Разработка методов и алгоритмов безаварийного управления потенциально опасными объектами нефтехимической отрасли на основе систем нечеткого вывода тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Чепелева, Марина Станиславовна

• Чепелева, Марина Станиславовна
• кандидат технических наук
• 2012

Оглавление диссертации кандидат технических наук Чепелева, Марина Станиславовна

Оглавление

Список условных сокращений

Введение

Глава 1. Анализ существующих систем, способствующих поддержке решений при управлении потенциально опасными объектами, анализ объекта управления, постановка задачи

1.1. Роль человеческого фактора при управлении потенциально опасным объектом

1.2. Анализ существующих моделей управления потенциально опасным объектом

1.3. Анализ существующих классификаций состояний потенциально опасных процессов

1.4. Анализ объекта управления

1.4.1. Общие технологические аспекты производства бутилкаучука

1.4.2. Особенности технологии производства бутилкаучука в растворе изопентана

1.4.3. Химизм и технология процесса полимеризации

1.4.4. Анализ процесса пуска полимеризатора

1.4.5. Анализ рабочего режима процесса полимеризации

Выводы и постановка задачи

Глава 2. Анализ управленческих решений и определение методов безаварийного управления на каждом этапе полимеризации

2.1. Проблемы принятия решений на этапе пуска полимеризатора

2.2. Обоснование выбранного метода для построения СППР на этапе пуска полимеризатора

2.2.1. Интеллектуальные системы поддержки принятия решений на

основе нейронных сетей

2.2.2. Интеллектуальные системы поддержки принятия решений на основе нечеткой логики

2.2.3. Интеллектуальные системы поддержки принятия решений с использованием нечетких когнитивных карт

2.3. Проблемы принятия решений на этапе рабочего режима

2.4. Выбор методов для построения системы прогнозирования

2.4.1. Выбор метода получения прогноза

2.4.2. Выбор метода распознавания текущей ситуации

2.5. Недостатки в управлении процессом останова

Выводы

Глава 3. Разработка методов поддержки управленческих решений на каждом этапе полимеризации

3.1. Построение СППР этапа пуска полимеризатора

3.1.1. Построение математической модели объекта исследования

3.1.2. Разработка алгоритма вывода объекта в рабочую точку пространства технологических параметров

3.1.2.1. Выход на рабочую температуру

3.1.2.1.1. Формирование базы правил

3.1.2.1.2. Фаззификация входных переменных

3.1.2.1.3. Агрегирование подусловий в нечетких правилах продукций

3.1.2.1.4. Активизация (композиция) подзаключений в нечетких правилах продукции

3.1.2.1.5. Аккумулирование заключений нечетких правил продукции

3.1.2.1.6. Дефаззификация выходных переменных

3.1.2.2. Выход в рабочую точку пространства технологических параметров

3.2. Построение системы прогнозирования

3.2.1. Модель изменения технологического параметра

3.2.2. Алгоритм определения показателя Херста

3.2.3. Определение параметров системы прогнозирования

3.2.3.1. Определение шага исходного временного ряда

3.2.3.2. Определение длины исходного временного ряда

3.2.4. Построение системы прогнозирования тенденций

3.2.4.1. Определение показателя Херста для выборки, полученной

на реальном объекте

3.2.4.2. Определение показателя Херста во время технологического процесса

3.2.5. Построение системы нечеткого вывода по определению приближения к аварии

Выводы

Глава 4. Практическая реализация СППР этапа пуска полимеризатора и системы прогнозирования близости аварии на этапе синтеза

4.1. Проверка адекватности СППР этапа пуска

4.2. Проверка адекватности системы прогнозирования близости аварии

на этапе синтеза БК

4.3. Дополнение системной модели управления процессом полимеризации

4.4. Структура технических средств на производстве внедрения

4.5. Использование БСАБА-системы для реализации алгоритмов

Выводы

Основные выводы

Список литературы

Приложение 1

Приложение 2

Приложение 3

Приложение 4

Приложение 5

Приложение 6

Приложение 7

Приложение 8

Список условных сокращений:

АРМ - автоматизированное рабочее место

АСОДУ - автоматизированная система оперативно-диспетчерского

управления производством

АСУ - автоматизированная система управления

БД - база данных

БЗ - база знаний

БК - бутилкаучук

БП - база правил

BP - временной ряд

ИИ - искусственный интеллект

ИСУ - интеллектуальная система управления

ЛПР - лицо, принимающее решения

ММР - молекулярно-массовое распределение

НКК - нечеткая когнитивная карта

НМ - нечеткие множества

НС - нейронная сеть

НшС - нештатная ситуация

ОУ - объект управления

СНВ - система нечеткого вывода

СППР - система поддержки принятия решений

ТП - технологический процесс

УВК - управляющий вычислительный комплекс

ФП - функция принадлежности

ХТС - химико-технологическая система

ЧС - чрезвычайная ситуация

ЭС - экспертная система

SCADA - Supervisory Control And Data Acquisition (диспетчерское управление и сбор данных)

Введение диссертации (часть автореферата) на тему «Разработка методов и алгоритмов безаварийного управления потенциально опасными объектами нефтехимической отрасли на основе систем нечеткого вывода»

Введение

Актуальность темы. Среди множества процессов различных технологий нефтехимической отрасли выделяется класс потенциально опасных (полимеризация, нитрование, магнийорганический синтез и т.д.). На производствах, включающих в свой технологический цикл такие процессы, требуется уделять особое внимание вопросу безопасности, при этом необходимо учитывать все негативные воздействия, способные вывести объект за рамки штатного функционирования. Как показывает статистика, одним из таких факторов является наличие ошибок в управленческих решениях, принимаемых человеком. Последствия некорректных действий оператора можно разделить на две основные группы:

1) ошибки, ведущие к повышению опасности:

■ несвоевременно принятые решения;

■ некорректное управление, связанное с неадекватной оценкой сложившейся ситуации;

■ ошибки, вызванные недостатком опыта принятия решений в ситуациях, близких к аварийной;

2) ошибки, снижающие эффективность производства:

■ некорректное принятие решений, связанное с недостатком опыта в управлении конкретной системой;

■ несвоевременное предупреждение выхода в нештатную ситуацию.

На данный момент установлено много факторов, влияющих на принятие человеком управленческих решений (характер работы, стрессы, психологическая нагрузка, состояние рабочего места и т.д.), однако существуют системы, в которых дополнительные трудности в процесс управления вносит наличие неопределенностей различного рода. Это может быть чрезмерная сложность модели объекта, неоднозначность и

неформализованность алгоритмов управления или плавающие границы между описаниями возможных состояний системы.

Одним из процессов нефтехимической отрасли, характеризующихся потенциальной опасностью и обладающих рядом неопределенностей, является полимеризация синтетического каучука в растворе, в связи с чем этот технологический этап выбран основной темой диссертационного исследования.

Анализ работ в данной предметной области показал [77, 78, 35, 39], что для управления подобными объектами целесообразно использовать средства поддержки принятия решений и системы прогнозирования, а одним из наилучших методов для их построения является аппарат нечеткой логики.

Таким образом, актуальность тематики диссертационной работы продиктована необходимостью разработки методов и алгоритмов прогнозирования и интеллектуальной поддержки при принятии управленческих решений в условиях неопределенности, предотвращающих внештатное функционирование потенциально опасных объектов и не снижающих эффективности производства.

Цель исследования - разработка методов и алгоритмов управления потенциально опасными объектами, способствующих повышению уровня безопасности производства при заданной эффективности.

Задачи исследования:

провести анализ исследуемого объекта и выявить проблемы принятия управленческих решений на разных этапах его функционирования;

определить методы разработки систем, способствующих принятию решений на каждом из этапов процесса полимеризации;

получить математическую модель объекта управления, позволяющую определить зависимость основного параметра системы от входных управляющих воздействий;

разработать алгоритм вывода потенциально опасного объекта на регламентное значение основного параметра системы;

разработать метод вывода объекта в рабочую точку пространства параметров для достижения заданного качества готовой продукции;

разработать метод прогнозирования приближения системы к аварийному состоянию на рабочем этапе функционирования потенциально опасного объекта.

Методы исследования. Для решения поставленных задач применялись методы системного анализа, математического моделирования, теории нечетких множеств и экспертных систем, анализа временных рядов, элементы теории автоматического управления и основы органической химии.

Научная новизна диссертационной работы заключается в следующем:

1. Разработан алгоритм вывода объекта на регламентное значение основного параметра системы по заданной траектории, отличающийся учетом неопределенности текущей ситуации.

2. Разработан метод вывода системы в рабочую точку пространства параметров с последующей передачей управления локальным схемам стабилизации, отличающийся возможностью комплексного использования нескольких каналов управления в зависимости от текущей ситуации на объекте.

3. Разработан метод прогнозирования приближения системы к аварийному состоянию, отличающийся комплексной оценкой внутренних тенденций системы к смене состояния и текущей ситуации на объекте с учетом ее неоднозначности.

4. Получена аналитическая модель объекта, отличающаяся большим числом параметров и расширенным диапазоном применения.

Теоретическая и практическая значимость работы. Предложенные в работе методы предотвращения выхода системы в аварийный режим дополняют существующую для процесса полимеризации системную модель управления и не противоречат ее структуре, что повышает безопасность управления рассматриваемой системой. Разработанные алгоритмы реализованы в рамках распределенной системы управления, функционирующей на предприятии. Практическое использование результатов работы позволяет предотвратить неэффективное ведение процессов и снизить уровень рисков. Основные теоретические и практические результаты работы внедрены в производство на ООО «Тольяттикаучук» (г. Тольятти) и в учебный процесс Воронежского ГАСУ в рамках дисциплины «Имитационное моделирование систем».

Положения, выносимые автором на защиту:

1. Алгоритм вывода объекта на регламентное значение основного параметра системы по заданной траектории, основанный на аппарате нечеткой логики, обеспечивающий безопасность проведения данной операции с минимизацией потерь энергетических и материальных ресурсов.

2. Метод вывода системы в рабочую точку пространства параметров с последующей передачей управления локальным схемам стабилизации, включающий в себя два последовательных этапа и способ их согласования и гарантирующий на этапе синтеза выпуск продукции заданного качества.

3. Метод прогнозирования приближения системы к аварийному состоянию, позволяющий ЛПР при необходимости вернуть объект в рамки нормального функционирования или, если это невозможно, заблаговременно остановить процесс.

4. Аналитическая математическая модель объекта, позволяющая экспериментальным способом определить зависимость основного параметра

и

системы от принимаемых управленческих решений и формализовать метод вывода системы в рабочую точку.

Апробация работы. Основные результаты диссертационной работы докладывались и обсуждались на 65-й всероссийской научно-практической конференции на базе Воронежского государственного архитектурно-строительного университета (Воронеж, 2010 г.) и на 66-й научно-практической конференции профессорско-преподавательского состава, научных работников и аспирантов университета с участием представителей исследовательских, проектно-конструкторских, строительных и общественных организаций (Воронеж, 2011 г.).

