -констант, линейно-зависимых и квадратично-зависимых от температуры.

6. С применением разработанного метода накопления и классификации знаний решена задача выбора целевой функции при определении подгоночных энергетических параметров моделей Вильсона и NRTL (из шести возможных

350 вариантов) и алгоритма оптимизации (из двух возможных вариантов) для 1500 бинарных равновесных данных жидкость-пар (изобарических, изотермических и смешанных).

7. Решена неформализованная задача выбора типов контактных устройств для 5 ректификационных колонн производства изомеров диэтилбензола при реализации процесса самообучения с использованием разработанной процедуры накопления и классификации знаний, универсальной моделирующей программы ХЕМКАД (глава V) и процедуры оценки экономической эффективности технологической схемы разделения (раздел И.З.З).

ГЛАВА IV. ПОСТРОЕНИЕ ИНТЕЛЛЕКТУАЛЬНОЙ АДАПТИВНОЙ РАСЧЕТНО-ИНФОРМАЦИОННОЙ СИСТЕМЫ ФИЗИКО-ХИМИЧЕСКИХ СВОЙСТВ (АРИС ФХС) [504]

При исследовании условий паро-жидкостного равновесия многокомпонентных систем возникает насущная необходимость решения большого разнообразия неформализованных и формализованных задач (раздел II. 1). Для решения этих задач была разработана интеллектуальная адаптивная расчетно-информационная система физико-химических свойств (АРИС ФХС). Сначала АРИС ФХС была реализована на ЕС ЭВМ ( модель ЕС-1033) с операционной системой ОС ЕС 6.1 на базе СУБД общего назначения типа "СПЕКТР" и большинство программных модулей было написано на языке PL/1 (транслятор PL/1-ОС) [151]. Затем АРИС ФХС была переведена на IBM - совместимые персональные компьютеры с операционной системой MS DOS версии 5.0 и выше[201]. При этом для хранения и обработки данных использовалась стандартная реляционная СУБД "R-BASE", а для программирования большинства модулей системы использовались компиляторы языка "Си" - Microsoft С 5.0 и Microsoft С 6.0.

АРИС ФХС должна функционировать в двух режимах: как подсистема нижнего уровня САПР технологических схем разделения без участия человека, или автономно в диалоге с пользователем. В режиме диалога система должна обеспечивать информационные и/или научные потребности различных типов пользователей: от проектировщика ХТС, который может не быть специалистом в области методов расчета свойств, вычислительной математики и применения вычислительной техники, до исследователя методов расчета физико-химических свойств (ФХС), который может быть высококвалифицированным специалистом в некоторых или во всех указанных областях.

Использование существующих методов расчета ФХС требует привлечения знаний и опыта специалистов. Поэтому для эффективного функционирования в качестве подсистемы САПР и в диалоге с неспециалистом разрабатываемая система должна моделировать соответствующие функции специалиста, то есть быть экспертной системой ( глава III). При работе в диалоге с исследователем методов расчета ФХС она должна помогать в накоплении и обобщении опыта многовариантных расчетов и в получении выводов из этого опыта.

Требования к системе вытекают из ее функционального назначения. Поэтому система должна включать информационное, программно-математическое и интеллектуальное обеспечение.

В результате в АРИС ФХС реализованы: банк данных, в основном, для органических веществ и их смесей; комплекс расчетных программ для исследования условий фазовых равновесий жидкость-пар в многокомпонентных системах; комплекс интеллектуальных программ для накопления и классификации знаний об эффективности принимаемых смысловых решений.

Каждая из трех программных систем представляет собой автономные модули на компьютере. Однако между ними существует тесная взаимосвязь. Для проведения исследований с помощью комплекса расчетных программ необходима информация из банка данных, а отсутствующие в информационной системе данные по свойствам могут быть рассчитаны и аппроксимированы с помощью соответствующих вычислительных процедур. Для оценки эффективности результатов расчетов и информации из банка данных используют комплекс интеллектуальных программ, на основании чего принимаются смысловые решения о дальнейшем применении расчетных методов и наборов данных. В связи с этим все три программные системы следует рассматривать как единый интеллектуальный комплекс компьютерных программ расчета и исследования условий паро-жидкостного равновесия в многокомпонентных системах.

