Міністерство освіти і науки України

Одеська національна академія харчових технологій

На правах рукопису

СЕЛІВАНОВА АЛЛА ВІТАЛІЇВНА

УДК 681.5:004.94

МЕТОДИ, МОДЕЛІ ТА ІНФОРМАЦІЙНЕ ЗАБЕЗПЕЧЕННЯ

ПІДТРИМКИ ПРИЙНЯТТЯ РІШЕНЬ ПРИ КЕРУВАННІ

ХОЛОДИЛЬНИМИ УСТАНОВКАМИ

05. 13. 07 – Автоматизація процесів керування

Дисертація на здобуття наукового ступеня

кандидата технічних наук

Науковий керівник:

Мазурок Тетяна Леонідівна

доктор технічних наук, професор

Одеса – 2015

ЗМІСТ

ПЕРЕЛІК УМОВНИХ СКОРОЧЕНЬ ............................................................................ 5

ВСТУП .............................................................................................................................. 6

РОЗДІЛ 1 АНАЛІЗ СТАНУ ПРОБЛЕМИ КУРУВАННЯ ХОЛОДИЛЬНИМИ

УСТАНОВКАМИ .......................................................................................................... 12

1.1 Особливості процесу керування холодильними установками ..................... 12

1.1.1 Аналіз холодильної установки як об’єкта керування (автоматизації) .. 12

1.1.2 Аналіз конфігурацій холодильних установок різних типів ................... 17

1.2 Аналіз існуючих напрямків та засобів автоматизації керування

холодильними установками ...................................................................................... 19

1.2.1. Класичні підходи до регулювання ............................................................... 20

1.2.2. Засоби адаптивного управління ................................................................... 24

1.3 Роль оператора в керуванні холодильними установками ............................ 40

1.3.1. Ризики виникнення аварійних ситуацій пов’язані із помилками

персоналу .................................................................................................................... 44

1.3.2. Засоби комп’ютерного тренінгу для підвищення кваліфікації операторів

……………………………………………………………………………….48

1.4 Висновки та постановка завдань дослідження .............................................. 54

РОЗДІЛ 2 МОДЕЛЮВАННЯ УПРАВЛІННЯ УЗАГАЛЬНЕНОЮ

ХОЛОДИЛЬНОЮ УСТАНОВКОЮ ........................................................................... 56

2.1 Метод узагальнення холодильної установки. Структурно–функціональна

модель УХУ ................................................................................................................ 57

2.2 Дослідження перехідних процесів та найбільш типових режимів роботи

елементів УХУ ........................................................................................................... 65

2.2.1 Моделювання роботи компресора. .............................................................. 65

2.2.2 Моделювання роботи конденсатора. ........................................................... 71

2.2.3 Моделювання роботи лінійного ресивера. ................................................. 72

2.2.4 Моделювання роботи холодильної камери під час виходу на режим при

різних значеннях витрати холодильного агенту ................................................. 74

2.2.5 Оцінка результатів моделювання перехідних процесів елементів УХУ . 77

2.3 Удосконалення схеми керування холодильними установками ................... 81

2.4 Модель управління УХУ .................................................................................. 83

2.5 Висновки по 2 розділу ...................................................................................... 85

РОЗДІЛ 3 СИНТЕЗ НЕЙРО–НЕЧІТКОЇ МОДЕЛІ ПІДТРИМКИ ПРИЙНЯТТЯ

РІШЕНЬ ПРИ КЕРУВАННІ ХОЛОДИЛЬНИМИ УСТАНОВКАМИ ..................... 87

3.1 Структурно–параметрична модель інтелектуальної підтримки формування

управляючих впливів ................................................................................................. 87

3.2 Методи та засоби формування навчальної та тестової вибірки................... 98

3.2.1. Опис установки, яка є базовою для проведення експерименту ................ 98

3.2.2. Отримання даних від експертів та розподіл експериментальних даних на

навчальну та тестуючу вибірки ................................................................................ 99

3.3 Нейро–нечітка реалізація моделі інтелектуальної підтримки формування

управляючих впливів ............................................................................................... 102

3.4 Висновки по 3 розділу .................................................................................... 114

РОЗДІЛ 4 РОЗРОБКА ІНФОРАЦІЙНОГО ЗАБЕЗПЕЧЕННЯ ПІДТРИМКИ

ПРИЙНЯТТЯ РІШЕНЬ ПРИ КЕРУВАННІ ХОЛОДИЛЬНИМИ УСТАНОВКАМИ

ТА ОЦІНКА РЕЗУЛЬТАТІВ ВПРОВАДЖЕННЯ ................................................... 115

4.1 Розробка спеціалізованого інформаційного забезпечення на базі об’єктно–

орієнтованої парадигми ........................................................................................... 115

4.1.1. Структура спеціалізованого інформаційного забезпечення ................... 115

4.1.2. Об’єктно–орієнтований аналіз процесу підтримки прийняття рішень при

керуванні холодильними установками .................................................................. 117

4.1.3 Розробка набору об’єктних класів для модуля СППР при керуванні УХУ

на базі об’єктно–орієнтованої технології .............................................................. 122

4.2 Застосування спеціалізованого інформаційного забезпечення в умовах

промислового використання та із метою навчання операторів .......................... 125

4.2.1 Застосування модуля при розробці АРМ оператора ................................ 125

4.2.2 Застосування модуля в комп’ютерному тренажері для підготовки

операторів ................................................................................................................. 129

4.3 Оцінка ефективності процесів автоматизованого керування із

застосуванням розробленого інформаційного забезпечення .............................. 142

4.4 Висновки по розділу 4 .................................................................................... 146

ЗАГАЛЬНІ ВИСНОВКИ ............................................................................................ 148

СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ ................................................................... 150

Додаток А Показники приміщень що охолоджуються. ......................................... 167

Додаток Б Експериментальні дані для навчальної та тестової вибірки ................ 171

Додаток В Зведена таблиця експериментальних даних для оцінювання показників

ефективності процесів автоматизованого керування із застосуванням

розробленого програмного забезпечення ................................................................. 175

Додаток Г Лістинги програмних модулів. ................................................................ 180

Додаток Д ..................................................................................................................... 210

5

ПЕРЕЛІК УМОВНИХ СКОРОЧЕНЬ

АСК – автоматизована система керування

АСУ – автоматизована система управління

АХУ – абсорбційні холодильні установки

БД – база даних

ГХУ – газові холодильні установки

КЗЗ – контролер зворотного зв’язку

КПЗ – контролер прямого зв’язку

ОУ – об’єкт управління

ПКХУ – парокомпресійні холодильні установки

САУ – система автоматизованого управління

СППР – система підтримки прийняття рішень

ТЕХУ – термоелектричні холодильні установки

УХУ – узагальнена холодильна установка

ХМ – холодильна машина

ХУ – холодильна установка

ШНМ – штучна нейронна мережа

6

ВСТУП

Актуальність теми. Функціонування сучасних холодильних установок

(ХУ) визначається злагодженістю роботи всіх основних елементів організаційно–

технічної системи – холодильного устаткування та персоналу (операторів).

Помилки керування можуть призвести до серйозних проблем – від псування

продукту до серйозних екологічних катастроф і людських жертв у разі аварії.

Відомо, що 20 – 30% відмов на різних об'єктах та понад 60% аварій на потенційно

небезпечних об'єктах відбувається через помилки персоналу. Знизити кількість

операторських помилок та покращити показники якості керування холодильними

установками, такі як час виходу на режим, стабілізація температурного режиму та

коефіцієнт робочого часу обладнання можна за допомогою використання

спеціалізованого інформаційного забезпечення, що використовує систему

підтримки прийняття рішень, зокрема шляхом використання тренажерів для

підготовки операторів.

Втім, існуючі методи, моделі та інформаційне забезпечення підтримки

прийняття рішень при керуванні холодильними установками найчастіше

створюються для установок певного типу та конфігурації, що не дозволяє їх

безпосереднє використання для інших установок. Отже, створення універсальних

методів, моделей та інформаційного забезпечення підтримки прийняття рішень

при керуванні холодильними установками різних типів та конфігурації є

актуальною науково–технічною задачею, розв’язання якої забезпечує

підвищення ефективності процесів автоматизованого керування холодильними

установками в умовах промислового використання і в процесі підготовки

операторів. У зв'язку із слабкою формалізацією і високою мірою невизначеності

процесу прийняття рішень про управляючі впливи з боку оператора, доцільним є

використання інтелектуальних методів керування, а саме застосування апарату

нейронних мереж в комбінації з нечіткою логікою.

Зв'язок роботи з науковими програмами, планами, темами.

Дисертаційна робота виконана у відповідності до державної програми

7

фундаментальних досліджень на 2009 – 2015 роки, затвердженої наказом МОН

України № 1066/609 від 26.11.2009 року та згідно із завданнями відповідних

розділів науково–дослідної роботи ОНАХТ «Розробка систем охолодження

морських и річкових суден з використанням вторинних джерел тепла»

№ ДР 0115U000288 шифр роботи МК 15/06 при участі здобувача як виконавця.

Мета і задачі дослідження. Мета дисертаційної роботи полягає у

покращенні показників процесу автоматизованого керування холодильними

установками, таких як час виходу на режим, стабілізація температурного режиму

в камерах, зниження коефіцієнту робочого часу обладнання в умовах

промислового використання і в процесі підготовки операторів за рахунок

використання методів, моделей та інформаційного забезпечення підтримки

прийняття рішень.

Для досягнення поставленої мети в дисертаційній роботі поставлені і

розв'язані такі наукові задачі:

аналіз існуючих систем автоматизованого керування холодильними

установками різних типів та призначення;

розробка метода узагальнення холодильної установки, як об’єкта

автоматизованого керування, схеми та моделі управління узагальненою

холодильною установкою, яка містить підсистему інтелектуальної підтримки

процесу визначення управляючої дії;

розробка нейро–нечіткої моделі визначення управляючої дії для

забезпечення підтримки прийняття операторських рішень при керуванні

узагальненою холодильною установкою;

розробка спеціалізованого інформаційного та програмного забезпечення

процесу підтримки прийняття рішень при керуванні холодильними установками із

застосуванням розроблених моделей та розрахунок показників процесів в

холодильних установках на основі його впровадження.

Об'єкт дослідження – процес автоматизованого керування холодильними

установками.

Предмет дослідження – методи, моделі та інформаційне забезпечення

підтримки прийняття рішень при керуванні холодильними установками.

8

Методи дослідження. Для дослідження існуючих систем автоматизованого

керування холодильними установками та узагальнення холодильної установки

використано системний аналіз та системний підхід. Математичне моделювання

узагальненої холодильної установки виконано за допомогою диференціальних

рівнянь. Визначення переліку параметрів, що здійснюють вплив на управління

виконано за допомогою кореляційного та нейромережевого аналізу. Моделювання

інтелектуальної підтримки формування управляючих впливів проведено із

застосуванням нейро–нечіткого моделювання. Оцінка ефективності процесів

автоматизованого управління проведена на основі використання методів

математичної статистики. Інформаційне та програмне забезпечення розроблено із

застосуванням об’єктно–орієнтованої парадигми.

Наукова новизна отриманих результатів полягає у наступному:

вперше розроблено метод узагальнення холодильної установки, як об’єкта

керування, який базується на принципі подібності та полягає у дослідженні

особливостей функціонування типових блоків холодильного устаткування та

виділенні структури схеми можливих конфігурацій холодильних установок, що

дозволяє уніфікувати структурно–параметричний опис холодильного

устаткування для формування моделі керування холодильними установками

різних типів та конфігурації;

удосконалено класичну схему автоматизованого керування холодильними

установками, яка на відміну від існуючих, містить блок інтелектуальної

підтримки прийняття рішень, за допомогою якого оператор отримує найкраще

рішення для формування еталонного керуючого впливу, що унеможливлює

виконання помилкової керуючої дії;

вперше розроблено модель управління узагальненою холодильною

установкою, яка базується на застосуванні метода узагальнення та удосконаленої

схеми управління, що дозволило формалізувати опис зв’язку станів об’єкта

управління із входами для визначення поточної управляючої дії для переводу

об’єкту в потрібний стан;

9

вперше розроблено нейро–нечітку модель підтримки прийняття рішень

при керуванні холодильними установками різних типів та конфігурації, яка

базується на системі нейро–нечіткого виведення з навчанням на

експериментальних даних діючого устаткування, що дозволяє врахувати вплив

неформалізованих факторів для зниження часу виходу на режим, стабілізації

температурного режиму в камерах, зниження коефіцієнту робочого часу

холодильного устаткування.

Практичне значення одержаних результатів полягає у:

застосуванні запропонованих моделей та методів у створенні

спеціального інформаційного та програмного забезпечення, що дозволяє

здійснювати інтелектуальну підтримку прийняття рішень оператором в

автоматизованому режимі та отримувати подальші інженерні розробки

промислових та навчальних тренажерів в зручний спосіб за рахунок використання

об’єктно–орієнтованого підходу;

покращенні показників керування холодильними установками із

застосуванням системи інтелектуальної підтримки прийняття рішень

диспетчерсько–оперативним персоналом після впровадження розробленого

інформаційного та програмного забезпечення;

Результати досліджень впроваджено у ТОВ «Єреміївський м’ясокомбінат»,

у навчальний процес ОНАХТ та Одеського технічного коледжу ОНАХТ при

викладанні навчальних дисциплін «Холодильні машини та установки» та

«Теплохладотехніка».

Особистий внесок здобувача. Усі наукові результати, що виносяться на

захист, одержано здобувачем самостійно. У друкованих працях особисто

дисертанту належать: у [1–3] – дослідження особливостей функціонування

типових блоків холодильного устаткування; у [3–7] – метод узагальнення

холодильної установки, як об’єкта керування та виділення структури схеми

можливих конфігурацій холодильних установок, що дозволяє уніфікувати

структурно–параметричний опис холодильного устаткування різних типів та

конфігурації; у [5,6,8–12] – удосконалення класичної схеми автоматизованого

10

керування холодильними установками; у [2,3,5,9,11,13–16] – складові моделі

управління узагальненою холодильною установкою; у [2,6,8–10,14] – складові

нейро–нечіткої моделі підтримки прийняття рішень при керуванні холодильними

установками різних типів та конфігурації, яка базується на системі нейро–

нечіткого виведення з навчанням на експериментальних даних діючого

устаткування; у [4,15,17,18–20] – елементи інформаційного забезпечення, що

дозволяє здійснювати інтелектуальну підтримку прийняття рішень оператором в

автоматизованому режимі та дозволяє отримувати подальші інженерні розробки

промислових та навчальних тренажерів в зручний спосіб за рахунок використання

об’єктно–орієнтованого підходу.

Апробація результатів дисертації. Основні ідеї, принципи, положення і

результати досліджень доповідались та обговорювались на наукових

конференціях та семінарах, основні з яких: МНК "Інтелектуальний аналіз

інформації” (м. Київ, 2011, 2012 рр.); МНТК «Обчислювальний інтелект

(результати, проблеми перспективи)» (м. Черкаси, 2011, 2013, 2015 рр.); МНПК

«Інформаційні технології в освіті та управлінні» (м. Нова Каховка, 2011, 2013

рр.); МНТК «Сучасні проблеми холодильної техніки та технології» (м. Одеса,

2011р.); МНТК «Системний аналіз та інформаційні технології SAIT» (м. Київ,

2011, 2013 рр.); Третя МНПК «Інтелектуальні системи в промисловості і освіті»

(м. Суми, 2011р.); НТК «Інформаційні технології в металургії та

машинобудуванні» (м. Дніпропетровськ, 2011–2013 рр.); ХІ МК «Контроль та

управління в складних системах» (м. Вінниця, 2012 р.); ВНПК «Інформаційні

управляючі системи та технології», (м. Одеса 2012 р.); VII МК «Нові інформаційні

технологи в освіті для всіх: моделі та інфраструктури», (м. Київ, 2012 р.); XX

МНК «Автоматика–2013» (м. Миколаїв, 2013); II МНПК «Інформаційні технології

в освіті, науці і техніці» (м. Черкаси, 2014 р.); VII Міжнародна школа семінар

"Теорія прийняття рішень" (Ужгород, 2014), I МНК «ATL–2015» (Одеса, 2015).

Публікації. По темі дисертації опубліковано 50 наукових праць, з яких 8

статей у фахових наукових журналах і збірках наукових праць, 1 стаття в

11

зарубіжному науковому журналі, 41 в збірках матеріалів наукових праць

конференцій. Основний зміст дисертації опубліковано у 20 працях.

12

РОЗДІЛ 1

АНАЛІЗ СТАНУ ПРОБЛЕМИ КУРУВАННЯ ХОЛОДИЛЬНИМИ

УСТАНОВКАМИ

1.1 Особливості процесу керування холодильними установками

1.1.1 Аналіз холодильної установки як об’єкта керування

(автоматизації)

Холодильна установка (ХУ) призначена для охолодження робочого

середовища і є сукупністю холодильної машини і об'єкту охолодження.

Рівноважний стан, тобто постійна температура охолоджуваного продукту,

досягається, коли кількість холоду, що подається (тепла, що відводиться)

дорівнює кількості теплоприпливу до продукту. Холодильна установка завжди

працює в нестаціонарному режимі через зовнішні умови, що постійно

змінюються: відчинення дверей холодильної камери, переміщення персоналу і

вантажної техніки, зміни температури і сонячної радіації зовні, завантаження або

вивантаження охолоджуваного продукту, витікання холодильного агента, інею на

випарнику або забруднень на конденсаторі [21].

Принципова схема холодильної установки приведена на рис. 1.1а [22]. На

об'єкт охолодження Об впливає ззовні або зсередини тепловий потік Qnp.

Холодильна машина (ХМ) відводить від об'єкту тепло у кількості Qот за одиницю

часу, при цьому температура робочого середовища повинна підтримуватись в

заданих межах або змінюватись за необхідним законом. Робота ХМ

супроводжується споживанням енергії Е від зовнішнього джерела для виведення

тепла Qв в охолоджувальне середовище – повітря або воду.

Як видно зі схеми, підтримка температури t може бути досягнута зміною

потоку Qпр або Qот.

Дія на потік Qnp. При відхиленні температури t (в результаті обурень

навантаження або інших чинників) від заданого значення потік Qnp має бути

змінений так, щоб компенсувати обурення. Цей спосіб має обмежене

13

застосування і використовується в тих випадках, коли енергетична ефективність

установки не є визначальним показником або коли управління іншим способом

важко здійснити. Прикладом можуть служити низькотемпературні випробувальні

установки, в яких температура підтримується за допомогою електронагрівачів.

Дія на потік Qот. Це найбільш поширений спосіб, при якому в результаті

відхилення температури домагаються такої зміни потоку Qот, яке компенсує

обурення, що з'явилося. Температурою об'єкту можна управляти, змінюючи

температуру робочого тіла, витрати робочого тіла, коефіцієнт теплопередачі,

поверхню теплопередачі. Основними є перші два способи.

У об'єктах, що мають достатню теплову місткість, часто підтримують

температуру шляхом пуску і зупинки холодильної машини або окремої

охолоджувальної батареї.

Холодильні установки можуть складатися з різного числа холодильних

машин і об'єктів охолодження. Проста холодильна установка складається з однієї

машини з одним об'єктом охолодження (рис. 1.1а). Якщо застосування однієї

машини на увесь діапазон теплових навантажень нераціонально, використовують

декілька машин меншої продуктивності (рис. 1.1б). В цьому випадку температура

t підтримується як шляхом зміни продуктивності кожної машини, так і шляхом

вмикання необхідної кількості машин.

Рисунок 1.1 – Принципові схеми холодильних установок

У схемі, що зображена на рис. 1.1в, установка складається з декількох

об'єктів охолодження з однією холодильною машиною. Система автоматизації

14

такої установки забезпечує необхідне відведення тепла незалежно від кожного з

об'єктів. Регульовані температури кожного з об'єктів також є незалежними.

Схема з декількох холодильних машин і декількох об'єктів охолодження є

комбінацією розглянутих вище схем. У більшості випадків автоматизація ХУ

зводиться до автоматизації ХМ, що входить в неї.

У схемі управління одноконтурною одноступеневою ХМ (рис. 1.2а)

основною регульованою величиною є температура t об'єкту охолодження.

Залежно від її відхилень змінюється продуктивність Gк компресора. Міра

заповнення випарників холодильним агентом контролюється по перегріванню θ

пари, що відходить, і змінюється перестановкою дроселя ДР, що регулює витрату

Gдр холодильного агента. В якості показника заповнення іноді використовують

рівень агента у випарнику, рідше – тиск кипіння.

Рисунок 1.2 – Схеми управління компресійними холодильними

машинами: а – одноконтурна одноступенева; б – одноконтурна двоступенева; в –

двоконтурна; г – двоконтурна з проміжним теплоносієм; д – одноконтурна з

циркуляційною системою живлення випарника (пунктирні лінії означають зв'язки

15

між величинами місця вимірів і дій на машину); Км – компресор, Кд –

конденсатор, Др – дросель, КД – конденсатор–випарник, ПЗ – проміжний

охолоджувач, Н – насос, Р – ресивер.

B деяких ХМ для стабілізації режиму роботи машини і, зокрема, органу,

що дроселює, підтримують тиск конденсації рк шляхом зміни витрати або

параметрів охолоджувального середовища – води або повітря.

У ряді випадків, особливо в простих машинах, підтримують не

температуру об'єкту охолодження, а температуру (тиск) кипіння холодильного

агента у випарнику. При такому способі об'єктом управління є випарник.

У схемі управління одноконтурною двоступеневою ХМ рис. 1.2б по

температурі t охолоджуваного об'єкту змінюється продуктивність обох

компресорів. При цьому в режимі, що встановився GK1 = GK2.

Крім того, в деяких випадках по температурі tnp на виході з проміжного

охолоджувача (а іноді – по температурі нагнітання компpecopa Км2) шляхом зміни

параметрів або витрати охолоджувального середовища домагаються потрібного

відведення тепла Qnp. Управління холодильною машиною з великим числом

ступенів стискування здійснюється аналогічним шляхом.

Схема управління двоконтурної (двокаскадної) ХМ (рис. 1.2в), на відміну

від одноконтурної, забезпечує відповідність продуктивності компресорів обох

каскадів. Це може здійснюватись як спільно (по температурі t), так і окремо, при

чому 2–м каскадом можна управляти, наприклад, по тиску рк, конденсації 1–го

каскаду [22].

Схема управління двоконтурної ХМ з проміжним теплоносієм (рис. 1.2г)

не відрізняється від розглянутих вище. Проте, у більшості випадків температуру

проміжного теплоносія підтримують шляхом зміни продуктивності компресора, а

температуру t – зміною витрати Gp теплоносія.

ХМ з проміжним теплоносієм може мати 2–й контур двох– або

багатоступеневого стискування, а також бути багатоконтурною з двох– або

багатокаскадною машиною.

16

У схемі управління одноконтурної машини з циркуляційною системою

живлення випарника (рис. 1.2 д) продуктивність компресора змінюється по

температурі t. Необхідність в управлінні процесом заповнення випарника

відпадає. Поповнення випарної системи рідким холодильним агентом здійснюють

по рівню h в ресивері Р.

Як видно з розглянутих схем, окрім пристроїв для зміни

холодопродуктивності, є додаткові пристрої, що забезпечують нормальну роботу

усіх вузлів машини. Найголовнішими з них є системи живлення випарників

холодильним агентом.

Приведемо перелік найчастіше контрольованих параметрів, що

представляють небезпеку для машин і обслуговуючого персоналу.

Тиск нагнітання компресора може підвищитись вище за допустимий при

пуску компресору із закритим нагнітальним вентилем, а також при порушенні

роботи конденсатора. Надмірне зростання тиску може призвести до руйнування

компресора, конденсатора і інших елементів сторони високого тиску.

Тиск всмоктування компресора може знизитись нижче норми при

порушенні системи живлення випарника холодильним агентом, припиненні руху

холодоносія через випарник (наприклад, при його замерзанні), а також при роботі

компресора із закритим всмоктуючим вентилем. Це може призвести до

порушення змащування компресора, перегрівання вбудованого електродвигуна

компресора та ін.

Тиск в системі змащування компресора падає при виході з ладу масляного

насоса, попаданні рідкого агента в картер компресора, недостатній кількості

мастила в картері і т. д. Малий тиск в системі змащування може призвести до

виходу компресора з ладу і його руйнування.

Температура нагнітання компресора підвищується при поломках

нагнітальних клапанів, нещільності байпасів і порушеннях в системі охолодження

сорочок компресора. Може статися перегрівання компресора і заклинювання

поршнів.

Температура холодоносія у випарнику знижується при зменшенні

теплового навантаження і порушенні циркуляції. Може викликати замерзання

17

холодоносія, розморожування трубок, вихід випарника з ладу і втрату

холодильного агента.

Температура обмоток вбудованого електродвигуна підвищується при

пониженні температури кипіння, порушеннях системи живлення випарника,

пропусках через байпас, обриві однієї з фаз живлячої напруги.

Переповнення апаратів або посудин, приєднаних до всмоктуючої сторони

компресора рідким холодильним агентом, відбувається при порушенні системи

живлення апаратів або посудин і виявляється за підвищенням рівня рідини або

пониженням перегрівання пари. Переповнювання апаратів або посудин

призводить до роботи вологим ходом і гідравлічних ударів, які можуть

зруйнувати компресор [22].

Аналіз джерел [22–39] дозволяє зробити висновок, що ХУ є складним

об’єктом, а саме складною людинно–машинною системою.

1.1.2 Аналіз конфігурацій холодильних установок різних типів

За класифікацією наведеною у [23] усі типи холодильних установок можна

класифікувати за рядом ознак. Кожна з них уособлює лише одну характерну

особливість установки, тому у визначенні певної холодильної установки можуть

бути дві та більше ознак.