Публикации. Основные результаты диссертации опубликованы в 10 научных работах, из них 3 - в изданиях, рекомендованных ВАК РФ. В работах, опубликованных в соавторстве, лично соискателем предложены: [124] - способ определения параметров исходной выборки системы прогнозирования и модифицированный метод R/S-анализа для коротких временных рядов; [59] - метод прогнозирования приближения системы к аварийному состоянию, позволяющий в совокупности оценивать текущую ситуацию на объекте и внутренние тенденции системы; [120, 126] -организация программного обеспечения с определением точек входа в алгоритм аварийной последовательности для своевременного выхода из нештатной ситуации; [119] - способ минимизации экономических потерь путем целенаправленного вывода объекта за рамки штатной ситуации; [123] - метод вывода потенциально опасного объекта управления в рабочую точку пространства параметров.

Структура и объем работы. Диссертационная работа состоит из введения, четырех глав, заключения, библиографического списка (143 наименований), 8 приложений и содержит 167 листов машинописного текста, включая 64 рисунка и 2 таблицы.

Глава 1. Анализ существующих систем, способствующих поддержке решений при управлении потенциально опасными

объектами, анализ объекта управления, постановка задачи.

В большом числе процессов химической технологии можно выделить такие, которые при нарушении требований технологического регламента переходят в аварийные режимы с последствиями различной степени тяжести [81]. Такие процессы принято называть потенциально опасными.

При управлении подобными системами на лицо, принимающее решения (ЛПР), ложится дополнительная нагрузка, т.к. его действия могут повлечь за собой необратимые последствия различной степени тяжести. Это могут быть как потери ресурсов, снижение производительности оборудования или качества готовой продукции, так и выход в нештатное состояние, развитие аварийной ситуации или останов производства. В связи с этим на подобных объектах необходимо применять системы, помогающие ЛПР принимать наилучшие управленческие решения.

Рассмотрим подробно роль человеческого фактора и существующие модели для управления подобными системами.

1.1. Роль человеческого фактора при управлении потенциально

опасным объектом

Как показывает статистика, приблизительно 10-15% отказов непосредственно связаны с ошибками человека. По мнению академика В.А. Легасова, свыше 60% аварий происходит из-за ошибок персонала потенциально опасных объектов. Существует несколько основных случаев, ведущих к ошибкам ЛПР:

- оператор или какое-либо лицо стремится к достижению ошибочной

цели;

- поставленная цель не может быть достигнута из-за неправильных действий оператора;

- оператор бездействует в тот момент, когда его участие необходимо.

Факторы, влияющие на принятие решений, можно классифицировать по разным признакам:

• внутренние и внешние;

• индивидуальные и коллективные;

• присущие процессу управления любыми объектами и потенциально опасными и т.д.

Одни и те же факторы можно отнести к разным классам той или иной группы. Рассмотрим основные факторы, воздействующие на человека при управлении потенциально опасным объектом.

Социально-психологический климат. Данный фактор вызван ошибками специалистов по управлению коллективом: недостаточное стимулирование работников, психологическая несовместимость коллег.

Уровень подготовки. С одной стороны, оператор должен иметь большой опыт по управлению потенциально опасным объектом для удержания его в рамках штатной ситуации, с другой - при выходе в аварийный режим должен четко знать, что ему необходимо предпринять в той или иной ситуации.

Личные качества. Неправильное поведение персонала в той или иной ситуации может быть как следствием недостаточного опыта, так и результатом большого психологического давления. По статистике, 73% аварий, происходящих по вине оператора, возникают в результате неблагоприятных психологических качеств человека. Оператор может оказаться неготовым к необходимости взять на себя ответственность, или на принятие решений ему требуется слишком большой запас времени. К негативным качествам человека, влияющим на процесс принятия решений, можно отнести подавленное настроение, повышенную раздражительность, замедленность реакций, излишнее волнение, суетливость, ненужную говорливость. У человека рассеивается внимание, возникают ошибки при

выполнении необходимых действий, в особенности при неожиданных отказах оборудования или внезапных изменениях ситуации.

Социальная ситуация. К таким факторам можно отнести, например, финансовые проблемы человека. Отчасти эти факторы связаны с предыдущими, т.к. вызывают стрессы, психологическую напряженность и т.д.

Политические факторы. В первую очередь данный фактор влияет на принятие решений ЛПР более высокого уровня, т.к. руководители организаций должны иметь четкое представление о том, насколько стабильна политическая ситуация, предстоит ли смена власти и политических лидеров, какие направления деятельности и отрасли хозяйства они будут поддерживать. Понимание этих вопросов помогает разрабатывать верные сценарии развития событий и принимать адекватные решения, позволяющие пользоваться благоприятной политической ситуацией или, напротив, избегать крупных потерь вследствие ее ухудшения. При этом ЛПР нижнего уровня системы управления также должен принимать решения в рамках выбранной руководством политики.

Инженерно-психологические факторы. Данные факторы в основном присущи управлению потенциально опасными объектами.

Степень автоматизации и механизации. Данный фактор относится к так называемым ошибкам проектирования. Следить за ходом процесса может быть неудобно из-за некорректно расположенных датчиков. Недостаток автоматизации и механизации ограничивает возможности оператора.

Организация рабочего места (условия труда). Теснота рабочего помещения, несоответствие нормам по шуму, влажности, температуре, освещенности - все эти факторы могут помешать оператору сосредоточиться на первостепенной задаче.

В целом основные воздействия, способные повлиять на принятие управленческого решения, представлены на рисунке 1.1.

Рис. 1.1. Основные факторы, воздействующие на человека, управляющего потенциально опасным процессом

Для конкретных объектов влияющие на оператора факторы рассмотрены в работах [4, 5].

Проанализировав различные воздействия, усложняющие процесс принятия решений, можно еще раз убедиться в необходимости использования «подсказчика» при управлении потенциально опасным объектом.

1.2. Анализ существующих моделей управления потенциально

опасным объектом

Процесс принятия решений при управлении потенциально опасным объектом является достаточно актуальной темой для исследований. Решению данной задачи посвящено большое количество работ [82, 109, 27, 60, 67]. Для рассматриваемого технологического процесса наиболее близкая системная модель управления представлена в [118]. Рассмотрим ее более подробно.

На основе базы знаний (БЗ) анализатор ситуаций определяет, является ли текущая ситуация штатной или нет. В случае положительного ответа система разрешает работу классическим алгоритмам управления. В противном случае в работу вступают алгоритмы выхода из нештатных ситуаций (НшС), а иные действия блокируются.

В случае распознавания текущей ситуации как нештатной классификатор экстремальных ситуаций присваивает ей одно из пяти значений:

1) Чрезвычайная ситуация (ЧС) - ситуация, при которой происходит частичное разрушение элементов объекта, которое, тем не менее, сохранило возможность АСУ ТП за счет собственных средств довести поврежденный объект до логического останова без участия человека в осуществлении Плана ликвидации аварии.

2) Аварийная ситуация - возврат к нормальному функционированию невозможен, необходимо прекратить процесс.

3) Недостаток ресурсов.

4) Конфликт.

5) Оптимизация.

После распознавания НшС в работу вступает соответствующий алгоритм управления.

Рассмотрим подробнее признаки, по которым классификатор определяет ту или иную экстремальную ситуацию и принцип работы алгоритмов управления в каждой из них.

1) Формирование признаков чрезвычайной ситуации в конечном итоге осуществляет компаратор, сравнивая таблицы истинности текущей ситуации с заданной на данный этап развития алгоритма управления. Структура заданной таблицы истинности создана по принципу сетей Петри. Она динамически обновляется по мере планового срабатывания переходов и изменения маркировки сети Петри. Таблицу текущей ситуации составляет

специальная программа, включенная в состав информационной системы, которая анализирует результаты опроса сигналов дискретных датчиков положения исполнительных механизмов, пространственной ориентации деталей и узлов оборудования, а также проводит логический анализ информации, полученной с аналоговых датчиков, зафиксировавших нарушение критических ограничений технологических параметров [54].

2) Признаки аварийной ситуации формируются путем анализа технологических параметров на принадлежность заданной области. Аварийная ситуация дает некоторый временной запас для останова процесса с целью избежать выхода в чрезвычайную ситуацию [116]; при этом разработан алгоритм определения точки входа в последовательность ликвидации аварийной ситуации [126].

3) Признаки задачи недостатка ресурсов формируются путем анализа номенклатуры и запасов, хранящихся в складских помещениях, и производительности смежного оборудования, необходимых для выполнения производственной программы. При отнесении ситуации к классу замещения ресурсов активизируется меню альтернативных рецептов, созданных на базе экспертных оценок, по которому ЛПР выбирает предпочтительный вариант. По результатам выбора рецепт, хранящийся в базе знаний (БЗ), количественно модифицируется под заданную марку продукции и переводится в базу данных (БД) для текущего исполнения [33, 34].

4) Если ситуация оказалась не распознанной классификатором (в БД не найден фрейм-прототип), то формируется признак ситуации с неопределенностью и задача передается на рассмотрение ЛПР. С этого момента АСУ ТП предоставляет ЛПР диалоговый режим общения с БЗ.

В первом варианте ЛПР постулирует дополнительные гипотезы для устранения неопределенности цели, например, в виде скалярной свертки

функций полезности вектора Q на множестве S с весовыми коэффициентами

щ q = Z^i^i (1Л)

i

или непосредственным введением расстояния между вектором Q(SbS2) и точкой абсолютного максимума Q*(Si,S2)

M^^LkM-q^s.f (1.2)

и возвращает задачу классификатору на анализ ее корректности. Если корректность выполняется, классификатор передает задачу пакету программ с пометкой (флагом) реализации алгоритма оптимизации, соответствующего поставленной задаче. Если корректность не соблюдается (в БЗ не найдено аналога), задача возвращается к ЛПР для повторного анализа.

Во втором варианте принимается решение о снятии задачи оптимизации. В этом случае ЛПР разрешает возникшие противоречия на параметрическом уровне, основываясь на представлении состояния объекта точкой в многомерном пространстве нормированных притязаний [117]. После чего дается команда на внесение коррекции в штатные задачи управления.

При возникновении определенной конфликтной ситуации ЛПР высокого уровня может принять решение о намеренном выходе в аварийный режим. Возможность применения подобных решений подробно рассмотрена в [119].

5) Если классификатор определил, что оптимизационная задача уже решается (соответствующая программа выставила флаг функционирования), или задача направлена на выполнение команды лицом, принимающим решения, то формируются признаки оптимизационной ситуации для инициирования комплекса прикладных программ. Еще раз подчеркнем, что задачи оптимизации являются равноправными участниками экстремальных ситуаций в том смысле, что их решение позволяет улучшить (в отличие от

остальных экстремальных ситуаций) состояние ХТС по отношению к штатному, но для этого требуется применение специальных методов.

Выработанные тем или иным алгоритмом воздействия поступают на объект.

Отметим, что рассмотренный метод управления включает в себя как способы ведения процесса в штатной ситуации, так и выходы из иных состояний [120]. Существует ряд работ, посвященных только механизмам принятия решений в экстремальных ситуациях [94, 69, 70, 75,76].