Требования к информационному обеспечению можно разделить на три группы:

1. Требования к информационным системам общего назначения [464], которые переносятся на рассматриваемую систему: большая емкость (это требование обусловлено большим числом исследуемых в химии и применяемых в химической технологии веществ и их смесей); быстрый поиск данных как по фиксированному, так и по произвольному запросу; обеспечение логической непротиворечивости хранимой информации; удобство добавления, корректировки и удаления данных; надежность хранения данных.

2. Требования к информационным системам по ФХС: хранение экспериментальных данных в исходных размерностях и хранение рассчитанных данных, в том числе параметров аппроксимирующих зависимостей со ссылками на библиографический источник или расчетный метод получения данных [153]; хранение оценок качества и, в частности, точности данных; возможность хранения разных наборов значений свойств для разных веществ и смесей [153]; независимость информационной структуры от конкретных свойств; возможность ввода в систему данных по новым свойствам без какого-либо изменения структуры.

3. Требования к информационному обеспечению экспертной системы расчета ФХС: хранение модели предметной области (ПО) [465], которая включает сведения о ФХС как таковых и методах их расчета для различных веществ и их смесей; простота ввода новых элементов данных и связей между данными с целью развития модели ПО.

Последнее требование, важное и для обычных информационных систем [464], является одним из решающих для экспертной системы в такой слабо формализованной области, какой являются методы расчета.

Требования к программно-математическому обеспечению существующих систем расчета ФХС приведены, в частности, в работе [153]: единая непрерывная и дифференцируемая зависимость для представления свойств во всей необходимой области изменения параметров; термодинамическая согласованность методов; экстраполируемость зависимостей в гипотетические состояния во избежание сбоев в итерационных и оптимизационных методах; возможность многовариантных расчетов свойств.

IV. 1. Логическая структура данных в АРЙС ФХС

Информация, необходимая для расчета ФХС, может быть разделена на два класса.

К первому классу относятся перечни веществ и смесей, список их свойств, соответствующие данные по ФХС со ссылками на источники их получения. Для проверки правильности ввода в систему информации, взятой из литературы, необходим также список литературных источников. Вся эта информация содержится в базе данных АРИС ФХС.

Ко второму классу относится информация, знание которой отличает специалиста по расчету ФХС. Это сведения о методах расчета ФХС, включающие оценки их применимости в целом и для решения конкретных задач; сведения о переменных, участвующих в расчете; сведения о физических величинах и их размерностях. Информация второго класса содержится в базе знаний (БЗ) [465] АРИС ФХС.

Разделение информации, необходимой для расчета ФХС, на "данные" и "знания" в определенной степени условно, так как "данные" по. мере усложнения их структуры, могут переходить в "знания", а "знания", обрабатываемые компьютером, могут рассматриваться как данные [21]. Целесообразность такого разделения обусловлена существенным различием методов обработки информации этих классов. Предлагаемое разделение показывает также перспективу развития систем расчета ФХС, связанную с повышением уровня их "интеллектуальности".

Для построения логической (или концептуальной) структуры данных всю необходимую информацию надо представить в виде отдельных элементов ПО (сущностей) и связей между ними. Для наглядного представления логической структуры принята система обозначений, предложенная в работе [466].

В результате проведенного нами анализа получена укрупненная логическая структура данных сетевого типа, показанная на pHC.IV. 1. Каждый прямоугольник представляет группу одинаковых по структуре логических записей (файлов). Дуги обозначают связи между записями разных файлов. Стрелки по

Вещество Смесь

Phc.IV.I.Укрупненная логическая структура данных в АРИС ФХС

LO U1 U1 казывают возможное наличие для записи файла указателей на записи другого файла, т.е. отношение между записями типа 1:М. Одиночной стрелке соответствует М=0,1, двойной стрелке соответствует М=0,1,2. Двойной стрелке на обоих концах дуги соответствует отношение типа "многие к многим". Пунктирными дугами обозначается связь, которая может автоматически уточняться системой по мере накопления информации.

