ГЛАВА 1. ОСНОВНАЯ ПРОБЛЕМА И КОНЦЕПЦИЯ ЕЕ РЕШЕНИЯ

 

1.1. ОСНОВНЫЕ ПОНЯТИЯ И ОПРЕДЕЛЕНИЯ.

       ОБЪЕКТ И ПРЕДМЕТ ИССЛЕДОВАНИЯ

 

При управлении каким–либо объектом, в том числе без участия человека, обеспечивается постоянство определенной физической или иной величины, характеризующей состояние объекта, или изменение этой величины в соответствии с некоторым законом на основании конкретной информации о состоянии объекта и окружающей среды. Осуществляется это с помощью автоматизированной системы управления (АСУ).

Объектом исследования в данной работе являются автоматизированные системы управления (АСУ).

АСУ состоит из двух основных частей: объекта управления и управляющего устройства. Объектом управления может быть любое управляемое техническое устройство или какой–либо технологический процесс.

Состояние объекта управления зависит от приложенных к нему воздействий g(t) и от собственных параметров, поэтому характеризуется выходной величиной y(t).

Воздействие g(t), поступающее на вход управляющего устройства и содержащее информацию о требуемом значении y(t), называется задающим воздействием.

Воздействие z(t), поступающее от управляющего устройства на вход объекта для обеспечения в нем желаемого процесса, называется управляющим воздействием.

Воздействие f(t), приложенное к объекту и вызывающее отклонение управляемого параметра от заданного значения, называется возмущающим воздействием (помехой).

На рис. 1.1 приведена классическая функциональная схема АСУ [13],  на которой показаны основные элементы управляющего устройства (УУ).

Задающее воздействие g(t), которое является входным сигналом АСУ и определяет требуемый закон изменения выходного сигнала y(t), поступает на чувствительный элемент (ЧЭ). Кроме того на этот элемент подаются сигналы обратной связи y(t) и возмущающего воздействия f(t).

С выхода ЧЭ сигнал x(t), который является функцией воздействия {x, y, f} и характеризует ошибку (рассогласование) АСУ, усиливается усилителем (У) и поступает на исполнительный механизм (ИМ).

 

 

 

 

 

 

 

 

 

 

Рис. 1. 1. Функциональная схема АСУ

 

ИМ вырабатывает и подает на объект управления (ОУ) управляющее воздействие z(t).

Иногда при формировании управляющего воздействия кроме сигнала ошибки учитываются его производная и интеграл.

Часто для обеспечения требуемых статических и динамических характеристик системы используются корректирующие устройства: последовательные (КУ1) и параллельные (КУ2).

В состав АСУ могут входить еще и специальные элементы для согласования отдельных частей системы, а также вычислительные устройства для реализации алгоритма работы управляющего устройства.

Предметом исследования данной работы являются вопросы создания и применения адаптивных АСУ сложными системами (ААСУ СС).

Очевидно, АСУ является более общим понятием, чем ААСУ СС. Поэтому в содержательной постановке задачи синтеза ААСУ имеется ряд особенностей и специфических проблем, возникающих именно тогда, когда объектом управления является сложная система.

Перед содержательной постановкой задачи синтеза ААСУ СС рассмотрим вопрос о месте данных систем в общей классификации АСУ.

 

 

 

 

 

1.2. КЛАССИФИКАЦИЯ СИСТЕМ

       АВТОМАТИЗИРОВАННОГО УПРАВЛЕНИЯ

 

Классификация АСУ существенным образом зависит от критериев классификации.

По виду используемой управляющим устройством информации различают разомкнутые и замкнутые АСУ: в разомкнутых системах отсутствует обратная связь между выходом объекта управления и входом управляющего устройства. В таких системах управляемая величина не контролируется. При наличии обратной связи объект управления и управляющее устройство образуют замкнутый контур, обеспечивающий автоматический контроль за состоянием объекта управления.

По характеру изменения задающего воздействия АСУ можно отнести к следующим видам:

-         автоматической стабилизации, задающее воздействие в которых постоянно; эти системы предназначены для поддержания постоянства некоторого физического параметра (температуры, давления, скорости вращения и т.д.);

-         программного управления, задающее воздействие в которых изменяется по какому–либо заранее известному закону (например, по определенной программе может осуществляться изменение скорости вращения электропривода, изменение температуры изделия при термической обработке и т.д.);

-         следящие, задающее воздействие в которых изменяется по произвольному, заранее неизвестному закону (используются для управления параметрами объектов управления при изменении внешних условий).

В последние годы все большее значение приобретают адаптивные АСУ, характеризующиеся действием на объект управления каких–либо абсолютно неизвестных факторов. В результате возникает необходимость решения задачи управления в условиях неопределенности исходных данных для принятия решения об управляющих воздействиях. Эти системы могут приспосабливаться к изменениям внешней среды и самого объекта управления, а также улучшать свою работу по мере накопления опыта, т.е. информации о результатах управления.