Проанализировав существующие способы управления потенциально опасными объектами и системную модель, разработанную для рассматриваемого процесса, можно сделать вывод, что механизмы выхода из нештатных ситуаций [11, 128, 134] разработаны достаточно хорошо, однако, учитывая потенциальную опасность объекта, необходимо синтезировать методы, способствующие предотвращению выхода процесса за рамки штатной ситуации.

Как показал анализ статистики, одной из основных причин выхода системы в аварийный режим является наличие ошибок в действиях оператора. В связи с этим для решения поставленной выше задачи необходимо провести анализ исследуемого производства с целью выявления технологических этапов с неблагоприятным влиянием «человеческого фактора». Кроме того, следует более детально рассмотреть понятие штатного состояния, разбить его на несколько зон и выработать действия в каждой из них.

1.3. Анализ существующих классификаций состояний потенциально опасных процессов

В настоящее время существует несколько различных классификаций состояний потенциально опасных процессов. Большинство из них разработаны для конкретных объектов и задач [96]. Для некоторых производств с учетом их индивидуальных особенностей совместно с

классификацией НшС разработаны модели их идентификации и прогнозирования [46 ,114].

Более общая классификация приводится в работе [81]. Она охватывает все типы потенциально опасных объектов и выделяет два основных режима их работы: нормальное функционирование и предаварийное состояние (рис 1.2.).

Рис. 1.2. Состояния потенциально опасного объекта и связи между

ними

I - нормальное функционирование: 1-а - отклонение в сторону уменьшения опасности; I-б - нормальный режим; 1-в - отклонение в сторону увеличения опасности. II - предаварийное состояние: II-а - возможен возврат к нормальному функционированию; II-6 - возврат к нормальному функционированию невозможен. III - останов процесса. IV - аварийное

состояние.

В режиме нормального функционирования процесса различают три различных состояния:

• собственно нормальное протекание процесса, когда все определяющие параметры соответствуют заданным (1-6);

• отклонение определяющих параметров в сторону уменьшения опасности (1-а);

• отклонение определяющих параметров в сторону увеличения опасности (1-в).

При этом все отклонения находятся в заданных пределах, обусловленных необходимой точностью поддержания определяющих параметров.

Режим I является зоной действия нижнего уровня системы управления. Действия локальных регуляторов достаточно для поддержания параметров системы на должном уровне несмотря на возмущающие воздействия стохастического характера.

При нарушении технологического режима, ведущем к возникновению аварийной ситуации, процесс переходит в предаварийное состояние, характеризующееся значительными отклонениями определяющих параметров от заданных пределов в сторону увеличения опасности.

В предаварийном состоянии, характерном только для потенциально опасных процессов, выделяют две фазы: в первой фазе (II-а) возможен возврат процесса к нормальному режиму, во второй (II-6) развитие аварийной ситуации становится необратимым, и вывести процесс на нормальный режим не представляется возможным. В последнем случае необходимо прекратить ведение процесса (III).

Отметим, что возврат из ситуации II-а к нормальному функционированию только с использованием возможностей регуляторов нижнего уровня системы управления не эффективен, т.к. предаварийное состояние возникает в результате воздействий возмущений (или их

совокупностей), не предусмотренных на этапе проектирования. В связи с этим решение задачи возврата процесса к нормальному режиму ложится на ЛПР.

Если вовремя не принять меры, способствующие прекращению развития аварийной ситуации и возвращению процесса к режиму нормального функционирования или прекращению его, то возникает аварийное состояние (IV), сопровождающееся последствиями различной степени тяжести.

Данная классификация и системная модель, описанная в предыдущем пункте, имеют некоторые разногласия в терминологии. Так, согласно системной модели, нормальное функционирование (I) и состояние П-а в совокупности составляют штатную ситуацию. Состояние П-б соответствует

тт т Ч/ V/

аварии, а состояние IV идентично чрезвычайной ситуации.

Отметим, что применение классификации Обновленского позволяет детализировать штатную ситуацию. При этом, если в системной модели под этим термином понимается любое функционирование в заданных пределах, то с позиции данной классификации внутренние состояния штатной ситуации можно интерпретировать следующим образом:

• состояние I является зоной функционирования локальных систем регулирования (если такие существуют), и задача ЛПР сводится к контролю над процессом и принятию глобальных управленческих решений;

• в состоянии П-а процесс еще считается штатным, однако регуляторы нижнего уровня системы управления не способны самостоятельно вернуть процесс в ситуацию I и принятие решений переходит к ЛПР.

В дальнейшем при разработке методов и алгоритмов безаварийного управления, способствующих принятию решений, будем пользоваться терминологией, предложенной Обновленским.

Следующей задачей, сформулированной в пункте 1.2, является подробный анализ исследуемой системы с целью выявления этапов, где неверное управленческое решение может привести к выходу объекта за рамки штатной ситуации, а также проблем, затрудняющих разработку методов по устранению данных негативных факторов. Отметим, что необходимо анализировать все уровни управления рассматриваемым процессом, т.е. следует оценить уровень разработанности методов управления на каждой страте.

1.4. Анализ объекта управления 1.4.1. Общие технологические аспекты производства бутил каучука

Процесс получения бутилкаучука (БК) состоит из следующих основных стадий:

подготовки сырья (мономеров, разбавителя и др.); каталитической сополимеризации мономеров в растворе; дегазации полимеризата (удаления незаполимеризовавшихся мономеров и разбавителя);

^ обезвоживания и сушки полимера;

компримирования, сушки и ректификации растворителя, изобутилена и изопрена, выходящих из дегазатора [13].

Основной операцией является полимеризация.

Известно два промышленных процесса синтеза БК. Первый состоит в сополимеризации мономеров в среде растворителя (метилхлорида или этилхлорида), не растворяющего каучук. Получаемая дисперсия полимера в растворителе имеет более низкую вязкость, чем раствор каучука такой же концентрации, и поэтому удается применять повышенные концентрации мономеров в исходной шихте [22 — 35% (масс.)].

Второй способ получения бутилкаучука состоит в полимеризации под действием алюминийорганических катализаторов в среде углеводородного растворителя (изопентана), растворяющего каучук. Хотя

при этом не достигается высокой концентрации полимера в полимеризате [не более 12 % (масс.)] из-за его высокой вязкости, этот процесс имеет другие ценные преимущества перед суспензионным [48]:

1) появляется возможность проведения процесса при более высоких температурах;

2) возрастает время непрерывной работы;

3) облегчается регулирование молекулярной массы и ММР каучука и появляется возможность автоматизированного управления процессом.

1,8%

0,10

-60 - 40 - 20 Температура ,°С

Рис. 1.3. Зависимость молекулярной массы бутилкаучука от температуры

полимеризации в этилхлориде (-)

и изопентане (-----) (на кривых

указано содержание изопрена)

5 а

5 з 0,05

«о Л

а06

* о

§-5 от

к о.

0 20 40 €0 80 100

Степень превращения мономеров, %

Рис. 1.4. Зависимость содержания

изобутилена (----) и изопрена

(--------•) в реакционной смеси, а

также молярной доли изопентана в

смеси (-) от степени

превращения мономеров

Каучуки, получаемые по суспензионному и растворному способам, идентичны по свойствам, но по технико-экономическим показателям второй способ предпочтительнее.

1.4.2. Особенности технологии производства бутилкаучука в растворе

изопентана

На рисунке 1.5 представлена технологическая схема процесса полимеризации в растворе изопентана [48].

/

/

и

Кауцук

Ю

Рис. 1.5. Технологическая схема производства бутилкаучука

Процесс синтеза БК начинается с приготовления углеводородной шихты. В горизонтальные емкости 1 по трубопроводу поступает изобутилен, растворитель, изопрен и возвратная фракция.

Состав шихты, содержащей 25 — 30% мономеров, определяется маркой выпускаемого бутилкаучука. Готовая шихта из емкости 1 насосом 3 подается на охлаждение до минус 95 — минус 100°С в холодильниках с полученным полимеризатом (4) и этиленом (5) , а затем поступает в полимеризатор 10.

Раствор катализатора готовят пропусканием растворителя через заполненный гранулированным хлоридом алюминия аппарат 6 при температуре -30°С. Полученный 1-4%-ный катализаторный раствор разбавляется до рабочей концентрации (0,1%), насосом 7 подается в этиленовые холодильники 8 и 9, где охлаждается до температуры -93°С, а затем — на полимеризацию в реактор 10 (рис 1.6, 1.7).

Рис 1.6. Общий вид узла полимеризации На стадии приготовления катализаторного раствора используют осушенный азот во избежание разрушения катализатора влагой. Приготовленная изобутилен-изопреновая шихта, разбавитель и катализаторный раствор непрерывно подаются в нижнюю часть реактора 10, где происходит перемешивание, способствующее лучшему

теплообмену. Полученная дисперсия полимера в объеме, равном объему подаваемой шихты, непрерывно выводится из верхней части полимеризатора в дегазатор 11.

Рис 1.7. Отделение полимеризации

Полимеризацию проводят до конверсии изобутилена 75 — 90%. Температурный режим в полимеризаторе регулируется давлением испаряющегося этилена или подачей катализаторного раствора.

Во время полимеризации происходит отложение полимера на охлаждающих поверхностях, что приводит к ухудшению теплообмена и вызывает необходимость чистки внутренней поверхности аппарата.

Полученный продукт, содержащий 8 — 12% полимера, незаполимеризовавшиеся мономеры и растворитель, смешивается со стоппером (метиловым спиртом) для дезактивации катализатора и, проходя крошкообразователь, поступает в дегазатор 11.

В дегазаторе производится отгонка основной массы растворителя и углеводородов при температуре 75 — 80°С. Тепло, необходимое для отгонки летучих продуктов, подводится за счет подачи циркуляционной воды и острого пара высокого давления.

В дегазатор 11 для предотвращения слипания крошки бутилкаучука вводят антиагломератор — стеарат цинка, а также противостаритель.

Для более эффективного удаления из бутилкаучука непрореагировавших мономеров и растворителя дегазацию БК проводят в две стадии.

После выхода из первой ступени дегазатора пары мономера и растворителя проходят холодильники 15 и 16 (где конденсируются водяные пары) и направляются на компремирование, разделение и переработку возвратных продуктов.

После дегазации на первой ступени взвесь, содержащая 3% полимера, насосом 12 подается в вакуумный дегазатор 13, в котором каучук отгоняется от остатков растворителя и других летучих продуктов при остаточном давлении 19,6 — 39,2 кПа, создаваемом вакуум-насосом. Взвесь каучука в воде из дегазатора 13 поступает на усреднение, а затем на выделение каучука.

Выделение и осушка бутилкаучука могут производиться как на ленточных сушилках, так и с применением червячно-отжимных агрегатов.