Холодильні установки чи станції можуть відрізнятись за такими

показниками (ознаками):

призначення: стаціонарні та пересувні з централізованим й де-

централізованим охолодженням для холодопостачання, змішаного тепло- і

холодопостачання, для акумулювання теплової енергії та її транспортування,

утилізаційні енергоустановки;

продуктивність: великі – продуктивністю понад 3,0 МВт, середні – до 1,0

МВт, дрібні – до 60 кВт;

температурний режим: високотемпературні (10...–10 °С),

середньотемпературні (–10...–20 °С) та низькотемпературні (–20...–120 °С);

режим роботи: стаціонарні, нестаціонарні, безперервні, циклічні, неста-

18

ціонарні з акумулятором теплової енергії;

вид холодильного агенту: аміачні, фреонові, етанові, пропанові, вуглекислотні, а

також ті, які працюють на сумішах холодильних агентів;

вид охолодження: з безпосереднім та проміжним охолодженням;

вид споживаної енергії: з приводом від електродвигуна або від газової

турбіни, ті, які працюють на вторинних енергоресурсах (абсорбційні хо-

лодильні установки), а також ті, що використовують природний холод

(теплові труби), та геліоустановки.

Стаціонарні холодильні установки з централізованим охолодженням за-

стосовують для всіх видів торгівельних та виробничих холодильників, у ме-

талургійній, хімічній та нафтохімічній промисловості [24].

Децентралізоване охолодження застосовують для різних технологічних

процесів хімічної промисловості, на деяких типах холодильників, тобто пере-

важно там, де необхідно створювати локальні температурні умови, або там, де

застосовують агрегатовані холодильні машини у блоці з випарниками з метою

створення потрібного технологічного режиму.

Стаціонарні холодильні установки з централізованим охолодженням мо-

жуть мати середню й велику продуктивність, причому на хімічних комбінатах їх

потужність іноді досягає кількох десятків тисяч кіловат. Установки децент-

ралізованого охолодження за холодопродуктивністю найчастіше належать до

дрібних чи середніх.

Високотемпературні холодильні установки малої та середньої

холодопродуктивності працюють за одноступінчатим циклом; їх

укомплектовують поршневими або гвинтовими компресорами. Великі холодильні

установки можна комплектувати також турбокомпресорами або абсорбційними

холодильними машинами. Низькотемпературні холодильні установки

комплектують двоступінчатими або каскадними холодильними машинами, в

хімічній промисловості – турбокомпресорами.

Розглядаючи режим роботи холодильних установок, слід відзначити

умовність визначення стаціонарного режиму. Практично завжди такий режим є

19

нестаціонарним, тому що відбуваються зміни температури із заданою амплітудою

близько середнього її значення. Він характерний для холодильних установок

холодокомбінатів та виробничих холодильників. Нестаціонарні режими властиві

установкам і системам, в яких відбуваються процеси з фазовими переходами та

переміщенням зони заморожування. Температурний режим залежить від

теплового навантаження. Останнє змінюється під впливом різних чинників,

особливо під час циклічних процесів завантаження апаратів або камер

заморожування. Для стабілізації вирівнювання теплового навантаження

використовують акумулятори холоду.

Характеризуючи особливості холодильних установок залежно від виду

робочого тіла, слід мати на увазі, що їх специфіка визначається властивостями

холодоагентів.

Аналіз джерел [22–39] дозволяє зробити висновок, що ХУ відрізняються

за багатьма ознаками та призначенням. Таким чином, взагалі ХУ можна

представити як складну людинно–машинну систему, що діє в умовах

невизначеності. Для створення універсальної моделі управління та системи

підтримки прийняття операторських рішень ХУ різних типів та конфігурації

доцільно розробити метод узагальнення холодильної установки як об’єкта

управління та модель управління узагальненою холодильною установкою.

1.2 Аналіз існуючих напрямків та засобів автоматизації керування

холодильними установками

Холодильна установка є камерою або групою камер (об'єкт), (в яких

необхідно підтримувати задану температуру tоб (регульований параметр), і

холодильну машину. Теплоприплив в камеру (через ізоляцію огороджень, від

продуктів, що поступають, від вентильованого повітря і ін.) є навантаженням.

Теплота, що відводиться холодильною машиною від об'єкту – регулююча дія.

Проте і в самій холодильній машині, у свою чергу, є об'єкти, в яких потрібно

регулювання ряду параметрів, таких, як рівень рідкого холодоагенту у випарнику,

тиск у випарній системі, тиск в конденсаторі та ін. Число параметрів, що

20

регулюються залежить від cxeми холодильної установки і конструкції окремих

вузлів.

1.2.1. Класичні підходи до регулювання

1. За видом регульованого параметра розрізняють: регулятори тиску,

температури, рівня рідини і т. д. Основна їх відмінність полягає в конструкції

чутливого елементу.

2. За числом регульованих параметрів – однокрапкові і багатокрапкові.

Останні мають декілька входів і стільки ж виходів, а також перемикач каналів, що

по черзі сполучає відповідні входи і виходи.

3. За типом налаштування – стабілізуючі, програмні, слідкуючі,

оптимізуючі.

4. За способом впливу на об'єкт – регулятори, що підводять теплоту

(нагрівачі); регулятори, що відводять теплоту (холодильні машини, прилади

охолодження); регулятори, що підводять в об'єкт газ, рідину і т. д. Вони

розрізняються конструкцією регулюючого органу.

5. За використанням зовнішнього джерела енергії – регулятори прямої і

непрямої дії (рис. 1.3). Останні, за видом енергії, що підводиться до виконавчого

механізму, поділяються на електричні, пневматичні, гідравлічні та ін.

Рисунок 1.3 – Блокові схеми регуляторів: а – прямої дії, б – непрямої дії;

ЧЕ – чуттєвий елемент; ЗП – задаючий пристрій; РО – регулюючий орган; H –

21

налаштування; X – вхідний параметр регулятора; Y – вихідний параметр

регулятора.

6. За характером зміни вихідного сигналу – регулятори безперервної

(плавної) дії і дискретні. Останні можуть бути дискретними за часом (імпульсні) і

дискретними за величиною вихідного сигналу (позиційні) [25].

У регуляторах плавної дії вихідний параметр Y (наприклад, міра відкриття

клапана) у будь–який момент часу може зайняти будь–яке проміжне значення між

двома крайніми (Yмін–клапан закритий, Yмакс – повністю відкритий, рис. 1.4 а).

У імпульсних регуляторах вихідний параметр може зайняти будь–яке

положення, але тільки в певні проміжки часу (рис. 1.4 б). У інтервалах між

імпульсами сигнал пропадає.

У позиційних регуляторах (рис. 1.4 в) вихідний параметр Y може мати

тільки два, три або декілька певних значень (відповідно двох–, трьох– і

багатопозиційні регулятори).

Рисунок 1.4 – Класифікація регуляторів за характером зміни вихідного

сигналу: а – плавної дії; б – імпульсні; в – позиційні

7. За наявністю статичної помилки – статичні і астатичні регулятори.

У статичних регуляторів (рис. 1.5 а) значення вихідного параметра Y, що

встановилося, однозначно ("жорстко") визначається значенням вхідного

параметра X. При регулюванні вони неминуче дають статичну помилку. Дійсно,

нехай при навантаженні Mн0 параметр Х=Х0. Ступінь відкриття клапана згідно із

22

статичною характеристикою Y=Y0, що забезпечує Мр=Мр0=Мy0. При збільшенні

навантаження до Мн1 значення, що встановилося, настане тільки тоді, коли

клапан відкриється на величину Yi, що забезпечує дію Мр1, рівну навантаженню

Мн1. А більше відкриття клапана згідно з характеристикою можливе лише при

збільшеному значенні параметра, тобто при Х=Х1. Таким чином, неминуча

статична помилка ∆Xст=X1– X0.

Рисунок 1.5 – Статичні характеристики регуляторів: а – статичних; б –

астатичних

У астатичних регуляторів (рис. 1.5 6) щонайменше відхилення вхідного

параметра X від Х0 викликає безперервний рух РО з певною швидкістю до

граничного значення Yмакс або Yмін – регулюючий орган зупиниться в якомусь

положенні Y1 тільки при Х=Х0, якщо при цьому до того ж виявиться, що Мp1

=Мн1. При порушенні рівності, тобто при МрМн1, знов виникає розузгодження

∆Х і РО починає переміщуватись, поки не настане подвійна рівність (Мp =Мн;

Х=Х0). У цьому положенні, що встановилось, статична помилка X–Х0 дорівнює

нулю.

8. За законом регулювання, тобто за математичною залежністю між

вихідним і вхідним параметрами, регулятори плавної дії розділяються на наступні

основні види.

Пропорційні (П–регулятори) – закон регулювання виражається рівнянням

kxy (1.1)

23

Пропорційно–дифференціальні (ПД–регулятори), або регулятори з

упередженням, з дією по похідній:

Інтегральні (І–регулятори):

xdT

yн

1 (1.3)

Пропорційно–інтегральні (ПІ–регулятори), або ізодромні регулятори:

xd

Txky

н

1 (1.4)

Пропорційно–інтегрально–дифференціальні (ПІД–регулятори), або

ізодромні з упередженням:

d

dxTxd

Txky Д

н

1. (1.5)

Приведені у безрозмірній формі математичні залежності – основні закони

регулювання, що характеризують регулятори плавної дії, – з відомим

наближенням можуть бути віднесені до імпульсних і багатопозиційних

регуляторів. Застосовують регулятори і з складнішими законами регулювання. У

дійсних регуляторах закони регулювання здійснюються з деяким наближенням.

Регулятори типу І, ПІ, ПІД, що мають в законі регулювання інтегральне

вираження, відносяться до астатичних; регулятори типу П і ПД – до статичних.

9. За типом функції. Розглянуті вище види регуляторів відтворюють

функцію однієї змінної. Складніші регулятори можуть відтворювати функцію

декількох змінних, і регулююча дія у них спрямована на зменшення

розузгодження деякої функції цих змінних. Простим прикладом таких регуляторів

може служити регулятор різниці тисків (температур). Він має два чутливі

елементи і додатковий суматор, що порівнює ці два вхідні параметри.

Плавне регулювання. Автоматичні системи з плавним регулюванням

забезпечують найбільш високу якість регулювання, але іноді для цього потрібні

порівняно складні і дорогі регулятори.

d

dxTxy Д (1.2)

24

Двопозиційне регулювання. У ряді випадків плавне регулювання

застосовувати складно. Наприклад, зміну продуктивності герметичного

компресора практично можливо здійснити лише за допомогою його пуску і

зупинки, оскільки електродвигун компресора не має обладнання для плавної

зміни частоти обертання.

Багатопозиційне регулювання. Недоліки двопозиційного регулювання

(велика пускова потужність і занадто часті включення регулятора) можна

усунути, якщо продуктивність регулятора змінювати окремими ступенями, які

можуть по черзі вмикатись. При цьому в об'єктах з самовирівнюванням є зони

зміни навантаження для кожної ступені регулювання, усередині яких настає

режим (замість автоколивального), що встановився. При досить великому числі

ступеней багатопозиційне (крокове) регулювання наближається до плавного.

Залежно від схеми включення окремих ступеней багатопозиційне, як і

плавне регулювання, може бути пропорційним (статичним), інтегральним

(астатичним), а також і із складнішими законами регулювання (ПІ, ПІД та ін.).

Пропорційне крокове регулювання. Для підтримки необхідної температури

кипіння t0 у великих насосних установках застосовують по декілька компресорів,

які, відсмоктуючи пару з циркуляційного ресивера ЦР, підтримують необхідний

тиск t0. Навантаження тут – пара, що поступає в ЦР з випарників внаслідок

теплоприпливів.

Аналіз джерел [21, 25, 40–44] дозволяє зробити висновок про доцільність

використання комбінації плавного та позиційного регулювання при керуванні

холодильними установками.

1.2.2. Засоби адаптивного управління

Сучасна технологія управління і класична теорія управління значною

мірою базуються на ідеї лінеаризації систем. Проте, у багатьох реальних системах

є нелінійні характеристики, складні для моделювання динамічні елементи,

неконтрольовані шуми і перешкоди, безліч зворотних зв'язків і інші чинники, що

ускладнюють реалізацію цього методу.

25

Математичне моделювання, що реалізується на основі припущення про

лінійність системи, може не відображати її дійсних фізичних властивостей. Навіть

якщо вдається побудувати складні математичні моделі, що точно відображають

фізичні співвідношення між входом і виходом системи, вони можуть виявитись не

корисними для цілей управління.

В якості "гарних" математичних моделей для апроксимації реальних

фізичних властивостей систем показали себе статистичні моделі, наприклад,

модель "авторегресії – ковзаючого середнього". Перевага статистичних моделей,

окрім їх простоти, полягає в тому, що вони допускають перевірку на адекватність

шляхом дослідження частотних характеристик з використанням спектрального

аналізу.

Адаптивне управління припускає автоматичну оцінку невідомих

параметрів математичної моделі об'єкту, ґрунтованої на фізичних явищах. Потім

визначається закон управління, спрямований на досягнення деякої мети (міра

досягнення оцінюється функцією вартості); при цьому математична модель

ґрунтується також на теорії лінійних систем. При будь–яких змінах в об'єкті

управління або в зовнішніх умовах бажано також перебудовувати модель і

визначати для неї новий закон управління [45].

Нечітке управління (нечіткі регулятори). Класичні методи управління

добре працюють при повністю детермінованому об'єкті управління і

детермінованому середовищі, а для систем з неповною інформацією і високою

складністю об'єкту управління оптимальними є нечіткі методи управління.

Актуальність цієї технології і її перевага перед відомими класичними

концепціями управління обумовлена передусім тенденцією збільшення складності

математичних моделей реальних систем і процесів управління, пов'язана із

бажанням підвищити їх адекватність і врахувати якомога більше число різних

чинників, що впливають на процеси прийняття рішень.

З одного боку, традиційні методи побудови моделей не призводять до

задовільних результатів, коли початковий опис проблеми, що підлягає рішенню,

свідомо є неточним і неповним. З іншого боку, прагнення отримати вичерпну

26

інформацію для побудови точної математичної моделі складної реальної ситуації

часто призводить до втрати часу і засобів, оскільки це в принципі неможливо.

Доцільно скористатися методами, які спеціально орієнтовані на побудову

моделей, що враховують неповноту і неточність початкових даних. Саме у таких

ситуаціях технологія нечіткого управління виявляється найбільш

конструктивною, оскільки за останнє десятиліття на її основі було вирішено

велику кількість практичних завдань управління і прийняття рішень.

Під нечітким управлінням (Fuzzy Control) розуміється сфера застосування

загальної методології теорії нечітких множин і нечіткої логіки для вирішення

практичних завдань управління. Нечітке управління виникло як технологія, що

здатна розширити можливості автоматизації виробництва і призначена для

вирішення прикладних завдань в області управління [46].

Нечітке управління базується на використанні не стільки аналітичних або

теоретичних моделей, скільки на практичному застосуванні знань, які можна

представити у формі баз правил, що називаються лінгвістичними. Нечітке

управління може використовуватись у тому випадку, коли існує певний досвід

експертів і його можна записати деяким формальним чином.

Застосування нечіткого управління може бути найбільш ефективним в тих

випадках, коли відсутня явна модель процесу, або аналітична модель є занадто

складною для представлення або отримання рішень в реальному масштабі часу.

Інша перевага нечіткого управління полягає у безпосередньому об'єднанні досвіду

декількох фахівців. Нечітке управління, будучи багатозначним управлінням,

більш не обмежується значеннями висловлювань "істина" або "брехня".

Ця особливість робить нечітке управління адекватним засобом для

моделювання емпіричного досвіду експертів, оперуючи тими поняттями, в

термінах яких формулюються управляючі дії, на заданій безлічі входів. З точки

зору інформаційних технологій системи нечіткого управління є продукційними

експертними системами. З точки зору теорії систем управління системи нечіткого

управління є нелінійними регуляторами.

27

При цьому поточні значення вихідних змінних залежать тільки від поточних

значень вхідних змінних і не залежать від передісторії цих значень, за винятком

випадків, коли відсутні активні правила, і не визначені значення змінних за

замовчуванням. Якщо ж регулятор має бути реалізований як динамічна система,

то відповідні динамічні функції є зовнішніми елементами для нечіткого

функціонального блоку.

Архітектура або модель нечіткого управління заснована на заміні класичної

системи управління системою нечіткого управління, в якості якої

використовуються системи нечіткого виводу [47]. В цьому випадку модель

нечіткого управління будується з урахуванням необхідності реалізації усіх етапів

нечіткого виводу, а сам процес виводу реалізується на основі одного з алгоритмів

нечіткого виводу. Розглянемо ті з них, які використовуються найчастіше.

Алгоритм Мамдані (Mamdani). Алгоритм Мамдані є одним з перших, який

знайшов застосування в системах нечіткого виводу. Він був запропонований в

1975 р. англійським математиком Е. Мамдані (Ebrahim Mamdani) в якості методу

для управління паровим двигуном.

Формально алгоритм Мамдані може бути визначений таким чином.

Формування бази правил систем нечіткого виводу.

Фаззифікація вхідних змінних.

Агрегація підумов в нечітких правилах продукцій.

Активізація підвисновків в нечітких правилах продукцій.

Акумуляція висновків нечітких правил продукцій.

Дефаззифікація вихідних змінних. Традиційно використовується метод

центру тяжіння або метод центру площі.

Алгоритм Цукамото (Tsukamoto) здійснюється аналогічно алгоритму

Мамдані, після чого знаходяться звичайні (не нечіткі) значення усіх вихідних

лінгвістичних змінних в кожному з підвисновків активних правил нечітких

продукцій. Акумуляція висновків нечітких правил продукцій фактично

відсутня, оскільки розрахунки здійснюються зі звичайними дійсними числами.

Використовується модифікований варіант дефаззифікації у формі методу

28

центру тяжіння для однокрапкових множин.

Алгоритм Ларсена (Larsen). При агрегації підумов в нечітких правилах

продукцій використовуються парні нечіткі логічні операції для знаходження міри

істинності умов усіх правил нечітких продукцій (як правило, max – диз’юнкція і

min – кон’юнкція). Ті правила, міра істинності умов яких відмінна від нуля,

вважаються активними і використовуються для подальших розрахунків.

Акумуляція висновків нечітких правил продукцій здійснюється для об'єднання

нечітких множин, що відповідають термам підвисновків, що відносяться до одних

і тих самих вихідних лінгвістичних змінних. Для дефаззифікації вихідних змінних

може використовуватись будь–який з методів.

Алгоритм Сугено (Sugeno) формально запропонований Сугено і Такаги. У

базі правил використовуються тільки правила нечітких продукцій. Для

знаходження міри істинності умов усіх правил нечітких продукцій, як правило,

використовується логічна операція кон’юнкції. Ті правила, міра істинності умов

яких відмінна від нуля, вважаються активними і використовуються для

подальших розрахунків. Акумуляція висновків нечітких правил продукцій

фактично відсутня, оскільки розрахунки здійснюються зі звичайними дійсними

числами. Використовується модифікований варіант дефаззифікації у формі

методу центру тяжіння для однокрапкових множин.

При рішенні практичних завдань нечіткого моделювання можуть одночасно

використовуватись декілька алгоритмів нечіткого виводу з метою отримання

найбільш адекватних результатів, але найчастіше використовується алгоритм

Мамдані.

Нейронне управління (нейрорегулятори). Останнім часом для цілей

управління все ширше застосовуються штучні нейронні мережі. Вони показали

свою ефективність для вирішення завдань розпізнавання образів. Нейронні

мережі здатні навчатися на основі співвідношень "вхід–вихід", тому вони можуть

забезпечити простіші рішення для складних завдань управління. Крім того,

нейрони – це нелінійні елементи; отже, нейронні мережі у своїй основі є

29

нелінійними системами, придатними для вирішення завдань управління, в яких

принципова наявність нелінійних характеристик.

Нейронним управлінням називається застосування повністю визначених

нейронних мереж (штучних або природних) для вироблення управляючих

сигналів.

В області управління нейронні мережі виявились відповідним засобом для

вирішення складних нелінійних завдань управління, для яких звичайні методи

управління не дають задовільних рішень з практичної точки зору. Існує декілька

причин, що породили інтерес до застосування нейронних мереж для завдань

управління в якості альтернативи традиційним методам.

Нейронні мережі можуть навчатись будь–яким функціям; необхідно тільки,

щоб в процесі навчання був у наявності досить великий об'єм інформації, а також

правильний вибір самої нейронної моделі. Таким чином, здатність нейронних

мереж до самонавчання звільняє від необхідності використовувати складний

математичний апарат на відміну від багатьох традиційних методів адаптивного і

оптимального управління.

Включення сигмоїдальних функцій активації або деяких нелінійних

функцій загального вигляду в приховані нейрони багатошарових нейронних

мереж забезпечує можливість реалізації нелінійних відображень. Це важливо для

вирішення завдань управління з істотними нелінійностями, для яких традиційні

підходи доки не дають рішень, що практично реалізовуються. Це найбільш

важлива з точки зору теорії управління перевага нейронних мереж.

Необхідною умовою застосування традиційних методів оптимального і

адаптивного управління є наявність великого об'єму апріорної інформації про

об'єкт управління, наприклад, даних для побудови адекватних математичних

моделей. Завдяки здатності нейронних мереж до самонавчання, для проектування

нейронних контролерів цієї інформації не вимагається.

Висока міра паралельності нейронних мереж дозволяє реалізовувати дуже

швидкі методи мультипроцесорної обробки на основі використання нейронних

кристалів або паралельних апаратних засобів. Завдяки архітектурі паралельної

30

обробки, що реалізовується в нейронній мережі, ушкодження окремих елементів

технічних засобів мережі не може істотно впливати на роботу мережі в цілому

[45].

САУ може бути реалізована за принципами замкненого (за зворотніми

зв'язками), розімкненого (прямі зв'язки по збурюючій дії або по задаючій дії) або

комбінованого управління. У схемах нейронного управління використовуються

усі три типи. Блок схема системи управління за комбінованим принципом

показана на рис. 1.6.

Рисунок 1.6 – Схема комбінованої системи управління

Роботу ШНМ у складі САУ можна розділити на дві фази: навчання і

управління.

Для кожної фази використовуються свої способи організації системи. Для

фази управління відомі три основні схеми, показані на рис. 1.7, до яких зводиться

уся решта різноманіття практичних реалізацій.

1. ШНМ виконує функції КПЗ (контролер прямого зв’язку). У схемі

відсутній КЗЗ (контролер зворотного зв’язку) (рис. 1.7 a). Тут приведена

структура САУ з компенсацією по задаючій дії. САУ з компенсацією по

обуренню має іншу структурну схему.

2. ШНМ виконує функції КЗЗ. У схемі відсутній КПЗ (рис. 1.7 6).

3. ШНМ виконує функції обох контролерів : КПЗ і КЗЗ (рис. 1.7 в).

Роботу ШНМ у складі САУ можна поділити на 2 фази: навчання та

управління, тому робота схем нейроуправління невід’ємно пов’язана із

організацією та технологією навчання ШНМ [45].

31

Рисунок 1.7 – Основні схеми нейроуправління

З точки зору організації (структурної схеми) навчання зазвичай

розглядається дві основні схеми.

1. Послідовні схеми навчання. Наприклад, при створенні КПЗ нейронна

мережа навчається зворотній моделі об'єкту управління. У ній, на етапі навчання,

нейронна мережа і об'єкт управління сполучені послідовно: вихід ШНМ є входом

ОУ або вихід ОУ є входом ШНМ.

2. Паралельна схема навчання. Наприклад, при створенні КЗЗ нейронна

мережа навчається моделі управління шляхом копіювання поведінки "деякого

КЗЗ". У цій схемі штучна нейронна мережа на етапі навчання підключена

паралельно традиційному контролеру.

З точки зору способу навчання, окрім стандартних трьох типів навчання –

навчання із вчителем і навчання без вчителя – ШНМ можуть навчатися рішенню

завдань управління в оперативному або автономному режимах залежно від того,

виконує ШНМ корисну роботу під час навчання або ні. Навчання, автономне від

реального процесу управління, протікає швидше, ніж оперативне, безпосередньо

пов'язане з режимом реального управління. Проте, автономне навчання

поступається оперативному по узагальненню результатів на конкретні умови

управління.

32

У зв'язку з цим для більшості практичних завдань управління потрібно

оперативне навчання або донавчання.

Перелічені вище способи навчання можуть бути реалізовані за допомогою

одного з методів або алгоритмів навчання багатошарових нейронних мереж:

методу зворотнього поширення помилки, алгоритму навчання елементарного

персептрона, алгоритму навчання Хебба, алгоритму навчання Кохонена.

Існує ще одна особливість навчання ШНМ, що використовуються як

нейроконтролери. Оперативне навчання пов'язане з організацією навчання в

реальному часі.

Послідовні схеми нейронного навчання.

Мету навчання ШНМ в послідовній схемі спочатку розглянемо на прикладі

ОУ, що має один вхід і один вихід. Нехай відповідність між входом і виходом ОУ

задана моделлю

)(uFx . (1.6)

Нехай існує зворотне відображення (1.16), яке реалізує нейронна мережа

)(1 xFu . (1.7)

Якщо подати на нейронну мережу задаючий сигнал х, то отримаємо на

виході ШНМ

)(1 xFu , (1.8)

а тепер подати цей вихідний сигнал ШНМ на вхід об'єкту управління, то

його вихідний сигнал х набуває значення x

, оскільки

xxFFuFx

))(()( 1 . (1.9)

Таким чином, метою навчання ШНМ, яка надалі буде використана як

КПЗ, є навчання її поведінці, яка підкоряється зворотній моделі об'єкту

управління.