В свою очередь адаптивные АСУ делятся на:

-         оптимальные, которые обеспечивают автоматическое поддержание в объекте управления наивыгоднейшего режима;

-         самонастраивающиеся, параметры объекта управления у которых не остаются неизменными, а преобразуются при изменении внешних условий;

-         самоорганизующиеся, алгоритм работы у которых не остается неизменным, а совершенствуется при изменении параметров объекта управления и внешних условий;

-         самообучающиеся, которые анализируют накопленный опыт управления объектом и на основании этого автоматически совершенствуют свою структуру и способ управления.

По характеру действия АСУ подразделяют на непрерывные и дискретного действия. В непрерывных АСУ при плавном изменении входного сигнала также плавно изменяется и выходной сигнал. В дискретных АСУ при плавном изменении входного сигнала выходной сигнал изменяется скачкообразно. Методы управления, основанные на применении цифровой техники, всегда приводят к дискретным АСУ.

По характеру изменения параметров сигналов АСУ можно разделить на линейные и нелинейные, стационарные и нестационарные. По количеству самих параметров АСУ являются одномерными или многомерными (многопараметрическими).

Необходимо отметить, что классификацию АСУ можно построить и на основе других критериев, например, можно классифицировать АСУ по физической сущности системы или ее основных звеньев, по мощности исполнительного устройства и т.д. Каждый из упомянутых способов классификации АСУ чаще всего является независимым от остальных. Это означает, что каждый из них можно представить как шкалу в многомерном фазовом пространстве, тогда конкретным АСУ в этом пространстве будут соответствовать точки или определенные области.

 

1.3. СОДЕРЖАТЕЛЬНАЯ ПОСТАНОВКА ЗАДАЧИ СИНТЕЗА

       АДАПТИВНЫХ АСУ СЛОЖНЫМИ СИСТЕМАМИ

 

Если объект управления представляет собой сложную систему, то будем называть его сложным объектом управления (СОУ).

Введем понятие: цикл управления. Под циклом управления будем понимать периодически повторяющийся цикл в АСУ, состоящий из следующих видов работ:

-         измерение параметров текущего (исходного) состояния сложного объекта управления;

-         идентификация состояния СОУ;

-         прогнозирование поведения СОУ при условии отсутствия управляющего воздействия (изучение тенденций);

-         выработка управляющего воздействия;

-         оказание управляющего воздействия на СОУ.

Моменты времени  изменяются дискретно: каждый момент времени соответствует определенному циклу управления.

Пусть состояние СОУ в момент времени  характеризуется вектором параметров , а состояние окружающей среды в этот же момент времени – вектором параметров: .

Управляющие факторы, воздействующие на поведение СОУ, разделим на две группы:

-         воздействие окружающей среды в момент времени , не зависящее от человека: ;

-         воздействие управляющей подсистемы АСУ в момент времени , контролируемое человеком: .

Состояния СОУ в моменты времени  обозначим , подмножество целевых состояний – .

Синтез АСУ СС в основном сводится к разработке математической модели СОУ, которая должна обеспечить генерацию такого набора управляемых факторов , фактическое воздействие которых на СОУ в очередной цикл управления с максимальной возможной вероятностью переведет его в заранее заданное целевое состояние .

При этом модель должна учитывать:

-         текущее состояние СОУ и траекторию, по которой он перешел в это состояние (последовательность предыдущих состояний);

-         влияние имеющихся и прогнозируемых неконтролируемых факторов среды на поведение СОУ (предпосылки и тенденции);

-         предыдущий опыт реального влияния управляющих факторов на поведение СОУ, находящийся в тех или иных состояниях (адаптивность) и определенных внешних условиях.

 

 

 

1.4. НЕОПРЕДЕЛЕННОСТЬ ИСХОДНОЙ ИНФОРМАЦИИ

       КАК ОСНОВНАЯ ПРОБЛЕМА ПРИ СИНТЕЗЕ

       АДАПТИВНЫХ АСУ СЛОЖНЫМИ СИСТЕМАМИ

 

Во многих случаях проектирования и эксплуатации АСУ обнаружилось [333], что принятие априори некоторой неизменной математической модели объекта управления неадекватно действительному положению вещей. В одних случаях это результат того, что из-за сложности процессов, протекающих в объекте управления, получение его математической модели на основе известных физических или химических законов оказывается практически неразрешимой задачей, в других – это может быть результатом того, что в процессе эксплуатации АСУ под воздействием внешних или внутренних неконтролируемых факторов (возмущений) происходит изменение самого объекта управления.