В первом случае водная пульпа каучука поступает на барабанный вакуум-фильтр 38 для дополнительной промывки каучука умягченной водой и сушки на отжимных валках. Промывная вода после вакуум-рессивера 35 насосом 37 через подогреватель направляется в дегазатор первой ступени. Полученная крошка каучука поступает в сушилку 39 с температурой горячего воздуха 110 — 120°С. Влажность каучука, поступающего в сушилку, составляет 40 — 45%. После сушилки бутилкаучук содержит 0,5% влаги. Во избежание прилипания каучука ленточный транспортер сушилки опрыскивают эмульсией силиконовой жидкости. Нагретый БК поступает в червячную машину 40, где проходит его гомогенизация. Каучук в виде ленты по конвейеру 41 поступает на вальцы 42, на которых при температуре валков НО — 120°С он

освобождается от остатков влаги и летучих примесей. Лента снимается с вальцов и по охлаждающему конвейеру 44 поступает на резательно-брикетировочную машину 43.

Полученные брикеты каучука массой 32 кг упаковываются в полиэтиленовую пленку (рис 1.8.) и после укладки машиной 48 в контейнеры транспортируются на склад готовой продукции.

Рис 1.8. Отделение упаковки бутилкаучука

Осушенные в аппарате 18 возвратные продукты поступают в холодильник 19, затем в емкость 20 и насосом 21 подаются на многоступенчатую систему разделения на ректификационных колоннах 24, 27, 31, 33 (рис 1.9).

Рис 1.9. Отделение ректификации

Основным продуктом разделения является чистый растворитель, который собирается в емкости 23 и используется для приготовления рабочей шихты в емкости 1. Кроме растворителя, выделяется также изопрен, который после колонны 33 направляется на регенерацию. Периодически из системы выводятся накапливающиеся н-бутилены и полимеры.

Общая панорама завода представлена на рисунке 1.10.

Рис 1.10. Панорама завода 1.4.3. Химизм и технология процесса полимеризации

Химизм процесса синтеза бутилкаучука основан на сополимеризации изопрена с изобутиленом в растворе изопентана в присутствии катализатора при низкой температуре. В результате процесса получается сополимер изобутилена с изопреном [13]:

п

С1

а

3 - СИ, I + т /СН2=С—С11 СМ;

СИ,

изобутилси изопрен

Асн3

\

^с-сн3- ]—/-сна—с=сн-сн9-\ +<з ' " V сн5 /,„

бутнлкаучук теплота

Некоторое количество (п) молекул изобутилена и некоторое количество (ш) молекул изопрена вступают между собой в реакцию сополимеризации, образуя сложную молекулу бутилкаучука. Количество изопрена составляет 2 — 3% по отношению к изобутилену. Применение разбавителя при совместной полимеризации изобутилена и изопрена позволяет уменьшить скорость реакции, улучшить условия отвода тепла и получить полимер в виде мелких частиц, а не сплошной массы.

Смысл полимеризации изобутилена с изопреном заключается в том, что бутилкаучук содержит некоторое количество двойных связей, вводимых с изопреном (2—3% от их количества в натуральном каучуке), и поэтому он способен вулканизоваться, присоединяя серу по месту двойных связей.

Процесс полимеризации осуществляется (рисунок 1.11) при температуре в реакторе 1 объемом 11000 л, снабженном мешалкой 2 с нижним приводом и теплосъемником типа перевернутого стакана с двойными стенками 3. Имеются скребки, которые очищают поверхности реактора и стакана. Охлаждение полимеризатора осуществляется путем подведения жидкого этилена в рубашку 4 и в стакан 3 реактора. Отработанный этилен поступает в отделители-сепараторы 7-9 для разделения его на жидкую и газообразную фракции. Регулирование температуры в полимеризаторе может осуществляться изменением давления испаряющегося этилена или расхода катализаторного раствора. Для прекращения реакции в вышедший из реактора полимеризат добавляют раствор стоппера 10. По регламенту, через каждые 100 часов работы полимеризатор останавливают на промывку для удаления накопившихся отложений, не растворимых в полимере. Таким образом, операция полимеризации является циклической и состоит из трех этапов: пуск, рабочий режим, останов. При этом на каждом из них процесс принятия решений является самостоятельной сложной задачей, требующей индивидуального анализа и соответствующего подхода.

Рис. 1.11. Функциональная схема процесса полимеризации

1.4.4. Анализ процесса пуска полимеризатора

Процесс пуска начинается с момента подачи каталитического раствора в захоложенный до -95°С аппарат с шихтой. По регламенту ТП, в начале процесса пуска расход шихты устанавливается равным 5000 кг/час. В ручном режиме управления, используя давление этилена в рубашке и стакане аппарата и расход катализатора (рис. 1.11.), добиваются роста температуры реакции 30°С/час. После достижения -65°С во избежание останова перемешивающего устройства из-за увеличения содержания сухого остатка дальнейший подъем температуры полимеризации ведут с одновременным увеличением расхода шихты в аппарат до значения 13000 кг/час. Также после достижения -65°С дальнейший рост температуры реакции уменьшается и составляет 10°С/час. При достижении номинальной температуры полимеризации -60 °С управление передается локальной системе регулирования. Температурная кривая процесса пуска в соответствии с регламентом ТП представлена на рисунке 1.12.

Изменение расхода шихты во время пуска полимеризатора представлено на рисунке 1.13.

Т, "С Ыу-»--1—

Рис. 1.12. Рост температуры, по регламенту ТП

I, мин

Рис. 1.13. Расход шихты в процессе пуска, по регламенту ТП

На протяжении всего процесса пуска вышедший из реактора полимеризат отправляется в отсечной усреднитель. Это является необходимой мерой, предотвращающей получение каучука, не соответствующего заданной марке, что произошло бы при пуске аппарата с выходом полимера в общий поток.

Процедура запуска реактора после промывки представляет наибольшую потенциальную опасность в технологической последовательности операций процесса полимеризации. Это связано с тем, что необходимо удерживать скорость реакции вдали от критического значения. В противном случае процесс приобретает лавинообразный характер и выходит из-под контроля, т.е. ситуация переходит в аварийную, возврат из которой в штатный режим невозможен.

1.4.5. Анализ рабочего режима процесса полимеризации

В отличие от процесса пуска, где управление объектом полностью находится в руках ЛПР, на этапе синтеза функционирует нижний уровень системы управления с локальными контурами регулирования. Функционирующая АСУ ТП обеспечивает поддержание температуры реакции в полимеризаторе, расход шихты, расход стоппера, уровни жидкого этилена в отделителях.

Также система управления обеспечивает сигнализацию, регистрацию и контроль следующих параметров:

- температура:

■ полимеризации (контроль, регистрация);

■ шихты после холодильника (контроль, регистрация);

■ газообразного этилена из рубашки полимеризатора в отделитель (контроль, регистрация);

■ газообразного этилена из стакана полимеризатора в отделитель (контроль, регистрация);

■ полимеризата на выходе из полимеризатора до смесителя (контроль, регистрация);

■ полимеризата на выходе из смесителя (контроль, регистрация);

■ полимеризата после теплообменника (контроль, регистрация);

■ шихты после теплообменника (контроль, регистрация);

■ низа полимеризатора (контроль, регистрация);

- расход:

■ испаренного этилена после отделителей (рубашка, стакан) (контроль, регистрация);

■ шихты в полимеризатор (контроль, регистрация);

■ катализатора в полимеризатор (контроль, регистрация);

■ стоппера (контроль, регистрация);

- давление:

■ в линии шихты перед теплообменником (контроль, регистрация);

■ шихты в полимеризатор (контроль, регистрация);

- уровень:

■ жидкого этилена в отделителях (рубашка, стакан, охлаждение шихты) (контроль, регистрация);

- положение ИМ (сигнализация).

Основными каналами возмущающих воздействий являются: У отложения на стенках реактора; •S состав шихты;

•S активность каталитического комплекса; наличие неконтролируемых микропримесей. Ведение технологического процесса осуществляется с помощью АСУ ТП на базе распределенной системы управления CENTUM CS3000.

Выводы и постановка задачи

При управлении потенциально опасными объектами, каким является процесс полимеризации бутилкаучука, особое внимание должно уделяться безопасности технологии. При этом было установлено, что одной из основных причин выхода системы за рамки штатного функционирования является наличие ошибок в управленческих решениях операторов. Отметим, что помимо риска выхода объекта в аварийное состояние ошибки ЛПР могут привести к снижению производительности оборудования и качества готовой продукции, а также к возможному перерасходу энергетических и материальных ресурсов. Таким образом, целью данной работы является разработка методов и алгоритмов, позволяющих повысить уровень безопасности производства при сохранении его эффективности.

В результате анализа исследуемого производства было установлено, что процесс полимеризации - сложный технологический передел, состоящий из трех последовательных операций: пуск реактора, рабочий режим, останов на промывку. При этом принятие управленческих решений на каждом из этапов является сложной самостоятельной задачей, требующей индивидуального подхода. В связи с этим для достижения поставленной цели необходимо:

1) рассмотреть каждый из этапов полимеризации, проанализировать возможные управленческие решения в различных ситуациях и трудности, связанные с их принятием, а также последствия, к которым могут привести ошибки ЛПР;

2) разработать такие методы, способствующие поддержке принятия управленческих решений на каждом этапе полимеризации, чтобы качество конечного продукта, производительность оборудования и затраты ресурсов оставались на должном уровне.

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Чепелева, Марина Станиславовна

Основные выводы

1. На основании изученной статистики было установлено, что одной из основных причин аварий на потенциально опасных объектах являются ошибки в управленческих решениях операторов.

2. На основе сопоставления возможных ситуаций на объекте с принятой классификацией состояний потенциально опасных технологий были выявлены проблемы принятия решений на каждом этапе полимеризации и последствия, к которым могут привести ошибки ЛПР.

3. В результате анализа методов построения СППР и систем прогнозирования, пригодных для решения поставленных задач, был сделан обоснованный выбор в пользу Л/Б-анализа для получения прогноза поведения системы и аппарата нечеткой логики для разработки метода вывода объекта на рабочую температуру и совместной оценки показателя Херста и текущей ситуации на объекте.

4. Аналитическим способом была получена математическая модель исследуемого объекта, позволяющая определить зависимость основного параметра системы от принимаемых управленческих решений без привлечения реального производства.

5. На основе разработанного алгоритма вывода потенциально опасного объекта управления на регламентное значение основного параметра по заданной траектории построена интеллектуальная система поддержки принятия управленческих решений с применением аппарата нечеткой логики.

6. Разработан метод вывода объекта в заданную точку пространства параметров, что обеспечивает на этапе синтеза выпуск продукции требуемого качества.

7. Для получения более точной аппроксимации зависимости от \giri) и, следовательно, более достоверного определения показателя Херста для коротких временных рядов предложен модифицированный метод Ы/8-анализа.

8. Разработан способ определения параметров исходного временного ряда для построения системы прогнозирования, основанный на изучении и применении характеристик объекта, тенденции которого подлежат прогнозу.

9. Разработан метод прогнозирования близости аварии, основанный на совместной оценке показателя Херста и текущей ситуации на объекте, учитывающий неопределенность границ между возможными состояниями системы и основанный на принципах нечеткой логики.

10. Разработанными в диссертационной работе методами и алгоритмами дополнена системная модель управления процессом полимеризации.

