Спирин Н.А., Лавров В.В. Информационные системы в металлургии

Подождите немного. Документ загружается.

Глава 7. Интеллектуальные системы

7-23

использующие некоторую информацию о предметной области для рассмотрения

не всего пространства поиска, а таких рациональных путей в нем, которые с наи-

большей вероятностью приводят к цели.

5 6 7 8 10 9

2 3 4

3 4 6 7 10 9

2 5 8

б а

Рис. 7.6. Процедура решений способом «в ширину» (а) и «в глубину» (б)

7.4.4. Методы неточных рассуждений с ненадежными данными

В неформализованных задачах, которые решают ЭС в металлургии, осо-

бенно при управлении сложными агрегатами и процессами, очень

часто прихо-

дится использовать ненадежные или неточные знания и факты, которые невоз-

можно представить только двумя значениями характеристических чисел, или

идентификаторами (квантификаторами) – 1 (истина) и 0 (ложь). Тем не менее на

основании неточных или ненадежных данных часто можно делать вполне опре-

деленные выводы и получать практические результаты. Для этого необходимо

рассматривать комбинацию некоторых

фрагментов знаний, а также знания по

определенности или достоверности и в результате выводить новые знания, давая

оценку их достоверности. Традиционно такую недостоверность, неопределен-

ность или ненадежность знаний в современной физике и технике представляют

вероятностью, подчиняющейся законам Байеса (байесовская вероятность), но в

инженерии знаний нелогично иметь дело со степенью надежности в

виде байе-

совской вероятности, приписанной знаниям изначально.

Среди методов неточных рассуждений с ненадежными данными одним

из первых разработан метод с использованием так называемых коэффициентов

уверенности CF, ставший эффективным средством обработки ненадежных зна-

ний. Метод с использованием коэффициентов уверенности отображает ненадеж-

ные данные с помощью коэффициентов CF, которые принимают значения на от-

резке [-1;1],

где «1» – заведомо истина, «-1» – заведомо ложь. Положительные

CF называют мерой доверия, а отрицательные CF – мерой недоверия. В настоя-

щее время разработан метод нечетких выводов, названный субъективным байе-

совским методом.

Для решения сложных НФЗ используется метод иерархической декомпо-

зиции задачи на несколько подзадач. Связь между подзадачами, на которые де-

композирована неформализуемая задача, определяемая двумя

понятиями – ис-

Глава 7. Интеллектуальные системы

7-24

тина и ложь, может быть представлена через операции «И» и «ИЛИ», которые

мы уже рассмотрели ранее. В задачах же с ненадежными исходными данными

кроме связей «И» и «ИЛИ» важную роль играет комбинированная связь «КОМБ»

(COMB), которая подкрепляет или опровергает цель на основании двух и более

доказательств.

Необходимость использования функции КОМБ (COMB) можно

проил-

люстрировать на примере диагностики развития тугого хода доменной печи.

Пусть мы каким-либо образом определили, что фактор один – «наличие верхних

пиков давления колошникового газа» – надежен со степенью 0,4, а фактор два –

«общий перепад давления увеличивается» – надежен со степенью 0,6. Таким об-

разом, развитие тугого хода печи при наблюдении только одного из

факторов

можно подтвердить с надежностью только 0,6 или 0,4 соответственно. Но если

рассматривать оба фактора вместе, то логично считать состояние тугого хода

более достоверным, чем по показаниям каждого из факторов в отдельности, т.е.

больше 0,6. Как мы увидим в дальнейшем, при использовании КОМБ-правила

степень надежности «развитие тугого хода» по двум этим

факторам в совокуп-

ности составит 0,76.

Суммарное действие факторов может не только увеличивать надежность

диагноза, но и уменьшать ее. Пусть, например, фактор один имеет надежность

0,4, а фактор два – надежность -0,25. Тогда при комбинированной связи надеж-

ность диагноза, выводимого на основе этих двух факторов по КОМБ-правилу,

уменьшится до 0,15.