Традиционно система определяется как сложная [273], если для построения ее адекватной модели недостаточно априорной информации. Это означает, что поведение сложной системы существенным образом зависит от факторов, о влиянии которых практически ничего неизвестно. Поэтому в случае, когда объектом управления является сложная система (СС), о ее модели можно сказать лишь то, что неизвестны не только коэффициенты или параметры аналитических выражений, описывающих объект управления, но и даже сам вид этих выражений. Поэтому построение содержательной аналитической модели сложного объекта управления (СОУ) очень проблематично и, по–видимому, в этом случае может идти речь лишь о построении моделей других классов.

Таким образом, основная проблема при создании адаптивных АСУ сложными системами (ААСУ СС) состоит в выборе или разработке математической модели, обеспечивающей настройку на специфику объекта управления за счет использования апостериорной информации о нем и среде, а также за счет дополнительной информации, поступающей уже в процессе эксплуатации системы. Первым этапом на пути конкретизации представлений об этой модели, позволяющей наиболее адекватно описать сложный объект управления, является определение ее класса.

Примечательно, что и классические, хорошо изученные "детерминистские" объекты управления в общем случае не могут рассматриваться как совершенно неизменные. На некоторых этапах эксплуатации или в некоторых ситуациях они могут вести себя как сложные стохастические системы. С середины 80–х годов школа И.Пригожина развивает подход, согласно которому в развитии любой системы (в том числе и человека) чередуются периоды, в течение которых система ведет себя то как "в основном детерминированная", то как "в основном случайная" [273]. Естественно, реальная система управления должна устойчиво управлять объектом управления не только на "детерминистских" участках его истории, но и в точках, в которых его дальнейшее поведение становится в высокой степени неопределенным и непредсказуемым. Уже одно это означает, что необходимо разрабатывать подходы к управлению системами, в поведении которых иногда или постоянно присутствует существенный элемент случайности или того, что в настоящее время математически описывается как случайность, а в действительности (например, у сознательных существ) вполне может оказаться проявлением свободы воли.

 

1.5. КЛАССИФИКАЦИЯ СИСТЕМ И АВТОМАТИЗАЦИЯ

       УПРАВЛЕНИЯ СЛОЖНЫМИ СИСТЕМАМИ

 

Прежде всего система – это целостная совокупность некоторых элементов, не сводящаяся к простой сумме своих частей, т.е. представляющая собой нечто большее, чем просто сумму частей. Это нечто, отсутствующее в частях системы, взятых самих по себе, и совершенно необходимое, чтобы элементы образовали систему, представляет собой интегрирующее начало.

Интегрирующее начало может быть как объективным, так и субъективным, а системы, соответственно, естественными и искусственными. Искусственная система есть средство достижения цели. Но и естественные, например, экологические системы, человек, как правило, рассматривает с точки зрения того, что они могут ему дать или какими они должны быть, чтобы обеспечить человеку определенные желательные условия, т.е. опять же с точки зрения соответствия определенным целям.

Различные модели систем отличаются тем, насколько полно в этих моделях отражены знания разработчиков модели о внутреннем строении моделируемых систем, и насколько эти модели являются подходящими для применения с точки зрения достижения целей АСУ.

Простейшей (полностью феноменологической) моделью системы является модель "черного ящика" [273]. Так называют систему, о которой внешнему наблюдателю доступны только лишь входные и выходные параметры, а внутренняя структура системы и процессы в ней неизвестны. Входные параметры можно рассматривать как управляющие воздействия, а желательные значения выходных – как цель управления. Ряд важных выводов о поведении системы можно сделать, наблюдая только ее реакцию на воздействия, т.е. наблюдая зависимости между изменениями входных и выходных параметров. Такой подход открывает возможности изучения систем, устройство которых либо совершенно неизвестно, либо слишком сложно для того, чтобы можно было по свойствам составных частей и связям между ними сделать выводы о поведении системы в целом. Поэтому понятие "черный ящик" широко применяется при решении задач идентификации и моделировании реакции на управляющее воздействие в АСУ сложными объектами управления.

Важно понимать, что "черный ящик" представляет собой именно систему, причем в общем случае, сложную систему. Из этого следует очень важный вывод: оптимизировать какой–либо отдельно взятый выходной параметр нельзя, так как это может привести к уничтожению всей системы, т.е. выходные параметры необходимо рассматривать системно, т.е. в единстве, комплексе.

Несмотря на свою кажущуюся простоту, построение модели "черного ящика" не является тривиальной задачей. Дело в том, что любая реальная система взаимодействует со средой бесчисленным множеством способов. Строя модель системы, из этого бесчисленного множества связей отбирают конечное их число и включают их в список входов и выходов. Критерием отбора при этом является целевое назначение модели, существенность той или иной связи для достижения цели. То, что существенно и важно, включается в модель, а то, что не существенно и не важно – не включается.

