Полная версия

Главная arrow Информатика arrow Интегрированные автоматизированные системы управления химическими производствами и предприятиями

  • Увеличить шрифт
  • Уменьшить шрифт


<<   СОДЕРЖАНИЕ ПОСМОТРЕТЬ ОРИГИНАЛ   >>

Постановка и структура задач гибкого управления многоассортиментными химическими производствами

Математическую задачу гибкого управления многоассортиментным химическим производством можно сформулировать следующим образом:

где ?2 — математическая модель многоассортиментного химического производства, а также ограничения на переменные модели; я — нелинейный оператор причинно-следственных связей; N — число элементов объекта управления; К — вектор конструктивных параметров; G(0 — вектор структурных параметров объекта; Г(0, Я(0 — вектор технологических переменных и переменных расписания; V(t) — вектор запасов в различных емкостях; 17(0 — вектор, являющийся объединением векторов Х(0, 7(0, 7(0 и характеризующий производственную ситуацию объекта (S).

Соотношения (5.4)—(5.6) представляют собой математическую модель объекта. Соотношение (5.7) является моделью накопления сырья, полупродуктов, конечных продуктов в соответствующих емкостях, причем Н(17(0, 17(0) — вектор функций, описывающих приход и расход материальных потоков. Соотношение (5.8) отражает причинно-следственную связь между производственной ситуацией 17(0 и вектором управления 1/(0- Соотношения (5.9), (5.10) представляют собой систему ограничений, налагаемых на соответствующие переменные объекта управления; р(Ф, Ф*) — некоторая мера в пространстве целевых функций.

В таком случае стратегия гибкого управления сводится к поиску такого вектора 17*(0, который перевел бы объект в желаемое состояние Ф* в пространстве целевых функций в условиях изменяющейся производственной ситуации (S).

Та или иная ситуация (производственная или экономическая) определяется в первую очередь наличием или отсутствием определенных возмущающих воздействий, являющихся частью вектора X(t).

Классификация возмущающих воздействий в МАХП дана в п. 5.1 и на рис. 5.2.

Для компенсации возмущающих воздействий в различных производственных (и экономических) ситуациях и с целью перевода объекта управления в желаемое состояние Ф* необходимо использовать предлагаемую стратегию гибкого управления многоассортиментными химическими производствами, позволяющую обеспечить принятие оптимальных решений по изменению управляющих воздействий.

Классификация управляющих воздействий в МАХП дана в п. 5.1 и на рис. 5.3.

Стратегию гибкого управления необходимо использовать на всех уровнях иерархии задач прогнозирования, планирования и управления многоассортиментными химическими производствами.

Для реализации стратегии гибкого управления многоассортиментными непрерывными и дискретно-непрерывными химическими производствами необходимо иметь математические модели, численные алгоритмы, эффективные методы и программно-математическое обеспечение, с помощью которых может быть решен широкий спектр задач кибернетической организации и управления иерархическими многоуровневыми многослойными МАХП.

На основе анализа задач синтеза и оптимального функционирования МАХП, приведенных в п. 5.2, с учетом классификации возмущающих (см. рис. 5.2), управляющих воздействий (см. рис. 5.3) и производственных ситуаций (см. рис. 5.8) на рис. 5.10, 5.11 приведены структура и методы решения задач технико-экономического планирования (ТЭП), оптимального календарного планирования (ОКП), оперативно-календарного, оперативного и автоматического управления многоассортиментными химическими производствами в условиях неопределенности статистической и нестатистической природы. Целый класс задач линейного программирования (ЗЛП) и задач смешанно-целочисленного дискретного динамического программирования (ЗСЦДДП) с помощью нечетких штрафных функций (НШФ) могут быть сведены к решению задач безусловной оптимизации. Для решения многокритериальных задач оптимизации (ЗМО) и гибкого управления МАХП используются численные методы многокритериальной оптимизации (ММО).