Перш, ніж переходити до розгляду схем послідовного навчання,

конкретизуємо формули (1.6), що ідеалізуються, і (1.7).

Розглянемо об'єкт управління з одним входом )(tu та одним виходом )(tx ,

які пов'язані між собою складнішою залежністю, ніж (1.6), в якій враховані

тимчасові зв'язки і динамічні властивості ОУ.

33

))(),...,1(),(),(),...,1(),(()1( mtututuntxtxtxFtx , (1.10)

де n і m глибина залежності (пам'яті) по вхідних і вихідних сигналах

(порядок запізнення), які задають порядок зворотних різниць для дискретного

представлення або порядок похідних диференціальних рівнянь для безперервного

варіанту. Завдання навчання нейромережі полягає в тому, щоб для будь–якого

задаючого сигналу x

ШНМ могла б знайти управляючий сигнал )(tu

, при якому

вихідний сигнал об'єкту управління )1( tx відповідає задаючому сигналу. Ця

відповідність визначається з умови мінімуму норми деякої помилки, наприклад

)1()1()1( txtxte

. (1.11)

Зворотна функція )(1 F для функції (1.10) визначається у вигляді

))(()( 1 tYFtu

, (1.12)

де ))(),...,1(),(),...,(),1(()( mtutuntxtxtxtY

– вхідний вектор ШНМ.

На практиці замість невідомого значення виходу ОУ )1( tx

використовують значення задаючого сигналу )1( tx

:

))(),...,1(),(),...,(),1(()( mtutuntxtxtxtY

. (1.13)

Якщо після закінчення навчання помилка виходу (1.11) підтримується на

досить низькому рівні, то контролер прямого зв'язку, реалізований у вигляді

ШНМ, може використати вхідний вектор в моделі (1.10) у вигляді

))(),...,1(),(),...,(),1(()( mtutuntxtxtxtY

. (1.14)

Навчання нейроконтролера: підхід на базі помилки виходу.

Ця схема відома ще як схема послідовного інверсного спеціалізованого

навчання. Вона приведена на рис. 1.8. Ця структура (ШНМ послідовно сполучена

з ОУ) зберігається як на етапі навчання, так і на етапі управління.

Мета навчання ШНМ, як вже неодноразово відзначалось, полягає в

нейромережевій апроксимації інверсної моделі ОУ. Навчання здійснюється на

основі помилки, показаної на рис. 1.8, яка є відхиленням (1.11) вихідного сигналу

)1( tx від задаючої дії )1( tx

.

34

Рисунок 1.8 – Архітектура послідовного навчання на основі помилки виходу ОУ

Навчання нейроконтролера: підхід на базі помилки інверсно–прямого

управління.

Схема цього методу навчання приведена на рис. 1.9. На фазі навчання

штучна нейронна мережа (на малюнку позначена ШНМ1) підключена послідовно

з ОУ (вихід ОУ служить входом ШНМ). На цій фазі не працює ШНМ2.

Ця схема застосовується при конструюванні КПЗ шляхом навчання

інверсної моделі ОУ.

Рисунок 1.9 – Архітектура навчання основі помилки інверсно–прямого

управління

Суть підходу полягає в наступному: спочатку нейронна мережа навчається

на інверсії об'єкту управління за вказаною схемою. Потім, перед етапом

35

безпосереднього управління, має бути налагоджена нейронна мережа ШНМ2, що

виконує функції КПЗ. Це здійснюється шляхом копіювання математичної моделі

ШНМ1, набутої навчанням. На малюнку ця операція позначена пунктирною

стрілкою, що йде від ШНМ1 до ШНМ2.

Управління здійснюється шляхом подання задаючого сигналу x

на вхід

ШНМ2. Оскільки ШНМ2 навчена на зворотній (інверсній) моделі об'єкту

управління, то для кожного значення необхідного виходу об'єкту управління

ШНМ2 виробляє управляючий сигнал, який відновлює значення виходу ОУ, що

відповідає задаючій дії.

Інверсна модель, що має вигляд (1.11), формується методом автономного

навчання. Тут, як і в інших випадках автономного навчання, не принциповий

вибір співвідношення частоти навчання з частотою дискретизації. Зрозуміло, чим

вище частота навчання, тим швидше і якісніше можна навчити нейронну мережу.

Навчання нейроконтролера: підхід на основі помилки вихода ОУ, що

прогнозується.

Як вже було вказано раніше, для оперативного навчання необхідно знати

модель ОУ. Одним з підходів є використання нейронної апроксимації цієї моделі.

Остання будується методом навчання на ОУ.

ШНМ, яка використовується для цих цілей, відома, як нейроемулятор (НЕ).

Окрім вказаної функції, НЕ корисний, коли інверсна модель ОУ (1.12) погано

визначена або зовсім відсутня. В цьому випадку для корекції КПЗ

використовується НЕ. Відомі два підходи до навчання НЕ: перший – автономне

попереднє навчання НЕ, а потім його використання при оперативному навчанні

ПК; другий – автономне попереднє навчання НК, а потім його оперативне

донавчання спільно з навчанням нейроемулятора (одночасне навчання обох

нейромереж).

Розглянемо другий варіант. На першому етапі здійснюється автономне

навчання мережі нейроконтролера на основі помилки інверсно–прямого

управління. Оперативне навчання нейронних мереж емулятора і контролера

виконується за схемою, що показана на рис. 1.10.

36

Рисунок 1.10 – Схема оперативного навчання на основі прогнозованої помилки

виходу

На другому етапі, коли САУ функціонує в робочому режимі, одночасно

навчаються дві нейронні мережі: донавчається (настроюється) нейроконтролер,

що виконує функції КПЗ, який заздалегідь був навчений на першому етапі і

навчається нейроемулятор. Попри те, що вони навчаються одночасно, час

навчання у них відрізняється [45].

Паралельні схеми нейронного навчання.

Навчання регулятора зворотного зв’язку.

У схемі, що показана на рис. 1.11, нейронна мережа настроюється

паралельно звичайному контролеру із зворотнім зв'язком. Мережа навчається

безпосередньо, шляхом повторення циклів бажаної траєкторії; при цьому помилка

зворотнього зв'язку поширюється по мережі у зворотньому напрямі. Слід

звернути увагу на природу помилки )(te . Помилка є відхиленням управляючого

сигналу, виробляється нейронною мережею, від управляючого сигналу, що

формується традиційним КЗЗ.

Збіжність досягається, коли нейронна мережа, завершивши навчання,

переймає на себе управління об'єктом, усуваючи дію контролера зі зворотнім

зв'язком.

37

Рисунок 1.11 – Архітектура паралельної схеми нейронного навчання

Навчання за цією схемою відноситься до супервізорного. При навчанні з

супервізором (наприклад, копіюванні існуючого КЗЗ або людини–оператора)

штучна нейронна мережа навчається імітувати (копіювати) деякий закон

управління. Цей закон відомий людині–оператору або управляючому пристрою і

забезпечує необхідну якість управління. Мета навчання ШНМ в цьому випадку

полягає в нейромережевій апроксимації цього "супервізорного" закону

управління.

Навчена таким чином мережа налаштовується на роботу в якості

контролера для об'єкту управління, подібно звичайній системі управління із

зворотнім зв'язком. Виникає природне питання, навіщо створювати нове

облаштування управління на основі ШНМ, якщо ефективний пристрій вже існує.

По–перше, існуючий управляючий пристрій (людина–оператор) може виявитись

непрактичним або непридатним в небезпечних для життя людини умовах. По–

друге, ШНМ здатна формувати ефективне управління на підставі простішого

нейромережевого уявлення про динаміку об'єкту управління в порівнянні з

існуючим облаштуванням управління.

В якості недоліку описаного нейроуправління слід зазначити те, що після

навчання ШНМ є лише "копією" існуючого облаштування управління і при зміні

параметрів об'єкту управління, середовища або задаючих дій може знадобитись

повне перенавчання мережі.

Розглянуту схему ще називають схемою узагальненого навчання мережі.

38

Навчання регулятора налаштування управляючого сигналу КЗЗ.

Структура системи на етапі управління показана на рис. 1.12. Нейронна

мережа використовується для налаштування управляючого сигналу )(2 tu , що

виробляється традиційним КЗЗ. Налаштування виконується так, щоб вихідний

сигнал ОУ якомога більше відповідав задаючій дії.

Ри

Рисунок 1.12 – Структура системи управління з налаштуванням управляючого

сигналу КЗЗ

Завдання НК полягає в тому, щоб відкоригувати )(2 tu шляхом вироблення

корегуючого управління )(1 tu . Така потреба виникає в тих випадках, коли КЗЗ

розроблений для типового ОУ, а при синтезі системи мають місце варіації

параметрів ОУ, що виникли в процесі їх виготовлення. Ці варіації негативно

позначаються на критеріях якості управління – погіршують їх. Тоді за наявності

НК, що виконує функції налаштування, ці варіації можна компенсувати. Для

цього НК має бути навчений відповідно. Навчання здійснюється аналогічно

навчанню НК на основі прогнозованої помилки виходу.

Інтелектуальні адаптивні регулятори. Метод адаптивного управління це

такий спосіб управління, при якому система автоматично пристосовується до

зовнішніх умов шляхом ідентифікації змін, модифікації параметрів моделі

об'єкту, якщо така використовується в контурі управління, і перерахунку

параметрів закону управління. Нижче розглядається формальна модель

39

управління на основі самонавчання, яка спирається на припущення, що об'єкт

схильний до перешкоди або варіацій параметрів самого об'єкту.

Елементарною управляючою системою (ЕУС), є конструкція

UXК ,, , (1.15)

яка реалізує закон управління у вигляді стаціонарної стратегії σ, що породжує

сімейство керованих умовних розподілів вірогідностей

}|({ uxPP i . (1.16)

При такому погляді на систему управління беруть до уваги, що у відповідь

на управління it uU ][ об'єкт переходить у стан XxX t 1][ з вірогідністю

(1.16). У той же момент стан об'єкту 1][ tX поступає на вхід ЕУС і породжує

згідно з правилом RRi стратегії чергову дію uU t ][ 1 . Стратегія

визначає безліч допустимих правил R для елементарної управляючої системи,

що розглядається.

Проведений аналіз доступних джерел [45–63] дозволяє зробити висновок,

що для управління ХУ, як складною людинно–машинною системою, що працює в

умовах невизначеності найкраще використовувати інтелектуальні адаптивні

засоби керування.

У роботі Гурського [64] описано модель координуючої системи керування

холодильної турбокомпресорної установки на базі нечіткої логіки.

У роботах Онищенка та Живиці [65–67] показано, що управління

холодопродуктивністю холодильної установки Одеського припортового заводу із

застосуванням нечітких логічних регуляторів забезпечує:

цілеспрямоване регулювання температури, що стабілізує її відповідно до

технічного регламентом за відсутності різких перепадів температур в

сховище і підтримку допустимої швидкості зміни температури;

обґрунтоване значення необхідної холодопродуктивності установки і

вибір режиму роботи холодильного компресора, виходячи з поточного

значення температури, і, при необхідності інших параметрів сховища;

вибір оптимального перерозподілу навантаження між паралельно

працюючими компресорами;

40

мінімізацію часу виходу на заданий режим при зменшенні витрати

електроенергії.

Однак, при побудові нечіткої моделі виникають складнощі при заповненні

бази нечітких продукційних правил. Знання, отримані від експертів складно

формалізувати, а базу правил позбавити від суперечності і неповноти [14].

Нечіткі нейронні мережі або гібридні мережі покликані об'єднати в собі

переваги нейронних мереж і систем нечіткого виведення. З одного боку, вони

дозволяють розробляти і представляти моделі систем у формі правил нечітких

продукцій, які володіють наглядністю і простотою змістовної інтерпретації. З

іншого боку, для побудови правил нечітких продукцій використовуються методи

нейронних мереж, що є зручнішим і менш трудомістким процесом для системних

аналітиків[47].

Таким чином, найбільш перспективними для моделювання системи

підтримки прийняття рішень при управлінні узагальненою холодильною

установкою УХУ є нейро–нечітке моделювання.

1.3 Роль оператора в керуванні холодильними установками

Проблема оператора в людино–машинній системі фокусується на впливі

зовнішнього середовища на безпеку людини і можливості виконати покладені на

нього функції. Широка автоматизація виробництва тільки посилила роль людини

у системі [68]. Згідно моделі ухвалення рішень В. Роуза [69] , дії оператора, у разі

потреби втрутитись в хід керованого процесу, складаються з виявлення події,

діагностики причин, що викликали виявлену подію і компенсації його наслідків.

При цьому процес виявлення може бути описаний як з позицій фільтрації

інформації, яку спостерігає оператор, так і з позицій розпізнавання симптомів

події, що настала. У простих випадках, коли оператор знає необхідні властивості

спостережуваних сигналів, він здатний виступати в ролі своєрідного

"оптимального спостерігача", визначаючи момент настання події тільки по

розузгодженню між спостережуваними і очікуваними значеннями змінних. Якщо

ж об'єкт складний, як у випадку холодильних установок, оператор діє із

41

залученням процедур змістовного аналізу ситуацій [70].

До опису діагностики причин події можливі два підходи. Діагностування на

базі нормативних процедур припускає обробку за заздалегідь заданим способом

формованої оператором допустимої безлічі елементів системи, відповідальних за

виявлену подію, що настала. Інший підхід зводиться до механізму вибору

послідовності дій, причому стратегії вибору можуть бути функціонально–

симптоматичними, тобто залежними від специфіки конкретного процесу

(наприклад, «якщо потік з ємності нульовий, перевірте насос, що відкачує») або

топографічними (наприклад, «якщо вихід вузла не відповідає нормі, перевірте

його вхід»).

У свою чергу компенсація наслідків виявленої і діагностованої події може

здійснюватись за симптомами або, за помилками. Симптоматику процесів

поділяють на попереджувальну (передаварійну) і аварійну. При цьому, якщо

відомі аварійні симптоми можуть відпрацьовуватись за допомогою стандартних

процедур, то відхилення від нормального режиму можуть вимагати

нестандартних дій оператора. У тих випадках, коли стадія діагностики доведена

до виявлення конкретних порушень в процесі, можлива компенсація за

помилками, що зводиться або до усунення виділеного порушення, або до

переходу на новий режим роботи, що виключає використання несправного

елементу.

Дослідники відмічають також необхідність координації діагностики і

компенсації; розгляд цих стадій як незалежних [71] може призвести до

катастрофічних наслідків [69]. Цей базовий механізм ілюструється відповідною

схемою (рис. 1.13).

Виділяють три типи діяльності оператора – розпізнавання і класифікація

(виявлення і категоризація події), планування (визначення підходу до рішення),

виконання і контроль (фактичне рішення задачі) [72]. Якщо в ході розпізнавання і

класифікації оператор може співвіднести стан з деякою відомою йому

конструкцією (фреймом), рішення здійснюється на основі вказаного фрейма;

інакше доводиться притягати структурну інформацію, наприклад, діяти за

42

аналогіями. В процесі планування оператор може скористатись відповідним

сценарієм або стандартною процедурою, проте, якщо таких для ситуації, що

склалась, немає, йому доведеться сконструювати сценарій в термінах генерованих

альтернатив, послідовностей та ін.

Рисунок 1.13 – Базовий механізм прийняття рішень оператором по В. Роузу

Нарешті, при виконанні обраного плану і відстежуванні результатів відомі

оператору образи стану об'єкту дозволяють притягнути правила дій зі стану, тобто

безпосередньо від спостереження стану через гіпотезу до дії (8–правила). Якщо ж

відповідного образу немає, оператору необхідно використати топографічні

(структурні) правила дій (Т–правила).

Аналіз описаної моделі показує, що оператор постійно чередує типи

діяльності і вирішує конфлікти між ними, явно воліє діяти на основі образу, а не

сценарію (тобто пропускає стадію планування), схильний підтримувати "поточне"

русло рішення і лише в крайньому випадку міняє обраний фрейм або сценарій

[73].

Дещо інший підхід до проблеми прийняття рішень оператором належить

Й. Расмуссену [74]. Він вважає, що оператор модифікує свою поведінку,

43

отримуючи сигнали як від керованого об'єкту, так і від бажаної мети. Тобто

вказаний зворотній зв'язок опосередкує не лише фізичними явищами в

керованому об'єкті, але і мотивами дій оператора, тобто, можливо, досвідом його

попередньої поведінки або досвідом інших операторів та експертів. Це положення

співпадає з висновками когнітивної школи прийняття рішень в умовах

невизначеності, що стверджує, що отримання знань з досвіду, передусім, включає

вивчення зв'язків "дія–результат" [75], а інтерпретація досвіду ґрунтована на

вивченні причинних стосунків і організації подій в причинні схеми [76]. Модель

ухвалення рішень по Расмуссену [74] будується на багаторівневому принципі, де

рівнями виступають навички, правила і знання (рис. 1.14)

Рисунок 1.14 – Модель багаторівневої діяльності досвідченого оператора по

Расмуссену

Підхід, що синтезує ідеї В. Роуза і Й. Расмуссена, запропонований

Г. Йоханнсеном та співавторами у [77], розділяє завдання оператора на

управління, прийняття рішень і інші (контроль, "комунікація" тощо). Кожному

перетину рівня і етапу ставиться у відповідність та або інша дія оператора;

наприклад, категоризація по контексту припускає розпізнавання образів і аналіз

спостережень, планування по структурі – вироблення плану і адаптацію, а

виконання по стану – стереотипне автоматичне управління.

44

Також поведінку оператора при прийнятті рішень можна описати в

термінах, близьких до теорії управління. Наприклад, модель, запропонована в

роботі [78], оперує діями з обробки інформації (спостереження і збір даних,

ідентифікація стану, інтерпретація стану, оцінка альтернатив, вибір мети, вибір і

виконання процедури) і результуючими станами знань (тривога, спостереження,

завдання, процедура та ін.). У роботі [79] підсистема прийняття рішень

оператором є частиною загальної моделі оптимального управління і включає

блоки спостережень, оцінки ситуацій, вибору і виконання процедур. (См. також

сучасний огляд аналітичних моделей виявлення і діагностики порушень ходу ТП

в роботі [80]). Проте, хоча такого роду моделі активно використовувались при

дослідженні оператора як автоматичного спостерігача, оцінювача і оптимального

"вирішувача", вони мало що додали до змістовного розуміння механізму

прийняття рішень.

1.3.1. Ризики виникнення аварійних ситуацій пов’язані із помилками

персоналу

Приблизно 20 – 30% відмов на різних об'єктах прямо або побічно пов'язані

з помилками людини; понад 60% аварій на потенційно небезпечних об'єктах

відбувається через помилки персоналу.

Так, у роботі [81] приведена наступна класифікація помилок з вини

людини.

Помилки проектування: обумовлені незадовільною якістю проектування.

Наприклад, керуючі пристрої й індикатори можуть бути розташовані настільки

далеко один від одного, що оператору буде незручно ними одночасно

користуватись.

Операторські помилки: виникають при неправильному виконанні

обслуговуючим персоналом встановлених процедур або в тих випадках, коли

правильні процедури взагалі не передбачені.

Помилки виготовлення: мають місце на етапі виробництва внаслідок (а)

незадовільної якості роботи, наприклад неправильного зварювання, (б) не-

45

правильного вибору матеріалу, (в) виготовлення виробу з відхиленнями від

конструкторської документації.

Помилки технічного обслуговування: виникають у процесі експлуатації й

зазвичай викликані неякісним ремонтом устаткування або неправильним

монтажем.

Внесені помилки: як правило, це помилки, для яких важко встановити

причину їх виникнення, тобто визначити, чи виникли вони з вини людини або ж

пов'язані з устаткуванням.

Помилки контролю: пов'язані з помилковим прийняттям як придатного

елемента або пристрою, характеристики якого виходять за межі допусків, або з

помилковим відбраковуванням придатного пристрою або елемента з

характеристиками в межах допусків.

Помилки користування: виникають внаслідок незадовільного зберігання

виробів або їх транспортування з відхиленнями від рекомендацій виробника.

До помилок людини, які можуть мати місце на аміачній холодильній

установці (АХУ), що введена в експлуатацію слід віднести: операторські

помилки, помилки технічного обслуговування та помилки користування [81].

Серед основних причин зазначених помилок людини виділяють наступні

[82]:

незадовільна підготовка або низька кваліфікація обслуговуючого

персоналу, коли оператори або фахівці з технічного обслуговування

недостатньо підготовлені до виконання поставленого завдання;

слідування обслуговуючим персоналом незадовільним процедурам

технічного обслуговування або експлуатації;

незадовільні умови роботи, пов'язані, наприклад, з обмеженою

доступністю до устаткування, тіснотою робочого приміщення,

незадовільним освітленням або надмірно високою температурою;

незадовільне оснащення необхідною апаратурою й інструментами;

46

недостатнє стимулювання операторів або фахівців з технічного

обслуговування, що не дозволяє досягти оптимального рівня якості їх

роботи.

Як вже було зазначено вище, холодильні установки відносяться до об'єктів

підвищеної небезпеки, помилки в експлуатації яких, можуть призвести не лише до

поломки устаткування, але і катастрофічним наслідкам – від загибелі

експлуатуючого персоналу установки до масштабної екологічної катастрофи.

Аміак – це дуже розповсюджений холодильний агент. Мінімальна

концентрація, за якої люди сприймають аміак, становить 4...20 ppm. Життю

людини загрожує концентрація від 700 до 1000 ppm в залежності від тривалості

впливу. Сценарій формування наслідків хімічного ураження людей і тварин мало

задекларовані, їм не надано ймовірнісної трактовки, хоч випадковий характер

подій тут також є природним [83]. Нормативна методика прогнозування наслідків

хімічного ураження розроблена. На перший погляд вона досить аргументована,

враховує необхідні причинно–наслідкові зв’язки. Розлиття аміаку розглядається

як “вільне” чи “розлиття в піддон”, якщо поверхня розлиття попередньо

обвалована. Далі залежно від метеоумов з таблиць беруться значення глибини

зони розповсюдження аміако–повітряної хмари з поправками на наявність міської

забудови, а також ширини цієї зони, обчислюється площа зони можливого

хімічного забруднення. Разом з тим вважається (виходить з розрахункових

співвідношень), що вся ця зона вкривається хмарою аміако–повітряної суміші

протягом декількох хвилин після аварії, а звільниться від забруднення протягом

однієї години й більше. Наслідками дії хімічного чинника ураження є опіки

шкіри, очей, легень, отруєння аміаком тощо. Коли кількість населення в зоні

забруднення становить 10375 осіб, то в разі аварії такої холодильної установки

постраждає 519 осіб, а структура можливих уражень за Методикою

прогнозування наслідків впливу (викиду) небезпечних хімічних речовин при

аваріях на промислових аваріях і транспорті має вигляд:

легкі ураження – 130 осіб (25 %);

ураження середньої важкості – 208 осіб (40 %);

47

ураження зі смертельними випадками – 181 особа (35 %).

Виникнення та подальший розвиток аварійної ситуації під час роботи

холодильної установки можуть бути наслідком ослаблення уваги оператора–

машиніста до виконання своїх обов’язків (людський чинник), а також випадкові

чинники, пов’язані із надійністю роботи приладів захисної автоматики, наявністю

термомеханічних, корозійних пошкоджень у трубопроводах, корпусах

обладнання, випадковим припиненням електропостачання окремих елементів

установки – водяних насосів, вентиляторів градирень, приладів захисної

автоматики чи їх поломкою. Ослаблення уваги обслуговуючого персоналу може

виникнути не тільки за рахунок прояву халатного відношення до роботи.

Виникнення аварійної ситуації під час роботи аміачної холодильної установки

можна вважати відхиленням від номінальних кількісних значень ряду параметрів

(температури, тиску, витрат аміаку, води, мастила), що характеризують її

номінальну роботу. Чудові властивості аміаку як холодильного агента, завдяки

чому його часто використовують у великих промислових установках,

породжують упевненість у його застосуванні у майбутньому [84]. У деяких

випадках альтернативою аміаку може стати діоксид вуглецю, оскільки з точки

зору безпеки з ним простіше працювати.

Стосовно всіх промислових систем можна зробити наступні висновки:

– жодна технічна установка не може бути цілком безпечною;

– жоден технологічний процес не може бути цілком безпечним;

– ніхто не може абсолютно правильно і безпомилково діяти у всіх

ситуаціях. Функціонування холодильників та охолоджувальних систем з великою

місткістю холодоагенту вимагає підвищеної уваги до експлуатації таких об’єктів.

Сьогодні на цих об’єктах відбувається постійне навчання обслуговуючого

персоналу правилам безпечної експлуатації, розробленню плану ліквідації

аварійних ситуацій для кожного підприємства, періодичне тренування персоналу

відповідно до плану ліквідації аварійних ситуацій [84]. Визначення показників

небезпеки основних елементів аміачної холодильної установки за допомогою

48

багатокритеріальної методики оцінки та управління ризиком виникнення аварій

представлено у [85].

У роботі [86] представлено аналіз аміачної холодильної установки як

джерела передаварійних ситуацій та проведено аналіз оперативної діяльності

оператора. Запропоновано застосування інтелектуальних методів для

ідентифікації перед аварійних ситуацій, а саме експертна система на базі нечітких

продукційних правил.

Зрозуміло, що проводити навчання на реальних установках абсолютно не

доцільно[15]. Вирішенням цієї проблеми є застосування тренажерної підготовки.

Впродовж багатьох років навчання холодильній професії в профільних

учбових закладах і на підприємствах проводилось з використанням реальних

тренажерних комплексів, побудованих в зменшеному варіанті і спеціалізованих

дільничних тренажерів щитових або з динамічними комп'ютерними

мнемосхемами, імітуючих за допомогою щитів і пультів управління окремими

фрагментами установки. Їх використання є ефективним, але трудомістким,

дорогим, а іноді, навіть небезпечним [4].