Список литературы диссертационного исследования кандидат технических наук Чепелева, Марина Станиславовна, 2012 год

Список литературы

1. Абзалов, A.B. Идентификация предаварийных ситуаций на аммиачной холодильной установке на основе экспертной информации [Текст]: автореф. дис. на соискание ученой степени канд. техн. наук: 05.13.01 / Абзалов A.B. - Астрахань, 2008. - 18 с.

2. Авдеева, З.К. Методы формирования стратекий решения слабоструктурированных проблем на основе когнитивных моделей [Текст]: автореф. дис. на соискание ученой степени кан. техн. наук: 05.13.10 / Авдеева З.К. - Воронеж, 2006. - 20 с.

3. Алиев, P.P. Сеть экспертных систем для нефтеперерабатывающего производства: автореф. дис. на соискание ученой степени канд. техн. Наук [Текст]: 05.13.06 / Алиев P.P. - Баку, 1992. - 20 с.

4. Алонцева, E.H. Системный анализ деятельности операторов атомной станции в экстремальных ситуациях [Текст]: дис. на соискание ученой степени канд. техн. наук: 05.13.01, 19.00.03 / Алонцева E.H. -Обнинск, 2005. - 159 с.

5. Анохин, А.Н. Выявление значимых факторов, влияющих на эффективность деятельности операторов АЭС в экстремальных [Текст] / А.Н. Анохин, E.H. Алонцева // Проблемы психологии и эргономики. - 2003. - № 3. -С. 14-15.

6. Антипов, О.И. Прогнозирование и фрактальный анализ хаотических процессов дискретно-нелинейных систем с помощью нейронных сетей [Текст] / О.И. Антипов, В.А. Неганов // Рос. акад. Наук: доклады академии наук. - 2011. - Т. 436. - № 1. - С. 34 - 37.

7. Антохонова, И.В. Методы прогнозирования социально-экономических процессов: учебное пособие [Текст] / И.В. Антохонова. -Улан-Удэ: ВСГТУ, 2004. - 212с.

8. Артемкин, Д.Е. Разработка математического и программного обеспечения автоматизированного прогнозирования временных рядов на

осное нейрокомпьютерных технологий [Текст]: автореф. дис. на соискание ученой степени канд. техн. наук: 05.13.01, 05.13.11 / Артемкин Д.Е. - Рязань, 2003.- 18 с.

9. Архипова, H.H. Управление в чрезвычайных ситуациях [Текст] / H.H. Архипова, В.В. Кульба- М.: РГГУ, 1998. - 316 с.

10. Афанасенко, А.Г. Экспертная система управления процессом карбонизации аммонизированного рассола [Текст] / А.Г. Афанасенко, А.П. Веревкин // Автоматизация и современные технологии. - 2008. - № 6. - С. 10 -14.

11. Бадамшин, P.A. Проблемы управления сложными динамическими объектами в критических ситуациях на основе знаний [Текст] / P.A. Бадамшин, Б.Г. Ильясов, JI.P. Черняховская - М.: Машиностроение, 2003. - 240 с.

12. Баркалов, С.А. Системный анализ и принятие решений [Текст]: учебное пособие / С.А. Баркалов, П.Н. Курочка, И.С. Суровцев, А.И. Половинкина. - Воронеж: Издательско-полиграфический центр Воронежского государственного университета, 2010. - 652 с.

13. Башкатов, Т.В. Технология синтетических каучуков [Текст] / Т.В. Башкатов, Я. Л. Жигалин. - Ленинград: Химия, 1987. - 358 с.

14. Белая, Т.И. Управление процессами пуска и останова установки каталитического риформинга на основе математической модели [Текст]: диссертация на соискание ученой степени канд. техн. наук: 05.13.06 / Белая Т.И. - Санкт-Петербург, 2003. - 136 с.

15. Белов, Д.Л. Теоретическое обоснование и разработка регенеративной экспертной системы [Текст]: автореф. дис. на соискание ученой степени канд. техн. наук: 05.13.01 / Белов Д.Л. - Краснодар, 2003. -23 с.

16. Битюков, В.К. Система поддержки принятия решений в управлении процессом совместной утилизации отходов производства

синтетического каучука [Текст] / В.К. Битюков, М.В. Корчагин, С.Г. Тихомиров, В.И. Корчагин // Вестник Тамбовского государственного технического университета. - 2008. - Т. 14. - № 1. - С. 9 - 18.

17. Бойкова, О.Г. Гибридная экспертня система для управления процессами коксования [Текст]: автореф. дис. на соискание ученой степени канд. техн. наук: 05.13.07 / Бойкова О.Г. - Санкт-Петербург, 2000. - 20 с.

18. Бондаренко, В.В. Подход к прогнозированию развития ситуации и определение управляющих воздействий в интеллектуальной системе поддержки принятия решений [Текст] / В.В. Бондаренко, A.JI. Куляница, C.B. Литовка, Г.П. Чекинов // Информационные технологии. - 2003. - №8. - С. 13 -19.

19. Бондарчук, A.A. Прогнозирование и управление твердостью выплавляемой стали на осове моделей нечеткого логического вывода [Текст]: диссертация на соискание ученой степени канд. техн. наук: 05.13.18, 05.13.06 / Бондарчук A.A. - Воронеж, 2009. - 129 с.

20. Борисов, В.В. Нечеткие модели и сети [Текст] / Борисов В.В., Круглов A.C., Федулов A.C. - Москва: Горячая линия, 2007. - 284 с.

21. Бушуева, Л.И. Методы прогнозирования объема продаж [Текст] / Л.И. Бушуева // Маркетинг в России и за рубежом. - 2002. - №1. - С. 15-30.

22. Васильев, В.И. Интеллектуальные системы управления. Теория и практика [Текст]: учебное пособие / В.И. Васильев, Б.Г. Ильясов. - М.: Радиотехника, 2009. - 392 с.

23. Васильев, В.И. Нейроуправление - новый раздел теории управления сложными системами [Текст] / В.И. Васильев, C.B. Пантелеев // Нейрокомпьютеры: разработка, применение. - 2005. - № 5. - С. 33 - 45.

24. Вент, Д.П. Нечеткое регулирование нелинейных объектов [Текст] / Д.П. Вент, С.Н. Родин, С.И. Сидельников // Приборы и системы. Управление, контроль, диагностика. - 2006. - № 7. - С. 12-14.

25. Венцлавович, Э.Е R/S анализ временных рядов излучения импульсного электроионизационного СО-лазера [Текст] / Э.Е. Венцлавович, B.C. Казакевич // Известия Самарского научного центра Российской академии наук - 2007. - Т. 9. - №3. - С. 610 - 614.

26. Восьмирко, С.О. Разработка математического и программного обеспечения среды моделирования нейронных сетей для решения задач прогнозирования [Текст]: автореф. дис. на соискание ученой степени канд. техн. наук: 05.13.11 / Восьмирко С.О. - Москва, 2004. - 18 с.

27. Габричидзе, Т.Г. Комплексная многоступенчатая система безопасности критически важных, потенциально опасных объектов [Текст]: автореф. дис. на соискание ученой степени док. техн. наук: 05.13.01 / Габричидзе Т.Г. - Ижевск, 2008. - 50 с.

28. Галишев, М.А. Многоцелевые экспертные технологии по прогнозированию и мониторингу чрезвычайных ситуаций на объектах нефтегазового комплекса [Текст]: автореф. дис. на соискание ученой степени док. техн. наук: 05.26.02 / Галишев М.А. - Санкт-Петербург, 2004. - 38 с.

29. Гарцеев, И.Б. Развитие нейросетевых технологий для управления мехатронными системами [Текст]: диссертация на соискание ученой степени канд. техн. наук: 05.13.01 / Гарцеева И.Б. - Москва, 2003. - 213 с.

30. Гачков, A.A. Рандомизированный алгоритм R/S-анализа финансовых рядов [Текст] / A.A. Гачков // Стахостическая оптимизация в информатике / Под ред. О.Н. Граничина. - 2009 - Вып. 5. - С. 40 - 64.

31. Гольдштейн, C.J1. Проблематика создания системного интеллектуального подсказчика по разрешению проблемных ситуаций [Текст] / С.Л. Гольдштейн, А.Г. Кудрявцев // Информационные технологии. -2009.-№4.-С. 33-37.

32. Грошева, Л.П. Принципы расчета химических реакторов [Текст]: учебное пособие / Л.П. Грошева. - Великий Новгород: Новгородский государственный университет, 2006. - 15 с.

33. Гусев, С.И. Алгоритмизация задачи управления аппаратом приготовления резиновых смесей для шинного производства [Текст] / С.И. Гусев, С.А. Чепелев, B.JI. Бурковский // Оптимизация и моделирование в автоматизированных системах: сб. науч. тр. - Воронеж, 1997. - С. 109 - 113.

34. Гусев, С.И. Алгоритмизация оптимального управления в промышленной микропроцессорной системе многокомпонентного взвешивания [Текст] / С.И. Гусев, К.В. Коровин, С.А. Чепелев, B.JI. Бурковский // Оптимизация и моделирование в автоматизированных системах: сб. науч. тр. - Воронеж, 1997. - С. 114-118.

35. Давидюк, Н.В. Разработка системы поддержки принятия решений для обеспечения физической безопасности объектов: диссертация на соискание ученой степени канд. техн. наук: 05.13.01, 05.13.19 / Давидюк Н.В. - Астрахань, 2010. - 209 с.

36. Демьянчик, А.П. Интеллектуальная система задания сценариев чрезвычайной ситуации как компонент системы поддержки принятия решений по обеспечению энергетической безопасности [Текст] / А.П. Демьянчик, JI.B. Массель // VII национальная конференция по искусственному интеллекту с международным участием (КИИ'2000): сб. трудов. - М.: Физматгиз, 2000. - С. 693 - 701.

37. Денисов, Ю.А. Импульсные системы стабилизации постоянного напряжения с нечеткими и адаптивными регуляторами [Текст] / Ю.А. Денисов, С.А. Иванец // Электричество. - 2007. - № 7. - С. 35 - 39.

38. Дербишер, Е.В. Нечеткие множества в химической технологии [Текст] / Е.В. Дербишер, И.В. Гермашев, В.Е. Дербишер // Известия высших учебных заведений. Химия и химическая технология. - 2008. - Т. 51. -Вып. 1.-С. 104- 110.

39. Долгов, С.И. Разработка системы поддержки принятия решений для выбора методов ликвидации чрезвычайных ситуаций на потенциально

опасных объектах: автореф. дне. на соискание ученой степени канд. техн. наук: 05.13.18 / Долгов С.И. - Иркутск, 2004. - 22 с.

40. Домогаев, В.В. Разработка интеллектуального инструментария прогнозирования развития систем на базе нейронных сетей [Текст]: автореф. дис. на соискание ученой степени канд. техн. наук: 05.13.12, 05.13.11 / Домогаев В.В. - Москва, 2009. - 21 с.

41. Дьяконов, В.П. MATLAB 6.5 SP1/7/7 SP1/7 SP2+Simulink 5/6 [Текст] / В.П. Дьяконов, В.В. Круглов // Инструменты искусственного интеллекта и биоинформатики. Срия "Библиотека профессионала". - Москва: СОЛОН-ПРЕСС, 2006. - 456 с.