Но проблема как раз и заключается в том, что в действительности заранее никому не может быть точно известно, какие входные параметры оказывают существенное влияние на выходные целевые параметры, а какие нет. Это можно узнать, статистически исследовав эволюцию некоторого объекта в течение длительного времени, что проблематично, либо изучив достаточное количество аналогичных объектов, находящихся на различных стадиях своей эволюции, т.е. вариабельных конкретных "мгновенных" реализаций аналогичных объектов управления.

Но даже если такая информация имеется, то математически ее обработать, например с применением факторного анализа, также далеко не просто, так как обычно размерность реальных задач намного (на несколько порядков) превосходит возможности стандартных статистических методов и пакетов.

Более развитой, чем "черный ящик" является модель состава системы, в которой перечисляются составляющие ее элементы и подсистемы. Совокупность необходимых и достаточных для достижения целей управления элементов и подсистем с определенными отношениями между ними называется структурой системы.

Суммируя модели "черного ящика", состава и структуры, по мнению авторов, можно дать следующее синтетическое определение системы: "Система есть совокупность взаимосвязанных элементов, обособленная от среды и взаимодействующая с ней как единое целое для достижения определенной объективной или субъективной цели".

Существуют различные подходы к классификации систем:

-         по происхождению: искусственные, смешанные и естественные;

-         по степени изученности структуры (наличию информации): "черный ящик", непараметризованный класс, параметризованный класс, "белый ящик";

-         по способу управления: управляемые извне, самоуправляемые, с комбинированным управлением;

-         по ресурсной обеспеченности управления: энергетические ресурсы (обычные и энергокритичные), материальные ресурсы (малые и большие), информационные ресурсы (простые и сложные).

При недостатке априорной информации о сложном объекте управления построение его содержательной модели затруднительно. В этих условиях, по мнению авторов, возможно применить модель "черного ящика", которая предполагает минимум знаний о структуре и связях входных и выходных параметров моделируемого объекта.

При построении этой модели выходные параметры определяются исходя из целей управления, а проблема выбора входных параметров, значимо влияющих на выходные, в принципе может решаться различными методами, например, такими как: многофакторный анализ, дискриминантный анализ, методы проверки статистических гипотез, методы теории информации.

В данной работе предлагаются различные варианты классификации параметров, в зависимости от того, какие состояния объекта управления и среды они характеризуют и в какой степени они зависят от человека.

Например, параметры могут быть разделены на четыре группы, характеризующие:

1.     Предысторию объекта управления и окружающей среды.

2.     Характеристику актуального состояния объекта управления (которое рассматривается как исходное состояние СОУ) и среды.

3.     Не зависящие от человека факторы.

4.     Зависящие от человека факторы (управляющие воздействия на объект управления).

Эта классификация позволяет изучить влияние на достижение целей управления каждой из перечисленных групп факторов и выделить наиболее существенные факторы как в каждой группе, так и по всем группам в целом. Для этой цели в данном исследовании предлагается применить итерационные методы снижения размерности пространства признаков с переменным шагом, основанные на максимизации среднего количества информации, которое система получает при предъявлении ей признаков объектов обучающей и распознаваемой выборки [196].

Рассмотрим соотношение понятия "фактор", широко применяющегося в настоящем исследовании, и понятия "управляющее воздействие", традиционного для теории АСУ. В данном исследовании с единых позиций рассматриваются все причины, влияющие на переход СОУ в различные состояния, в том числе целевые. Конечно, это прежде всего управляющие воздействия. Но это и факторы среды, причем не только актуальные, но и будущие (прогнозируемые). Это и состояния самого СОУ, как прошедшие (СОУ рассматривается как автомат с памятью), так и актуальные, а также прогнозируемые. Среди всех этих факторов есть и зависящие от человека, которые он может использовать в качестве управляющих воздействий, а также и не зависимые от него, без учета которых, однако, управление СОУ станет менее надежным. Все эти факторы и рассматриваются в предлагаемой модели. Поэтому естественно, что в данном исследовании понятие фактор толкуется более широко, чем термин "управляющее воздействие".

Более пристального внимания заслуживает также классификация систем по ресурсной обеспеченности управления. Для того, чтобы модель реально заработала, или, как говорят была актуализирована, необходимы затраты различных ресурсов, прежде всего энергетических, материальных, информационных, финансовых, а также других.

Конечно, ресурсная обеспеченность меняется с течением времени, что связано прежде всего с совершенствованием компьютерной техники и информационных систем, а также зависит от возможностей конкретных исследователей и разработчиков. Поэтому классификация этого типа, безусловно, является относительной. Несмотря на это, подобная классификация имеет практическую ценность.