Нині на зміну описаним вище тренажерам приходять комп'ютерні

тренажери. Це програмні комплекси, що імітують роботу об'єктів навчання, їх

фрагментів або процесів, які з ними пов'язані. Використання комп'ютерних

тренажерів усувають проблеми, пов'язані з небезпекою використання і

дорожнечею реальних тренажерів. Рівень сучасних інформаційних технологій

дозволяє моделювати і демонструвати будь–які виробничі і учбові ситуації,

імітувати роботу об'єктів довільної складності.

1.3.2. Засоби комп’ютерного тренінгу для підвищення кваліфікації

операторів

У наш час відчувається гостра потреба якісного поліпшення підготовки

операторського персоналу технологічних процесів холодильних установок, яка

викликана постійним ускладненням самих процесів і появою нових систем

управління ними на тлі зміни покоління операторів, помітного зниження рівня

49

підготовки нових працівників і, як наслідок, сплеску аварійності викликаної

неякісним управлінням процесами.

З іншого боку, вражаючі успіхи ключових інформаційних технологій

створюють принципову можливість створення повноцінних систем

комп'ютерного тренінгу, що перевершують по ефективності усі відомі форми

навчання, включаючи не завжди доступне і потенційно небезпечне тренування на

реальних об'єктах.

Створилась ситуація, коли ніяких обмежень для створення окремих

компонентів тренажерів практично не існує, тоді як теоретично обґрунтовані

критерії, принципи і методики побудови тренажерних систем недостатньо

розроблені. В результаті, роботи зі створення таких складних і трудомістких

продуктів гальмуються через відсутність загальної методології їх побудови,

страждають від недообліку принципових чинників, що визначають успіх тренінгу,

і марного дублювання зусиль на реалізацію стандартних і типових компонентів

систем [70].

Розробка моделей і методів, що становлять основу комп'ютерного

тренажера по холодильним установкам, є проблемою, що вимагає постійного

вдосконалення, тому є актуальною і невирішеною [14].

В області розвитку тренажерів існують два основних напрямки: це реальні

тренажерні комплекси, побудовані в зменшеному варіанті, і програмні

тренажери, що є комп'ютерною програмою, яка в деякому графічному вигляді

імітує роботу тієї або іншої установки.

Спеціалізовані (дільничні) тренажери (щитові або з динамічними

комп'ютерними мнемосхемами) імітують за допомогою щитів і пультів керування

окремі фрагменти установки, оснащені ПК з адекватними математичними

моделями відповідних підсистем установки, що дозволяють відпрацьовувати й

здобувати навички, знання й уміння керувати окремими технологічними

процесами – прототипів в умовах реального часу й реального об'єкта керування.

Комплексні тренажери являють собою повномасштабну імітацію реальних

щитів керування всього об'єкта, що дозволяє реалізувати отримані на попередніх

50

рівнях знання, навички й уміння, здійснювати процес навчання, використовуючи

практично будь–яку необхідну кількість параметрів при адекватній імітації

поводження установки в режимі реального, прискореного й уповільненого часу.

У цей час досить актуальним є завдання створення виробничих тренажерів

із застосуванням у них систем тривимірної візуалізації для оперативного

відображення інформації про стан складних об'єктів. Такі тренажери можуть

значно поліпшити й комп'ютеризований процес навчання, і операційну

ефективність виробничого процесу. Програмний тренажер–імітатор призначений

для підготовки персоналу, що керує складними технологічними об'єктами. Ця

навчальна програма моделює технологічні ситуації, що виникають при роботі

встаткування й потребують керуючі впливи персоналу. Тренажер

використовується для навчання й перевірки знань особи, що навчається, у

діалоговому режимі із застосуванням сучасних засобів комп'ютерного дизайну:

графіки, динаміки, анімації й інших мультимедійних технологій, що дозволяє

підготувати кваліфікованих операторів–технологів з навичками керування

реальними процесами.

Програмні тренажери:

у прискореному масштабі часу імітують роботу установок, відбивають всі

параметри системи керування й регулювання;

дозволяють придбати практичні навички виконання, контролю й оптимізації

основних технологічних процесів, розпізнавання й ліквідації аварійних

ситуацій. Візуально тренажер – це точна копія всіх керуючих,

інформаційних, блокувальних функцій системи керування.

Тренажери можна класифікувати на групи по таких ознаках, як динаміка

дій, наявність параметрів, кількість кроків.

За динамікою дій тренажери можна розділити на тренажери реального часу

й тренажери покрокові. До тренажерів реального часу відносяться всі тренажери,

що допомагають навчитись роботі із деякою апаратурою або устаткуванням,

таким як ковальський прес, автомобіль, літак і так далі. У цих тренажерах події

51

відбуваються постійно (у реальному часі), і завдання в таких ситуаціях – вчасно

зреагувати на події, що відбуваються.

Покрокові тренажери припускають, що тренажер працює в інтерактивному

режимі й прередбачають порційну подачу інформації та активний діалог. Тобто

тренажер працює з особою, що навчається у синхронному режимі.

За наявністю параметрів у завданні, що розв’язується, тренажери

поділяються на тренажери завдань із параметрами й тренажери завдань без

параметрів. З формальної точки зору, тренажери другого типу є окремим

випадком перших, але найчастіше їх виділяють в окрему групу, тому що такі

тренажери на порядок простіше в реалізації. Однак, найбільший інтерес

представляють тренажери завдань із параметрами.

За кількістю кроків можна виділити однокрокові й багатокрокові

тренажери. Конкретна кількість кроків (якщо їх більше 1) принципового значення

не має. Як і в попередньому випадку, однокрокові тренажери також є окремим

випадком багатокрокових, але їх також виділяють в окремий клас з тих самих

міркувань. У багатокрокових завданнях можливі розгалуження й нестандартні

кроки особи, що навчається.

Залежно від розв'язуваних завдань тренажери поділяються на:

функціональні – для формування найбільш простих і завершених навичок

роботи з певним пристроєм, органом керування й/або індикації (містять

набір вправ по відпрацьовуванню навичок роботи з органами керування);

процедурні – для формування навичок індивідуальних дій по керуванню

певним технологічним процесом у штатних, позаштатних або аварійних

ситуаціях;

комплексні – для відпрацьовування навичок складних дій у складі однієї

бригади в різних ситуаціях (містять набір вправ по відпрацьовуванню

навичок з взаємодії структурних підрозділів підприємства, включених у

єдиний технологічний ланцюжок);

52

групові – для відпрацьовування взаємодії декількох підрозділів у

різних ситуаціях (містять набір вправ по відпрацьовуванню навичок з

взаємодії в складі груп, бригад, відділів тощо).

Науково–технічним учбовим тренажерним центром (м. Калінінград)

розробляються тренажери суднових холодильних установок і їх елементів із

застосуванням елементів математичного моделювання, що являють собою

програмний продукт, що не вимагає ніякого додаткового устаткування.

Дослідниками центру було проведене узагальнення досвіду розробки й створення

тренажерів з оцінкою підходів до постановки завдань, способів реалізації й

ефективності їх використання. Запропоновано вибір оптимальних рішень для

створення тренажерів відповідно до професійних вимог й інформаційного рівню

учнів. Створені комп'ютерні тренажери 3–го покоління для роботи на IBM PC AT

та розроблені принципово нові підходи до створення тренажерів 4–го покоління з

використанням принципів анімації середовищ і конструктивних елементів.

Створені тренажери наступного, 5–го покоління для холодильних установок всіх

розповсюджених типів судів. Додано завдання по техніці безпеки, нестандартним

ситуаціям, аварійним ситуаціям, регламентному обслуговуванню. Узагальнені

результати розробки, створення й впровадження комп'ютерної системи

тренажерів для підготовки й перепідготовки судових рефрижераторних механіків,

проведено оцінку ефективності впровадження комплексної системи тренажерної

підготовки.

Компанією «Транзас» розроблено Комп'ютерний тренажерний комплекс

автоматизованої холодильної установки, призначений для відпрацювання навичок

і перевірки знань персоналу, обслуговуючого рефрижераторні установки:

інженерів холодильної техніки і суднових механіків рефрижераторних установок

на вахті [87]. У його комплекс входять тренажери, що складаються з

модельованих холодильних машин, працюючих на різні групи споживачів холоду,

що мають різні холодоагенти і системи їх подання. Проте, цей тренажер дуже

складний, розгалужений, містить безліч елементів, які ускладнюють схему даних

установок, і більшою мірою підходить для підготовки студентів на фінальній

53

стадії навчання або для виробничого навчання молодих фахівців з прив'язкою до

місця їх роботи. Крім того, незважаючи на дуже широкий спектр різних варіантів

холодильних установок, які моделюються в цьому комплексі, їх перелік далеко не

повний. Перераховані чинники ускладнюють застосування цього тренажерного

комплексу для навчання фахівців за холодильним фахом на початковому етапі, до

отримання ними базових знань по спеціальних дисциплінах [4].

У роботі [88] розглянуто досвід застосування різних видів тренажерів для

операторів технологічних процесів переробної промисловості. Викладено ряд

особливостей, які необхідно враховувати при побудові тренажерів для навчання

операторів. Як приклад, АСОВІ ТП, з вдало спланованою архітектурою,

запропонована система управління metsoDNA фірми Metso Automation.

У роботі [89] пропонується рішення, що дозволяє створювати комп'ютерні

тренажери нафтохімічних підприємств та містить створення на базі програми

GMTP і SCADA програмної платформи, розробку тренажерів, що включають

основні типи динамічних математичних моделей, програмну платформу на базі

відкритої системи.

У роботах [90, 91] описано створення тренажера аміачної холодильної

установки з декількома температурами кипіння, що забезпечує холодом групу

приміщень для зберігання продукції і льодозавод з метою вироблення у

обслуговуючого персоналу стійкої здатності до розпізнавання екстремальних

ситуацій із загрозою здоров'ю і життю людини та відвертанню їх розвитку.

У роботі [92] розглядаються проблеми, пов'язані з оцінкою ефективності

тренажерів для фахівців нафтогазового сектора, а саме відсутність науково–

обґрунтованої і конструктивної методики оцінки ефективності використання

тренажерів. Показано, що в процесі їх розробки практично не враховується

обмеженість ресурсів. Це є перешкодою до створення технічних засобів навчання,

що реально підвищують рівень промислової безпеки. Пропонується

конструктивна методологія оцінки ефективності тренінгу.

54

1.4 Висновки та постановка завдань дослідження

1. Аналіз стану проблеми управління холодильними установками показав, що

холодильні установки являють собою комплекси, до складу яких входять

холодильні машини, апарати і споруди, призначені для отримання,

транспортування і використання штучного холоду в технологічних процесах

харчової, хімічної, металургійної, гірської, нафтової, газової і медичної

промисловості. Крім того, холодильні установки включають допоміжні

пристрої у вигляді апаратів, приладів, трубопроводів як для здійснення

технологічних процесів при низьких температурах, так і для раціональної

експлуатації холодильного устаткування впродовж реального часу. Таким

чином, управління холодильним устаткуванням можна розглядати як

управління складним організаційно–технічним об’єктом (комплексом) із

змінною структурою.

2. При моделюванні системи управління холодильними установками різних

типів виникає необхідність в їх узагальненні, що дозволяє гнучко настроювати

параметри управління під будь–які окремі випадки їх конфігурації.

3. Розробка узагальненої моделі управління холодильними установками на

основі класичних методів моделювання не дозволяє вирішити усі поставлені

завдання зважаючи на відсутність однозначних математичних залежностей,

що описують залежність вихідних параметрів від значень вхідних параметрів і

параметрів обурень.

4. Оцінка параметрів, що характеризують процес управління холодильними

установками різних типів, має нечіткий характер різного походження. Тому

для автоматизації управління узагальненою хоодильною установкою найбільш

ефективними є засоби штучного інтелекту.

5. У рамках загальної проблеми розробки автоматизованих систем управління

холодильними установками невирішеним є завдання створення підсистеми

інтелектуальної підтримки процесу вироблення управляючої дії, на основі

моделі узагальненої холодильної установки.

55

6. Розробка систем автоматизованого управління узагальненою холодильною

установкою для промислової експлуатації, та для підготовки обслуговуючого

персоналу із використанням комп’ютерного тренінгу є проблемою, що

вимагає вдосконалення, тому є актуальною і невирішеною.

Використовуючи методи запропоновані у [93] розроблено схему

дисертаційного дослідження.

56

РОЗДІЛ 2

МОДЕЛЮВАННЯ УПРАВЛІННЯ УЗАГАЛЬНЕНОЮ ХОЛОДИЛЬНОЮ

УСТАНОВКОЮ

Холодильна машина являє собою систему, що призначена для переміщення

теплової енергії Q за рахунок зовнішнього компенсую чого процесу L на рівень

зовнішнього середовища Тзс з більш низького температурного рівня об’єкту, що

охолоджується Tоб.

Процес роботи холодильної установки умовно складається з 3 етапів: "пуск",

"вихід на режим", "підтримка режиму". У момент "Пуску" установка знаходиться

в початковому стані:

zadttt oskam , (2.1)

де kamt – температура в камері,

ost – температура навколишнього середовища,

0QQ otv оb , (2.2)

де

obQ – величина теплоприпливів (через огорожі, від персоналу, освітлення і т.

д.),

otvQ – кількість теплоти, що відводиться холодильною машиною.

З точки зору теорії управління етап "вихід на режим" відповідає фазі

перекладу в цільовий стан. На цьому етапі під впливом управляючих дій

zadttkam , оtvob QQ . При цьому, як правило, цей етап повинен протікати

заданий проміжок часу vr .

Етап «підтримка режиму», з точки зору теорії управління відповідає фазі

стабілізації. При цьому kamt вже досягла zadt і оbоtv QQ , і метою управління є

підтримка системи в цьому стані (рис 2.1).

57

Рисунок 2.1 – Фази роботи холодильної установки

2.1 Метод узагальнення холодильної установки. Структурно–

функціональна модель УХУ

Спираючись на класифікацію ХУ [23,24] та використовуючи системний

підхід [94–96] структурну модель холодильної установки у загальному уявленні

можна представити у вигляді:

kdrvkamvnkmeohartprodngrm NNNNNKKKKKKKS ,,,,,,,,,,,: , (2.3)

де

nK – призначення {централізована, децентралізована};

prodK – продуктивність {великі, середні, дрібні} { Kprod >3 МВт, Kprod <1

МВт, Kprod <60 КВт};

tK – температурний режим {високотемпературні, середньотемпературні,

низькотемпературні} {10..–10 °C, –10..–20 °C, –20..–120 °C};

rK – режим роботи {стаціонарні, нестаціонарні, безперервні, циклічні,

нестаціонарні з акумулятором теплової енергії};

haK – вид холодильного агента {аміачні, фреонові, етанові, пропанові,

вуглекислотні, на сумішах};

oK – вид охолодження {з безпосереднім, з проміжним};

eK – вид енергії {електродвигун, газова турбіна, вторинні енергоресурси,

природній холод, геліоустановки };

kmN – кількість компресорів {одноступенева, двоступенева};

58

vnN – кількість насосів {із безнасосною системою охолодження, і насосно–

циркуляційною системою охолодження};

kamN – кількість камер охолодження;

rvN – кількість регулюючих вентилів;

kdN – кількість конденсаторів.

Найбільш поширеними є парокомпресійні холодильні установки (ПКХУ).

У мінімальній конфігурації структурно–параметрична схема ПКХУ виглядає

наступним чином (рис 2.2).

Рисунок 2.2 – структурно–функціональна схема ПКХУ мінімальної

конфігурації

КМ – компресор – елемент, що створює різність тисків холодильного агенту,

до якого підводиться зовнішній компенсуючий процес – робота електродвигуна.

КД – конденсатор – елемент, що призначений для скидання теплоти у навколишнє

середовище у процесі фазового переходу. ЛР – лінійний ресивер – додатковий

елемент (накопичувач), що забезпечує надійність подачі робочої речовини. РВ –

регулюючий вентиль – елемент, що перетворює у процесі дроселювання високу

потенційну енергію (тиск) у низьку (низьку температуру). КАМ – камера, або

випарювач, елемент, що сприймає теплоту від об’єкту охолодження у процесі

фазового переходу. ВР – віддільник рідини – додатковий елемент (осушувач),

призначений для забезпечення безпечної роботи компресора.

Газові холодильні установки (ГХУ). У мінімальній конфігурації структурно–

функціональна схема ГХУ виглядає наступним чином (рис. 2.3).

59

Рисунок 2.3 – структурно–функціональна схема ГХУ мінімальної

конфігурації

ТКМ – турбокомпресор – елемент, що створює різність тисків робочої

рідини до якого підводиться зовнішній компенсуючий процес – робота

електродвигуна. ТО – теплообмінник – елемент, що призначений для скидання

теплоти у зовнішнє середовище у процесі теплообміну. ТД – турбодетандер –

елемент, що перетворює в процес адіабатного розширення високу потенційну

енергію у зовнішню роботу і як результат у низький тиск і температуру. Р –

рефрижератор – елемент, що сприймає теплоту від об’єкта, що охолоджується у

процесі підігріву робочої рідини.

Абсорбційні холодильні установки (АХУ). У мінімальній конфігурації

структурно–функціональна схема ГХУ виглядає наступним чином (рис 2.4).

Рисунок 2.4 – структурно–функціональна схема АХУ мінімальної

конфігурації

Г – генератор – елемент, що призначений для виділення випаровувань

робочої речовини високого тиску з суміші агент–абсорбент за рахунок

зовнішнього джерела теплової енергії. РВ2 – дросельний прохідний перетин для

60

здійснення падіння тиску збідненого розчину від тиску конденсації до тиску

кипіння. А – абсорбер – елемент, у якому здійснюється насичення збідненого

розчину абсорбенту парами холодильного агенту при низькому тиску, що

супроводжується виділенням теплоти. АН – агентонасос – елемент, що дозволяє

підвищити напір суміші агент–абсорбент та повернути насичений розчин у

генератор. Комплекс елементів Г–РВ2–А–АН називають термохімічним

компресором (ТХКМ), що здійснює ті самі функції, що компресор у паро–

компресійних машинах. Інші елементи повністю ідентичні відповідним

елементам ПКХУ.

Паро–ежекторні холодильні установки (ПЕХУ). У мінімальній конфігурації

структурно–функціональна схема ПЕХУ виглядає наступним чином (рис 2.5).

Рисунок 2.5 – структурно–функціональна схема ПЕХУ мінімальної

конфігурації

Г – генератор – елемент, призначений для випаровування робочої речовини

при високому тиску. ВН – водяний насос – елемент призначений для підвищення

напору води та примусової її циркуляції. Е – ежектор – елемент, що складається з

3 вузлів: 1 – сопло Лаваля – вузол призначений для перетворення високої

потенційної енергії тиску у високу кінетичну енергію швидкості, при чому тиск

падає до вакуумметричного; 2 – змішувальна камера – вузол призначений для

підсосу парів агента з випарювача та змішування їх із парами вакуумметричного

тиску з сопла Лаваля; 3 – дифузор – вузол призначений для переведення високої

кінетичної енергії швидкості потоку в потенційну енергію тиску до рівня тиску

конденсації. Комплекс елементів Г–Е–ВН називають термо–кінетичним

61

компресором (ТККМ), що здійснює ті ж функції, що компресор у ПКХУ. Інші

елементи працюють так само як елементи ПКХУ.

Термоелектричні холодильні установки (ТЕХУ). У мінімальній конфігурації

структурно–функціональна схема ТЕХУ виглядає наступним чином (рис 2.6).

Рисунок 2.6 – Структурно–функціональна схема ТЕХУ мінімальної

конфігурації

Принцип отримання холоду відрізняється від раніше розглянутих. За рахунок

різниці електричних потенціалів джерела постійного току U, що підводиться до

різнорідних напівпровідників А й Б на їх спаях здійснюється одночасно

нагрівання та охолодження.

Проведений аналіз структурних схем та особливостей функціонування

типових блоків устаткування парокомпресійної, газової, абсорбційної,

пароежекторної та термоелектричної холодильних установок дозволив базуючись

на принципі (фізичної) подібності [97–99] запропонувати метод узагальнення

холодильних установок, який полягає у наступному:

1. Представити весь комплекс обладнання ХУ у вигляді множини

noooO ,...,, 21 . (2.4)

2. Розбити множину (2.4) на 4 підмножини із характеристичними

предикатами, що характеризують функціональне призначення

обладнання 11 :POoO , 22 :POoO , 33 :POoO ,

44 :POoO , де 1P – перетворювач низького потенціалу у високий,

2P – теплорозсіювач, 3P – перетворювач високого потенціалу у

низький, 4P – теплопоглинач.

62

3. Провести дослідження параметричних залежностей та найбільш

типових режимів роботи блоків обладнання.

4. Отримати набори визначних параметрів блоків устаткування, порівняти

та зробити висновок про їх подібність.

Таким чином, у мінімальній конфігурації структурно–функціональна схема

узагальненої холодильної установки (УХУ) може виглядати так (рис 2.7).

Рисунок 2.7 – структурно–функціональна схема УХМ мінімальної

конфігурації

1 – Джерело надлишкового потенціалу, пов’язаного з зовнішнім

компенсуючим процесом; 2 – накопичувач–теплорозсіювач пов'язаний з

зовнішнім середовищем; 3 – трансформатор високого потенціалу у низький, 4 –

накопичувач–теплопоглинач пов'язаний із об’єктом, що охолоджується.

Тоді структурно–функціональна схема узагальненої холодильної установки

довільної конфігурації може виглядати наступним чином (рис 2.8).

Рисунок 2.8 – структурно–функціональна схема УХУ довільної конфігурації

Тоді для ПКХУ:

,,...,,,,...,,,,,,,...,, 21212121 NrvNlrNkdNkm РВРВРВЛРЛРЛРКДКДКДКМКМКМO

NvnNvrNkam ВНВНВНВРВРBPКАМКАМКАМ ,...,,,,...,,,,...,, 212121

NkmКМКМКМO ,...,, 211 ,

63

NvnNlrNkd ВНВНВНЛРЛРЛРКДКДКДO ,,,,...,,,,...,, 2121212 ,

NrvРВРВРВO ,...,, 213 ,

NvrNkam ВРВРВРКАМКАМКАМO ,...,,,,...,, 21214 ,

де NkmКМКМ1 компресори, NkdКДКД1 конденсатори,

NlrЛРЛР1 лінійні ресивери, NkamКАМКАМ1 камери охолодження,

NvrВРВР1 віддільники рідини, NrvРВРВ1 регулюючі вентилі,

NvnВНВН1 водяні насоси.

Структурно–функціональна схема парокомпресійної холодильної установки

довільної конфігурації може виглядати наступним чином (рис 2.9).

Рисунок 2.9 – структурно–функціональна схема УХУ довільної конфігурації

Відповідно до структурно–функціональної схеми УХУ довільної конфігурації

холодильна установка може мати довільне число камер, що відрізняються за

температурними режимами, які в свою чергу залежать від типу продукту, який

там зберігається. Камери зазвичай поєднується у групи за схожими

температурними режимами. Кожна з груп зазвичай обслуговується групою

компресорів. У системі може використовуватись один чи декілька конденсаторів

та зазвичай така ж кількість лінійних ресиверів.

Для ГХУ:

,,...,,,,...,,,,,,,...,, 21212121 NrNtdNtoNtkm РРРТДТДТДТОТОТОТКМТКМТКМO

NvnВНВНВН ,...,, 21 ,

NtkmТКМТКМТКМO ,...,, 211 ,

64

NvnNto ВНВНВНТОTOTOO ,,,,...,, 21212 ,

NtdТДТДТДO ,...,, 213 ,

NрРРРO ,...,, 214 ,

де NtkmТКМТКМ1 турбокомпресори, NtoТОТО1 теплообмінники,

NvnВНВН1 водяні насоси, NtdТДТД1 турбодетандери,

NrРР1 рефрижератори.

Для АХУ:

,,,,,,,...,,,2,...,2,2,,...,, 21212122121 ЛРЛРКДКДКДAAAРВРВРВГГГO NkdNaNrvNg

,,...,,,,...,,,1,...,1,1,..., 2121121 NvnNkamNrvNlr ВНВНВНКАМКАМКАМРВРВРВЛР

NaNrvNg AAAРВРВРВГГГO ,...,,,2,...,2,2,,...,, 21221211 ,

NvnNlrNkd ВНВНВНЛРЛРЛРКДКДКДO ,,,,...,,,,...,, 2121212 ,

1213 1,...,1,1 NrvРВРВРВO ,

NkamКАМКАМКАМO ,...,, 214 ,

де NgГГ1 генератори, NаАА1 абсорбери,

NkdКДКД1 конденсатори, NlrЛРЛР1 лінійні ресивери,

NkamКАМКАМ1 камери охолодження, NrvРВРВ1 регулюючі вентилі,

NvnВНВН1 водяні насоси.

Для ПЕХУ:

,,...,,,,,,,...,,,,...,, 21212121 NlrNkdNgNе ЛРЛРЛРКДКДКДГГГЕЕЕO

NvnNkamNrv ВНВНВНКАМКАМКАМРВРВРВ ,...,,,,...,,,,...,, 212121

NgNе ГГГЕЕЕO ,...,,,,...,, 21211 ,

NvnNlrNkd ВНВНВНЛРЛРЛРКДКДКДO ,,,,...,,,,...,, 2121212 ,

NrvРВРВРВO ,...,, 213 ,

NkamКАМКАМКАМO ,...,, 214

де NeЕЕ1 ежектори, NgГГ1 генератори, NkdКДКД1 конденсатори,

NlrЛРЛР1 лінійні ресивери, NkamКАМКАМ1 камери охолодження,

65

NvrВРВР1 віддільники рідини, NrvРВРВ1 регулюючі вентилі,

NvnВНВН1 водяні насоси.