Рассмотрим теперь разработанную в АРИС ФХС логическую структуру отдельных элементов предметной области. Каждая логическая запись в общем случае содержит отдельные элементы данных (атрибуты) и их агрегаты. Для наглядного представления логической структуры отдельных элементов ПО названия записей и агрегатов данных записываются в прямоугольниках, а атрибутов - в овалах. Если в одной логической записи может быть несколько экземпляров одного агрегата или атрибута, то их название обводится пунктирной линией.

Каждое вещество имеет в системе уникальный номер, брутто - формулу и множество названий, являющихся синонимами (рис.1У.2). Для каждого вещества хранится также 22 бинарных признака, описывающих особенности его молекулярного строения. Эти признаки используются для проверки применимости конкретной методики расчета свойства для данного вещества, а также для выделения групп веществ, в пределах которых сравнивается точность методик расчета свойств.

Вещество

Рис. IV.2. Описание вещества

Каждая смесь имеет уникальный номер в системе, число компонентов и определяется номерами входящих в нее веществ (рис. IV.3). АРИС ФХС ориентирована на расчет ФХС процессов разделения смесей. Поэтому с целью унификации структуры хранения данных по ФХС индивидуальное вещество рассматривается как однокомпонентная смесь.

Смесь Номер ^ ^Число компонентов^ (Номер входящего вещества.

Рис. IV.3. Описание смеси

Проведенный нами анализ физико-химических свойств показал, что: все свойства представляются числовыми значениями; в общем случае свойство является отображением (зависимостью) вида У = F (X), где X и Y множества соответственно входных и выходных переменных, каждое из которых может включать как скалярные, так и векторные величины. Свойство —константу (число атомов в молекуле, молекулярный вес и т.д.) можно рассматривать как частный случай свойства —зависимости, когда множество аргументов X пусто. Структура свойства в АРИС ФХС показана на рис. IV.4. Описание свойства как зависимости (в сочетании с представлением индивидуального вещества как однокомпонентной смеси) позволяет унифицировать ввод, хранение, выборку и отображение данных по ФХС.

Код Л «одной величины]

Код выходной величины

Рис.1У.4. Описание свойства

Данные по конкретному свойству конкретной смеси хранятся в АРИС ФХС в табличной или аналитической форме. Остальные структуры представления данных свойств, аппроксимирующих функций, вычислительных алгоритмов и др. приведены в работе [151].

IV.2 Моделирование некоторых интеллектуальных функций специалистов по расчету ФХС

Разработанные алгоритмы моделируют следующие аспекты работы специалиста по расчету ФХС: выбор для данного вещества или смеси метода расчета заданного свойства (расчетной методики, аппроксимирующей функции, критерия и алгоритма оценки параметров этой функции) при наличии исходных данных для нескольких методов расчета этого свойства.

Для решения этой задачи в АРИС ФХС разработан способ самообучения системы выбору методов расчета на основе вероятностного подхода. Такой подход позволяет решать задачу выбора автоматически и одновременно с учетом знаний и опыта специалиста предметной области. Каждому методу расчета приписывается определенная вероятность выбора, которая автоматически изменяется в процессе функционирования системы по мере накопления информации. АРИС ФХС выбирает методы в соответствии с их текущими вероятностями, которые одновременно являются полезной информацией для специалиста. При необходимости он может легко управлять поведением системы, корректируя эти вероятности (глава III).

Схема применения в АРИС ФХС алгоритмов, реализующих элементы искусственного интеллекта [9], показана на рис. IV.5.