На рис. 7.7 представлено описание

продукционных правил с помощью

связей типа «И», «ИЛИ», «КОМБ», где X, Y – результаты симптомов, А – цель

или гипотеза. С

, С

– это степени надежности (коэффициенты уверенности)

каждому продукционному правилу, численные значения которых необходимо

определить.

Допустим, что каким-либо образом уже определены степени надежности

X и Y как результат предыдущих выводов или наблюдений; необходимо сделать

вывод или вычислить степень надежности А, используя продукционное правило

и базы знаний.

Если выбрать метод выводов как

для каждой из связи «И», «ИЛИ», так и

для связи «КОМБ», то степень надежности можно распространить и на всю ие-

рархическую сеть выводов. В итоге можно получить степень надежности конеч-

ной цели, а также указать ее при окончательном решении.

Глава 7. Интеллектуальные системы

7-25

CF(A, X и Y) CF(A, X и

ли

Y) CF(A, X комб Y)

КОМБ

COMB

X Y

AND

X Y

ИЛИ

X Y

CF(

) CF(

)

CF(Y) CF(Y) CF(Y)

а)

б)

в)

, С

, , С

31,

– степени надежности

Рис. 7.7. Описание продукционных правил (ПП) с помощью связей «И», «ИЛИ», «КОМБ»

а – если X и Y, то А со

степенью надежности С

б – если X или Y, то А со

степенью надежности С

в – 1- если X, то А со степенью

надежности С

2 - если Y, то A со степенью

надежности С

3 - если X COMB Y, то А со

степенью надежности С

Обозначим коэффициент уверенности исходных доказательств X и Y со-

ответственно через CF(Х) и CF(Y), а степени надежности С

, С

вы-

вода А в продукционном правиле обозначим соответственно через CF[A,X и Y];

CF[A,X или Y]; CF[A,X]; CF[A,Y]; CF[A,X комб Y].

При определении итогового коэффициента уверенности исходят из сле-

дующих правил:

• если в условии (предпосылке) продукционного правила только один

член (например, Х), то итоговый CF и есть CF(Х),

CF=CF(Х); (7.1)

• при связи типа «И

»(AND) из нескольких выводов обычно выбирают

минимальное значение степени надежности, т.е.

= min{CF(Х), CF(Y)}; (7.2)

• при связи типа «ИЛИ»(OR)

= max {CF(Х), CF(Y)}. (7.3)

Таким образом, выбирают минимальное значение степени надежности

или нескольких выводов при связи «И» и максимальное при связи «ИЛИ», дру-

гих подходящих методов пока не существует.

При связи же «КОМБ» (COMB) отдельно получают CF[A,X] и CF[A,Y],

а для определения CF можно использовать следующую комбинированную функ-

цию:

Глава 7. Интеллектуальные системы

7-26

CF[A,X]+CF[A,Y] - CF[A,X]CF[A,Y],

если CF[A,X]>0 и CF[A,Y]>0; 7.5) (

CF[A,X] ≠ ±1 и CF[A,Y] =±1,

CF[A,X]+CF[A,Y] + CF[A,X]CF[A,Y],

если CF[A,X]<0 и CF[A,Y] < 0; (7.7)

-1, если CF[A,X]= - 1 или CF[A,Y]= - 1. (7.8)

+1, если CF[A,X]= 1 или CF[A,Y]= 1; (7.4)

CF[A,X]+CF[A,Y],

если CF

[

]

[

]

≤

(

7.6

)

CF =

Значение коэффициента уверенности из трех и более независимых дока-

зательств можно вывести, последовательно используя указанные выше форму-

лы.

Хотя коэффициенты уверенности не имеют строгого обоснования, но

благодаря простоте восприятия они нашли широкое применение во многих ин-

струментальных программных средствах обработки знаний. Так, для условий

примера диагностики тугого хода доменной печи,

учитывая, что CF[A,X]=0,6,

CF[A,Y]=0,4, воспользовавшись соотношением (7.5), получим коэффициент уве-

ренности, равный 0,76. Примеры использования этих коэффициентов в ЭС ме-

таллургических агрегатов мы рассмотрим в дальнейшем.