Для ТЕХУ:

NNaNbNplNu AAAБББPlPlPlUUUO ,...,,,,...,,,,,,,...,,,,...,, 2121212121 ,

NuUUUO ,...,, 211 ,

NplPlPlPlO ,...,, 212 ,

NbNa БББАААO ,...,,,,...,, 21213 ,

NO ,...,, 214 ,

де NuUU1 джерела постійного току, NbNa ББAA 11 , напівпровідники.

Враховуючи складність експериментального дослідження із встановленням

експериментів холодильних установок всіх типів показано подальшу роботу

метода на прикладі парокомпресійної холодильної установки.

2.2 Дослідження перехідних процесів та найбільш типових режимів роботи

елементів УХУ

Моделювання перехідних процесів проведено із використанням

математичних методів [100–102] у середовищі моделювання DCNET, оскільки ця

програма дозволяє здійснити графічне введення дискретно – неперервної моделі

об’єкта у вигляді дискретно–неперервної мережі, можливість відслідковування

змін в структурі об’єкта управління в процесі моделювання, наявність режиму

покрокового моделювання з можливістю модифікації структури й стану

неперервних частин об’єкта [103].

Дослідження динамічних характеристик проводимо, подаючи на вхід

елементів установки одиничний вхідний сигнал.

2.2.1 Моделювання роботи компресора.

Моделюванню підлягають наступні режими роботи компресора:

Нормальні режими:

1. Нормальний запуск на «холостому ході» .

66

2. Нормальний запуск під навантаженням.

Аварійні режими:

1. Всмоктування в компресор відсутнє – аварійний режим.

2. Нагнітання перекрито аварійний режим.

Нормальний запуск на холостому ході. Згідно з даними отриманими

експериментально на діючій установці та у відповідності до [104] перехідна

характеристика у даному режимі має вигляд:

Рисунок 2.10 – Експериментальна перехідна характеристика

Наведена характеристика описується рівнянням наступного вигляду:

0PKPk , (2.5)

де kP – тиск на боці нагнітання компресору, МПа,

0P – тиск на боці всмоктування компресору, МПа,

K – коефіцієнт передачі.

В результаті обробки експериментальної перехідної характеристики

(рис. 2.10) отримаємо

6.00

P

PK k .

Рівняння: 06.0 PPk .

Структурна схема для моделювання в DCNET:

Рисунок 2.11 – Структурна схема для моделювання процесу

Перехідна характеристика моделі об’єкту:

67

Рисунок 2.12 – Перехідна характеристика моделі об’єкту

Запуск під навантаженням. Згідно з даними отриманими експериментально

на діючій установці та у відповідності до [104] перехідна характеристика у

даному режимі має вигляд

Рисунок 2.13 – Експериментальна перехідна характеристика

Така характеристика також описується рівнянням вигляду (2.5).

В результаті обробки експериментальної перехідної характеристики (рис.

2.13) отримаємо:

35.20

P

PK k .

Рівняння: 035.2 PPk .

Структурна схема для моделювання в DCNET:

Рисунок 2.14 – Структурна схема для моделювання процесу

68

Перехідна характеристика моделі об’єкту:

Рисунок 2.15 – Перехідна характеристика моделі об’єкту

Всмоктування в компресор відсутнє. Згідно з даними отриманими

експериментально на діючій установці та у відповідності до [104] перехідна

характеристика у даному режимі має вигляд:

Рисунок 2.16 – Експериментальна перехідна характеристика

Така характеристика описується диференційним рівнянням наступного

вигляду:

0212

2

21 )()()(

PKPd

dPTT

d

PdTT k

kk

, (2.6)

де T1 T2 – постійні часу, які характеризують інерційність процесу.

В результаті обробки перехідної характеристики (рис. 2.9) отримаємо

T1 = 0.48 хв., T2 = 0.45 хв., К=0.52

69

Диференційне рівняння: 02

2

52.0)()(

93.0)(

216.0 PPd

dP

d

Pdk

kk

.

Структурна схема для моделювання в DCNET:

Рисунок 2.17 – Структурна схема для моделювання процесу

Перехідна характеристика:

Рисунок 2.18 – Перехідна характеристика моделі об’єкта

Нагнітання перекрито. Згідно з даними отриманими експериментально на

діючій установці та у відповідності до [104] перехідна характеристика у даному

режимі має вигляд:

70

Рисунок 2.19 – Експериментальна перехідна характеристика

Така характеристика описується диференційним рівнянням наступного

вигляду:

0)()(

PKPd

dPT k

k

, (2.7)

де T – постійна часу

В результаті обробки перехідної характеристики (рис. 2.19) отримаємо T =

0.4 хв., К=2.13

Диференційне рівняння: 013.2)(

)(4.0 PP

d

dPk

k

.

Структурна схема для моделювання в DCNET:

Рисунок 2.20 – Структурна схема для моделювання процесу

71

Перехідна характеристика:

Рисунок 2.21– Перехідна характеристика моделі об’єкту

Порівняння результатів моделювання з експериментальними даними

показало, що досліджувані режими можливо описати диференційними

рівняннями наведеного вигляду відповідно кожному режиму.

2.2.2 Моделювання роботи конденсатора.

При підвищенні рівня в конденсаторі згідно з даними отриманими

експериментально на діючій установці та у відповідності до [104] перехідна

характеристика у даному режимі має вигляд

Рисунок 2.22 – Експериментальна перехідна характеристика

Така характеристика описується диференційним рівнянням наступного

вигляду:

72

GKd

dH

d

HdT

)()(2

2

, (2.8)

де T – постійна часу,

H – рівень холодильного агенту в конденсаторі,

G – витрати холодильного агенту на вході в конденсатор,

K– коефіцієнт передачі.

В результаті обробки перехідної характеристики (рис. 2.22) отримаємо

T = 1.8 год., К=55% розмірність G .

Диференційне рівняння: Gd

dH

d

Hd 55

)()(8.1

2

2

.

Структурна схема для моделювання в DCNET:

Рисунок 2.23 – Структурна схема для моделювання процесу

Перехідна характеристика:

Рисунок 2.24 – Перехідна характеристика моделі об’єкту

2.2.3 Моделювання роботи лінійного ресивера

При підвищенні рівня в ресивері або при повному закритті регулюючого

вентиля згідно з даними отриманими експериментально на діючій установці та у

відповідності до [104] перехідна характеристика має вигляд

73

Рисунок 2.25 – Експериментальна перехідна характеристика

Така характеристика описується диференційним рівнянням наступного

вигляду:

GKd

dH

d

HdT

)()(2

2

, (2.9)

де T – постійна часу,

H – рівень холодильного агенту в лінійному ресивері,

G – витрати холодильного агенту на виході з лінійного ресивера,

K – коефіцієнт передачі.

В результаті обробки перехідної характеристики (рис. 2.25) отримаємо

T = 2 год., К= 47.06 % (кг/с) .

Диференційне рівняння: Gd

dH

d

Hd 06.47

)()(2

2

2

.

Структурна схема для моделювання в DCNET:

Рисунок 2.26 – Структурна схема для моделювання процесу

74

Перехідна характеристика:

Рисунок 2.27 – Перехідна характеристика моделі об’єкту

2.2.4 Моделювання роботи холодильної камери під час виходу на режим

при різних значеннях витрати холодильного агенту

Згідно з даними отриманими експериментально на діючій установці та у

відповідності до [104] перехідні характеристики для межового режиму (від 35 до

–15 0С) має вигляд:

Рисунок 2.28 – Експериментальна перехідна характеристика при відкритті РВ

на 60%

75

Рисунок 2.29 – Експериментальна перехідна характеристика при відкритті РВ

на 100%

Такі характеристики описуються диференційним рівнянням наступного

вигляду:

GKtd

dtTT

d

tdTT кам

камкам )()()(

212

2

21

, (2.10)

де T1,Т2 – постійні часу,

tкам – температура в камері,

G – витрати холодильного агенту на вході в камеру, (кг/с),

K – коефіцієнт передачі.

Структурна схема для моделювання в DCNET:

Рисунок 2.30 – Структурна схема для моделювання процесу

76

Регулюючий орган відкрито на 60 %. В результаті обробки перехідної

характеристики (рис. 2.31) отримаємо T1 = 8, год., T2 = 9.5 год.,

К= 65 0 С (кг/с).

Диференційне рівняння: Gtd

dt

d

tdкам

камкам 65)()(

5.17)(

762

2

.

Перехідна характеристика:

Рисунок 2.31 – Перехідна характеристика моделі об’єкту

Регулюючий орган відкрито на 100 %. В результаті обробки перехідної

характеристики (рис. 2.32) отримаємо T1 = 3.5 год., T2 = 5.4 год., К= 65 0 С/ (кг/с)

Диференційне рівняння: Gtd

dt

d

tdкам

камкам 65)()(

9.8)(

9.182

2

.

Перехідна характеристика:

Рисунок 2.32 – Перехідна характеристика моделі об’єкту

77

2.2.5 Оцінка результатів моделювання перехідних процесів елементів УХУ

Таблиця 2.1 Вихід на заданий режим роботи компресора

Режим роботи

компресора

Рівняння моделі об’єкту Перехідні характеристики:

_____ експериментальна

_____ отримана в результаті моделювання

Нормальний запуск

на холостому ході

06.0 PPk

Запуск під

навантаженням

035.2 PPk

78

Аварійний режим

№1 (всмоктування

в компресор

відсутнє)

02

2

52.0)()(

93.0)(

216.0 PPd

dP

d

Pdk

kk

Аварійний режим

№2 (нагнітання

перекрито)

013.2)()(

4.0 PPd

dPk

k

79

Таблиця 2.2 Вихід на заданий режим роботи холодильної камери

Ступінь

відкриття

РВ,

%

Диференційне рівняння моделі

об’єкту

Перехідні характеристики:

_____ експериментальна

_____ отримана в результаті моделювання

60% Gt

d

dt

d

tdкам

камкам 65)()(

5.17)(

762

2

100% Gt

d

dt

d

tdкам

камкам 65)()(

9.8)(

9.182

2

80

Таблиця 2.3 Реакція елементів установи на внесення збурень

Збурення, яке

поступає в систему

Диференційне рівняння

моделі об’єкту

Перехідні характеристики:

_____ експериментальна

_____ отримана в результаті моделювання

Зміна витрати

холодильного агенту

на виході з Кд

(зачинено вентиль 6)

Gd

dH

d

Hd 55

)()(8.1

2

2

Зміна витрати

холодильного агенту

на виході з Лр

(зачинено вентиль 7

або РВ)

Gd

dH

d

Hd 06.47

)()(2

2

2

81

Аналіз порівняння перехідних характеристик, отриманих під час

експериментальних досліджень парокомпресійної холодильної установки та

отриманих в результаті моделювання, показав, що всі створені моделі елементів

установки відповідають дійсним.

Представлений метод дозволяє уніфікувати структурно–параметричний опис

холодильного устаткування для формування моделі керування холодильними

установками різних типів та конфігурації.

2.3 Удосконалення схеми керування холодильними установками

Спираючись на класичну модель управління запропоновану Растригіним

[105] (рис. 2.33), пропонується удосконалена схема управління узагальненою

холодильною установкою (рис 2.34).

Рисунок 2.33 – Класична схема управління

YDD ,X – оператори датчиків за допомогою яких вимірюється стан

середовища і об’єкта відповідно. Результати вимірювань

)(X XDXd і )(d YDY Y (2.11)

є початковою інформацією для управляючого пристрою, який виробляє

управляючу дію U. Управляючим пристроєм, є система вентилів, за допомогою

82

яких здійснюється регулювання подачі холодильного агента і води в систему.

Таким чином:

),,( EUXFY . (2.12)

Основою для вироблення управляючої дії є інформація про ситуацію, що

склалася

dd YXI , . (2.13)

Рисунок 2.34 – Удосконалена схема управління

На відміну від класичного варіанту схеми, за якою керування

представляється як результат роботи алгоритму на основі опису стану

середовища об'єкта і цілі керування

),( *ZIU , (2.14)

удосконалена схема містить систему підтримки прийняття рішень, яка, за

допомогою сучасних методів штучного інтелекту виробляє набір рекомендованих

83

рішень int , який являє собою набір інструкцій яким чином у ситуації I

досягнути мети Z*. Цей набір корегує набір дій с запропонований оператором.

Таким чином, формується найкраще рішення для формування еталонного

керуючого впливу, що унеможливлює виконання помилкової керуючої дії:

*),(*),(int ZIZI c . (2.15)

2.4 Модель управління УХУ

Відома схема управління [105] припускає, що процес управління складним

об'єктом складається з наступних етапів: формулювання цілей управління {Z*},

визначення об'єкту управління, структурного синтезу моделі, ідентифікації

параметрів моделі, планування експериментів, синтезу управління, реалізації

управління і корекції.

Об'єктом управління вважатимемо узагальнену холодильну установку, а саме

складний об'єкт змінної структури. Узагальнення холодильної установки дозволяє

гнучко настроювати параметри управління під будь–які окремі випадки її

конфігурації. Усі типи холодильних установок можна класифікувати по ряду

ознак. Кожен з них характеризує тільки одну особливість установки; тому у

визначенні конкретної холодильної установки можуть використовуватися

декілька ознак. Враховуючи це холодильну установку можна розглядати як

складну штучну відкриту людино–машинну систему з управлінням, що діє в

умовах невизначеності.

На базі метода узагальнення та удосконаленої схеми управління розроблено

модель управління узагальненою холодильною установкою.

Мета управління:

minmin,,:* krcconsttZ vrkamij , (2.16)

де ijkamt – температура і–ї камери j–го температурного режиму,

vr час виходу на режим,

krc коефіцієнт робочого часу обладнання.

84

Вимірюваними вхідними чинниками є температура навколишнього

середовища ostx 1 і відносна вологість osx 2 , вектор вимірюваних вхідних

чинників

21,xxX . (2.17)

На об’єкт управління постійно впливають не спостережувані чинники

середовища, якими для холодильної установки можна вважати теплоприпливи:

54321 ,,,,Q QQQQQE об , (2.18)

де обQ – навантаження на камерне обладнання, 1Q – теплоприплив крізь

огороджуючі конструкції, 2Q – теплоприплив від продуктів, 3Q – теплоприплив

при вентиляції, 4Q – експлуатаційний теплоприплив, 5Q – теплоприплив від овочів

та фруктів у процесі «дихання».

Початковими факторами, які характеризують стан об'єкту, є складові вектора

HPTtYijkam ,,, . (2.19)

Елементи вектора Y:

Т – вектор температур,

210 ,,,,, wwknvs ttttttT , (2.20)

де vst – температура всмоктування, nt – температура нагнітання, kt –

температура конденсації, 0t – температура кипіння холодильного агента, 21, ww tt –

температура води на вході і виході з конденсатора відповідно. Кожен з цих

параметрів, окрім 0t , 1wt , 2wt в свою чергу є множиною з kmN елементів;

P – вектор тисків:

pppppP knvs ,,,, 0 , (2.21)

де vsp – тиск всмоктування, np – тиск нагнітання, kp – тиск конденсації, 0p –

тиск кипіння холодильного агента, p – різниця тисків до і після мастилонасоса.

vsp , np и kp в свою чергу є множинами з kmN елементів;

H – вектор рівнів:

gм ,,,,,, ННННННHH оglrкdмzмo , (2.22)

де мH – рівень мастила в компресорі, моH – рівень мастила в

мастиловіддільнику, мzH – рівень мастила в мастилозбірнику, кdH – рівень

85

холодильного агента в конденсаторі, lrH – рівень холодильного агента в

лінійному ресивері, оgH – рівень холодильного агента в віддільнику рідини, gH –

рівень заповнення камери вантажем.

),( WGftijkam , (2.23)

де G – кількість поданого холодильного агенту,

W – потужність холодильної машини

У свою чергу,

)( rvSfG , (2.24)

де rvS – ступінь відкриття регулюючого вентиля,

)( kmNfW , (2.25)

де kmN – кількість компресорів.

Таким чином,

),( kmrvkam NSftij , (2.26)

),,( kmkamrvvr NNSf , (2.27)

де kamN кількість підключених камер

),,( vnkmkd NNNfkrc , (2.28)

де kdN кількість підключених конденсаторів

),,,,( kdvnkmkamrv NNNNSf . (2.29)

Створення моделі управління узагальненою холодильною установкою

дозволило формалізувати опис зв’язку станів об’єкта управління із входами для

визначення поточної управляючої дії для переводу об’єкту в потрібний стан.

2.5 Висновки по 2 розділу

1. Проведений аналіз структурних схем та особливостей функціонування

типових блоків устаткування парокомпресійної, газової, абсорбційної,

пароежекторної та термоелектричної холодильних установок дозволив

базуючись на принципі подібності запропонувати метод узагальнення

холодильних установок.

2. Представлений метод дозволяє уніфікувати структурно–параметричний опис

холодильного устаткування для формування моделі керування холодильними

установками різних типів та конфігурації.

86

3. Спираючись на класичну [105] розроблена удосконалена схема керування

узагальненою холодильною установкою, яка на відміну від існуючих, містить

блок інтелектуальної підтримки прийняття рішень, за допомогою якого

оператор отримує найкраще рішення для формування еталонного керуючого

впливу, що унеможливлює виконання помилкової керуючої дії.

4. На базі метода узагальнення та удосконаленої схеми управління розроблено

модель управління узагальненою холодильною установкою, що дозволило

формалізувати опис зв’язку станів об’єкта управління із входами для

визначення поточної управляючої дії для переводу об’єкту в потрібний стан.

87

РОЗДІЛ 3

СИНТЕЗ НЕЙРО–НЕЧІТКОЇ МОДЕЛІ ПІДТРИМКИ ПРИЙНЯТТЯ

РІШЕНЬ ПРИ КЕРУВАННІ ХОЛОДИЛЬНИМИ УСТАНОВКАМИ

3.1 Структурно–параметрична модель інтелектуальної підтримки

формування управляючих впливів

Відповідно до структурно–функціональної схеми УХУ розширеної

конфігурації вона може мати довільне число камер, що відрізняються за

температурними режимами, які в свою чергу залежать від типу продукту, який

там зберігається. Камери зазвичай поєднується у групи за схожими

температурними режимами. Кожна з груп зазвичай обслуговується групою

компресорів. Подача холодильного агенту в систему регулюється основними

регулюючими вентилями шляхом плавного регулювання, кількість яких у системі

зазвичай дорівнює кількості груп (температурних режимів). Крім того подачу

холодильного агенту на кожну з камер можна припинити шляхом перекриття

додаткових вентилів, що здійснюють двопозиційне регулювання. У системі може

використовуватись один чи декілька конденсаторів та зазвичай така ж кількість

лінійних ресиверів. Як докладено у першому розділі найбільш продуктивним є

комбінація плавного та позиційного управління холодильною установкою.

Процес функціонування холодильної установки (рис. 3.1 ) включає 3 етапи:

пуск, вихід на режим та підтримку режиму. На всіх цих етапах необхідно

виконувати підтримку операторських рішень для виконання задачі керування.

Відповідно до моделі керування УХУ, враховуючи залежності (2.26) – (2.29)

для зниження часу виходу на режим, стабілізації температурного режиму в

камерах та зниження коефіцієнту робочого часу холодильного устаткування

необхідно врахувати вплив таких факторів як ступінь відкриття регулюючих

вентилів та кількість одночасно працюючого обладнання.

88

Рисунок 3.1 – Схема процесу підтримки прийняття операторських рішень

Процес підтримки прийняття рішень при керуванні УХУ умовно поділено на

такі складові:

У1: Регулювання подачі холодильного агенту в систему за допомогою

вентилів РВ1–РВl (плавне регулювання);

У2: Регулювання подачі холодильного агенту на камери (двопозиційне

регулювання, ввімкнення/вимикання камер);

У3: Вмикання, або вимикання компресорів/груп компресорів (двопозиційне

регулювання);

89

У4: Регулювання подачі води на конденсатор (двопозиційне регулювання,

вмикання/вимикання водяних насосів, визначення кількості водяних насосів,

необхідних системі);

У5: Регулювання кількості необхідних в системі конденсаторів

(двопозиційне регулювання, вмикання/вимикання конденсаторів)

У6: Виконання додаткових дій, необхідних для нормального функціонування

холодильної установки;

Блок інтелектуальної підтримки має сформувати еталонний управляючий

вплив для кожної з представлених складових. Таким чином, модель

інтелектуальної підтримки формування управляючих впливів матиме наступну

структуру (рис 3.2):

Рисунок 3.2 – Структура моделі інтелектуальної підтримки формування

управляючих впливів

90

На роботу холодильної установки постійно здійснюють вплив різні чинники.

В процесі експлуатації холодильного устаткування з метою контролю та

управління здійснюється вимірювання великої кількості параметрів. Деякі з них

залежать один від одного, але у реальних умовах порушення кореляції їх значень

може свідчити про неправильну роботу холодильного устаткування та

необхідність здійснення управляючого впливу з метою запобігання аварійної

ситуації. Таким чином, важливою задачею є аналіз та виявлення параметрів, що

впливають на якість управління на різних етапах та введення їх у модель.

Загальний зведений перелік та опис параметрів представлений у Таблиці 3.1.

Таблиця 3.1 – Перелік параметрів

№ Позначення Назва Діапазон

можливих

значень

Один

иці

вимір

юванн

я

Параметричні

залежності

1 tkam і Температура в і –

камері

º С

2 tkam j Температурний

режим j групи

камер

º С

3 tos Температура

навколишнього

середовища

– 40< tos<45 º С

4 os Відносна

вологість

зовнішнього

середовища

20<os<90 %

5 tmt Температура по

мокрому

термометру

º С tmt=f(tos, φos)

6 t0 Температура

кипіння

холодильного

агента

º С t0=tkam–10

7 tk Температура

конденсації

º С tk=tmt+Δtk

8 Δtk Різниця

температур

º С Δtk=tmt–tk

9 tn Температура º С

91

нагнітання

10 tvs Температура

всмоктування

º С

11 tw1 Температура води

на вході в

конденсатор

º С tw1=tmt+3

12 tw2 Температура води

на виході з

конденсатора

º С tw2=tw1+4

13 tpr Температура

продукту

º С tpr=tкам+2

14 P0 Тиск кипіння

холодильного

агенту

2см

кгс P0=f(T0)

15 Pk Тиск конденсації 2см

кгс

Pk=f(tk)

16 Pvs Тиск

всмоктування

2см

кгс

Pvs=0.95P0

17 Pn Тиск нагнітання 2см

кгс

Pn=1.1Pk

18 Pmp Тиск у

маслопроводах

2см

кгс

19 ΔPm Різниця тисків

мастила до та

після

мастиловідсмокту

вача

ΔPm>=70 2см

кгс

20 Hм Рівень мастила в

компресорі

% Hм= ΔPm

21 Hmo Рівень мастила в

мастиловіддільни

ку

Hмо<=50 %

22 Нmzs Рівень мастила в

мастилозаправочн

ій посудині

%

23 Hms Рівень мастила в

мастилозбірнику

Hмс<=50 %

24 Hkd Рівень

холодильного

агента в

конденсаторі

Hкд<=10 %

25 Hlr Рівень

холодильного

20%<=Hлр<

=80%

92

агента в

лінійному

ресивері

26 Hog Рівень

холодильного

агента в

віддільнику

рідини

Hож<=70%

27 Hkam Рівень заповнення

камери вантажем

0%<=Hkam<

=100%

28 Tvr Час виходу на

режим

Tvr<=24

Опишемо складові моделі інтелектуальної підтримки формування

управляючих впливів та визначимо перелік та число вхідних та вихідних

параметрів за допомогою методів математичної статистики [106].

Першою складовою є регулювання подачі холодильного агенту в систему за

допомогою основних регулюючих вентилів. Згідно зі схемою кожен з основних

регулюючих вентилів регулює подачу холодильного агенту на групу камер зі

схожими температурними режимами. Тоді вихідним параметром моделі є Srvi –

ступінь відкриття і–го регулюючого вентиля. На необхідність регулювання

впливають такі параметри як

температура навколишнього середовища tos, температура по мокрому

термометру tmt, відносна вологість os. Ці параметри впливають на

температуру у камерах, тому їх можна виключити з числа вхідних параметрів

моделі;

температура кожної з камер групи (якщо вона не попадає у діапазон, то

необхідно здійснити регулювання) tkamij – температура i –ї камери j–ї групи;

температура всмоктування tvs та тиск всмоктування Pvs. Так як ці параметри є

залежними, а їх значення корелюючими, то можна у якості вхідного параметра

моделі використовувати один з них;

рівень холодильного агенту у лінійному ресивері Hlr;

рівень холодильного агенту у віддільнику рідини Hog;

час вимірювання Tvim.

93

Таким чином, модель управління подачею холодильного агенту в систему

можна описати наступним чином:

),,,( oglrvskamrv HHttfSijj

, (3.1)

Рисунок 3.3 – Модель управління подачею холодильного агенту в систему

Другою складовою є регулювання подачі холодильного агенту

безпосередньо на камери. Тобто, якщо в камері встановлено необхідний

температурний режим, або якщо температура наближається до мінімально

припустимого значення minijkamt , то камеру можна відключити, перекривши

подачу холодильного агенту на неї. Це допоможе зекономити ресурси системи та

запобігти перемерзанню продукту. Якщо температурній режим у камері

порушено, тобто температура в камері ijkamt перевищує припустиме значення

maxijkamt , то подачу холодильного агента на камеру необхідно відновити.

Модель регулювання подачі холодильного агенту на камери можна описати

наступним чином:

),,( maxmin ijijijijkamkamkamkam tttfV , (3.2)

де ij

kamV – підключення чи відключення i–ї камери j–ї групи

Третьою складовою є регулювання подачі холодильного агенту у систему за

рахунок вмикання або вимикання компресорів. Зазвичай компресори можна

умовно поділити на групи, що обслуговують групи камер із схожими

температурними режимами.