Большой называется система, поведение которой определяется всей совокупностью ее элементов, взаимодействующих между собой, ни один из которых не является определяющим [112, 273]. В рассматриваемом контексте термин "большая" означает не пространственные размеры системы, а большое количество ее элементов. При моделировании больших систем возникает проблема высокой размерности описания. Например, если применяется многофакторная модель, то вычислительные и понятийные (связанные с интерпретацией) трудности возникают уже при количестве факторов от семи до десяти. В то же время многие реальные задачи требуют учета многих сотен и даже тысяч различных факторов.

Известны два способа перевода больших систем в разряд малых: использование более мощных вычислительных средств (компьютеров и программных систем) либо осуществление декомпозиции многомерной задачи на совокупность слабо связанных задач меньшей размерности (если характер задачи это позволяет). Если существует возможность сгруппировать элементы системы в незначительное количество подсистем, каждая из которых оказывает вполне определенное существенное влияние на поведение системы в целом, а с другими подсистемами мало взаимодействует, то этим самым описание функциональной структуры системы существенно упрощается.

На практике чаще всего исследователь самостоятельно решает неформализуемым путем, какие факторы он будет исследовать, а какие нет.

Напомним ключевое для нашего изложения определение сложной системы. Сложной называется система, адекватное моделирование которой требует учета отсутствующей или недоступной информации [273]. Необходимо специально отметить, что данное определение сложной системы считается классическим. Сложный объект управления (СОУ) – это объект управления, являющийся сложной системой. В контексте данного исследования несущественно, является ли СОУ динамическим, статическим, стохастическим и т.д. Но эти варианты порождают частные случаи, некоторые из которых конкретизируются в исследовании.

Если управление приводит к неожиданным, непредвиденным или нежелательным результатам, т.е. отличающимся от ожидаемых (прогнозируемых) в соответствии с моделью, то это объясняется недостатком существенной информации, что порождает неадекватность модели и интерпретируется как сложность системы. Таким образом, простота или сложность системы относительна и указывает на достаточность или недостаточность информации о системе в действующей модели этой системы, т.е. связана с возможностью построения адекватной модели.

Между большими и сложными системами имеется много общего: очень часто большие системы одновременно являются и сложными. Но есть и существенное различие между ними: адекватное моделирование больших систем оказывается возможным при удовлетворении высоких требований к инструментам обработки (компьютерам и программным системам), тогда как при моделировании сложных систем возникают более фундаментальные проблемы, связанные с недостатком значимой информации.

 

1.6. ТРАДИЦИОННЫЕ ПУТИ РЕШЕНИЯ

       ОСНОВНОЙ ПРОБЛЕМЫ,

       ИХ ОГРАНИЧЕНИЯ И НЕДОСТАТКИ

 

1.6.1. ИДЕНТИФИКАЦИЯ ТЕКУЩЕГО СОСТОЯНИЯ

          ОБЪЕКТА УПРАВЛЕНИЯ

 

Обычно понятия "параметры объекта управления" и "состояния объекта управления" рассматриваются как синонимы, причем это обстоятельство специально не уточняется. По этой причине считается, что АСУ управляют состояниями объекта управления, хотя фактически под этим понимается лишь управление его параметрами.

Решение об управляющем воздействии принимается в таких АСУ как бы "вслепую", т.е. без формирования целостного образа объекта управления и окружающей среды в их текущем состоянии, а также без прогнозирования развития среды и реакции объекта управления на те или иные управляющие воздействия на него, действующие одновременно с прогнозируемым влиянием среды.

В случае, когда параметры объекта управления детерминистским и вполне однозначным образом связаны с его состояниями, такой подход является адекватным.

В данной работе предлагается рассматривать параметры объекта управления как внешнее проявление его состояния, так как в общем случае объект управления представляет собой сложную систему, в которой связь между наблюдаемыми параметрами и состоянием системы имеет сложный и неоднозначный характер.

Поэтому, по мнению авторов, когда объект управления является сложной системой,  подход к управлению в АСУ, основанный на управлении по параметрам, является неадекватным. В этом случае выработка управляющего воздействия должна осуществляться на основе данных о текущем состоянии объекта управления.

Итак, в общем случае задача идентификации состояния объекта на основе информации о его параметрах представляет собой типичную задачу распознавания образов. Следовательно, в случае СОУ идентификация его состояния осуществляется в АСУ путем решения задачи распознавания образов и чувствительный элемент (ЧЭ), изображенный на рис. 1.1, преобразуется из системы измерения значений параметров в систему их измерения и интеллектуального анализа.

Поясним эти выводы на наглядных примерах.

 

1.6.1.1. Пример 1–й (технический)

 

Рассмотрим автономную комбинированную фотоветроэлектроэнергетическую установку (ФВЭУ), также представляющую собой типичный пример сложной технической системы.