7.5. Инструментальные средства построения экспертных систем

7.5.1. Традиционные языки программирования

В эту группу инструментальных средств входят и традиционные языки

программирования (С, С++, Object Pascal и т.д.),

ориентированные в основном

на численные алгоритмы и слабо подходящие для работы с символьными и ло-

гическими данными. Поэтому создание систем искусственного интеллекта на

основе этих языков требует большой работы программистов. Использование

традиционных языков программирования позволяет включать интеллектуальные

подсистемы (например, интегрированные экспертные системы) в крупные про-

граммные комплексы общего назначения. Среди традиционных

языков удобны-

ми являются объектно-ориентированные языки.

7.5.2. Языки искусственного интеллекта

Это прежде всего языки Пролог и Лисп. Универсальность этих языков

меньшая, по сравнению с традиционными языками, но потерю универсальности

языки искусственного интеллекта компенсируют богатыми возможностями по

работе с символьными и логическими данными, что крайне важно для задач ис-

кусственного

интеллекта.

Глава 7. Интеллектуальные системы

7-27

Пролог и Лисп относятся к числу языков, в основу которых положены

идеи логического программирования. Основное отличие логического програм-

мирования от традиционного состоит в том, что программа является не четко

определенной последовательностью операторов, а представляет собой формаль-

ное описание предметной области, пользователь не предписывает компьютеру,

каким образом она должна решать задачу, а

описывает ее.

7.5.3. «Оболочки» и программные обстановки

Под «Оболочками» понимают «пустые» версии существующих эксперт-

ных систем, т.е. готовые экспертные системы с пустой базой знаний. Достоинст-

во оболочек в том, что они вообще не требуют работы программистов для соз-

дания готовой экспертной системы. Требуются только специалисты в предмет-

ной области и инженеры по знаниям для заполнения базы знаний. Однако если

некоторая предметная область плохо укладывается в модель, используемую в

некоторой оболочке, заполнить базу знаний в этом случае весьма сложно. Для

получения прикладной ЭС пользователь должен создать свою собственную базу

знаний, используя представленный оболочкой язык представления знаний. Ма-

нипуляцию знаниями, генерацию объяснений, а также сервис разработки и от-

ладки

базы знаний обеспечивают встроенные средства оболочки.

В настоящее время разработан широкий спектр оболочек экспертных

систем. Перечислим наиболее известные и распространенные сейчас «оболочки»

ЭС.

Примером такой оболочки может служить EMYCIN (Empty MYCIN –

пустой MYCIN), которая представляет собой незаполненную экспертную систе-

му MYCIN. Оболочка EXSYS – сравнительно несложная система продукцион-

ного типа с обратным методом вывода. Оболочка VP Expert – компактная систе-

ма, основанная на системах продукций. Недостатком применения оболочек яв-

ляется возможное несоответствие конкретной оболочки разрабатываемой с ее

помощью прикладной ЭС.

Программные обстановки (Средства автоматизированного создания

ЭС) для разработки экспертных систем представляют собой высокоуровневые

системы поддержки автоматизированной разработки и создания проблемно-

ориентированных ЭС. Они, как правило, содержат богатый спектр языков и мо-

делей представления знаний. Построение ЭС с помощью рассматриваемых

средств заключается в формализации исходных знаний, записи их на входном

языке представления знаний и описании правил логического вывода решений.

Далее экспертная система наполняется знаниями. Наиболее известной про-

граммной обстановкой является система КЕЕ (среда инженерии знаний). Систе-

ма имеет большие возможности для работы

с фреймами, обладает средствами

тестирования и отладки знаний, прекрасным пользовательским интерфейсом и

графикой.