42. Егоров, А.Ф. Интеллектуальная система прогнозирования многоассортиментных химических проихводств [Текст] / А.Ф. Егоров, A.A. Балябкин // Програмные продукты и системы. - 1998. - №1. - С. 15 - 19.

43. Елисеев, A.B. Нечеткий регулятор для управления мультиструктурным объектом [Текст] / A.B., Елисеев // Известия высших учебных заведений. Авиационная техника. - 2005. - № 3. - С. 20 - 25.

44. Жернаков, C.B. Особенности бортовой реализации нейросетевых алгоритмов контроля и диагностики авиационных двигателей [Текст] / C.B. Жернаков // Автоматизация и современные технологии. - 2007. - № 2. -С. 25-32.

45. Ибрагимов, И.М. Нейросетевая система регулирования процесса горения и снижения выбросов оксида азота на ТЭС [Текст] / И.М. Ибрагимов // Промышленная энергетика. - 2008. - № 9. - С. 54 - 57.

46. Карамзина, А.Г. Диагностирование и прогнозирование состояний технических объектов на основе экспертных систем (на примере полупроводниковых преобразователей частоты) [Текст]: диссертация на соискание ученой степени канд. техн. наук: 05.13.01, 05.09.03 / Карамзина А.Г.-Уфа, 2003.-208 с.

47. Караяниди, Я.Г. Разработка интеллектуальной информационной системы прогнозирования нестационарных временных рядов на основе нейросетевого логического базиса [Текст]: автореф. дис. на соискание ученой степени канд. техн. наук: 05.13.01 / Караяниди Я.Г. - Краснодар, 2006. - 23 с.

48. Кирпичников, П.А. Химия и технология синтетического каучука [Текст] / П.А. Кирпичников, JI.A. Аверко-Антонович, Ю.О. Аверко-Антонович. - Лененград : Химия, 1975. - 480 с.

49. Клин, С. Математическая логика [Текст] / С. Клин. - Москва: Мир, 1973. - 480 с.

50. Ковалев, И.В. Нейросетевые и гибридные методы и программные средства повышения эффективности поддержки принятия решений в интеллектуальных системах [Текст]: автореф. дис. на соискание ученой степени канд. техн. наук: 05.13.11 / Ковалев И.В. - Москва, 2011. - 18 с.

51. Козадаев, A.C. Прогнозирование временных рядов с помощью аппарата искусственных нейронных сетей. Краткосрочный прогноз погоды [Текст] / A.C. Козадаев, A.A. Арзамасцев // Вестник Тамбовского университета. Серия: Естественные и технические науки. - 2006. - Т. 11. -Вып. 3. - С. 299-304.

52. Колдаев, А.И. Моделирование интеллектуальной системы поддержки принятия решений при управлении технологическим процессом [Текст] / А.И. Колдаев // Информационные технологии. - 2009. - № 3. - С. 42 -46.

53. Комарцова, Л.Г. Исследование нейросетевых и гибридных методов и технологий в интеллектуальных системах поддержки принятия решений [Текст]: автореф. дис. на соискание ученой степени док. техн. наук: 05.13.11 / Комарцова Л.Г. - Москва, 2003. - 40 с.

54. Коровин, К.В. Применение сетей Петри в математической модели системы изготовления резинотехнических смесей [Текст] / К.В. Коровин,

В.JI. Бурковский // Современные проблемы информации: тез. док. IV Международ, электрон, научной конф. - Воронеж, 1999. - С. 120.

55. Королева, H.A. Экспертная система поддержки принятия решений по обеспечению информационной безопасности организации: автореф. дис. на соискание ученой степени канд. техн. Наук [Текст]: 05.25.05 / Королева H.A. - Тамбов, 2006. - 16 с.

56. Кудряшов, B.C. Математическая модель процессов экстрактивной ректификации углеводородных смесей [Текст] / B.C. Кудряшрв // Математические методы в химии и химической технологии: тезисы докладов международной конференции. - Тверь, 1995. - С. 141.

57. Кудряшов, B.C. Математическая модель статики процесса ректификации бутанбутиленовой смеси для целей управления [Текст] / B.C. Кудряшов, С.Н. Кузнецов // Тезисы докладов и сообщений XXXII научной внутривузовской конференции. - Воронеж, 1993. - Т. 2. - С. 31.

58. Кудряшов, B.C. Математическое моделирование статики процесса экстрактивной ректификации [Текст] / B.C. Кудряшов, В.В. Сысоев, М.Г. Матвеев // Сборник докладов международной конференции. - Воронеж, 1992.-Т. I. - С. 407-409.

59. Кудряшов, B.C. Прогнозирование аварийной ситуации в условиях неопределенности при управлении процессом полимеризации синтетического каучука [Текст] / B.C. Кудряшов, М.С. Чепелева, С.А. Ткалич // Вестник Воронежского государственного университета инженерных технологий.-2012.-№ 1.-С. 57-61.

60. Кудряшова, H.A. Автоматизация процесса оценки риска и реагирования при авариях на химически опасных производствах [Текст]: автореф. дис. на соискание ученой степени канд. техн. наук: 05.13.01 / Кудряшова H.A. - Волгоград, 2008. - 23 с.

61. Кузнецов, Д.А. Интеллектуальная система поддержки принятия решений прогнозирования заболеваний на основе нечёткой логики [Текст] / Д. А. Кузнецов // Искусственный интеллект. - 2004. — № 3. - С. 337-342.

62. Кулинич, A.A. Разработка принципов и методов построения програмных систем поддержки принятия решений в слабо структурированных ситуациях на основе моделирования знаний эксперта [Текст]: диссертация на соискание ученой степени канд. техн. наук: 05.13.11 / Кулинич A.A. - Москва, 2003. - 150 с.

63. Лагерев, Д.Г. Автоматизация разработки управленческих решений в социально-экономических системах на основе применения нечетких когнитивных моделей [Текст]: автореф. дис. на соискание ученой степени кан. техн. наук: 05.13.10 / Лагерев Д.Г. - Брянск, 2007. - 20 с.

64. Леденев, В.И. Использование нейросетевых систем для контроля нестационарной многомодовой генерации лазеров [Текст] / В.И. Леденев // Квантовая электроника. - 2006. - Т. 36. - № 10. - С. 933 - 938.

65. Леденева, Т.М. Особонности проектирования систем нечеткого логического вывода [Текст] / Т.М. Леденева, Д.С. Татаркин // Информационные технологии. - 2007. - № 7. - С. 12-18.

66. Леоненков, A.B. Нечеткое моделирование в среде MATLAB и fuzzyTACH [Текст] / A.B. Леоненков. - СПб : БХВ, 2005. - 736 с.

67. Луньков, C.B. Диагностика и управление безопасностью потенциально-опасных объектов городского хозяйства [Текст]: диссертация на соискание ученой степени канд. техн. наук: 05.13.01 / Луньков C.B. -Тверь, 2003.-175 с.

68. Макаров, Г.Н. Автоматическая система управления с нейросетевымдискретным регулятором [Текст] / Г.Н. Макаров // Приборы и системы. Управление, контроль, диагностика. -2007. -№ 1.-С. 12-13.

69. Малышев, A.C. Методика снижения априорной неопределенности нештатной ситуации [Текст] / A.C. Малышев, В.В.

Дикусар, А.Ф. Страхов // Труды Института системного анализа РАН "Динамика неоднородных систем". - 2010. - Т. 50 (1). - С. 167 - 171.

70. Малышев, A.C. Разработка алгоритмов управления и обработки информации при нештатных ситуациях [Текст]: диссертация на соискание ученой степени канд. техн. наук: 05.13.01 / Малышев A.C. - Москва, 2010. -122 с.

71. Марков, A.A. Некоторые фрактальные сойства фондовых индексов [Текст] / A.A. Марков // Сегодня и завтра российской экономики. -2009.-№30.-С. 103- 112.

72. Мартынова, М.А. Ситуационный анализ и управление опасными производственными объектами [Текст]: автореф. дис. на соискание ученой степени канд. техн. наук: 05.13.06 / Мартынова М.А. - Тула, 2003. - 20 с.

73. Матасов, A.C. Идентификация состояний многомерных объектов на основе адаптивных моделей нечеткого логического вывода [Текст]: автореф. дис. на соискание ученой степени канд. техн. наук: 05.13.18 / Матасов A.C. - Воронеж, 2004. - 17 с.

74. Медянцев, Д.В. Нейросетевые информационные системы для автоматизации технологических процессов [Текст]: автореф. дис. на соискание ученой степени канд. техн. наук: 05.13.06 / Медянцев Д.В. -Томск, 2007. - 22 с.

75. Миронов, В.В. Автоматизированная поддержка решений при управлении сложными техническими объектами в критических ситуациях (на примере бортовых систем летательного аппарата) [Текст]: автореф. дис. на соискание ученой степени док. техн. наук: 05.13.01 / Миронов В.В. - Уфа, 1995.-30 с.

76. Миронов, В.В. Интеллектуальное управление техническими объектами в критических ситуациях [Текст] / Миронов В.В., Юсупова Н.И. // Интеллектуальные системы 94: первый межд. симп. - Махачкала, 1994. -С. 11-14.

77. Михайлова, П.Г. Разработка интеллектуальной системы поддержки принятия решений по управлению безопасностью химических производств: диссертация на соискание ученой степени канд. техн. наук: 05.13.01 / Михайлова П.Г. - Москва, 2006. - 194 с.

78. Михайлова, П.Г Разработка функциональной структуры управляющей подсистемы системы поддержки принятия решений для управления безопасностью химических производств / П.Г. Михайлова, Т.В. Савицкая, А.Ф. Егоров // Успехи в химии и имической технологии: сб. науч. тр. - М.: РХТУ им. Д.И. Менделеева, 2005. - Том XIX. - № 1 (49). - С. 69 -72.

79. Мохов, В.А. Разработк алгоритмов прямого синтеза аппроксимирующих искусственных нейронных сетей [Текст]: автореф. дис. на соискание ученой степени канд. техн. наук: 05.13.11 / Мохов В.А. -Ростов-на-Дону, 2005. - 18 с.

80. Ноткин, Б.С. Системы прогнозирующего нейроуправления нелинейными динамическими объектами [Текст]: диссертация на соискание ученой степени канд. техн. наук: 05.13.06 / Ноткин Б.С. - Владивосток, 2006. -210с.

81. Обновленский, П.А. Системы защиты потенциально опасных процессов химической технологии [Текст] / П.А. Обновленский, JI.A. Мусяков, A.B. Чельцов. - Л.: «Химия», 1978. - 224 с.

82. Окладникова, E.H. Оптимизация системы технического обслуживания потенциально опасных объектов [Текст]: дис. на соискание ученой степени канд. техн. наук: 05.13.01 / Окладникова E.H. - Красноярск, 2008.- 137 с.

83. Ополченов, A.B. Методы и программные средства создания экспертных систем принятия решений [Текст]: автореф. дис. на соискание ученой степени канд. техн. наук: 05.13.11 / Ополченов A.B. - Москва, 2003. -20 с.