В библиотеку стандартных методов и алгоритмов (рис. 5.10) решения задач ТЭП и ОКП входит ряд других методов.

Так, ЗЛП решаются с помощью модифицированной функции Лагранжа (МФЛ), а задачи гибкого планирования (ЗГП) и многокритериального линейного программирования (ЗМЛП) с использованием теории нечетких множеств сведены к задачам безусловной оптимизации, для решения которых, в свою очередь, используются методы глобальной оптимизации и, в случае необходимости, — методы многокритериальной оптимизации с использованием теории нечетких множеств. Для решения ЗЛП и ЗСЦДДП в условиях неопределенности (3 (х1, у1, zk) и 3 ОД У2, %к)) используются алгоритмы, позволяющие свести задачи линейного программирования и задачи смешанно-целочисленного дискретного динамического программирования в условиях стохастической 3 (z3), нечеткой 3 (z4) и интервальной 3 (z5) неопределенностях к совокупности детерминированных 3 (z2) соответственно ЗЛП и ЗСЦДДП.

Структура и методы решения задач технико-экономического (ТЭП) и оптимального календарного планирования (ОКП) МАХП

Рис. 5.10. Структура и методы решения задач технико-экономического (ТЭП) и оптимального календарного планирования (ОКП) МАХП:

ЗЛП — задачи линейного программирования; ЗГП — задачи гибкого планирования; ЗМЛП — задачи многокритериального линейного программирования; ЗСЦДДП — задачи смешанно-целочисленного дискретного динамического программирования; ЗСП — задачи стохастического программирования; ТНМ — теория нечетких множеств; МФЛ — модифицированные функции Лагранжа; НШФ — нечеткие штрафные функции; СЗЛП — симплексный метод решения ЗЛП; ЗБО — задачи безусловной оптимизации; МГО|/ — метод глобальной оптимизации на основе ^-преобразования; ММОН — методы многокритериальной оптимизации в сочетании с теорией нечетких множеств

Для решения ЗЛП часто используется стандартный метод решения (СЗЛП). Задача оптимального календарного планирования в определенных случаях сводится к решению задачи линейного программирования для каждого подинтервала времени горизонта планирования, т. е. к ЗЛП большой размерности (ЗЛП*), для решения которой используются все перечисленные методы решения ЗЛИ. Кроме того, при случайном изменении величин отгрузки готовой продукции и поставки сырья во времени, задача ОКП сводится к задаче стохастического программирования (ЗСП). Для решения задач оперативного календарного планирования и оперативного управления МАХП обычно используются четыре метода.

Структура задач оперативно-календарного, оперативного и автоматического

Рис. 5.7 7. Структура задач оперативно-календарного, оперативного и автоматического

управления МАХП

Первый метод сводит исходную задачу к решению последовательности ЗКП с использованием вышеперечисленных методов. Второй и третий методы сводят исходную задачу к задачам двухэтапной и двухинтервальной оптимизации (ЗДэО) и (ЗДиО), последняя представляет собой задачу оптимизации в условиях стохастической неопределенности. Четвертый метод предназначен для решения задач многокритериальной оптимизации в зависимости от конкретной производственной ситуации. Этот класс задач в общем случае называют задачами многокритериальной оптимизации в лексикографической постановке.

В данном случае она названа задачей лексикографического оперативного управления (ЗЛОУ).

Для решения задач автоматического управления технологическими процессами МАХП используются, в частности, методы и алгоритмы адаптивного управления в условиях стохастической неопределенности 3 (z3) и алгоритмы управления в условиях нечеткой неопределенности 3 (z4).

Большой класс задач гибкого управления многоассортиментными химическими производствами сводится к задачам многокритериальной, смешанно-целочисленной дискретной динамической оптимизации в условиях неопределенности.

Тема 6

 
<<   СОДЕРЖАНИЕ ПОСМОТРЕТЬ ОРИГИНАЛ   >>