Система Gold Work сочетает в себе различные формы представления

знаний, такие как фреймы и продукции. Имеются средства имитации параллель-

ной работы нескольких групп продукций, поддержки немонотонной логики, за-

Глава 7. Интеллектуальные системы

7-28

дания факторов уверенности. Система позволяет использовать окна, меню, гра-

фику для организации пользовательского интерфейса, обеспечивает гибкий спо-

соб доступа к базам.

Система Nexpert Object является мощным средством разработки ЭС, спо-

собным конкурировать с такими системами, как Gold Work и КЕЕ, и имеющим

подобную организацию базы знаний. Система работает в среде МS WINDOWS,

имеет интерфейс с языками

программирования, хорошие возможности работы с

базами данных.

Система Personal Consultant Plus разработана крупной американской

фирмой Texas Instrument Inc., которая обеспечивает ее сопровождение. В систе-

ме используется правило «Если ... то», к которым добавлены некоторые объект-

но-ориентированные среды. Эти средства представлены контекстными деревья-

ми с небольшими модификациями, позволяющими помещать факты в контек-

сты или объединять средства, производящие

вывод по прямой и обратной це-

почке.

Некоторые инструментальные системы написаны с использованием дан-

ного инструментального средства и весьма эффективно эксплуатируются в про-

мышленности. Например, «Weld Select» помогает инженерам по сварочным

швам выбрать лучшие электроды для сварки металлов.

7.6. Контрольные вопросы

1. Какие системы называются интеллектуальными? В чем заключаются особен-

ности их

работы?

2. Чем отличается бионический подход при исследовании в области искусст-

венного интеллекта от прагматического?

3. Что такое экспертная система? Какие основные компоненты она в себя вклю-

чает? Для решения каких задач используют экспертные системы?

4. Чем пользователь-эксперт отличается от обычного пользователя при работе с

экспертной системой?

5. С какой

целью используют модели представления знаний?

6. Каким образом происходит представление знаний с использованием продук-

ционной модели? В чем заключается отличие способов использования правил

при прямой и обратной цепочке рассуждений?

7. Какие принципы положены в основу логической модели представления зна-

ний?

8. Какова основная идея способов представления знаний на основе аппарата

се-

мантических сетей?

9. Каким образом решается проблема обработки и представления ненадежных

или неточных знаний и фактов в экспертных системах?

10. С помощью каких инструментальных средств создаются экспертные систе-

мы?

Глава 8. Экспертные системы в доменном производстве

8-1

ГЛАВА 8. ЭКСПЕРТНЫЕ СИСТЕМЫ В ДОМЕННОМ

ПРОИЗВОДСТВЕ 8-2

8.1. Состояние вопроса 8-2

8.2. Технологические основы экспертных систем

доменной плавки 8-4

8.3. Общая характеристика ЭС «Интеллект доменщика» 8-25

8.4. Обработка входной информации 8-30

8.5. Характеристика базы знаний 8-34

8.6. Контрольные вопросы 8-41

Глава 8. Экспертные системы в доменном производстве

8-2

Глава 8.

ЭКСПЕРТНЫЕ СИСТЕМЫ В ДОМЕННОМ ПРОИЗВОДСТВЕ

8.1. Состояние вопроса

Несмотря на многовековую историю, процесс доменной плавки изучен

еще не во всех деталях. Как мы уже отмечали, проблемой всех существующих

математических моделей является недостаточно высокая точность значений

входящих в них параметров. Это относится, в частности, к факторам, опреде-

ляющим порозность столба шихты, поля скоростей движения твердых и

жидких

фаз, распределения газового потока, к параметрам скорости восстановления же-

лезорудных материалов и т.п. Процесс выплавки чугуна в доменной печи под-

вержен влиянию многих переменных контролируемых и неконтролируемых

факторов, которые вызывают нарушения хода печи и ее теплового состояния и

требуют высокой квалификации технологического персонала при управлении

доменной плавкой.

Вместе

с тем ведущими специалистами-металлургами накоплен громад-

ный запас знаний и опыта ведения процесса, диагностики агрегатов, что позво-

ляет им вести технологию при отсутствии части объективной информации и не-

полной оценке некоторых аспектов состояния агрегатов и технологии.