Блок 1 решает задачу пользователя при заданном методе расчета ФХС. При многократном решении задач одного априорно выделенного класса блоки 2,3 реализуют стохастико-самообучающийся алгоритм выбора вариантов ( алгоритм ССАВВ - раздел III.2 ). Текущие вероятности выбора методов расчета хранятся в БЗ. После многократного решения задач разных классов БЗ будет содержать финальные вероятности выбора методов расчета для каждого класса. Блок 4 группирует вероятности, полученные блоками 1-3. При этом классы за

Рис. IV.5. Укрупненная структурная схема АРИС ФХС

БД - база данных

БЗ - база знаний

1 - комплекс программ, реализующих методы расчета ФХС

2 - блок вероятностного выбора методов расчета

3 - блок коррекции вероятностей выбора

4 - блок автоматической классификации дач, эквивалентные по вероятностям выбора методов расчета, объединяются с использованием эвристического алгоритма классификации (алгоритма ЭАК -раздел III.2 ). В дальнейшем все задачи объединенного класса имеют единые вероятности выбора методов расчета. Разбиение, полученное блоком 4, может рассматриваться как обучающая выборка в пространстве разнотипных признаков, описывающих классы задач. Это открывает возможность применения алгоритмов распознавания образов [425] для получения правила, по которому любая задача, описываемая этими признаками, будет отнесена к одному из уже имеющихся объединенных классов задач. Вероятности выбора методов расчета для такой задачи равны вероятностям, принятым для включающего ее класса.

Разработан вероятностный подход к выбору методов расчета ФХС, обеспечивающий самообучение системы выбору методов. Для реализации этого подхода созданы стохастико-самообучающийся алгоритм выбора вариантов (алгоритм ССАВВ), обладающий высокой чувствительностью и устойчивостью, и специализированный эвристический алгоритм классификации (алгоритм ЭАК). Алгоритмы проверены на модельных и практических примерах задач , решаемых при технологическом проектировании систем ректификации (глава III).

ГУ.З.Реализация АРИС ФХС

Система реализована на ЮМ- совместимом персональном компьютере с операционной системой MS DOS версии 5.0 и выше на базе стандартной реляционной СУБД "R-BASE". Большинство программных модулей написано на языке "СИ" (компиляторы: Microsoft С 5.0 и Microsoft С 6.0). Несколько модулей написано на языках Фортран и Ассемблер. Программное обеспечение системы включает около 150 модулей общим объемом свыше 10000 строк исходного текста.

Реализация системы обеспечивает ее функциональное назначение и удовлетворяет требованиям, которые обычно предъявляются к сложным программным системам [469-472].

Информационное обеспечение АРИС ФХС реализовано в виде шести файлов (таблиц) СУБД "R-Base" и пяти обычных текстовых файлов. Далее приводятся названия этих файлов и списки их полей (атрибутов).

Файлы "R-Base":

- "вещества": номер вещества, брутто-формула, сведения о принадлежности данного вещества к 22 пересекающимся классам химических соединений;

- "названия веществ": номер вещества, номер языка, номер названия для данного языка, название вещества;

- "смеси": номер смеси, число компонентов, перечень номеров входящих компонентов (для каждого индивидуального вещества имеется запись с соответствующей однокомпонентной смеси);

- "константы и таблицы": номер константы/таблицы, номер подтаблицы, номер смеси, номер свойства, число строк, число столбцов, описания столбцов (имя, номер размерности, тип, минимальное и максимальное значение, точность, ссылки на источник и оценки качества), числовые данные;

-"расчетные формулы": номер смеси, номер свойства, номер уравнения, номер формулы для данного уравнения, ссылки на источник, параметры, символьный вид расчетной формулы;

Список литературы диссертационного исследования доктор технических наук Гартман, Томаш Николаевич, 2000 год

1. Первая цифра номера имеет следующий смысл.1 сведения о характере источника данных;2 сведения о проверке;3 сведения о точности.- vzhelp.rus тексты для помощи пользователю во всех точках диалога.

2. Программное обеспечение системы это около 130 функций языка Си, объединенных вместе с функциями пакета "Vermont Views", пакета программного интерфейса "R-Base-Си" и собственного пакета "Мета" в несколько вызываемых динамически файлов типа "ЕХЕ".

3. В настоящее время БД АРИС ФХС содержит:- 30000 констант и таблиц;- 7000 расчетных формул по 40 свойствам 3500 веществ и 1500 смесей.

4. Объем информации, хранящейся в банке данных АРИС ФХС на момент написания диссертации, приведен в таблице IV. 1.