94

Рисунок 3.4 – Модель управління подачею холодильного агенту на камери

. У кожній групі є ведучий компресор та допоміжні. Таким чином,

регулюючи кількість підключених на даний момент компресорів можна

регулювати тиск рідини у системі.

Модель управління кількістю працюючих компресорів можна описати

наступним чином:

),,,,,,,( oglrMpsmpnkkamkompr HHHpptttfViiij

ij

, (3.3)

де ij

komprV – підключення чи відключення i–го компресора j–ї групи

Рисунок 3.5 – Модель управління кількістю працюючих компресорів

Четвертою складовою є регулювання подачі води на конденсатори шляхом

вмикання або вимикання водяних насосів. Таким чином, для здійснення

управління необхідно визначити кількість необхідних на даний час системі

насосів.

Модель управління кількістю працюючих водяних насосів можна описати

наступним чином:

95

),,( 21 wwkVN tttfN , (3.4)

де VNV – кількість необхідних насосів

Рисунок 3.6 – Модель управління кількістю працюючих насосів

П’ятою складовою є регулювання кількості ввімкнених конденсаторів

необхідних для нормального функціонування системи.

Модель управління кількістю працюючих конденсаторів можна описати

наступним чином:

),( kosKD ttfN , (3.5)

де KDV – кількість конденсаторів

Рисунок 3.7 – Модель управління кількістю працюючих конденсаторів

Шостою складовою є визначення необхідності проведення додаткових дій,

що забезпечують нормальне функціонування холодильної установки. До таких дій

можна віднести:

y1i – відтаювання i–ї камери. Проводиться коли холодильна машина працює

на повну потужність Wmax, температура в камері tkami збільшується;

y2 – звільнення віддільника рідини. Проводиться, коли рівень рідини у

віддільника рідини Hog наближається або перевищує максимально

припустимий рівень Hogmax;

96

у3і – дозаправка i–го компресора мастилом. Проводиться, коли рівень

мастила у і–му компресорі HMi менш мінімально припустимого рівня HMi min;

у4 – дозаправка холодильним агентом. Здійснюється, коли рівень

холодильного агенту у лінійному ресивері Hlr наближається, або менш

мінімально припустимого рівня Hlr min.

Таким чином, модель управління виконання додаткових дій можна описати

наступним чином:

),,,,,,,(}4,3,2,1{6 minminmax lrlrMMogogkamii HНHHHHtWfyyyyYiii

(3.6)

Рисунок 3.8 – Модель управління виконанням додаткових дій

Зворотній зв'язок, а саме вплив регульованих параметрів управління на стан

установки можно описати за допомогою залежностей

oglrvsnkamrv HHtttSj

,,,, , (3.7)

ijij kamkam tV ,

(3.8)

WHHppsttN oglrinkamkm ,,,,, , (3.9)

nwwkvn ttttN ,,, 21 , (3.10)

lrкwwkd HtttN ,,, 21 , (3.11)

Wty kami ,1 , (3.12)

ogvs Hty ,2 , (3.13)

pmpHy Mi ,3 , (3.14)

lrHy 4 . (3.15)

97

Таким чином, структура моделі інтелектуальної підтримки формування

управляючих впливів приймає вигляд рис.3.9

Рисунок 3.9 – Структура моделі інтелектуальної підтримки формування

управляючих впливів

98

3.2 Методи та засоби формування навчальної та тестової вибірки

Враховуючи нечіткий характер багатьох параметрів та високу ступінь

невизначеності кількості елементів системи та її складність, а також прогнозовану

зростаючу складність математичних залежностей доцільним є реалізація

гібридної моделі управління узагальненим холодильним устаткуванням за

допомогою нейро–нечіткого моделювання [107–117].

Для процесу навчання нейронної мережі необхідно мати навчальну та

тестуючи вибірки, отримані експериментальним шляхом. В процесі

функціонування нейронна мережа формує вихідний сигнал Y відповідно до

вхідного сигналу X, реалізуючи деяку функцію )(XgY . Якщо архітектура

мережі задана, то вигляд функції g визначається значеннями синаптичних вагів і

зміщень мережі. Вирішити поставлене завдання за допомогою нейронної мережі

заданої архітектури – це означає синтезувати функцію g, підібравши параметри

нейронів так, щоб функціонал якості перетворювався в оптимум для усіх пар

),( ** YX . Навчання полягає в синтезі функції g, що вимагає тривалих обчислень і

є ітераційною процедурою. На кожній ітерації відбувається зменшення функції

помилки [47].

3.2.1. Опис установки, яка є базовою для проведення експерименту

Холодильна установка ТОВ «Єреміївський м'ясокомбінат» має у складі

парокомпресійну аміачну холодильну установку та 30 приміщень, що

охолоджуються (камер) для зберігання продуктів. Показники приміщень, що

охолоджуються представлені у таблиці (Додаток А).

Холодильна машина складається з 12 компресорів, що умовно поділяються

на 2 групи за температурними режимами –15 та –33 ºС, 1 конденсатор, 1

лінійний ресивер, 1 дренажний ресивер, 1 віддільник рідини, 7 водяних насосів.

99

3.2.2. Отримання даних від експертів та розподіл експериментальних

даних на навчальну та тестуючу вибірки

Інформаційна невизначеність на початкових етапах життєвого циклу

складних об'єктів і систем робить значний вплив на подальші процеси

проектування і виготовлення. Відсутність повноцінних початкових даних і

обмежень, які можна було б отримати на пізніших етапах, призводить до

зростання ролі експертів, імітаційного моделювання і прогнозування, що

визначають апріорну інформацію і дозволяють перейти до реалізації початкових

етапів життєвого циклу. Дуже важливим є визначення компетентності експертів.

На сьогодні відомі досить багато підходів до дослідження компетентності

експертів, що базуються, значною мірою, на суб'єктивних судженнях тих, що

використовують понятійний апарат психології і, у кращому разі, методи

елементарної алгебри. Їх недоліками є відсутність системного підходу до

формалізації проблеми і класифікації завдань дослідження, а також єдиного

представлення даних і результатів в автоматизованих системах підтримки

прийняття рішень. Тому визначення компетентності експертів проводилось на

базі аксіоми незміщеності, у якій стверджується, що думка більшості компетентна

і, як наслідок, найбільш компетентним необхідно рахувати того експерта,

розбіжність думок якого з думками інших експертів мінімальна [118].

У якості експертів було обрано працівників ТОВ «Єреміївський

м’ясокомбінат», викладачів Одеської національної академії харчових технологій

(ОНАХТ), та Одеського технічного коледжу ОНАХТ що викладають дисципліни

пов’язані із управлінням холодильним устаткуванням. Також було

проаналізовано документацію холодильних установок різної конфігурації. Для

отримання знань були застосовані текстологічні та комунікативні методи [119].

Отримані знання було формалізовано та представлено у вигляді продукційних

правил.

В процесі пуску важливим завданням є завдання виконати правильну

послідовність дій і не допустити виникнення аварійної ситуації. Окрім

регулюючих вентилів, що регулюють подачу холодильного агенту в систему

100

існують ще запірні вентилі V1–V29. Управління узагальненою холодильною

установкою в процесі пуску можна описати за допомогою правил продукцій:

1. Якщо система не запущена ТА V11 закритий ТА V12 закритий ТО нормальна

робота.

2. Якщо апарати вимкнені ТА КМ запущений ТО спалах мастила в циліндрі.

3. Якщо ВН включений ТА КМ не запущений ТА V12 відкритий ТА V11

закритий ТО спустошення насоса.

4. Якщо V11 відкритий ТА V12 відкритий ТА V3 відкритий ТА V4 відкритий

ТА МН запущений ТА КМ запущений ТО нормальний запуск.

5. Якщо V1 відкритий ТА V2 відкритий ТА V3 закритий ТА КМ запущений Те

нормальна робота.

6. Якщо водяна система запущена ТА V1 закритий ТА V2 закритий ТА V3

відкритий ТО КМ включити.

7. Якщо водяна система запущена ТА V1 відкритий ТА V2 закритий ТА КМ

запущений, ТО в компресорі знижується тиск ТА спінюється мастило ТА

масляний гідроудар.

8. Якщо водяна система запущена ТА V1 закритий ТА V2 відкритий ТА КМ

запущений, ТО в компресорі росте тиск ТА небезпека руйнування

компресора (вибух).

9. Якщо водяна система запущена ТА V1 відкритий ТА V2 відкритий ТА КМ

запущений, ТО небезпека гідравлічного удару.

10. Якщо холостий хід ТА V1 відкритий ТА V2 відкритий ТА V3 закритий, ТА

V9 відкритий ТО вихід на режим.

11. Якщо холостий хід ТА V1 відкритий ТА V2 відкритий ТА V3 закритий, ТА

V9 закритий ТО тиск нагнітання росте, тиск всмоктування падає, небезпека

гідравлічного удару.

12. Якщо водяна система запущена ТА V1 відкритий ТА V2 відкритий ТА V3

відкритий, ТА система мала ТО падіння холодопродуктивності.

13. Якщо водяна система запущена ТА V1 відкритий ТА V2 відкритий ТА V3

відкритий, ТА система велика ТО холостий хід.

101

Наступні правила відносяться до управління процесом виходу на режим та

підтримки режиму:

14. Якщо V9 закритий АБО V9 недостатньо відкритий ТО переповнювання

лінійного ресивера.

15. Якщо V7 закритий ТО переповнювання лінійного ресивера.

16. Якщо лінійний ресивер переповнений, ТО тиск конденсації росте, тиск

нагнітання росте, спалах мастила в циліндрі компресора.

17. Якщо віддільник рідини переповнений ТА V21 закритий ТА система працює

ТО гідравлічний удар.

18. Якщо рівень у віддільнику рідини ТО відкрити V21, закрити V7.

19. Якщо V21 відкритий ТА V7 відкритий ТО переповнювання віддільника

рідини ТА гідравлічний удар.

20. Якщо рівень мастила в компресорі, ТО нормальна робота.

21. Якщо рівень мастила в компресорі, ТО перегрівання деталей компресора,

небезпека заклинювання.

22. Якщо V5 відкритий ТА V6 відкритий ТА V28 закритий ТО нормальна

робота.

23. Якщо V5 відкритий ТА V6 закритий ТО переповнювання конденсатора.

24. Якщо переповнювання конденсатора ТО тиск конденсації росте ТА тиск

нагнітання росте – спалах мастила в циліндрі компресора.

25. Якщо V5 зачинений ТА V6 відчинений ТО тиск нагнітання росте – спалах

мастила в циліндрі компресора.

26. Якщо переповнений масляний горщик в конденсаторі ТО відкрити V28.

27. Якщо переповнений масляний горщик в конденсаторі ТА V28 закритий ТО

мастило потрапляє в лінійний ресивер, випарники і погіршується теплообмін.

28. Якщо переповнений масляний горщик в лінійному ресивері ТА V29 закритий

ТО мастило потрапляє у випарник ТА погіршується теплообмін.

При розробці інтелектуальних систем знання про конкретну предметну

область, для якої створиться система, рідко бувають повними і абсолютно

достовірними. Навіть кількісні дані, отримані шляхом досить точних

102

експериментів, мають статистичні похибки достовірності, надійності, значущості

і т. д. Інформація, якою заповнюються база знань, виходить в результаті

опитування експертів, думки яких суб'єктивні і можуть розходитись.

Разом з кількісними характеристиками у базах знань повинні зберігатись

якісні показники, евристичні правила, текстові знання і т. д. При обробці знань із

застосуванням жорстких механізмів формальної логіки виникає протиріччя між

нечіткими знаннями і чіткими методами логічного виводу. Вирішити це

протиріччя можна або шляхом подолання нечіткості знань, або з використанням

спеціальних методів представлення і обробки нечітких знань [120].

Отримані від експертів дані не містять вичерпної інформації, тому для

доповнення бази правил доцільно використання нейронної мережі. Для отримання

навчальної вибірки при рішенні задачі прогнозування стану системи і вибору

управляючої дії, був проведений аналіз журналів добової роботи компресорного

цеху Одеського м'ясопереробного заводу (ТОВ «Єреміївський м'ясокомбінат») за

річний період. Ці журнали містять дані, зняті з показників датчиків через малі

проміжки часу (кожні 2 години).

Для отримання навчальної вибірки взято показники отримані 1 числа

кожного місяця року. Для отримання тестуючої вибірки взято показники отримані

15 числа кожного місяця року. Отримані вибірки занесено у таблиці (Додаток Б).

3.3 Нейро–нечітка реалізація моделі інтелектуальної підтримки

формування управляючих впливів

Для побудови нейро–нечіткої моделі підтримки прийняття рішень

використаний пакет Fuzzy Logic Toolbox системи MATLAB [121–126], в якому

гібридні мережі реалізовані у формі адаптивних систем нейро–нечіткого

виведення ANFIS.

Складові моделі підтримки прийняття рішень У1 – У5 реалізовані у вигляді

нейро–нечітких, У6 – нечітких систем виведення з навчанням на

експериментальних даних діючого устаткування. Нейро–нечіткі системи

103

представлені у вигляді моделі ANFIS п’ятишаровими нейронними мережами

прямого розповсюдження сигналу (рис. 3.9, 3.12, 3.13, 3.16, 3.19). Перший шар

визначає нечіткі терми вхідних параметрів. Виходи вузлів цього шару є

значеннями функції належності при конкретних значеннях входів. Другий шар

визначає посилки нечітких правил. Кожен вузол цього шару відповідає одному

нечіткому правилу. Вузол другого шару сполучений з тими вузлами першого

шару, які формують передумови відповідного правила. Виходами вузла є міра

виконання правила, яка розраховується як добуток вхідних сигналів. Третій шар

здійснює нормалізацію мір виконання правил

i

ii

. Не адаптивні вузли

цього шару розраховують відносну вагу виконання нечіткого правила. У вузлі

четвертого шару розраховується вклад нечіткого правила vi у вихід мережі. П'ятий

шар формує управляючий сигнал [122].

Система нейро–нечіткого виведення моделі управління подачею

холодильного агенту в систему У1 представлена на рис. 3.9.

Рисунок 3.9 – Система нейро–нечіткого висновку У1

Вхідні параметри представлені лінгвістичними змінними

tkam, – "температура в камері";

tvs – "температура всмоктування";

104

Hlr – "рівень рідини в лінійному ресивері";

Hog – "рівень рідини у віддільнику рідини";

Вихідний параметр представлений лінгвістичною змінною:

Srv – "міра відкриття регулюючого вентиля";

Було проаналізовано функції належності різних типів та обрано трикутні, як

найбільш відповідаючі поставленій задачі. Від експертів отримані дані про

можливі діапазони зміни параметрів. На базі цих даних побудовано функції

належності лінгвістичних змінних. (рис 3.10). Вхідні та вихідні параметри моделі

представлені лінгвістичними змінними що визначені на терм–множині

V={"низький", "середній", "високий"}, чи з використанням загальноприйнятих

позначень V={NS, Z, PS}. Лінгвістичні змінні представлені трикутними

функціями належності, які за результатами випробувань найбільш точно

описують представлені змінні.

Рисунок 3.10 – Функції належності лінгвістичних змінних tkam та rv

За допомогою модулю anfis та навчальної вибірки навчено нейронну мережу.

Після цього мережу протестовано за допомогою тестуючої вибірки. Похибка

складає 1,93. За допомогою навченої нейронної мережі отримано уточнення бази

правил (рис 3.11).

105

Рисунок 3.11 – База правил У1

Система нейро–нечіткого висновку моделі регулювання подачі холодильного

агенту на камери представлена на рис 3.12.

Рисунок 3.12 – Система нейро–нечіткого висновку У2

Вхідні параметри представлені лінгвістичними змінними

- tkam – "температура в камері";

- tkammin – "мінімально припустима температура в камері";

- tkammax – "максимально припустима температура в камері";

106

Вхідні та вихідні параметри моделі представлені лінгвістичними змінними

що визначені на терм–множині V={"низький", "середній", "високий"}, чи з

використанням загальноприйнятих позначень V={NS, Z, PS}.

Регулювання відбувається за допомогою використання основних правил:

1. Якщо tkam>= tkammax ТО «Відновити подачу холодильного агенту на камеру».

У формальному вигляді: IF tkam>= tkammax THEN V=1

2. Якщо tkam<= tkammin ТО «Припинити подачу холодильного агенту на камеру».

У формальному вигляді: IF tkam<= tkammin THEN V=0. База правил

корегується та доповнюються шляхом використання нейромережі.

Система нечіткого висновку моделі регулювання кількістю працюючих

компресорів представлена на рис 3.13.

Рисунок 3.13 – Система нейро–нечіткого висновку У3

107

Вхідні параметри представлені лінгвістичними змінними:

tkam – "температура в камері";

tк – "температура конденсації";

Δpmp – «різниця тисків» ;

pps – «тиск у промпосудині»;

НM – рівень рідини у мастило збірнику;

Hlr – "рівень рідини в лінійному ресивері";

Hog – "рівень рідини у віддільнику рідини";

Вихідний параметр представлений лінгвістичною змінною

Nkm – кількість компресорів

Від експертів отримані дані про можливі діапазони зміни параметрів. На базі

цих даних побудовано функції належності лінгвістичних змінних (рис 3.14)

Рисунок 3.14 – Функції належності лінгвістичних змінних

а – Δpmp, б – tк, в – Hlr, г – Hog, д – Nkm

108

Рисунок 3.15 – а Тренування нейронної мережі, б база правил У3

За допомогою модулю anfis та навчальної вибірки побудовано та навчено

нейронну мережу. Результати тренування нейронної мережі представлені на рис.

3.15а. Після цього мережу протестовано за допомогою тестуючої вибірки.

Похибка складає 1,73. За допомогою навченої нейронної мережі отримано

уточнення бази правил рис. 3.15б.

Система нейро–нечіткого висновку моделі управління кількістю працюючих

насосів У4 представлена на рис. 3.16.

Рисунок 3.16 – Система нейро–нечіткого висновку моделі управління кількістю

працюючих насосів

Вхідні параметри представлені лінгвістичними змінними:

tk – "температура конденсації";

109

tw1 – "температура води на вході до конденсатора";

tw2 – "температура води на виході з конденсатора";

Вихідний параметр представлений лінгвістичною змінною:

Nvn – "кількість насосів";

Функції належності параметрів представлені на рис. 3.17

Рисунок 3.17 – Функції належності лінгвістичних змінних:

а – tw1, б – tw2, в – Nvn

За допомогою навченої нейронної мережі отримано уточнення бази правил

(рис 3.18).

Рисунок 3.18 – База правил У4

110

Система нейро–нечіткого висновку моделі управління кількістю працюючих

конденсаторів представлена на рис. 3.19.

Рисунок 3.19 – Система нейро–нечіткого висновку У5

Вхідні параметри представлені лінгвістичними змінними:

tк – "температура конденсації";

tos – "температура навколишнього середовища"

Вихідний параметр представлений лінгвістичною змінною

Nk – «кількість конденсаторів»

Нейронна мережа має наступну структуру:

В результаті навчання мережі уточнено базу правил. Похибка дорівнює 1,82

(рис 3.20).

Рисунок 3.20 – Результат навчання нейронної мережі U5

111

Модель управління виконання додаткових дій У6 представлена системою

нечіткого висновку типу Мамдані.

Вхідні параметри представлені лінгвістичними змінними: Wmax –

потужність холодильної машини, tkam – температура в камері, Нog – рівень

рідини у віддільнику рідини, Нogmax – максимально припустимий рівень рідини у

віддільнику рідини, HM – рівень мастила у мастилозбірнику, HMmin – мінімально

припустимий рівень мастила у мастилозбірнику; Hlr – рівень рідини у лінійному

ресивері, Hlr min – мінімально припустимий рівень рідини у лінійному ресивері.

Вихідні параметри представлені лінгвістичними змінними: y1 –

необхідність відтаювання камери, y2 – необхідність звільнення віддільника

рідини, у3 – дозаправка компресора мастилом, у4 – дозаправка холодильним

агентом.

Лінгвістичні змінні визначені на терм–множині V={"низький", "середній",

"високий"}, чи з використанням загальноприйнятих позначень V={NS, Z, PS}.

Лінгвістичні змінні представлені трикутними функціями належності.

База знань містить наступні продукційні правила:

1. IF (W is NS) AND (tkam is NS) THEN (y1 is NS)

2. IF (W is Z) AND (tkam is Z) THEN (y1 is NS)

3. IF (W is NS) AND (tkam is Z) THEN (y1 is NS)

4. IF (W is Z) AND (tkam is Z) THEN (y1 is Z)

5. IF (W is Z) AND (tkam is PS) THEN (y1 is PS)

6. IF (W is PS) AND (tkam is Z) THEN (y1 is PS)

7. IF (W is PS) AND (tkam is PS) THEN (y1 is PS)

8. IF (W is NS) AND (Hog is NS) THEN (y2 is NS)

9. IF (W is Z) AND (Hog is NS) THEN (y2 is NS)

10. IF (W is PS) AND (Hog is NS) THEN (y2 is NS)

11. IF (W is NS) AND (Hog is Z) THEN (y2 is NS)

12. IF (W is Z) AND (Hog is Z) THEN (y2 is Z)

13. IF (W is PS) AND (Hog is Z) THEN (y2 is Z)

14. IF (W is NS) AND (Hog is PS) THEN (y2 is PS)

112

15. IF (W is Z) AND (Hog is PS) THEN (y2 is PS)

16. IF (W is PS) AND (Hog is PS) THEN (y2 is PS)

17. IF (HM is NS) THEN (y3 is PS)

18. IF (HM is Z) THEN (y3 is Z)

19. IF (HM is PS) THEN (y3 is NS)

20. IF (W is PS) AND (tkam is PS) AND (Hog is PS) AND ((Hlr is PS) OR (Hlr is

Z)) THEN (y4 is NS)

21. IF (W is PS) AND (tkam is NS) AND (Hog is Z) AND (Hlr is Z) THEN (y4 is Z)

22. IF (W is PS) AND (tkam is NS) AND (Hog is Z) AND (Hlr is NS) THEN (y4 is

Z)

23. IF (W is PS) AND (tkam is NS) AND (Hog is NS) AND (Hlr is NS) THEN (y4

is PS)

24. IF (Hog is NS) AND (Hlr is NS) THEN (y4 is PS)

Для загального аналізу адекватності нейро–нечіткої моделі можна

використати програму перегляду моделі нейро–нечіткого виводу. Вона дозволяє

оцінити вплив зміни значень вхідних нечітких змінних на значення однієї з

вихідних нечітких змінних. У разі потреби можна отримати графік залежності

вихідної змінної від однієї з вхідних змінних.

Поверхні систем нейро–нечіткого висновку представлені на рис. 3.21

113

Рисунок 3.21 – Поверхні нейро–нечіткого виведення У1 (а), У3 (б), У5 (в)

Результати тренувань нейронних мереж У1 – У5 показують коливання

похибки від 1,82 до 1,93. В результаті аналізу поверхонь нейро–нечіткого

висновку та результатів тренувань можна зробити висновок про адекватність

представленої моделі.

114

3.4 Висновки по 3 розділу

У третьому розділі:

розроблена структурно–параметрична модель інтелектуальної

підтримки формування управляючих впливів, що складається з 6

складових У1–У6;

проведено опис та класифікацію основних параметричних перетворень

в узагальненій моделі управління холодильним устаткуванням

довільної конфігурації;

створено нейро–нечітку модель інтелектуальної підтримки формування

управляючих впливів;

побудовано базу правил за даними від експертів;

отримано навчальну та тестову вибірки на базі експериментальних

даних;

побудовано, навчено та протестовано нейронні мережі для уточнення

бази правил нейро–нечіткого висновку;

проаналізовано поверхні нейро–нечіткого висновку.

Аналіз результатів комп’ютерних експериментів показав добрі результати,

тому пропонується застосувати розроблену нейро–нечітку модель інтелектуальної

підтримки автоматизованого управління при розробці інформаційного та

програмного забезпечення.

Таким чином, отримана нейро–нечітка модель підтримки прийняття рішень,

яка базується на системі нейро–нечіткого виведення з навчанням на

експериментальних даних діючого устаткування та забезпечує зниження часу

виходу на режим, стабілізацію температурного режиму в камерах та зниження

коефіцієнту робочого часу холодильного устаткування.

115

РОЗДІЛ 4

РОЗРОБКА ІНФОРАЦІЙНОГО ЗАБЕЗПЕЧЕННЯ ПІДТРИМКИ

ПРИЙНЯТТЯ РІШЕНЬ ПРИ КЕРУВАННІ ХОЛОДИЛЬНИМИ

УСТАНОВКАМИ ТА ОЦІНКА РЕЗУЛЬТАТІВ ВПРОВАДЖЕННЯ

4.1 Розробка спеціалізованого інформаційного забезпечення на базі

об’єктно–орієнтованої парадигми

4.1.1. Структура спеціалізованого інформаційного забезпечення

Невід'ємною складової системи управління складним об'єктом є інформація,

що характеризує об'єкт управління. Тому ефективність функціонування АСК

значною мірою визначається наявністю адекватного інформаційного

забезпечення, що виконує функції перетворення і використання потоків

інформації між усіма функціональними блоками управляючої системи [127].

Інформаційне забезпечення АСК являє собою сукупність єдиної системи

класифікації і кодування техніко–економічної інформації, уніфікованих систем

документації і масивів інформації, що використовуються в автоматизованих

системах керування. Сутність інформаційного забезпечення АСК полягає в

інформаційному відображенні умов, стану і результатів виробничого процесу та

обмін інформацією між органом і об'єктом управління для регулювання його

діяльності.