ФВЭУ включает следующие подсистемы (установки), изображенные на рис. 1.2:

Рис. 1. 2. Принципиальная схема ФВЭУ

-         фотоэлектроэнергетическую установку (ФЭУ);

-         ветроэлектроэнергетическую установку средней мощности (ВЭУ);

-         аккумуляторную батарею (накопитель);

-         потребитель, состоящий из нагрузок с двумя уровнями приоритетности;

-         систему автоматизированного управления (САУ).

Текущее состояние энергоресурсов системы определяется текущей мощностью первичных энергоресурсов, а также запасом энергии в накопителе. Потребность в мощности энергоустановки определяется потребителем, включающем нагрузки различной приоритетности.

Целью САУ яв­ляется наиболее полное и бесперебойное снабжение потребителей электроэнергией при ее неравномерном поступлении в условиях нор­мального эксплуатационного режима всех элементов энергосистемы. Таким образом, цель САУ дуальна: это наиболее полное и качественное обеспечение как текущих, так и будущих потребностей потребителя в электроэнергии [318].

Цель управления достигается путем выбора наиболее рационального режима энергораспределения ФВЭУ:

1.     При избытке вырабатываемой электроэнергии подключаются все потребители и накопитель, если он разряжен.

2.     При недостатке вырабатываемой электроэнергии: подключаются все группы нагрузок или нагрузки, имеющие наивысший приоритет, накопитель при этом может работать как на разряд, так и на заряд, в зависимости от его состояния и прогноза поступления первичных энергоресурсов: если прогноз положительный, накопитель использовать допустимо, если нет – то это нежелательно.

Выбор режима энергораспределения осуществляется на основе анализа информации о текущем состоянии ФВЭУ и будущем состоянии первичных энергоресурсов.

Информация, характеризующая текущее состояние ФВЭУ:

-         потребность в электроэнергии в разрезе выделенных групп нагрузок;

-         выходная мощность ФЭУ;

-         выходная мощность ВЭУ;

-         резерв накопителя.

Информация, характеризующая будущее состояние первичных возобновляемых энергоресурсов:

-         краткосрочный прогноз мощности солнечного светового потока;

-         краткосрочный прогноз мощности ветра.

В силу низкой предсказуемости и высокой динамичности как потребляемой мощности, так и поступления возобновляемой энергии, а также зависимости последней от погоды, времени суток и региона, алгоритм управления энергораспределением ФВЭУ не может быть разработан в готовом виде при изготовлении системы и должен обладать высокой степенью интеллектуальности и адаптивности.

Необходимо отметить, что несмотря на кажущуюся простоту автономных ФВЭУ она является обманчивой и в настоящее время не разработано оптимального алгоритма управления энергораспределением для этих систем в условиях дефицита вырабатываемой мощности.

 

1.6.1.2. Пример 2–й (медицинский)

 

В качестве типичного и очевидного примера сложной системы возьмем человека – пациента. Тогда систему "врач–пациент" можно рассматривать как адаптивную систему управления сложной системой, цель которой состоит в переводе пациента из некоторого текущего состояния "болезнь", более или менее далекого от оптимального, в некоторое будущее состояние "здоровье", более близкое к оптимальному, причем это осуществляется с помощью лечебных управляющих воздействий.

Целевые состояния сложной системы в нашем примере представляют собой подмножество пространства будущих состояний, в которых пациент более или менее здоров.

Входными параметрами сложной системы являются:

-         история болезни пациента и его биография (траектория перехода пациента в текущее состояние);

-         факторы внешней среды;

-         лечебные воздействия врача.

Выходными параметрами сложной системы в нашем примере являются симптомы и синдромы (комплексы взаимосвязанных симптомов), т.е. клиническая картина.

Принцип управления по параметрам, широко применяемый в АСУ простыми системами, не является адекватным в случае сложных объектов управления. Дело в том, что в случае сложных систем задача измерения выходных параметров перерастает в задачу идентификации состояния сложной системы по ее параметрам, т.е. в задачу распознавания образов. В нашем примере управление по выходным параметрам соответствует ситуации, когда врач вместо того, чтобы лечить больного от заболевания, являющегося причиной высокой температуры, просто даст ему жаропонижающее. Вместо лечения болезни и устранения ее причин у пациента подавляются внешние проявления болезни, т.е. происходит "залечивание" симптомов. Это "симтоматическое лечение" считается допустимым только в крайних случаях ради облегчения состояния больного и, если этим "лечение" и ограничивается, то обычно приводит к негативным последствиям. Сейчас уже общепризнанно, что лечить надо не болезнь, и тем более не симптомы, а самого больного.

