Cтраница 3
Если на основе оценивания неисправностей и состояний ХТП и ХТС будет выявлено, что объект находится в аварийном состоянии, то при этом необходимо выявить все возможные аварийные ситуации и факторы риска; рассмотреть возможные сценарии развития аварийных ситуаций. Для снижения ущерба необходимо разработать интеллектуальную систему управления химическими производствами в условиях риска. [31]
Предложенный метод может быть использован для достаточно широкого класса задач при построении управления различными объектами, о структуре и параметрах объекта, возмущениях внешней среды. При этом цель управления может быть сведена к достаточно общему виду фазовых ограничений. Данный класс задач особенно характерен при разработки и формировании интеллектуальных систем управления когда необходима быстрая обработка информации, выработка управления в реальном режиме времени. При чем в этих задачах возможна неопределенность по цели. Рассмотренный метод позволяет учитывать и ее. Необходимо также отметить, что полученные соотношения метода (6.644), (6.652) могут быть эффективно реализованы на основе известных численных процедур, в том числе и параллельных алгоритмов. Возможен дальнейший анализ и обобщение неравенств (6.644), (6.652) с целью упрощения и расширения их решения. Неравенства (6.644), (6.652) могут использоваться при выработке алгоритмов управления. Поскольку полученные соотношения допускают геометрическую интерпретацию с помощью кругов Гершгорина, то они оказываются удобными в инженерных расчетах. [32]
БД и БЗ агента, целесообразно дискретизировать. Это достигается дискретизацией координатных осей ВП с равным шагом, причем для разных осей величина шага дискретизации может быть различной. В этом случае модель ВР становится точечной, что удобно с точки зрения компьютерного представления этой модели в БД и БЗ интеллектуальной системы управления агента. [33]
Нейросетевые технологии в настоящее время находятся на начальной стадии развития. Успешное продолжение работ в этой области связано с разработкой новых методов построения и обучения нейронных сетей. Несомненно, экспертные системы и нейронные сети позволяют достичь больших результатов, чем традиционные вычислительные средства, но лишь в некоторых областях. Для задач, в которых объект или процесс представлен четкой математической моделью, традиционные методы несомненно оказываются предпочтительнее. Тем не менее нейросетевые технологии значительно расширяют возможности создания интеллектуальных систем управления. [34]
В рамках имеющейся логико-динамической модели процесса управления система самостоятельно принимает решения по компенсации обнаруживаемых отклонений от целевой траектории и формирует управляющие воздействия, переводящие объекты в очередные целевые состояния. При возникновении сложных аномальных явлений и ситуаций или невозможности достижения целевых состояний собственными средствами управляющая система обращается к внешней дедуктивной ЭС с требованием разобраться в ситуации и выдать диагноз или рекомендовать соответствующие меры по нормализации состояния предметной области. В результате ЭС либо выдает диагностические оценки ситуаций и решений, либо обнаруживает, что имеющихся данных недостаточно для заключения и формирует команду с требованием получения недостающей информации. С этого момента управляющая система начинает работать под управлением ЭС. В ходе их совместной работы могут возникнуть ситуации, в которых будет существовать целое множество допустимых альтернативных решений. Например, в производственных системах это могут быть решения о перераспределении партий деталей между оборудованием и восстановлении хода производства, а также другие решения, связанные альтернативным использованием распределяемых ресурсов, что в итоге обусловливает необходимость поиска оптимального варианта управления. С этой целью в состав интеллектуальной системы управления включены специализированные процедуры оптимального выбора и принятия решений. [35]