Основна мета підсистеми інформаційного забезпечення полягає в тому, щоб

представити для вирішення завдань управління необхідні і достовірні відомості в

досить повному обсязі, вчасно і в зручній для використання формі, що вимагає

мінімальних витрат машинного часу та праці. Пізно отримана інформація часто

стає не корисною, так як рішення вже прийнято. Інформаційне забезпечення

поділяють на позамашинне і внутрішньо машинне [128]. До позамашинного

інформаційного забезпечення відносять: оперативну документацію, що містить

відомості про стан об'єкта керування і середовища, нормативно–довідкові

116

документи, що включають систематизовану проектно–кошторисну, технічну,

технологічну, організаційну та виробничу документацію, а також архівну

інформацію; систему класифікації та кодування інформації; інструкції з

організації введення, зберігання, внесення змін до нормативно–довідкової

документації, в тому числі і в масиви даних про середовище. Внутрішньомашинне

інформаційне забезпечення включає в себе інформаційну базу на машинних

носіях і систему програм її організації, накопичення, введення і доступу до даних

[129]. Джерелом формування внутрішньомашинного інформаційного

забезпечення служить позамашинна інформаційна база.

За відомою методологією проектування, конструювання інформаційного

забезпечення та програмних засобів, вирішення задач АСК розглядається як

єдиний технологічний процес. У практиці проектування АСК найчастіше

реалізуються два основних підходи до створення інформаційного забезпечення:

"від предметної області" та "від запиту". Вибір того чи іншого способу залежить

від змісту вихідної інформації. Підхід "від предметної області", означає опис

об'єктів управління та зв'язків між ними безвідносно до потреб користувачів.

Іноді цей підхід називають об'єктним або непроцесним. У підході "від запиту"

основним джерелом інформації про предметну область є запити користувачів

(завдання). Цей підхід називається процесним або функціональним. Перевагою

підходу "від предметної області" є його об'єктивність, системне відображення

предметної області і, як наслідок, стійкість інформаційної моделі, можливість

реалізації великої кількості програмних додатків за рішенням задач АСК, в тому

числі й заздалегідь незапланованих на створеній інформаційній базі. Недоліком

даного підходу є труднощі відбору інформації при підготовці інформаційного

забезпечення.

Функціональний підхід більшою мірою орієнтований на реалізацію поточних

запитів управлінського персоналу і не завжди враховує перспективи розвитку

АСК. При його використанні можуть виникнути труднощі при об'єднанні

поглядів різних користувачів. Окремо взятий жоден із зазначених підходів не дає

достатньої інформації для проектування раціонального інформаційного

117

забезпечення АСК. Доцільно спільне застосування обох підходів з провідним

становищем об'єктного підходу.

Таким чином, спеціалізоване інформаційне забезпечення процесу підтримки

прийняття рішень при керуванні холодильними установками, що застосовує

розроблені моделі може мати структуру представлену на рис 4.1.

Рисунок 4.1 – Структура інформаційного забезпечення

Розробка спеціалізованого інформаційного забезпечення процесу підтримки

прийняття рішень при керуванні холодильними установками, що застосовує

розроблені моделі сприяє здійснюванню інтелектуальної підтримки прийняття

рішень при керуванні оператором в автоматизованому режимі та дозволяє

полегшити й уніфікувати процес подальших інженерних розробок промислового

та навчального програмного забезпечення в зручний спосіб за умови

використання об’єктно–орієнтованого підходу [130–134].

4.1.2. Об’єктно–орієнтований аналіз процесу підтримки прийняття

рішень при керуванні холодильними установками

Об'єктно–орієнтований підхід розвивається в різних областях

обчислювальної техніки як засіб вирішення проблем, пов'язаних зі складністю

створюваних систем. Він застосовується не тільки в програмуванні, але також у

проектуванні інтерфейсу користувача, баз даних, баз знань, комп'ютерної

архітектури і систем управління. Сенс такого широкого підходу полягає в тому,

118

що він дозволяє застосувати об'єктну орієнтацію для вирішення всього кола

проблем, пов'язаних зі складними системами. Зважаючи, що система управління

УХУ є складною системою, можемо застосувати об'єктно – орієнтовану

технологію для її дослідження і проектування.

В основі об'єктно–орієнтованого проектування лежить уявлення про те, що

систему необхідно проектувати як сукупність взаємодіючих один з одним

об'єктів, розглядаючи кожен об'єкт як примірник певного класу, причому класи

утворюють ієрархію. Підвищення інтересу розробників до цієї методології

обумовлено тим, що методи структурного аналізу і проектування не забезпечують

подальшого зниження трудомісткості розробки.

Об'єктно–орієнтований підхід найбільш природно відповідає реальному

процесу розробки систем і не тільки програмних, який є iтеративним і може

зажадати внести зміни до вже розроблені і налагоджені компоненти системи

[130]. Об’єктно-орієнтований підхід дозволяє поступово здійснити перехід від

об’єктно–орієнтованого аналізу до об’єктно–орієнтованого проектування, а потім

до об’єктно–орієнтованого програмування охопив таким чино весь процес

створення складної системи.

Об’єктно–орієнтований аналіз дозволяє здійснити відображення важливих

сутностей в задачах реального світу, для розуміння та пояснення того як вони

взаємодіють між собою Цей метод включає 3 етапи: створення інформаційних

моделей, моделей станів та моделей процесів [130,131].

За допомогою об’єктно–орієнтованого аналізу проаналізована предметна

область, визначені об’єкти та взаємозв’язки, що складають інформаційну модель

системи управління УХУ (рис. 7).

119

Рисунок 4.2 – Часткова інформаційна модель системи управління УХУ

Моделі станів описують поведінку об’єктів та взаємозв’язків визначених

інформаційною моделлю у часі і представлені на рис. 4.3 – 4.7

120

Рисунок 4.3 – Модель станів компресора

Рисунок 4.4 – Модель станів вентиля

Рисунок 4.5 – Модель станів водяного насосу

121

Рисунок 4.6 – Модель станів камери

Рисунок 4.7 – Модель станів СППР

Усе, що відбувається в системі міститься в діях моделей станів. Кожна дія

визначається в термінах процесів і архівів цих об'єктів, де процес є

фундаментальним модулем операції, а архів даних об'єкту відповідає атрибутам

об'єкту в інформаційній моделі.

122

4.1.3 Розробка набору об’єктних класів для модуля СППР при керуванні

УХУ на базі об’єктно–орієнтованої технології

Застосування об’єктно–орієнтованої технології [132–134] дозволяє

спроектувати модуль, який містить набір об’єктних класів для реалізації системи

підтримки прийняття рішень при управлінні УХУ.

За допомогою UML [131] створено діаграму класів (рис. 4.8).

Рисунок 4.8 – Діаграма класів

Клас TRefMashine містить поля і властивості для зберігання параметрів

стану холодильної установки в кожен момент часу, а також методи для

управління нею. Це загальний клас, що містить у собі всі необхідні параметри

установки мінімальної конфігурації. Він містить такі властивості:

Tosr – температура навколишнього середовища;

Fi – відносна вологість;

tkam – температура в камері;

123

WaterStream – напір води у насосі;

Tk – температура конденсації;

Tw1, Tw2 – температура води;

Tvs – температура всмоктування;

Tn – температура нагнітання;

Pvs – тиск всмоктування;

Pn – тиск нагнітання;

Pk – тиск конденсації;

Hkg – рівень рідини у конденсаторі;

Hlr – рівень рідини у лінійному ресивері;

Hdr – рівень рідини у дренажному ресивері;

Hog – рівень у віддільнику рідини;

Tmt – температура за мокрим термометром;

dPm – різниця тисків;

KomprIsWorking компресор працює;

VNIsWorking – насос працює;

VentIsOpen вентиль відкритий;

Mark – посилання на об’єкт класу оцінка.

TKompr служить для додавання до системи компресорів. Він містить такі

властивості:

Tip – тип компресора;

W – робоча потужність;

Group – група температурного режиму;

Vent1, Vent2 – посилання на об’єкти типу ТVent, які описуватимуть

запірні вентилі до та після компресора;

IsWorking – стан (працює/не працює).

Методи класу Start() і Stop() дозволяють запустити чи зупинити роботу

компресора.

124

Клас TVent описує параметри, стан та можливості вентилів. Він містить такі

властивості:

IsOpen – відкритий чи зачинений (для запірних вентилів);

IsRV – визначає чи вентиль регулюючим або запірним;

Stepen – ступінь відкриття (для регулюючого вентиля);

Group – група температурного режиму (для регулюючого вентиля).

Методи класу Open та Close є перевантажуваними і можуть бути

використані як із параметром (ступінь відкриття для регулюючого вентиля) так і

без (у випадку запірного вентиля).

Клас ТVN описує параметри, стан та можливості водяних насосів. Він

містить властивість IsWorking – стан (працює/не працює) і методи Start() і Stop(),

що дозволяють запустити чи зупинити роботу насосів

Клас TКam описує параметри, стан та можливості камер. Він містить такі

властивості:

Q – навантаження на камерне обладнання;

1Q – теплоприплив крізь огороджуючі конструкції;

2Q – теплоприплив від продуктів;

3Q – теплоприплив при вентиляції;

4Q – експлуатаційний теплоприплив;

5Q – теплоприплив від овочів та фруктів у процесі «дихання»;

TRegim – температурний режим;

tkam – температура в камері;

Метод Conneсt дозволяє долучити камеру.

Методи класу TSIPPR реалізують модель інтелектуальної підтримки

автоматизованого управління УХУ.

Для реалізації підсистеми оцінювання був створений клас TMark. Він

містить властивості для зберігання різних типів оцінок: TotalMark, StartMark,

StateMark, WorkMark, властивість для визначення журналу Log. Також він

125

містить методи для визначення оцінок DefineTotalMark, DefineStartMark,

DefineStateMark, DefineWorkMark.

Всі класи відповідають принципам об’єктно–орієнтованої парадигми:

інкапсуляція, спадкування, поліморфізм.

Розроблений модуль в подальшому може бути використаний при розробці

та настроюванні різних варіантів програмного забезпечення систем

автоматизованого керування ХУ. Застосування об'єктно–орієнтованого підходу

надає гнучкість розробці і дозволяє вносити зміни в роботу системи з

урахуванням зміни моделі управління, не змінюючи її структури. Для цього

досить відкоригувати реалізацію класу або розширити його, додавши нові

властивості і методи.

4.2 Застосування спеціалізованого інформаційного забезпечення в умовах

промислового використання та із метою навчання операторів

4.2.1 Застосування модуля при розробці АРМ оператора

Автоматизоване робоче місце (АРМ), що є частиною спеціалізованого

інформаційного забезпечення підтримки прийняття рішень при керуванні

холодильними установками може сприяти як ефективності експериментальних

досліджень ХУ, як об'єкту управління і процесів управління [135,136] так і значно

полегшити процес прийняття рішень в умовах промислового використання.

Розроблене в процесі дослідження АРМ реалізує функції збору інформації,

зберігання і первинної обробки отриманої інформації, а також формування

команд оператору по виконанню управляючих дій. Воно було випробувано у ТОВ

«Єреміївський м'ясокомбінат». На цьому підприємстві функціонує

полуавтоматична аміачна холодильна установка. Персонал у зазначені проміжки

часу заносять дані про стан установки у добові журнали у ручному режимі (рис.

4.9).

Для автоматизації процесу накопичення даних про стан установки у

інформаційному збезпеченні передбачено наявність БД (рис 4.10) та інтерфейс

для її наповнення та отримання інформації про стан (2.13).

126

Рисунок 4.9 – Журнали добової роботи компресорного цеху ТОВ «Єреміївський

м'ясокомбінат»

Рисунок 4.10 – Схема БД параметрів установки

127

Рисунок 4.11 – Форма внесення даних про стан установки

Рисунок 4.12 – Основна форма системи підтримки прийняття рішень

Датчики виконані за допомогою компонентів TShape. Ступінь відкриття

вентилів зображено за допомогою компонентів TTrackBar. Для зручності зміни

128

значень вхідних параметрів використовуються компоненти TEdit з компонентами

TUpDown. Для зручності та наглядності було додатково створено тип даних

Fuzzy = (NB, Z, PB).

Робота із програмою здійснюється через графічний інтерфейс

представлений на рисунку 4.12.

Рисунок 4.12 – Інтерфейс програмного забезпечення підтримки прийняття

рішень

У лівому верхньому кутку зображена узагальнена схема холодильної

установки. Ця схема містить базові елементи установки.

На панелі управління відображається результат управління. При

вмиканні/вимиканні компресора чи водяного насоса відповідний датчик, який має

вигляд кольорового кола змінює колір на зелений/червоний відповідно. Ступені

відкриття вентилів показані на відповідних шкалах РВ та ВВ.

Вимірювальна панель містить поля для введення даних від датчиків

вимірювання вхідних параметрів, таких як температура у камері, температура

конденсації, температура нагнітання, температура всмоктування, рівень рідини у

лінійному ресивері, рівень рідини у відокремлювачі рідини, величина

129

теплоприплива та ін. Реакція управління на зміну вхідних параметрів

відображається на панелі управління.

Для того щоб побачити результат управління, необхідно вставити значення

вхідних параметрів та натиснути кнопку «Почати». Якщо необхідно припинити

роботу необхідно натиснути кнопку «Зупинити».

Замість паперових журналів оператор заносить дані у БД. Потім

запускається система підтримки прийняття рішень і оператор отримує

повідомлення про необхідність виконання управляючої дії. Приклад повідомлень

зображений на рис 4.13.

Рисунок 4.13 Приклад повідомлення

4.2.2 Застосування модуля в комп’ютерному тренажері для підготовки

операторів

Для підвищення кваліфікації операторів або для навчання студентів

доцільно використовувати комп’ютерний тренінг [4,12,18,19,137].

У рамках дослідження було розроблено програний тренажер IceQueen (рис.

4.12).

Ціль даного тренажера – одержання особами, що навчаються, теоретичних

знань про роботу й процеси, що відбуваються в холодильній установці, а також

вироблення практичних навичок керування роботою холодильної установки.

Передбачена робота в 3 режимах:

1. Навчання;

2. Тренування;

3. Тестування.

В 1–му режимі особі, що навчається, надається можливість у зручній формі

одержати всі необхідні відомості про холодильну установку, про її складові й

130

вузли, про процеси, що відбуваються в ній, а також про те як правильно керувати

її роботою.

В 2–му режимі відбувається імітація запуску установки, і особі, що

навчається, надається можливість здійснювати керування її роботою із

підказками, що забезпечуються системою інтелектуальної підтримки вироблення

управляючої дії. При неправильних діях також з’являються підказки.

В 3–му режимі особа, що навчається, повинна самостійно здійснити запуск

установки й підтримувати її роботу протягом певного часу. Після закінчення

цього часу, залежно від правильності дій, виставляється оцінка.

В якості середовища розробки тренажера використано середовище Delphi

[138–143]. Графіка й елементи мультиплікації виконані з використанням пакетів

3D Max. і AutoCAD [144,145].

При розробці тренажера використано такі прийоми комп’ютерної

дидактики пов’язані із формами представлення навчального матеріалу як:

– забезпечення одночасного перегляду декількох фрагментів навчального

матеріалу;

– забезпечення можливості швидких переходів по навчальному матеріалу;

– відображення ролей фрагментів матеріалу та зв’язки між ними;

– забезпечення можливості управління наданням навчального матеріалу;

– використання динамічних візуальних уявлень;

– забезпечення можливості маніпулювання графічними зображеннями;

– використання багаторівневих уявлень сутностей, що розглядаються;

– використання звукового супроводу [146].

При розробці БД використано клієнт серверну технологію [147,148]. У

якості СУБД обрано InterBase (FireBird).

Для зручності й підтримки вимог програмування створений допоміжний

модуль unMyHelpProc для обробки й аналізу інформації.

1) Режим навчання – режим, у якому учень може одержати всі необхідні

відомості про холодильну установку й про те, як правильно управляти її

роботою. (рис. 4.15)

Рисунок 4.14 – Програмний інтерфейс тренажера

132

Рисунок 4.15 – Режим навчання

Для зручності надання довідкової інформації всі форми даного режиму

розбиті на окремі частини. При натисканні на окремий елемент у компонент

TMemo заноситься довідкова інформація, що зберігається в текстовому

документі. Це є доцільним, тому що довідкова інформація може бути великих

розмірів і цим перевантажувати БД, що призведе до вповільнення обробки

інформації, а отже й роботи самої програми. До того ж зберігання інформації в

текстових документах дозволяє легко редагувати інформацію, вносити корективи

й доповнювати відсутню інформацію, тим самим не порушуючи структури бази й

програми.

Координати частин форм зберігаються в модулі даних unMyHelpProc у

процедурах DefineCompEducation, DefineCompCP, DefineCompIsKmSc,

DefineCompCnApSc. Це полегшує роботу із програмою.

Наведемо приклад знаходження координат лінійного ресивера на формі

конденсаторно–апаратного відділення в режимі навчання.

133

Функція DefineCompCnApSc перебуває в допоміжному модулі

unMyHelpProc:

function DefineCompCnApSc(const X,Y:integer;var

CompName:string):integer;

begin

result:=0;

if ((x>69) and (x<346) and (y>254) and (y<311)) then

begin

CompName:='Лінійний ресивер';

result:=1;

end;

end;

Виклик функції DefineCompCnApSc з тіла програми:

procedure TfrmCondAparSection.Image1MouseUp(Sender: TObject;

Button: TMouseButton; Shift: TShiftState; X, Y: Integer);

var str:string;

Aresult: integer;

begin

Aresult := DefineCompCnApSc(x,y,str);

case Aresult of

1: begin

mmCondApartSection.Lines.LoadFromFile('Лінійний ресивер.txt');

end; end;

При виборі елемента схеми з координатами зазначеними вище, у

компоненті mmCondApartSection відобразиться інформація, яка зберігається в

документі 'Лінійний ресивер.txt'.

При натисканні на компонент правою кнопкою миші з'являється підказка з

ім'ям компонента. Це реалізовано за допомогою компонента PopupMenu1.

Одержати теоретичні відомості про послідовність регламентованих дій

для того, щоб запустити установку, вийти на режим і підтримувати його, можливо

134

за допомогою компонента MainMenu1: у верхній частині форм створений

навігатор по теоретичних відомостях, які відображаються в компоненті Memo.

2) Режим тренування – режим у якому учень одержує завдання й виконує

його, одержуючи від програми підказки й попередження.

3) Режим тестування – режим у якому учень повинен впродовж певного

часу запустити установку, вивести її на режим і підтримувати його. Після

закінчення цього часу залежно від правильності дій йому буде виставлена оцінка.

При виході на режим відбувається авторизація користувачів.

Режими тренування й тестування дуже схожі, їх загальна суть зводиться

до самостійного керування установкою. Тільки в режимі тренування учню буде

надаватись інформація у вигляді підказок послідовності дій, чого не буде в

режимі тестування.

Учень повинен за 15 хвилин зробити запуск установки, впродовж години

вийти на режим і стежити за роботою. Час відведений на роботу становить 2

академічних години або 1,5 години реального часу. Для запуску установки учень,

повинен виконати таку послідовність дій:

• Вентиль 11 закрити;

• Вентиль 12 закрити;

• Вентиль 13 закрити;

• Вентиль 14 закрити;

• Вентиль 1 закрити;

• Вентиль 2 закрити;

• Вентиль 3 відкрити;

• Вентиль 4 відкрити;

• Вентиль 5 відкрити;

• Вентиль 6 відкрити;

• Вентиль 7 відкрити;

• Вентиль 8 відкрити;

• Насос ВН1 запустити;

• Насос ВН2 запустити;

• Вентиль 11 відкрити;

135

• Вентиль 12 відкрити;

• Вентиль 13 відкрити;

• Вентиль 14 відкрити;

• Компресор запустити;

• Вентиль 1 відкрити;

• Вентиль 2 відкрити;

• Вентиль 3 закрити;

Система починає реакції після запуску компресора. Якщо при запуску не

виконується якась із дій, то виконується процедура:

procedure TfrmTrCompPart.btnStartKomprClick(Sender: TObject);

begin

with dmIceQueen.RefMashine do begin

KomprIsWorking:=true;

ShowKomprIsWorking(Shape14,Shape16);

dPm:=100;

if (Vent1IsOpen) or (Vent3IsOpen=false) or (Vent4IsOpen=false) or

(Vent5IsOpen=false) then begin

dmIceQueen.tmSn7.Enabled:=true;

end;

if (Vent2IsOpen) then begin

dmIceQueen.tmSn8.Enabled:=true;

end;

if (Vent6IsOpen=false) then begin

dmIceQueen.tmSn9.Enabled:=true;

end;

if (Vent7IsOpen=false) or (Vent8IsOpen=false) then begin

dmIceQueen.tmSn10.Enabled:=true;

end;

if WaterStream<100 then begin

dmIceQueen.tmSn11.Enabled:=true;

136

end;

end;

end;

procedure TfrmTrCompPart.btnStartKomprClick – дана процедура перевіряє

стани вентилів (відчинений/зачинений) і, у випадку невиконання правильної

умови, запускає відповідні таймери (рис. 4.16).

Рисунок 4.16 – DataModule c таймерами

Приміром, якщо вентиль1 буде відкритий, а вентилі 3, 4, 5 будуть закриті,

то спрацює таймер tmSn7:

procedure TdmIceQueen.tmSn7Timer(Sender: TObject);

begin

with RefMashine do begin

if Tn<140 then begin

Tn:=Tn+10;

case Mode of

2: ShowTn(frmTrCompPart.shpTrTnRed,frmTrCompPart.shpTrTnFon);

3: ShowTn(frmTsComPart.shpTsTnRed,frmTsComPart.shpTsTnFon);

end;

if (Pn<1.25*Pk) and (Pn<=9*Pvs) then begin

Pn:=DefinePressure(Tn);

case Mode of

2: frmTrCompPart.edPn.Text:=FloatToStr(Pn);

3: frmTsComPart.edPn.Text:=FloatToStr(Pn);

137

end

end

else begin

if HelpTag<Pn then begin

HelpTag:=Pn;

Mark.Log.Add(format('%d) Аварія: Sn7 – Pn=%f – Небезпека

поломки клапанів',[Mark.Log.Count+1,Pn]));

ShowMessageFmt('Sn7 – Pn=%f – Небезпека поломки

клапанів',[Pn]);

end

end

end

else begin

tmSn7.Enabled:=False;

Mark.Log.Add(format('%d) Аварія: Sn7 – Tn=%d >=140 – Спалах

масла в компресорі',[Mark.Log.Count+1,Tn]));

ShowMessageFmt('Sn7 – Tn=%d >=140 – Спалах масла в

компресорі',[Tn]);

end

end

end;

Вихід на режим і його підтримка здійснюється за допомогою регулювання

подачі холодильного агенту шляхом регулювання регулюючим вентилем 9.

Визначення ступеню його відкриття здійснюється за допомогою викликання

методу U1 класу TSIPPR.

Всі дії, що відбуваються в режимах тренування й тестування

реєструються в журналі. Після чого дані обробляються й виставляється оцінка

тестування.

У програмі передбачений модуль автоматизованого інтелектуального

інструктора, який реалізований із застосуванням класу TSIPPR, за допомогою

138

якого формується еталонна управляюча дія, а також видається завдання із

зазначеними параметрами на проходження тестування.

Рисунок 4.15 – Схема бази даних навчання

На програмному рівні бізнес правила (БП) можна реалізовувати на сервері

й у додатку. При цьому вони не повинні бути визначені на фізичному рівні. Для

реалізації БП на сервері використовуються домени, тригери, віртуальні таблиці й

збережені процедури.

Для створення програного інтерфейсу була створена форма

frmBazaDannix із чотирма закладками й DMTesting з компонентами. (рис. 4.16)

Рисунок 4.16 – DataModul c компонентами

139

Компонент TEST (DataBase) необхідний для того, щоб підключити БД.

Компоненти tblTrained, tblCroup, tblTeachers – настроюються на імена

таблиць БД TESTING.

qryGroup, qryRezult, qryTrained, qryChart, qryChartGroup, qryChartAllGroup

– компоненти запитів.

Дана форма демонструє результати тестування обраної групи за певну

дату. (рис. 4.17)

Рисунок 4.17 – Статистичні дані

Дані отримані в результаті тестування можна продивитись у звіті у

вигляді таблиці, у зручній формі одержати роздрукований варіант і зберігати

цілісність результатів тестування [149].

Будь–яка діяльність виконується людиною тільки на основі раніше

засвоєної ним інформації і тим успішніше, чим це засвоєння якісніше і міцніше.

Якість засвоєння інформації описується рівнем засвоєння. За якістю засвоєння

інформації розрізняють репродуктивне і продуктивне засвоєння. При

репродуктивному засвоєнні учень лише відтворює раніше засвоєну інформацію (у

мові або в думці) про методи діяльності і в практично незмінному вигляді

застосовує її для виконання типових дій. Майстерність виконання дій, у свою

чергу, залежить від повноти засвоєння. При продуктивному засвоєнні учень не

140

лише відтворює раніше засвоєну інформацію і застосовує її в діяльності, але і

перетворить її для використання в нестандартних (нетипових) умовах [150].

На закладку «Успішність студента» (рис 4.18) виводяться дані про

успішність особи, що навчаються, за певний період часу. Дані так само можна

переглянути в графічному виді й роздрукувати у звіті.

Рисунок 4.18 – Успішність студента

На закладці «Успішність по групи» (рис. 4.19) виводяться середні

результати групи за певний період проходження тесту.

Рисунок 4.19 – Успішність по групі

141

На закладці «Успішність по групах» (рис. 4.20) виводиться графік

порівняльної характеристики груп.

Рисунок 4.20 – Успішність по групах

Особливістю даної процедури є те, що змінні й запит формуються

динамічно.