84. Паклин, Н.Б. Адаптивные модели нечеткого вывода для идентификации нелинейных зависимостей в сложных системах [Текст]: диссертация на соискание ученой степени канд. техн. наук: 05.13.18 / Паклин Н.Б. - Ижевск, 2004. - 167 с.

85. Пантелеев, C.B. Разработка, исследование и применение нейросетевых алгоритмов идентификации и управления динамическими системами [Текст]: диссертация на соискание ученой степени канд. техн. наук: 05.13.01 / Пантелеев C.B. - Москва, 2005. - 128 с.

86. Пантелеймонов, A.B. Управление тепловой нагрузкой автоматизированных барабанных паровых котлов в пусковых режимах [Текст]: диссертация на соискание ученой степени канд. техн. наук: 05.13.06 / Пантелеймонов A.B. - Пермь, 2003. - 161 с.

87. Перепелица, В.А. Исследование R/S-траектории одного временного ряда страхования / В.А. Перепелица, Д.А. Тамбиева, К.А. Комиссарова // Исследовано в России [Электронный ресурс]. - 2004. - С. 2663 - 2672. Режим доступа: http://zhurnal.ape.relam.ru/articles/2004/248.pdf.

88. Петере, Э. Фрактальный анализ финансовых ранков: Применение теории хаоса в инвестициях и экономике [Текст] / Э. Петере. - Москва: Интернет-трейдинг, 2004. - 304 с.

89. Петере, Э. Хаос и порядок на рынках капитала. Новый аналитический взгляд на циклы, цены и изменчивость рынка: пер. с англ. [Текст] / Э. Петере. - Москва: Мир, 2000. - 333 с.

90. Питолин, М.В. Принципы формирования интеллектуальной системы поддержки принятия решений на основе нейросетевого анализа данных [Текст] / М.В. Питолин, A.B. Питолин // Вестник Воронежского института МВД России. - 2007. - № 1. - С. 147 - 152.

91. Подвальный, С. JI. Системы поддержки принятия решений на основе анализа многоуровневых контентов распределенной информационной системы [Текст] / С. JI. Подвальный, М. Ю. Сергеев, Т. И. Сергеева //

Вестник Воронежского государственного технического университета. - 2007. -Т.З.-№5.-С. 5-7.

92. Поляхов, Д.Н. Самоорганизующаяся экспертная система для диагностики электрооборудования энергосистем [Текст]: автореф. дис. на соискание ученой степени канд. техн. наук: 05.13.01 / Поляхов Д.Н. - Санкт-Петербург, 2005. - 16 с.

93. Поспелов, Д.А. Ситуационное управление: теория и практика [Текст] / Д.А. Поспелов. - М.: Наука, 1986. - 288 с.

94. Прохныч, А.Н. Разработка системы компьютерной поддержки принятия решений в нештатных ситуациях связанных с промышленными выбросами [Текст]: дисертация на соискание ученой степени канд. техн. наук: 05.13.01 / Прохныч А.Н. - Тверь, 2002. - 168 с.

95. Путято, М.М. Разработка методов и алгоритмов интеллектуальной поддержки принятия решений на основе нечетких когнитивных карт [Текст]: автореф. дис. на соискание ученой степени кан. техн. наук: 05.13.01 / Путято М.М. - Краснодар, 2011. - 24 с.

96. Русинов, JI.A. Обнаружение нештатных ситуаций при оперативном управлении химико-технологическими процессами [Текст] / J1.A. Русинов, И.В. Рудакова, В.В. Куркина // Автоматизация и современные технологии. - 2007. - №6. - С. 40 - 45.

97. Рыбина, Г.В. Основы построения иеткллектуальных систем [Текст]: учебное пособие / Г.В. Рыбына. - М.: Финансы и статистика; ИНФРА-М, 2010.-432 с.

98. Рыжков, В.А. Совершенствование самоорганизующихся нейронных сетей Кохонена для систем поддержки принятия решений [Текст]: автореф. дис. на соискание ученой степени канд. техн. наук: 05.13.01 / Рыжков В .А. - Москва, 2010. - 25 с.

99. Рыков, Н.И. Информационно-аналитическая подсистема прогнозирования развития в сельском хозяйстве с использованием

нейронных сетей [Текст]: автореф. дис. на соискание ученой степени канд. техн. наук: 05.13.10 / Рыков Н.И. - Курск, 2004. - 17 с.

100. Рябов, Д.Ю. Синтез нечеткого регулятора угла положения лопастей для адаптивной системы управления ветроэлектрической установкой [Текст]: диссертация на соискание ученой степени канд. техн. наук: 05.09.03 / Рябов Д.Ю. - Воронеж, 2009. - 164 с.

101.Сикулер, Д.В. Автоматизированная система экспертного типа поддержки принятия решений при распозновании технических объектов [Текст]: диссертация на соискание ученой степени канд. техн. наук: 05.13.06, 05.13.18 / Сикулер Д.В. - Санкт-Петербург, 2003. - 203 с.

102. Смородинова, Т.М. Управление в чрезвычайных ситуациях на основе нечетких когнитивных технологий: диссертация на соискание ученой степени кан. техн. наук [Текст]: 05.13.01 / Смородинова Т.М. - Уфа, 2005. -164 с.

103. Солдатова, О.П. Применение нейронных сетей для решения задач прогнозирования / Солдатова О.П., Семенов В.В. // Исследовано в России [Электронный ресурс]. - 2006. - С. 1270 - 1276. Режим доступа: http ://zhurnal .аре .relarn.ru/articles/2006/136.pdf.

104. Тимошенко, A.C. Препроцессинг, построение и выбор оптимальных нейросетевых моделей в прогнозировании временных рядов [Текст] / A.C. Тимошенко, JI.H. Ясницкий // Автоматизация и современные технологии. - 2010. - № 6. - С. 16 - 22.

Ю5.Ткалич, С. А. Диагностические экспертные системы безаварийного управления технологическими процессами [Текст] / С.А. Ткалич // Вестник Воронежского государственного технического университета. - 2007. - Т. 3. - № 5. - С. 38 - 43.

106. Ткалич, С.А. Исследование системы прогнозирования аварийных ситуаций на базе термодинамической модели [Текст] / С.А. Ткалич //

Системы управления и информационные технологии. - 2008. - № 3.3.(33). -С. 399-403.

107. Ткалич, С.А. Термодинамический подход к прогнозированию аварийных ситуаций [Текст] / С.А. Ткалич // Системы управления и информационные технологии. - 2008. - № 3.1. (33). - С. 200 - 204.

108. Торгашов, А.Ю. Применение гибридных нейронных сетей для оперативного контроля качества продуктов непрерывного технологического процесса [Текст] / А.Ю. Торгашов // Автоматизация и современные технологии. - 2008. - № 5. - С. 33 - 37.

109. Третьяков, П.А. Управление безопасностью потенциально опасных объектов [Текст]: автореф. дис. на соискание ученой степени канд. техн. наук: 05.13.01 / Третьяков П.А. - Ижевск, 2006. - 23 с.

110. Тюкин, И.Ю. Теория и методы адаптивного управления нелинейными динамическими объектами с применением искусственных нейронных сетей [Текст]: автореф. дис. на соискание ученой степени док. техн. наук: 05.13.01 / Тюкин И.Ю. - Санкт-Петербург, 2006. - 36 с.

111. Тютин, М.В. Применение нейронныхсетей в качестве адаптивной модели нелинейных процессов [Текст] / М.В. Тютин, A.B. Барабанов // Вестник Воронежского государственного технического университета. - 2006. -Т. 2.-№12.-С. 223-227.

112. Федер, Е. Фракталы: пер. с англ. [Текст] / Е. Федер. - Москва: Мир, 1991.-254 с.

113. Федулов, A.C. Модели, методы и програмные средства обработки нечеткой информации в системах поддержки принятия решений на основе когнитивных карт [Текст]: автореф. дис. на соискание ученой степени док. техн. наук: 05.13.11, 05.13.01 / Федулов A.C. - Москва, 2007. - 36 с.

114. Харисов, А.Р. Разработка нечеткой экспертной системы диагностики и мониторинга состояния оборудования (на примере глиноземного производства БАЗ-СУAJ1) [Текст]: автореф. дис. на соискание

ученой степени канд. техн. наук: 05.13.06 / Харисов А.Р. - Екатеринбург, 2007. - 23 с.

115. Хоанг Куанг Тинь Разработка и исследование нейросетевых алгоритмов управления [Текст]: автореф. дис. на соискание ученой степени канд. техн. наук: 05.13.01 / Хоанг Куанг Тинь. - Москва, 2006. - 16 с.

116. Чепелев, С.А. Аварийный останов ХТС с помощью УВК [Текст] / С.А. Чепелев, М.Н. Яковлев // Системы и средства автоматизации потенциально опасных процессов химической технологии: межвуз. сб. науч. тр. - Ленинград, 1990. - С. 116 - 119.

117. Чепелев, С.А. Критериальный конфликт верхнего и нижнего уровня системы управления [Текст] / С.А. Чепелев, В.В. Сысоев // Математические методы в технике и технологиях: сб. науч. тр. 13-й Международной научной конференции. - Санкт-Петербург: СПГТУ, 2000.

118. Чепелев, С.А. Методы синтеза систем автоматизированного управления технологическими процессами производства и переработки синтетических каучуков в нештатных ситуациях [Текст]: автореф. дис. на соискание ученой степени док. техн. наук: 05.13.06 / Чепелев С.А. - Воронеж, 2003.-32 с.

119. Чепелев, С.А. Рынок планирует "катастрофу" [Текст] / С.А. Чепелев, М.С. Чепелева // Современное управление. - 2009. - № 6. - С. 17 -19.

120. Чепелев, С.А. Управление в нештатных ситуациях потенциально опасными химико-технологическими системами [Текст] / С.А. Чепелев, М.С. Чепелева // Современное управление. - 2008. - № 8. - С. 3 - 8.

121. Чепелева М.С. К задаче управления потенциально опасными объектами в нештатных ситуациях с помощью систем нечеткого вывода [Текст] / М.С. Чепелева // Математическое моделирование, компьютерная оптимизация технологий, параметров оборудования и систем управления:

межвуз. сб. науч. тр. / Воронежская государственная лесотехническая академия. - Воронеж, 2010. - Вып. 15. - С. 136 - 138.

122. Чепелева, М.С. Подсистема автоматического пуска полимеризатора как потенциально опасного объекта [Текст] / М.С. Чепелева // Научный вестник Воронежского государственного архитектурно-строительного университета. Серия: управление строительством. - 2011. -Вып. З.-С. 155- 159.

123. Чепелева, М.С. Подсистема автоматического пуска технологического объекта [Текст] / М.С. Чепелева, В.Д. Волков, С.А. Чепелев // Современное управление. - 2009. - № 12. - С. 3 - 7.

