Методология интеллектуальной поддержки управления технологическими системами в условиях неопределенности (на примере металлургического производства)

Разработана методология, включающая методы, модели и алгоритмы принятия решений и управления технологическими системами металлургического производства, позволяющая строго формализовать учет неопределенностей всех металлургических переделов на основе нечетких систем обработки информации и управления, обеспечить формализацию и организацию поддержки принятия решений, повысить оперативность и точность производственной информации, а также обеспечить повышение качества металлопродукции, технико-экономических показателей и надежности производства. Предложен комплекс новых моделей обработки информации в условиях неопределенности, в том числе: модель принятия решений при управлении технологической системой с горизонтальной многостадийной иерархией, позволяющая устанавливать соответствия выходных значений технологических параметров требуемым внутрисистемным значениям параметров; модель интеграции разнородной информации при управлении многостадийными системами металлургического производства, позволяющая учитывать меру значимости технологических параметров и связей между ними за счет применения нечеткой меры и оператора интегрирования Суджено, а также свести к минимуму неопределенность данных (особенностью модели является возможность работы на разных уровнях иерархии с факторами, являющимися разнородными по сути); модель контроля качества металлопродукции на основе обработки низкоконтрастных изображений с помощью нейронной сети, позволяющая учитывать биологически обоснованные межнейронные связи гистерезисной природы. Разработаны математические модели оценки запасов железорудного сырья на основе промышленного и балансового методов, позволяющие представлять нечетко заданные параметры в виде функций принадлежности и получать их численные значения за счет применения варьирования моделей по методу Скала. Уменьшение неопределенности параметров позволило снизить себестоимость мероприятий по отработке месторождения на 1,1%. Предложена математическая модель поддержки принятия решений (модель нечеткого вывода ТСК), позволяющая прогнозировать выходные свойства металлопродукции (химический состав, твердость, предел текучести) в зависимости от значений внутрисистемных параметров производства (температура плавки, временное сопротивление, длительность рафинировки и т.д.) на основе нечеткого логического вывода, отличающаяся тем, что система нечетких продукционных правил ТСК описывается системой квазилинейных уравнений для совокупности значений выходных параметров. Разработаны алгоритмы интеллектуальной поддержки принятия решений и управления выходными свойствами металлов, в том числе: алгоритм проверки адекватности математической модели ТСК, основанный на строгих физических принципах и позволяющий автоматически игнорировать неудовлетворительные решения; алгоритм оптимального управления выходными показателями качества металлопродукции на основе модели ТСК, позволяющий автоматически определять необходимые значения факторов производства (внутрисистемных параметров) по заданным в ИЗС выходным технологическим параметрам (твердость, предел текучести); экономичные алгоритмы оценки сходимости итерационного процесса на основе метода последовательных приближений, позволяющие применять предложенные модели принятия решений для обеспечения заданных параметров качества металлопродукции. Применительно к задачам сегментации изображений разработана модель интеллектуальной поддержки принятия решений на основе биологической нейронной сети, которая демонстрирует динамику, согласующуюся с биологическими данными даже при малом числе нейронов. Установлена ее способность «упорядоченно» реагировать на внешнее воздействие, что обусловлено наличием гистерезисной связи между отдельными нейронами (формализуемая в рамках модели Боука - Вена). Предложенная модель позволяет реализовать моделирование нейронной сети с множеством элементов, поскольку синхронизация достигается на 25 мс быстрее, чем в аналогичных нейросетях. Построен алгоритм обработки низкоконтрастных изображений на основе предложенной модели нейронной сети, позволяющий сегментировать изображения, полученные при инфракрасной дефектоскопии, а также повысить их точность при диагностике качества металлопродукции на 60%. Разработаны проблемно-ориентированные программные комплексы для реализации моделей и алгоритмов интеллектуальной поддержки управления металлургическими производственными процессами на примере оценки запасов руды, прогнозирования комплекса выходных свойств (показателей качества) металлопродукции, диагностики качества металлов и сплавов.