Для решения этих проблем с целью диагностики и управления ходом до-

менной печи создаются

экспертные системы, построенные в концепции искусст-

венного интеллекта и включающие в себя опыт специалистов-доменщиков. Сис-

темы с применением искусственного интеллекта (ИИ) создаются с целью стаби-

лизации хода печи и повышения качества чугуна. Экспертные системы способны

использовать детерминированные знания о процессе и обобщать практический

опыт специалистов. Процесс накопления знаний и

опыта в ЭС продолжается по-

сле ввода ее в действие, учитывая последующие изменения технологии. Экс-

пертная система повышает уровень знаний среднего специалиста до уровня ква-

лифицированного, обеспечивает единообразие решений и оперативную адапта-

цию в изменяющихся условиях массового, интенсивного производства.

Наибольшее распространение экспертные системы для управления хо-

дом доменных печей получили в

Японии. Первая ЭС, разработанная компанией

Nippon Still, была установлена для опытной эксплуатации на доменной печи №4

в Кимицу (1984 г.) и введена в промышленную эксплуатацию в 1986 г. ЭС вы-

полняет две функции: диагностику аномальных состояний технологического

процесса и управление тепловым режимом печи.

Система ИИ с развитой логикой – ALIS, примененная на доменных печах

№ З

и 4 в Кимицу, осуществляет контроль хода печи, состояния горна, движения

шихты, контроль состояния оборудования. Система ALIS содержит два ком-

плекта баз знаний, что позволяет проводить ее корректировку в реальном мас-

штабе времени. Коэффициент использования рекомендаций регулирующих воз-

действий, назначенных системой, достигает 95 %.

Система управления BASYS разработана и применена на доменной печи

№ 5 завода

Фукуяма фирмы NKK в 1986 г. Система построена по иерархическо-

Глава 8. Экспертные системы в доменном производстве

8-3

му принципу с использованием баз знаний и порождающих правил и выполняет

те же функции, что и ALIS. В системе реализованы законы нечеткой логики с

использованием коэффициентов достоверности информации, что облегчает

формирование баз знаний. Математическое обеспечение обработки информации

построено на применении трехмерных функций принадлежности для нечетких

множеств, что позволяет сократить количество порождающих правил

. Система

характеризуется высокой надежностью в эксплуатации, коэффициент использо-

вания, т.е. отношение числа реализованных команд к их общему числу, состав-

ляет 97 %. В настоящее время ЭС BASYS стала применяться и для автоматизи-

рованного управления распределением шихтовых материалов по сечению ко-

лошника.

Опыт использования ЭС для управления доменной печью имеет также

фирма «Кавасаки

Сэйтецу» на доменной печи № 4 в Мидзусима. Она ввела в

эксплуатацию усовершенствованную систему управления ходом доменной печи,

построенную по концепции ЭС. Технические средства системы включают ЭВМ

управления доменной печью (сбор, предварительная обработка и передача дан-

ных) и ЭВМ искусственного интеллекта (обработка полученных данных, обра-

ботка знаний по интеллектуальным правилам для диагностики

состояния печи,

выработка регулирующих воздействий).

ЭС BASYS также применяется и на доменной печи № 1 завода Кейхин

фирмы «Кобе Стил» для управления тепловым состоянием печи. При использо-

вании ЭС среднеквадратичное отклонение температуры чугуна на выпусках со-

ставило 9 °С, без нее – 13

°С при колебании температуры на выпусках 1480 –

1520°С .

С 1990 г. ходом доменной плавки на доменной печи № 2 завода Кокура

управляет ЭС, состоящая из двух подсистем: собственно управления плавкой и

принятия решений. Внедрение системы позволило уменьшить дисперсию темпе-

ратуры выпускаемого чугуна.