124. Чепелева, М.С. Прогнозирование в управлении потенциально опасным объектом / М.С. Чепелева, С.А. Ткалич, С.А. Чепелев // Научный журнал КубГАУ [Электронный ресурс]. - Краснодар: КубГАУ, 2011. -№74(10). - Шифр Информрегистра: 0421100012/0439. - Режим доступа: http://ei.kubagro.ru/2011/10/pdf/23.pdf.

125. Чепелева, М.С. Синтез нечеткого регулятора подсистемы автоматического пуска потенциально опасного объекта управления [Текст] / М.С. Чепелева // Вестник Воронежского государственного технического университета. - 2011. - Т. 7. - № 8. - С. 223 - 225.

126. Чепелева, М.С. Управление агрегатами в нештатных ситуациях [Текст] / М.С. Чепелева, С.А. Чепелев // Математическое моделирование, компьютерная оптимизация технологий, параметров оборудования и систем управления: мужвуз. сб. науч. тр. / под ред. B.C. Петровского. - Воронеж: ГОУ ВПО «ВГЛТА», 2008. - Вып. 13. - С. 201 - 204.

127. Чепелева, М.С. Управление потенциально опасными объектами на основе нечеткой логики [Текст] / М.С. Чепелева // Современное управление. - 2009. - № 11. - С. 19 - 23.

128. Черняховская, Л.Р. Поддержка принятия решений при управлении сложными объектами в критических ситуациях на основе

инженерии знаний [Текст]: диссертация на соискание ученой степени док. техн. наук: 05.13.01 / Черняховская Л.Р. - Уфа, 2004. - 380 с.

129. Шипитько, И.А. Прогнозирующее управление с нейросетевой моделью объекта для манипулятора с нежесткими звеньями [Текст]: автореф. дис. на соискание ученой степени канд. техн. наук: 05.13.06 / Шипитько И.А. - Владивосток, 2004. - 18 с.

130. Широков, Р.В. Нейросетевые модели систем автоматического регулирования промышленных объектов [Текст]: автореф. дис. на соискание ученой степени канд. техн. наук: 05.13.11 / Широков Р.В. - Ставрополь, 2003. -18 с.

131.Шлихтер, Э.М. Квазиоптимальное управление температурным режимом реактора суспензионной полимеризации винилхлорида [Текст]: диссертация на соискание ученой степени канд. техн. наук: 05.13.06 / Шлихтер Э.М. - Москва, 1983. - 181 с.

132. Щербаков, М.Е. Повышение производительности процесса резания на основе адаптивной системы с применением аппарата искусственных нейронных сетей [Текст]: автореф. дис. на соискание ученой степени канд. техн. наук: 05.13.06 / Щербаков М.Е. - Москва, 2007. - 24 с.

133. Этилен: физико-химические свойства [Текст]/ под ред. С.А. Миллера. -М.: "Химия", 1977. - 168 с.

134. Ямалов, И.У. Поддержка принятия решений для управления в условиях чрезвычайных ситуаций на основе когнитивных и динамических моделей [Текст]: автореф. дис. на соискание ученой степени док. техн. наук: 05.13.01 / Ямалов И.У. - Уфа, 2007. - 34 с.

135. Янаева, М.В. Разработка и исследование кластерных экспертных систем [Текст]: автореф. дис. на соискание ученой степени канд. техн. наук: 05.13.01 / Янаева М.В. - Краснодар, 2006. - 24 с.

136. Янкина, И.А. Управление пусковыми режимами автоклавного реактора полимеризации этилена [Текст]: автореф. дис. на соискание ученой степени канд. техн. наук: 05.13.06 / Янкина И.А. - Москва, 2011. - 16 с.

137. Eremenko, Y.I. Fuzzy Logic regulator for a controlsystem of level of metal in a crystinuous steel casting plant [Текст] / Y.I. Eremenko, L.A. Kuznetzov, V.B. Kraht // Sixteenth International Conference on Systems Engineering. - London, 2003. - P. 152 - 156.

138. Francois , C. Cahier technique [Текст]. No. 191 Fuzzy logic / C. Francois, G. Francois. - 1998. - 32 c.

139. MATLAB Simulink R 2008a. Лицензия № 362989.

140. Mobashwer, A.C. A DECISION SUPPORT SYSTEM BASED ON DATA MINING TECHNOLOGY, FUZZY LOGIC AND STATISTICAL TIME SERIES MODEL / A.C. Mobashwer, S. Hasan, R. Shahida [Электронный ресурс]. Режим доступа: http://www.ursi.org/Proceedings/ProcGA05/pdf/FP.3(01439).pdf.

141. Saritas, I FUZZY EXPERT SYSTEM DESIGN FOR OPERATING ROOM AIRCONDITION CONTROL SYSTEMS [Текст] / I. Saritas, N. Etik, N. Allahverdi, I. Unal // Sert International Conference on Computer Systems and Technologies. - CompSysTech, 2007.

142. http://bzinchenko.narod.ru/aura.html

143. http://www.west-engineering.ru/production/programm/.

Анкета эксперта

1. Общие сведения Фамилия

Имя

Отчество

Дата рождения

2. Образование Срок обучения (годы)

Наименование учебного учреждения, город

Факультет

Специальность, квалификация

3. Ученая степень Наименование

Специальность

Тема диссертации

4. Научные труды Кол-во публикаций

Кол-во авторских свидетельств

5. Стаж работы Общий стаж работы

Стаж работы на смежных участках

Стаж на данном рабочем месте

6. Опыт экспертизы Количество участий в экспертных оценках

7. Дополнительная информация (членство в научных организациях, экспертных и профессиональных сообществах, награды и ДР.)

Действия оператора в различных ситуациях (3 вопроса из 25)

Показания датчиков Изменения управляющего воздействия

Расхода катализатора Давления этилена

Рассогласова ние нулевое и скорость его роста нулевая ■ Нулевая ■ Нулевая

■ Положительная маленькая ■ Положительная маленькая

■ Отрицательная маленькая ■ Отрицательная маленькая

■ Положительная большая ■ Положительная большая

■ Отрицательная большая ■ Отрицательная большая

■ Положительная очень большая ■ Положительная очень большая

■ Отрицательная очень большая ■ Отрицательная очень большая

■ Положительная критическая

■ Отрицательная критическая

Рассогласова ние нулевое и скорость его роста отрицательн ая маленькая ■ Нулевая ■ Нулевая

■ Положительная маленькая ■ Положительная маленькая

■ Отрицательная маленькая ■ Отрицательная маленькая

■ Положительная большая ■ Положительная большая

■ Отрицательная большая ■ Отрицательная большая

■ Положительная очень большая ■ Положительная очень большая

■ Отрицательная очень большая ■ Отрицательная очень большая

■ Положительная критическая

■ Отрицательная критическая

Рассогласова ние нулевое и скорость его роста положительн ая маленькая ■ Нулевая ■ Нулевая

■ Положительная маленькая ■ Положительная маленькая

■ Отрицательная маленькая ■ Отрицательная маленькая

■ Положительная большая ■ Положительная большая

■ Отрицательная большая ■ Отрицательная большая

■ Положительная очень большая ■ Положительная очень большая

■ Отрицательная очень большая ■ Отрицательная очень большая

■ Положительная критическая

■ Отрицательная критическая

Определение показателя Херста тестового временного ряда. y=ScopeData2(:,2);

nrfOOl^/o длина исходного временного ряда 1=1; % шаг между соседними значениями временного ряда i=0; М3=у; for r=l:l:m; i=i+l;

M(i)=M3(r); end

% проверка на нечетность prov=rem(i,2); if prov==0 M(i+l)=M(i); m=i+l; else m=i; end i=l:m;

figure(2); plot(i,M(i)); hold on plot(i,M(i),'r.'); hold off for i=l:m-l

N(i)=(M(i+l))-(M(i)); end

dlin=m-l;% определение делителей w=0;

for i=2:dlin-l n=dlin/i; ost=rem(dlin,i); if ost==0 if n>=20 w=w+l;

del(w)=i; end end end

for j=l:w; A=del(j); n=(m-l)/A; nn(j)=n; for a=l :A sumN=0;

for k=l+(a-l)*n:n+(a-l)*n

sumN=sumN+N(k) ; end

e=(l/n)*sumN; for k=l+(a-l)*n:n+(a-l)*n X(k)=0;

for i=l+(a-l)*n:k

X(k)=(N(i)-e)+X(k) ; end end

max=X( 1 +(a-1 ) * n) ; for k-l+(a-l)*n:n+(a-l)*n if X(k)>max max=X(k); end end

min=X(l +(a-1 )*n); for k=l+(a-l)*n:n+(a-l)*n if X(k)<min min=X(k); end end

R(a)=max-min;

$ит8=0;

й)г к=1+(а-1)*п:п+(а-1)*п 8ит8=зит8+(М(к)-е)л2; егк!

8(а)=(8ит8/п)л0.5; КБ(а)=К(а)/8(а); end

витЬ^О; 1Ъг а=1:А

зитК8=зитК8+К8(а); end

К8п(]')=( 1 /А) * БитКЭ; end

х=1с^10(пп); у=1о§10(К8п); Г^иге(З); р1сЛ(х,у); ¡=1:т-1;

Йёиге(4); ркЛ&Ы®); аргох=ро1уШ(1о§(пп),1о£(К8п), 1); Н=аргох(1)

Определение показателя Херста для выборки, полученной на реальном

технологическом объекте

т=360;% длина ряда 1=2;

п0=10;% минимальное значение п i=0;

for r=l:l:m; i=i+l;

Ml(i)=M3(r); end

%проверка на нечетность prov=rem(i,2); if prov-=0 Ml(i+l)=Ml(i); m=i+l; else m=i; end i=l:m;

figure(2); plot(i,Ml(i)); hold on

plot(i,Ml(i),'r.'); hold off for i=l:m-l

N(i)=(Ml(i+l))-(Ml(i)); end

dlin=m-l; w=dlin/2-(n0-l); for n=n0:dlin/2;

A=fix(dlin/n);% число интервалов, где кол-во точек равно п for а=1 :А sumN=0;

for k=l+(a-l)*n:n+(a-l)*n

sumN=sumN+N(k); end

e=(l/n)*sumN; for k=l+(a-l)*n:n+(a-l)*n X(k)=0;

for i=l+(a-l)*n:k

X(k)=(N (i)-e)+X(k); end end

max=X(l+(a-l)*n); for k= 1 +(a-1 )*n:n+(a-1 )*n if X(k)>max max=X(k); end end

min=X(l+(a-l)*n); for k=l +(a-1 )*n:n+(a-1 )*n if X(k)<min min=X(k); end end

R(a)=max-min; sumS=0;

for k= 1 +(a-1 )*n:n+(a-1 )*n sumS=sumS+(N(k)-e)A2; end

S(a)=(sumS/n)A0.5; RS(a)=R(a)/S(a); end

sumRS=0; for a=l :A

sumRS=sumRS+RS(a);

end

RSn(n)r=( 1 /А)* sumRS; S=0; R=0; RS=0; end n=20:dlin/2; x=loglO(n); y=loglO(RSn(n)); figure(3); plot(x,y); i=l:m-l;

figure(4); plot(i,N(i)); aprox=polyfit(log(n),log(RSn(n)), 1); H=aprox(l)