Методы неточных рассуждений с ненадежными данными

В неформализованных задачах, которые решают ЭС в металлургии, особенно при управлении сложными агрегатами и процессами, очень часто приходится использовать ненадежные или неточные знания и факты, которые невозможно 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 определенные 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.

Среди методов неточных рассуждений с ненадежными данными одним из первых разработан метод с использованием так называемых коэффициентов уверенности CF, ставший эффективным средством обработки ненадежных знаний. Метод с использованием коэффициентов уверенности отображает ненадежные данные с помощью коэффициентов CF, которые принимают значения на отрезке [-1;1], где «1» – заведомо истина, «-1» – заведомо ложь. Положительные CF называют мерой доверия, а отрицательные CF – мерой недоверия. В настоящее время разработан метод нечетких выводов, названный субъективным байесовским методом.

Для решения сложных НФЗ используется метод иерархической декомпозиции задачи на несколько подзадач. Связь между подзадачами, на которые декомпозирована неформализуемая задача, определяемая двумя понятиями – истина 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 проиллюстрировать 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 образом, 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 совокупности 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 надежность диагноза, выводимого на основе этих двух факторов по КОМБ-правилу, уменьшится до 0,15.

На рис. 7.2 представлено описание продукционных правил с помощью связей типа «И», «ИЛИ», «КОМБ», где X, Y – результаты симптомов, А – цель или гипотеза. С₁, С₂, С₃ – 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.

Е сли выбрать метод выводов как для каждой из связи «И», «ИЛИ», так и для связи «КОМБ», то степень надежности можно распространить и на всю иерархическую сеть выводов. В итоге можно получить степень надежности конечной цели, а также указать ее при окончательном решении.

Обозначим коэффициент уверенности исходных доказательств X и Y соответственно через CF(Х) и CF(Y), а степени надежности С₁, С₂ , С₃₁, С₃₂, С₃ вывода 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 следующих 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.

CF = min{CF(Х), CF(Y)}; (7.2)

• при связи типа «ИЛИ»(OR)

CF = 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», других 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 функцию:

Значение коэффициента уверенности из трех и более независимых доказательств можно вывести, последовательно используя указанные выше формулы.

Хотя коэффициенты уверенности не имеют строгого обоснования, но благодаря простоте восприятия они нашли широкое применение во многих инструментальных 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 (9.5), получим коэффициент уверенности, равный 0,76. Примеры использования этих коэффициентов в ЭС металлургических агрегатов мы рассмотрим в дальнейшем.

Лекция 7.2. Экспертные системы в доменном производстве

Состояние вопроса. Общая характеристика ЭС «Интеллект доменщика». Функциональная структура экспертной системы. Обработка входной информации. Характеристика базы знаний. Решаемые задачи. Схема базы знаний причин расстройства ходов доменной печи. Схема базы знаний причин тепловых расстройств доменной печи Схема диагностики теплового состояния доменной печи. Схема диагностики ходов доменной печи.

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, определяющим порозность столба шихты, поля скоростей движения твердых и жидких фаз, распределения газового потока, к параметрам скорости восстановления железорудных материалов и т.п. Процесс выплавки чугуна в доменной печи подвержен 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 громадный запас знаний и опыта ведения процесса, диагностики агрегатов, что позволяет им вести технологию при отсутствии части объективной информации и неполной оценке некоторых аспектов состояния агрегатов и технологии.

Для решения этих проблем с целью диагностики и управления ходом доменной печи создаются экспертные системы, построенные в концепции искусственного интеллекта и включающие в себя опыт специалистов-доменщиков. Системы с применением искусственного интеллекта (ИИ) создаются с целью стабилизации 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 после ввода ее в действие, учитывая последующие изменения технологии. Экспертная система повышает уровень знаний среднего специалиста до уровня квалифицированного, обеспечивает единообразие решений и оперативную адаптацию в изменяющихся условиях массового, интенсивного производства.

Наибольшее распространение экспертные системы для управления ходом 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 выполняет 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 комплекта баз знаний, что позволяет проводить ее корректировку в реальном масштабе времени. Коэффициент использования рекомендаций регулирующих воздействий, назначенных системой, достигает 95 %.

Система управления BASYS разработана и применена на доменной печи № 5 завода Фукуяма фирмы NKK в 1986 г. Система построена по иерархическому 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 использования, т.е. отношение числа реализованных команд к их общему числу, составляет 97 %. В настоящее время ЭС BASYS стала применяться и для автоматизированного управления распределением шихтовых материалов по сечению колошника.

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 данных) и ЭВМ искусственного интеллекта (обработка полученных данных, обработка 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 использовании ЭС среднеквадратичное отклонение температуры чугуна на выпусках составило 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 температуры выпускаемого чугуна.

Для управления работой на доменной печи № 2 на заводе Сита внедрена и 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 рекомендаций и оценок состояния печи, выполненных системой, составляло, спустя два месяца после начала работы системы, 95–98 %.

Гибридная ЭС как перспективная компьютерная система управления доменной печью с использованием математических моделей и эмпирических правил 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 контролируемых процессов). При нормальном состоянии печи управление осуществляется по моделям, при аномальном состоянии – по эмпирическим правилам. Выбор метода управления выполняется по эмпирическим правилам оценки.

В Южной Корее с 1990 г. работает ЭС реального времени. Система выполняет следующие функции: диагностику образования неактивной зоны в нижней 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 интеллектом еще не получили такого широкого распространения, как в Японии, и находятся на стадии опытных разработок. Например, в Бельгии в Центре металлургических исследований (С.R.M.) разработана ЭС – АССЕS. Система позволяет выявить на ранней стадии нарушения в работе печи, например сползание гарнисажа, 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 использования экспертных систем для диагностики и управления тепловым и газодинамическим режимами, наиболее сложным и самым энергоемким переделом современной металлургии – доменной плавкой.

В России разработкой научных основ создания экспертных систем доменной плавки активно занимаются ученые ряда организаций: НПО «Черметавтоматика», Московского института стали и сплавов (технический университет), Российского института искусственного интеллекта, Института системного анализа РАН, Института проблем управления, Уральский федеральный университет. Однако наилучшие практические результаты достигнуты в этой области в России сотрудниками Научно-инженерного центра ассоциации содействия Всемирной лаборатории (г. Москва). В дальнейшем мы рассмотрим опыт разработки и внедрения в доменном цехе ОАО «Магнитогорский металлургический комбинат» первой отечественной промышленной экспертной системы реального времени «Интеллект доменщика», разработанной сотрудниками этого центра.