Для управления работой на доменной печи № 2 на заводе Сита внедрена

успешно эксплуатируется система SAFAIA, реализующая системный подход к

анализу состояния печи с применением искусственного интеллекта. Для оценки

формы и положения зоны когезии в системе используют данные о температуре

холодильников, индекс газопроницаемости, гранулометрический состав шихты,

сход шихты и др. При эксплуатации системы в 1989 г. общее число удачных ре-

комендаций и оценок

состояния печи, выполненных системой, составляло, спус-

тя два месяца после начала работы системы, 95–98 %.

Гибридная ЭС как перспективная компьютерная система управления до-

менной печью с использованием математических моделей и эмпирических пра-

вил была разработана и применена в 1988 г. на доменной печи № 1 в Касима.

Система сочетает достоинства математических моделей (высокая эффективность

управления

) и достоинства эмпирических правил (устойчивость контролируе-

мых процессов). При нормальном состоянии печи управление осуществляется по

моделям, при аномальном состоянии – по эмпирическим правилам. Выбор мето-

да управления выполняется по эмпирическим правилам оценки.

В Южной Корее с 1990 г. работает ЭС реального времени. Система вы-

полняет следующие функции: диагностику образования неактивной зоны в

ниж-

Глава 8. Экспертные системы в доменном производстве

8-4

ней части шахты, нарушения равномерности газового потока в печи; выработку

управляющих воздействий для предотвращения нестабильной работы печи.

На доменных печах Европы и Северной Америки ЭС с искусственным ин-

теллектом еще не получили такого широкого распространения, как в Японии, и

находятся на стадии опытных разработок. Например, в Бельгии в Центре метал-

лургических

исследований (С.R.M.) разработана ЭС – АССЕS. Система позволя-

ет выявить на ранней стадии нарушения в работе печи, например сползание гар-

нисажа, определить их причины и предложить управляющие воздействия для их

ликвидации. При прогнозировании похолоданий горна система обеспечивает на

100 % прогноз тяжелых похолоданий и на 75 % – легких похолоданий.

Таким образом, мировой опыт свидетельствует

об эффективности исполь-

зования экспертных систем для диагностики и управления тепловым и газоди-

намическим режимами, наиболее сложным и самым энергоемким переделом со-

временной металлургии – доменной плавкой.

В России разработкой научных основ создания экспертных систем домен-

ной плавки активно занимаются ученые ряда организаций: НПО «Черметавтома-

тика», Московского института стали и сплавов (

технический университет), Рос-

сийского института искусственного интеллекта, Института системного анализа

РАН, Института проблем управления, Уральского государственного техническо-

го университета (УГТУ–УПИ), Уральского отделения РАН и др.

Однако наилучшие практические результаты достигнуты в этой области в

России сотрудниками Научно-инженерного центра ассоциации содействия Все-

мирной лаборатории (г. Москва). В дальнейшем мы

рассмотрим опыт разработ-

ки и внедрения в доменном цехе ОАО «Магнитогорский металлургический ком-

бинат» первой отечественной промышленной экспертной системы реального

времени «Интеллект доменщика», разработанной сотрудниками этого центра.

8.2. Технологические основы экспертных систем доменной плавки

Хорошие технико-экономические показатели доменной плавки – высо-

кую производительность и низкий удельный расход кокса – можно получить

только при "нормальной работе" печи. Понятие о нормальной работе связывает-

ся с так называемым ровным ходом печи. Такой ход характеризуется следую-

щими признаками.

1. Плавным и устойчивым сходом шихтовых материалов с постоянной

скоростью опускания кусков шихты в поперечном сечении печи. Здесь важно

отметить, что скорость опускания материалов в отдельных точках сечения

печи

может быть различной, но при ровном ходе плавки эта скорость должна быть

постоянной.

2. Устойчивым характером распределения шихтовых материалов и газо-

вого потока по сечению доменной печи, при котором достигается максимальная

степень использования химической и тепловой энергии газа и минимальный для

данных условий плавки удельный расход кокса.

3. Постоянными параметрами дутьевого

режима, т.е. условиями стабиль-

ности расхода дутья, его температуры и влажности, а также постоянными расхо-