Повышение эффективности систем управления электроприводами линии гранулирования и экструзии

Размещено на http://allbest.ru

Воронежский государственный технический университет ВГТУ

Повышение эффективности систем управления электроприводами линии гранулирования и экструзии

Крысанов В.Н.,

Россия, г. Воронеж,

Производство масел (подсолнечного, рапсового, оливкового) является важным звеном переработки сельскохозяйственной продукции и получения важных пищевых ресурсов. Его особенностями являются: непрерывно-поточный характер, высокое значение потоков материала и энергии, сложность процессов массо-теплообмена, большая протяженностью производственных линий. Данное производство, как объект управления представляет собой многопараметрическую задачу с высокой размерностью векторов состояния (исчисляется несколькими сотнями векторов) отдельных циклов, объединённых единой конечной целью.

Существующие схемы автоматизации такого технологического процесса (например, МЖУ-90) охватывают все технологические участки производства, для которых спроектированы независимые системы управления, предусматривающие наряду со стабилизацией режимных параметров, оптимизацию отдельных процессов за счет использования серийных средств автоматики [1,2].

Однако, при таком подходе по определению невозможно добиться комплексной оптимизации производства «в целом», что обусловлено высокой степенью локализации систем управления, отрывом технологии производства от экономических факторов.

Для задачи оптимизации производства «в целом». ключевыми факторами, являются экономические параметры, в частности, показатель чистой прибыли производства.

При этом, величина чистой прибыли определяется:

Пр = Bp -- С/с (1),

где Bp -- выручка от реализации; С/с -- себестоимость (затраты на производство и реализацию) [1,3].

Следовательно, задача технико-экономической оптимизации производства «в целом» в реальном времени сводится к снижению полной себестоимости продукции и корректному прогнозированию и выполнению уровня выручки. Для достижения второго требования целесообразно применение подходов, подробно описанных в [4-6].

Рассмотрим первое требование. Для достоверного анализа данного положения требуется полноценный учёт всех этапов производства и граничных условий перехода от одного этапа к другому. Однако, без учёта ограничений, можно указать на условие (идеальное) для минимизации себестоимости как функции от технологического процесса:

(2),

где - себестоимость отдельного цикла.

Т.е. для каждого элемента производства требуется нахождение минимума затрат на производство единицы продукции требуемого качества. Затем, при взаимном анализе всех элементов определяются граничные условия, и ведётся технологический процесс с учётом критерия (3):

(3) ,

где - себестоимость всего технологического процесса с учётом взаимных ограничений.

При этом, всегда . В самом оптимальном случае последнее неравенство будет вырождаться в равенство.

В случае применения существующих систем автоматизации, как правило, не выделяют в явном виде решение задачи (3). Полагается, что частичное выполнение условия (2) доводит величину потерь в себестоимости производства до экономически обоснованного уровня.

Применение такого подхода объясняется высокой размерностью процессов, их нелинейностью и сложностью аналитического описания, необходимого для классических методов (в том числе и адаптивных), применяемых в существующих системах управления. Однако, уровень невосполнимых потерь при этом, в значительной мере увеличивает стоимость продукции.

Эффективным решением рассмотренных выше вопросов служат методы нейро-нечётких сетей (ННС). Их практическое применение позволяет выполнить условие (3) с высокой степенью эффективности и служить в основных, вспомогательных, консультативных системах управления.

Отметим, что в экструзионной установке извлекается масло, содержащееся в зёрнах подсолнечника (подготовленной спрессованной массе). Полученный экструзивный продукт на последующих участках подвергают очистки и обработки в целях получения товарного подсолнечного масла.

Эффективность работы экструзивного отделения определяется его производительностью, содержанием масла в отжиме и потерями масла в жоме. На экструзию масла влияют: температурные режимы по зонам аппарата, качество жома, время экструзии, рН среды в аппарате [2].

С учетом специфики объекта управления типовая схема автоматизации предусматривает стабилизацию удельной загрузки аппарата; стабилизацию концентрации экструзионной массы; стабилизацию температурных режимов по зонам диффузионного аппарата; стабилизацию уровня в головной части аппарата. автоматизация гранулирование управление электропривод

Составим уравнения основных процессов цикла экструзии:

(4);

(5);

(6);

где - величина производительности по объёму масла;

- показатель качества масла;

- величина суммарных затрат на технологический процесс;

- угловая суммарная скорость привода продвижных валов;

- линейная скорость подачи массы жима с этапа грануляции;

- распределение температуры по зонам диффузионного аппарата;

- распределение давления пара по зонам диффузионного аппарата;

- коэффициенты технологического процесса в соответствующих нормирующих единицах измерения; - величина нетехнических затрат на ведение процесса.

выражается в заданных значениях требуемой концентрации масла и количество примесей. Стоит заметить, что величина, в конечном счёте, определяет условную выручку данного цикла, а - величину условной себестоимости в единицу времени.

Тогда поставленная задача минимизации себестоимости цикла гранулирования и экструзии будет сводится к минимизации величины с совместным нахождением в диапазоне максимально близком к единице при произвольном изменении .