Таким образом, перед тем, как принимать конкретные меры по лечению больного врач должен сначала поставить ему диагноз. От диагноза прежде всего и зависит правильный выбор плана лечения, т.е. конкретные лечебные воздействия и их порядок. Без правильного диагноза не может быть адекватного лечения.

Диагностика, т.е. нозологическая идентификация, осуществляется на основе симптоматики (клинической картины) с учетом данных истории болезни, отражающей предысторию больного, а также факторов внешней среды (например пациент проживает в районе с неблагополучной экологией, имеет вредную профессию или проблемы в семье).

В дальнейшем изложении второй технический пример (с ФВЭУ) будет конкретизирован до уровня методологии, методики и алгоритма синтеза адаптивной АСУ СС, а также до уровня численного примера.

 

1.6.2. ПРИНЯТИЕ РЕШЕНИЙ

          ОБ УПРАВЛЯЮЩИХ ВОЗДЕЙСТВИЯХ

 

В модели сложного объекта управления, сформированной в адаптивной АСУ, содержится обобщенная фактическая информация о том, какие управляющие воздействия ранее на практике переводили сложный объект управления в таком текущем состоянии и с такой предысторией в заданное целевое состояние. На основе этой информации и принимается решение о выборе управляющих воздействий.

С позиций, развиваемых в данной работе, термин "принятие решений" едва ли вообще в полной мере применим к традиционным АСУ. Дело в том, что  "принятие решений", как минимум, предполагает целостное видение объекта в окружающей среде, причем не только в актуальном (текущем) состоянии, но и в динамике и во взаимодействии как друг с другом, так и с системой управления, предполагает рассмотрение различных альтернативных вариантов развития всей этой системы, а также сужение многообразия (редукцию) этих альтернатив на основе определенных целевых критериев путем применения определенных управляющих воздействий.

Конечно, традиционный метод является адекватным и его применение вполне корректно и оправданно в тех случаях, когда объект управления действительно является стабильной и жестко детерминированной системой, а влиянием окружающей среды на него можно пренебречь.

Однако в случаях, когда объект управления представляет собой сложную систему, традиционный метод малоэффективен.

Причина этого в том, что если объект управления динамичен, то модели, лежащие в основе алгоритмов управления им, быстро становятся неадекватными, так как изменяются отношения между входными и выходными параметрами, да и сам набор существенных параметров тоже. По сути дела это означает, что традиционные АСУ способны управлять состоянием объекта управления лишь вблизи точки равновесия путем слабых управляющих воздействий на него, т.е. методом малых возмущений. Вдали же от состояния равновесия с традиционной точки зрения поведение объекта управления выглядит непредсказуемым и неуправляемым.

В итоге АСУ, основанные на детерминистском подходе, практически не работают с большими сложными динамическими многопараметрическими слабодетерминированными объектами управления, такими, например, как макро– и микросоциально–экономические системы в условиях динамичной экономики "переходного периода", иерархические элитные и этнические группы, социум и электорат, физиология и психика человека, природные и искусственные экосистемы, большие и сложные технические системы (например, комбинированные системы энергоснабжения) и многие другие. Если нет однозначной связи между входными и выходными параметрами объекта управления (т.е. между входными параметрами и состоянием объекта), иначе говоря если эта связь имеет выраженный вероятностный характер, то детерминистские модели, в которых предполагается, что результатом измерения некоторого параметра является просто число, изначально неприменимы. Кроме того, в случае управления сложными системами вид этой связи может быть просто неизвестным, и тогда необходимо исходить из самого общего предположения о том, что она вероятностная (стохастическая), определять и уточнять вид этой связи непосредственно в процессе эксплуатации АСУ.

Таким образом, принципы идентификации состояния объекта управления и выработки решения об управляющем воздействии, применяемые в традиционных АСУ, не являются адекватными в случае, когда объект управления представляет собой сложную систему.

Основная проблема состоит в том, что традиционные АСУ работают на основе параметров объекта управления, закономерности связей которых уже известны, изучены и отражены в математической модели, в случае же сложных объектов управления создать такую модель на основе априорной информации об объекте управления затруднительно.

В данном же исследовании поставлена задача разработки таких методов проектирования АСУ, которые позволят создать системы, способные выявлять и набор наиболее значимых параметров, и определять характер связей между ними и состояниями объекта управления непосредственно в процессе эксплуатации.

 

1.7. КОНЦЕПЦИЯ РЕШЕНИЯ ОСНОВНОЙ ПРОБЛЕМЫ

 

В связи с тем, что в случае когда объект управления является сложной системой, управление по параметрам является неприемлемым и необходимо применять управление по состояниям, авторы предлагают для идентификации состояния объекта управления применять более развитые и адекватные реальной ситуации методы интеллектуальных и статистических измерений:

-         во–первых, классификация или распознавание образов (обучение на основе обучающей выборки, адаптивность алгоритмов распознавания, адаптивность наборов классов и исследуемых параметров, выделение наиболее существенных параметров и снижение размерности описания при сохранении заданной избыточности и т.д.);

-         во–вторых, статистические измерения, когда результатом измерения некоторого параметра является не отдельное число, а вероятностное распределение. В этом случае изменение статистической переменной означает не столько изменение ее отдельных значений, сколько изменение характеристик вероятностного распределения этих значений.

