Книги по системному анализу

Системный анализ

«Адаптивное управление сложными системами на основе теории распознавания образов»

В. С. Симанков, Е. В. Луценко

Оглавление    
Глава 1, «Классификация систем и автоматизация управления сложными системами» Глава 1, «Концепция решения основной проблемы»

Глава 1: Традиционные пути решения основной проблемы, их ограничения и недостатки

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.

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:

Принципиальная схема ФВЭУ

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.

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.

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.

Оглавление    
Глава 1, «Классификация систем и автоматизация управления сложными системами» Глава 1, «Концепция решения основной проблемы»


Система Orphus

Яндекс.Метрика