Оптимизация слабо формализуемых параметров (качество жома, масла, примесей) и их влияние на процесс «в целом», как правило, оценивается с помощью экспертной системы. Предлагаемая же ННС уточняет решения, принимаемые экспертами с возможностью оценки, поли факторной задачи и выработки наилучшего алгоритма с позиций получения наибольшей чистой прибыли. Иными словами, ННС призвана учесть прогнозные сценарии в пространстве многих слабо формализованных переменных и на основании этого выдавать соответствующие управляющие воздействия.

Рисунок 1. Функциональная схема СУ цикла экструзии

В соответствии с [7] предложена для реализации нейро-нечётких принципов организации цикла экструзии модель, состоящая из взаимосвязанных искусственной нейронной сети (ИНС) - представленной прямой и инверсной моделями объекта управления (ОУ) и нечёткой системы (НС) - формирования обучающих алгоритмов - рис. 1.

В ходе работы аппарата НС1 использует текущее изменение воспроизводимого вектора управляющих функций - и выхода прямой модели объекта - .

Прямая модель - ИНС 2 обучается по прогнозу ошибки - , формируемому НС 2. В результате подобной настройки сеть ИНС 1, являющаяся управляющим контроллером, реализует инверсную модель ОУ.

При проведении имитационного моделирования процесса экструзии подсолнечного масла с включением в СУ ННС, функции и варьировались в широком диапазоне, а - от нормированной величины затрат до 1,0.

При этом, следует отметить, что в качестве рабочего режима в настоящее время имеет место ситуация, при которой , , при которых . В тоже время, при реализации подобной оценки (при помощи СУ с ННС) для других этапов производства возможно более точное выполнение условия (3) и, при прогнозировании величины чистой прибыли предприятия - выражение (1), выработка величин производительности - , отличных от принятых экспериментальным путём. Так результаты проведённого математического моделирования свидетельствуют о возможности снижения величины затрат - в случае изменения соответствующих уровней аргументов.

Кроме того, данные моделирования демонстрируют возможности нейро - нечётких СУ при оценке затрат на использование потоков тепло - и электроэнергии, что само по себе является важной задачей в работе производственных предприятий. Также с помощью подобной оценки становится возможным анализ уровня амортизации оборудования без применения дополнительных средств [5 - 6].

В рамках решения задачи построения СУ цикла экструзии целесообразным является предложение создания прогнозно - корректирующей (или основной) ННС, сопряжённой с аналогичными системами производства и последующим созданием значительно более адаптивного производства в целом (в сравнении с МЖУ-90), позволяющей добиться лучших результатов оптимизации. Особо стоит отметить сопоставимость затрат на организацию ННС и классических подходов, что обусловлено одинаковой базой измерительной и исполнительной аппаратуры (датчики, заслонки, ключи), применяемой в обоих случаях.

Список литературы

1. Теоретические основы построения эффективных АСУ ТП [Электронный ресурс]. - Учебное пособие написанно Литюгой А.В. Оно выполнено в соответствии со стандартом Windows-HTML-справки. Оно представляет собой один файл. Он автоматически распазнаётся и запускается операционной системой Windows 98(NT, 2000). 2002. - 66с.

2. Инструкция по ведению технологического процесса свеклосахарного производства. / Документы СССР URL: //http://www.bestpravo.ru/sssr/eh-gosudarstvo/i2a/page-12.htm (дата обращения июль 2011г.)

3. Ребрин, Ю.И. Основы экономики и управления производством. Конспект лекций [Текст] / Ю.И Ребрин. - Таганрог: Изд-во ТРТУ, 2000. 145 с.

4. Джеффри Оуэн Кац, Донна Л. МакКормик . Энциклопедия торговых стратегий [Текст] / Перевод с англиского -- М.: Альпина Паблишер. -- 400 с., 2002

5. Крысанов, В.Н. Применение принципов нейро - нечётких (ННС) для прогнозирования потребления электроэнергии в производственной сфере [Текст] / Крысанов В.Н., Руцков А.Л. // Вестник Воронежского государственного технического ниверситета. - 2013. - Т.9 - № 6-3. - С.62-66.

6. Крысанов, В.Н. Применение нейро - нечётких сетей для распределённых объектов [Текст] / В.Н. Крысанов, А.Л.Руцков //Электротехнические комплексы и системы управления. - 2013. - № 1. - С.50-57.

7. Терехов В.А. Нейросетевые системы управления. Кн.8: Учеб. пособие для вузов [Текст] / Терехов В.А., Ефимов Д.В, Тюкин ., И.Ю., Галушкина А.И.. - М:, ИПРЖР, 2002. - 480 с.

Аннотация

УДК 62 - 503.57, 681.5.01

Повышение эффективности систем управления электроприводами линии гранулирования и экструзии. Крысанов В. Н.,Россия, г. Воронеж, ВГТУ

В докладе отмечены возможности применения нейро-нечётких систем управления для оптимизации параметров производства масел в ходе технологических циклов гранулирования и экструзии.

Ключевые слова -- экономический критерий оптимальности производства, цикл гранулирования и экструзии в производстве масел, система управления, нейро - нечёткие сети

Размещено на Allbest.ru