Необходимо отметить, что в классических статистических методах распознавания образов на практике часто бывает трудно провести четкую грань между этими двумя подходами.

Таким образом, концепция решения основной проблемы состоит в том, что предлагается применить адаптивную модель распознавания образов (РО) в подсистеме идентификации состояния объекта управления и адаптивную модель принятия решений (ПР) – в подсистеме выработки управляющих воздействий.

 

1.8. ВЫВОДЫ

 

1.     Рассмотрены основные понятия классической теории АСУ, сформулированы объект и предмет данной работы:

-         объектом исследования данной работы являются автоматизированные системы управления;

-         даны классические определения автоматизированной системы управления, объекта управления и управляющего устройства, видов воздействий в АСУ;

-         предметом исследования в данной работе определены вопросы создания и применения адаптивных АСУ сложными системами;

-         поставлены вопросы о необходимости определения места ААСУ СС в общей классификации АСУ и необходимости выявления специфических особенностей и проблем, возникающих при синтезе ААСУ СС.

2.     Дана классификация систем автоматизированного управления и определено место адаптивных АСУ сложными системами в этой классификации, определены специфические особенности ААСУ СС, отличающие их от других типов АСУ: динамичность объекта управления, перестройка модели объекта управления за счет накопления и учета информации об опыте управления, существенный характер влияния на поведение объекта управления неизвестных факторов.

3.     Осуществлена содержательная постановка задачи синтеза ААСУ СС: определено, что синтез АСУ СС сводится к разработке математической модели СОУ, которая должна обеспечить генерацию такого набора управляемых факторов, что их фактическое воздействие на СОУ в очередной цикл управления с максимальной возможной вероятностью переведет его в заранее заданное целевое состояние. При этом модель должна учитывать: текущее состояние СОУ и траекторию, по которой он перешел в это состояние (последовательность предыдущих состояний); влияние имеющихся и прогнозируемых неконтролируемых факторов среды на поведение СОУ (предпосылки и тенденции); предыдущий опыт реального влияния управляющих факторов на поведение СОУ, находящийся в тех или иных состояниях (адаптивность) и определенных внешних условиях.

4.     Определена основная проблема, которая возникает при синтезе ААСУ СС: неопределенность и недостаточность априорной исходной информации об объекте управления, наличие неизвестных факторов, существенно влияющих на его поведение, и, как следствие, проблематичность построения содержательной аналитической модели сложного объекта управления. Поставлена задача поиска или разработки математической модели, позволяющей наиболее адекватно описать сложный объект управления. В качестве первого этапа конкретизации модели СОУ предложено определить класс модели.

5.     На основе теории систем дана классификация систем различных типов и рассмотрены типы моделей, обеспечивающих адекватное моделирование этих систем. Определено, что для моделирования сложного объекта управления наиболее адекватной является модель "черного ящика", требующая для своего построения минимальной информации о моделируемом объекте по сравнению с другими видами моделей.

6.     Рассмотрены традиционные пути решения основной проблемы, проанализированы их ограничения и недостатки:

-         показано, что принцип управления по параметрам, широко применяемый в АСУ, не является адекватным в случае сложных объектов управления, так как в этом случае задача измерения выходных параметров перерастает в задачу идентификации состояния сложной системы по ее параметрам, т.е. в задачу распознавания образов;

-         обосновано положение о том, что традиционный метод определения управляющего воздействия на основе выходных параметров, будучи вполне адекватным, корректным и оправданным, когда объект управления является детерминированной системой, является малоэффективным в случаях, когда объект управления представляет собой сложную, динамическую многопараметрическую слабодетерминированную систему.

7.     Предложена концептуальная идея решения основной проблемы, возникающей при синтезе адаптивных АСУ сложными системами: применить в составе подсистемы идентификации состояния объекта управления адаптивную систему распознавания образов, а в подсистеме выработки управляющих воздействий – систему принятия решений.

 

Таким образом, по мнению авторов, в состав перспективных адаптивных АСУ, обеспечивающих управление сложными динамическими многопараметрическими слабодетерминированными системами, в качестве существенных функциональных звеньев должны войти подсистемы идентификации и прогнозирования состояний среды и объекта управления, основанные на методах искусственного интеллекта, прежде всего распознавания образов, поддержки принятия решений и теории информации.