Використання динамічних величин надає додаткові можливості. По–

перше, підключення динамічної пам'яті дозволяє збільшити обсяг оброблюваних

даних. По–друге, якщо потреба в якихось даних відпала до закінчення програми,

те зайняту ними пам'ять можна звільнити для іншої інформації. По–третє,

використання динамічної пам'яті дозволяє створювати структури даних змінного

розміру.

Робота з динамічними величинами пов'язана з використанням ще одного

типу даних – посилального типу. Величини, що мають посилальний тип,

називають покажчиками.

Покажчик містить адресу поля в динамічній пам'яті, що зберігає величину

певного типу. Сам покажчик розташовується в статичній пам'яті.

Адреса величини – це номер першого байта поля пам'яті, у якому

розташовується величина. Розмір поля однозначно визначається типом.

142

При вході в статистичні дані відбувається авторизація користувачів.

Учень одержує відомості про результати тестування відразу після його

проходження, він може або роздрукувати їх, або зберегти на зовнішніх носіях.

У додатку передбачений пункт «статистика» і «реєстраційні форми»,

доступ до яких здійснюється тільки після проходження авторизації.

Виклик авторизації виглядає наступним чином:

DMTesting.TEST.LoginPrompt:=true;

DMTesting.TEST.Connected:=False;

DMTesting.TEST.Connected:=True;

Доступ до статистичних даних одержує викладач і системний

адміністратор.

Доступ до реєстраційних форм одержує тільки адміністратор. Він одержує

право на доповнення, змін і видалення даних про студентів, викладачів і групи з

бази даних (рис. 4.22).

Рисунок 4.21 – Реєстраційна форма

4.3 Оцінка ефективності процесів автоматизованого керування із

застосуванням розробленого інформаційного забезпечення

Розроблене інформаційне забезпечення було випробовано на ТОВ

«Єреміївський м’ясокомбінат» під час проходження переддипломної практики

студентами спеціальності 5.05060403 «Монтаж та обслуговування холодильно–

компресорних машин та установок» ОТК ОНАХТ.

143

Поточні результати вимірювань параметрів стану холодильної установки

вводились одночасно до добового журналу компресорного цеху та до

програмного забезпечення відповідно до встановленого на підприємстві порядку.

Програмне забезпечення при цьому в режимі реального часу формувало

рекомендації, вказівки та застереження для персоналу для забезпечення

ефективної роботи холодильної установки. Об’єктивність та адекватність

рекомендацій аналізувалась кваліфікованим персоналом та виконувалась

студентами–практикантами, що мають відповідний робочий розряд та допуск до

роботи на аміачній холодильній установці.

За результатами випробувань було здійснено оцінювання якісних та

кількісних показників, таких як стабілізація температурного режиму у камерах,

час виходу на режим та коефіцієнт робочого часу при підтримці режиму.

Дані випробувань занесені до таблиць 4.1, 4.2, 4.3 (Додаток В).

Таблиця 4.1 Оцінювання часу виходу на режим

№ Період Середній час

виходу на режим

низькотемперату

рної камери

Зниження

часу

виходу

Середній час виходу

на режим

середньотемператур

ної камери

Зниження

часу

виходу

до після % до Після %

1 січень 15,5 14,8 4,52 14,3 13,5 5,59

2 лютий 16 15,5 3,13 15,5 14,4 7,10

3 березень 17,8 17,3 2,81 16,3 15,7 3,68

4 квітень 19,5 18,6 4,62 17,1 16,6 2,92

5 травень 21 20,4 2,86 18,6 18,1 2,69

6 червень 22,6 22 2,65 19,5 19 2,56

7 липень 23 22,2 3,48 20 19,4 3,00

8 серпень 23,5 22,1 5,96 20,8 20,1 3,37

9 вересень 23,3 22,2 4,72 20,5 19,7 3,90

10 жовтень 20 19,3 3,50 17,8 17 4,49

11 листопад 18 17,5 2,78 16,5 15,6 5,45

12 грудень 17 16,6 2,35 15,8 14,8 6,33

Середнє зниження часу, % 3,61 4,26

Загальне зниження часу, % 3,94

144

Таблиця 4.2 – Оцінювання коефіцієнту робочого часу

Період Середній коефіцієнт робочого часу роботи обладнання у

встановленому режимі підтримки температури

В низькотемпературних камерах В середньотемпературних

камерах

до після зниження

КРЧ

До Після зниження

КРЧ

Січень 0,57 0,56 1,75 0,42 0,41 2,38

Лютий 0,59 0,58 1,69 0,49 0,486 0,82

березень 0,66 0,655 0,76 0,55 0,538 2,18

Квітень 0,71 0,7 1,41 0,62 0,61 1,61

Травень 0,78 0,77 1,28 0,68 0,675 0,74

червень 0,87 0,86 1,15 0,77 0,758 1,56

Липень 0,88 0,86 2,27 0,79 0,78 1,27

Серпень 0,89 0,875 1,69 0,81 0,8 1,23

вересень 0,87 0,86 1,15 0,73 0,725 0,68

жовтень 0,69 0,685 0,72 0,62 0,6 3,23

листопад 0,61 0,6 1,64 0,53 0,525 0,94

грудень 0,58 0,57 1,72 0,46 0,45 2,17

Зниження КРЧ, % 1.44 1,57

Середнє зниження КРЧ,% 1,50

В результаті проведення випробувань успішно підтримувався

технологічний режим в діючих камерах, підвищилась точність підтримки

температурного режиму камер зберігання харчових продуктів (коливання

температури ± 2 ºС протягом доби), зменшився час роботи компресорного

обладнання в процесі підтримки роботи на 4 % та при виході камери на

технологічний режим у середньому на 1,5 %.

Це не прямим чином свідчить про наявну економію споживаної енергії

обладнанням компресорного цеху та холодильного агенту, що був задіяний в

процесі отримання холоду.

145

Рисунок 4.22 – Графік динаміки виходу на режим низькотемпературних

камер

Рисунок 4.23 – Графік динаміки виходу на режим середньотемпературних

камер

146

Рисунок 4.24 – Графік динаміки підтримки режиму

4.4 Висновки по розділу 4

Розроблені модель управління узагальненою холодильною установкою, та

нейро–начітка модель вироблення управляючої дії було реалізовано у

програмному модулі управління узагальненим холодильним устаткуванням на

базі об’єктно–орієнтованої технології у вигляді набора об’єктних класів.

Розроблений модуль було використано при розробці програмного

забезпечення інформаційної підтримки автоматизованого керування для

виробництва та при розробці програмного тренажера для навчання операторів

холодильних установок.

Розроблене програмне забезпечення було впроваджено на Одеському

м’ясопереробному заводі ТОВ «Єреміївський м’ясокомбінат». Воно містить

модуль для накопичення даних з датчиків про поточний стан системи та

підсистему підказок, що запускає модуль формування управляючих впливів та

виробляє підказки для експлуатуючого персоналу.

Аналіз якісних та кількісних показників процесів автоматизованого

управління із застосуванням розробленого інформаційного та програмного

забезпечення показав доцільність його використання.

147

Так, після впровадження, завдяки врахуванню операторами рекомендацій

інтелектуальної системи підтримки прийняття рішень час виходу на режим

зменшено на 4%, спостерігається стабілізація підтримки температури в камерах та

зменшення коефіцієнта робочого часу (КРЧ) на 1,5% за рахунок регулювання

режиму подачі холодильного агенту до системи та кількості одночасно

працюючого обладнання, також за непрямими ознаками можна зробити висновок

про зменшення енергозатрат та затрат холодильного агенту за рахунок зменшення

часу роботи установки.

Впровадження розробленого тренажерного комплексу у навчальний

процес покращило показники засвоєння матеріалу, підвищило зацікавленість

учнів у навчанні та позитивно відобразилось на їх успішності.

148

ЗАГАЛЬНІ ВИСНОВКИ

Дисертаційна робота містить отримані автором науково–обґрунтовані

результати, які полягають у розробці методів, моделей та інформаційного

забезпечення підтримки прийняття рішень при керуванні холодильними

установками різної конфігурації, що дозволило покращити показники керування

холодильними установками, зокрема зменшити час виходу на режим,

стабілізувати температуру в камерах та зменшити коефіцієнт робочого часу

обладнання за рахунок врахування операторами рекомендацій, що пропонуються

підсистемою інтелектуальної підтримки прийняття рішень.

Отримані результати дозволяють зробити наступні висновки:

1. На основі проведеного аналізу стану проблеми керування холодильними

установками зроблено висновок щодо можливості узагальненого опису

холодильних установок різної конфігурації, що дозволяє застосувати

уніфікований підхід до керування холодильними установками із застосуванням

інтелектуальних засобів підтримки прийняття рішень, для промислового

використання та в умовах комп’ютеризованого тренінгу операторів.

2. Для уніфікації підходу до керування холодильними установками, на базі

принципу подібності розроблено метод узагальнення холодильної установки, як

об’єкта автоматизованого керування, проведено математичне моделювання

перехідних процесів базових елементів узагальненої холодильної установки

результати якого при порівнянні із експериментальними даними підтверджують

можливість використання запропонованого методу.

3. Для отримання найкращого рішення при формуванні еталонного

керуючого впливу та унеможливлення виконання помилкової керуючої дії

удосконалено класичну схему керування холодильними установками шляхом

введення підсистеми інтелектуальної підтримки процесу вироблення управляючої

дії.

4. Для вирішення задачі керування на основі удосконаленої схеми

управління та метода узагальнення розроблено модель управління узагальненою

149

холодильною установкою, що дозволило формалізувати опис зв’язку станів

об’єкта управління із входами для визначення поточної управляючої дії для

переводу об’єкту в потрібний стан.

5. Для покращення показників керування холодильними установками, а

саме зниження часу виходу на режим, стабілізації температурного режиму в

камерах, зниження коефіцієнту робочого часу холодильного устаткування

розроблено та запропоновано нейро–нечітку модель підтримки прийняття рішень

при керуванні холодильними установками різних типів та конфігурації. Вона

охоплює процес керування на всіх етапах (пуску установки, виходу на режим та

підтримки температурного режиму), складається з шести взаємопов’язаних

елементів нейро–нечіткого виведення та навченої на експериментальних даних

діючого устаткування нейромережі, що дозволяє врахувати вплив

неформалізованих факторів та прогнозувати стан та реакцію установки на

керуючі впливи. Досягнуто зменшення часу виходу на режим на 4%, стабілізація

підтримки температурного режиму в камерах та зменшення КРЧ на 1,5%.

6. Практичне значення одержаних результатів полягає у забезпеченні

покращення показників керування холодильними установками та заощадження

часу й витрат за рахунок застосування моделей, методів та спеціального

інформаційного забезпечення підтримки прийняття рішень при керуванні

холодильними установками різних типів та конфігурації, а також у впровадженні

сучасних інтелектуальних технологій у підготовку оперативного персоналу та

можливості використання розроблених методів, моделей та інформаційного

забезпечення при подальших інженерних розробках промислових та навчальних

програмних засобів. Ефективність розроблених моделей методів, та

інформаційного забезпечення підтверджено впровадженням у ТОВ

«Єреміївський м’ясокомбінат», у навчальний процес ОНАХТ та Одеського

технічного коледжу ОНАХТ.

150

СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ

1. Селіванова, А. В. Моделювання управління узагальненою

холодильною установкою у комп’ютерному тренажері / А. В. Селіванова, Т. Л.

Мазурок, А. П. Селіванов // Системні технології. Регіональний міжвузівський

збірник наукових праць. – Дніпропетровськ, 2011. – Вип. 3(74) – С. 111–117.

[Видання включено до МНБ – Index Copernicus p–ISSN: 1562–9945,

відображається в реферативній базі «Україніка наукова», National Library of

Ukraine (Vernadsky): http://www.nbuv.gov.ua/portal/natural/SyTe]

2. Selivanova, А. Modelowanie inteligentnego systemu sterowania

uniwersalną instalacją chłodniczą / А. Selivanova, L. Filina–Dawidowicz //

Chłodnictwo. – Warszawa, 2013. – nr. 9 (tom XLVIII). – S. 8–12. [Видання включено

до МНБ – Index Copernicus, BazTech]

3. Селиванова, А. В. Синтез гібридної моделі управління узагальненим

холодильним устаткуванням / А. В. Селиванова, Т. Л. Мазурок // Матеріали 3 –ї

Міжнародної науково–технічної конференції «Обчислювальний інтелект

(результати, проблеми перспективи)». – Черкаси, 2015 – С. 252–253.

4. Селиванова, А. В. Автоматизация управления обобщенной

холодильной установкой в компьютерном тренажере / А. В. Селиванова,

Т. Л. Мазурок, А. П. Селиванов // Вестник Херсонского национального

технического университета. – Херсон, 2011. – №2(41) – С. 189–192. [Видання

включено до МНБ – eLibrary.ru (РІНЦ), National Library of Ukraine (Vernadsky),

FreeFullPDF, Google Scholar]

5. Селиванова, А. В. Моделирование процесса управления обобщенной

холодильной установкой / А. В. Селиванова // Системні технології. Регіональний

міжвузівський збірник наукових праць. – Дніпропетровськ, 2013. – Вип. 3(86) – С.

117–123. [Видання включено до МНБ – Index Copernicus p–ISSN: 1562–9945,

відображається в реферативній базі «Україніка наукова», National Library of

Ukraine (Vernadsky): http://www.nbuv.gov.ua/portal/natural/SyTe]

151

6. Селіванова, А. В. Синтез гібридної моделі автоматизованого

управління узагальненим холодильним устаткуванням / А. В. Селіванова //

Науково–технічний журнал «Автоматизація технологічних та бізнес–процесів». –

Одеса, 2015. – №3. – С. 81–86. [Видання включено до МНБ – Index Copernicus,

DOI, GSJP, DOAJ, CrossRef, Google Scholar, URAN, EBSCO, Universal Impact

factor, CiteFactor, DAIJ, РИНЦ, National Library of Ukraine (Vernadsky),

URLICHSWEB, DRJI, OAJI, WorldCat, ROAD, BASE, FESTO, Research Bible, DOI:

10.15673/2312–3125.4/2015.50439]

7. Селиванова, А. В. Системный подход к управлению холодильной

установкой / А. В. Селиванова // Інформаційні та моделюючі технології.

Системний аналіз та інформаційні технології: матеріали Міжнародної науково–

технічної конференції SAIT 2013. – Київ, 2013 – С. 323–324.

8. Селиванова, А. В. Система интеллектуальной поддержки принятия

решений в управлении обобщенной холодильной установкой / А. В. Селиванова,

Т. Л. Мазурок, А. П. Селиванов // Вестник Херсонского национального

технического университета. – Херсон, 2013. – №1(46) – С. 362–365. [Видання

включено до МНБ – eLibrary.ru (РІНЦ), National Library of Ukraine (Vernadsky),

FreeFullPDF, Google Scholar]

9. Селиванова, А. В. Интеллектуальные средства управления

обобщенной холодильной установкой / А. В. Селиванова, Т. Л. Мазурок //

Научно–технический журнал «Искусственный интеллект». – Донецк, 2013. – Вип.

3(61) – С. 390–398. [Видання включено до МНБ – eLibrary.ru (РІНЦ), National

Library of Ukraine (Vernadsky),Google Scholar]

10. Селиванова, А. В. Интеллектуализация средств поддержки принятия

решений в системе управления обобщенной холодильной установкой /

А. В. Селиванова, Т. Л. Мазурок // Матеріали 2–ї Міжнародної науково–технічної

конференції «Обчислювальний інтелект (результати, проблеми перспективи)». –

Черкаси, 2013. – С. 239–240.

11. Селиванова, А. В. Автоматизация управления обобщенной

холодильной установкой / А. В. Селиванова, Т. Л. Мазурок // Матеріали XX

152

Міжнародної конференції з автоматичного управління. – Миколаїв, 2013 – С. 220–

221.

12. Селиванова, А. В. Применение интеллектуального управления

обобщенной холодильной установкой в компьютерном тренинге /

А. В. Селиванова // Тези доповідей ІІ МНПК "Інформаційні технології в освіті,

науці і техніці". – Черкаси, 2014. – С. 123–124.

13. Селиванова, А. В. Нечѐткое моделирование управления холодильной

установкой для компьютерного тренажѐра / А. В. Селиванова, Т. Л. Мазурок,

А. П. Селиванов // Научно–технический журнал «Искусственный интеллект». –

Донецк, 2011. – Вип. 4 – С. 514–520. [Видання включено до МНБ – eLibrary.ru

(РІНЦ), National Library of Ukraine (Vernadsky),Google Scholar]

14. Селіванова, А. В. Нейро–нечітке моделювання управління

холодильною установкою для комп’ютерного тренажера / А. В. Селіванова,

Т. Л. Мазурок, А. П. Селіванов // Системні технології. Регіональний

міжвузівський збірник наукових праць. – Дніпропетровськ, 2012. – Вип. 4(81) – С.

136–141. [Видання включено до МНБ – Index Copernicus p–ISSN: 1562–9945,

відображається в реферативній базі «Україніка наукова», National Library of

Ukraine (Vernadsky): http://www.nbuv.gov.ua/portal/natural/SyTe]

15. Селиванова, А. В. Интеллектуальные модели в разработке

компьютерных тренажеров по холодильной специальности / А. В. Селиванова //

Сборник трудов XІ международной научной конференции им. Таран

"Интеллектуальный анализ информации ИАИ–2011. – Київ, 2011. – С. 327–335.

16. Селіванова, А. В. Інтелектуальна система підтримки прийняття

рішень в автоматизованій системі управління холодильним устаткуванням /

А. В. Селіванова // Праці VII Міжнародної школи семінару "Теорія прийняття

рішень". – Ужгород, 2014. – С. 222.

17. Селиванова, А. В. Применение интеллектуальных методов управления

в компьютерном тренажере по холодильной специальности / А. В. Селиванова //

Матеріали 1–ї Міжнародної науково–технічної конференції "Обчислювальний

інтелект (результати, проблеми перспективи)". – Черкаси, 2011. – С. 238–239.

153

18. Селиванова, А. В. Функционально–информационная структура

компьютерных тренажеров для обучения операторов технологических процессов

/А. В. Селиванова // Інтелектуальні системи в промисловості і освіті: тези

доповідей Третьої міжнародної науково–практичної конференції. – Суми, 2011. –

С. 88.

19. Селиванова, А. В. Обучение операторов промышленных холодильных

установок с помощью компьютерного тренажера / А. В. Селиванова // Матеріали

Всеураїнської науково–практичної конференції «Інформаційні управляючі

системи та технології». – Одеса, 2012. – С. 70–71.

20. Селіванова, А. В. Реалізація інтелектуального управління

узагальненим холодильним устаткуванням у комп’ютерному тренажері /

А. В. Селіванова, Т. Л. Мазурок // Матеріали I Міжнародної конференції з

адаптивних технологій управління навчанням. – Одеса, 2015. – С. 131–133.

21. Полевой, А. А. Автоматизация холодильных установок и систем

кондиционирования воздуха / А. А. Полевой. – Спб: Профессия, 2010. – 244 с.

22. Ужанский, В. С. Холодильная автоматика / В. С. Ужанский, Л. Г.

Каплан, Л. С. Вольская. – Москва: Пищевая промышленность, 1971. – 463 с.

23. Чумак, І. Г. Холодильні установки: Підручник / І. Г. Чумак,

В. П. Чепурненко, С. Ю. Лар'яновський. – Одеса: Рефпрінтінфо, 2006. – 560 с. –

(6–е вид., перероблене і доповнене).

24. Хмельнюк, М. Г. Холодильні установки та сфери їх використання:

Підручник / М. Г. Хмельнюк, О. С. Подмазко, І. О. Подмазко. – Херсон: Грінь Д.

С., 2014. – 484 с.

25. Канторович, В. И. Основы автоматизации холодильных установок :

учебники и учеб. пособ. [для уч. техникумов] / В. И. Канторович,

З. В. Подлипенцева. ― [3–е изд., перераб. и доп.] ― М.: ВО «Агропромиздат»,

1987. ― 287 с.

26. Белозеров, Г. А. Холодильные технологии и технические средства

непрерывной холодильной цепи / Г. А. Белозеров. // Холодильная техника. – 2008.

– №4. – С. 6–10.

154

27. Мааке, В. Учебник по холодильной технике / В. Мааке, Г. Ю. Эккерт,

Ж. Л. Кошпен. ― М. : изд–во Московского университета, 1998. ― 1142 с.

28. Холодильные машины / [Кошкин Н. Н., Сакун И. А., Бамбушек Е. М.,

Бухарин Н. Н., Герасимов Е. Д.]; под общ. ред. И. А. Сакуна. ― Л.:

Машиностроение, Ленингр. отд–ние, 1985. ― 510 с.

29. Бабакин, Б. С. Бытовые холодильники и морозильники / Б. С. Бабакин,

В. А. Выгодин. ― Рязань : Узоречье, 2005. ― 860 с.

30. Чумак, И. Г. Холодильная техника и технология: состояние и

перспективы развития / И. Г. Чумак, А. Е. Лагутин, В. П. Кочетов // Вестник

международной академии холода. ― 1999. ― № 4. ― С. 4―7.

31. Васылив, О. Б. Оптимизация режимов работы аппаратов различного

функционального назначения с абсорбционно–диффузионными холодильными

машинами: дис. канд. техн. наук : 05.04.03 / Васылив Олег Богданович. – Одесса,

1998. – 228 с.

32. Ужанский, В. С. Автоматизация холодильных машин и установок /

В. С. Ужанский. ― [2–е изд., перераб. и доп.]. ― М. : Легкая и пищевая пром–сть,

1982. ― 304 с.

33. Кондрашова, Н. Г. Холодильно–компрессорные машины и установки /

Н. Г. Кондрашова, Н. Г. Лашутин. – Москва: Высшая школа, 1966. – 509 с.

34. Шелашова, С. Л. Эффективные теплоизоляционные конструкции в

бытовой холодильной технике / С. Л. Шелашова, Г. П. Барыкина // Холодильная

техника. – 1990. – № 5. – С. 14–16.

35. Титлова, О. А. Экспериментальные исследования абсорбционных

холодильных приборов (АХП) как объектов управления / О. А. Титлова,

В. А. Хобин // Сучасні проблеми холодильної техніки і технології : міжнар. наук.–

тех. конф., 14–16 вересня 2011 р. : зб. тез докл. ― Одеса : ОДАХ, 2011. ―

С. 40―42.

36. Морозюк, Л. И. Теплоиспользующие холодильные машини – пути

развития и совершенствования / Л. И. Морозюк // Холодильна техніка та

технологія. – Одеса, 2014. – № 5. – С.

155

37. Морозюк, Т. В. Теория холодильных машин и тепловых насосов /

Т. В. Морозюк. – Одесса: Студия "Негоциант", 2006. – 712 с.

38. Фролов, Н. А. Анализ проблем управления сложными

организационно–техническими системами / Н. А. Фролов. // Вестник ОГУ. –

Одесса, 2007. – №6. – С. 27–32.

39. Путилин, С. С. Разработка системы управления холодильной

установкой, учитывающей изменения внешней среды / С. С. Путилин. // Вестник

АГТУ. Сер: Управление, вычислительная техника и информатика. – 2013. – №1. –

С. 59–64.

40. Пути автоматизации электробытовых машин и приборов : [сб. статей

под ред. Миронова Г. М.]. – Киев: Техника, 1982. – 65 с.

41. Парк, Дж. Передача данных в системах контроля и управления:

практическое руководство / Дж. Парк, С. Маккей, Э. Райт ; [перевод с англ. В.В.

Савельева]. ― М. : ООО «Группа ИДТ», 2007. ― 480 с.

42. Стефани, Е. П. Основы расчета настройки регуляторов

теплоэнергетических процессов / Е. П. Стефани. ― М. : Энергия, 1972. ― 377 с.

43. Хобин, В. А. Система автоматического управления с коммутируемой

структурой, минимизирующая / В. А. Хобин, А. В. Мазур, О. А. Титлова //Наук.

пр. ОНАХТ. – Одеса, 2007. – Вип. 31. – Т. 1. – С. 149 – 152.

44. Хобин, В. А. Современные принципы автоматического управления

тепловыми процессами пищевых технологий /В. А. Хобин, А. В. Мазур // Харчова

наука і технологія. – Одеса, 2008. – № 1. – С. 48 – 51.

45. Каргин, А. А. Введение в интеллектуальные машины / А. А. Каргин. –

Донецк: Норд–Пресс, ДонНУ, 2010. – 526 с. – (Книга 1. Интеллектуальные

регуляторы.).

46. Деменков, Н. П. Нечеткое управление в технических системах /

Н. П. Деменков. – Москва: МГТУ им. Баумана, 2005. – 200 с.

47. Леоненков, А. В. Нечеткое моделирование в среде Matlab и FuzzyTech

/ А. В. Леоненков. – Спб.: БХВ–Петербург, 2003. – 736 c.

156

48. Гладун, Г. С. К вопросу о формировании памяти сложных человеко–

машинных изделий, реализующей функции оценки среды и выработки

управляющих решений / Г. С. Гладун, Г. В. Якеменко. // Штучний інтелект. –

2006. – №6. – С. 391–395.

49. Гладун, В. П. Партнерство с компьютером / В. П. Гладун. – Киев: Port

Royal, 2000. – 128 с.

50. Гладун, В. П. Прогнозирование на основе растущих пирамидальных

сетей / В. П. Гладун, Н. Д. Ващенко, В. Ю. Величко. // Программные продукты и

системы. – 2002. – №2. – С. 22–27.

51. Комашинский, В. И. Нейронные сети и их применение в системах

управления и связи / В. И. Комашинский, Д. А. Смирнов. – Москва: Горячая

линия–Телеком, 2003. – 94 с.

52. Солодовник, М. С. Застосування нейро–нечіткого підходу для

підвищення надійності і оптимальної роботи комп'ютерної мережі /

М. С. Солодовник. // Холодильна техніка та технологія. – 2014. – №1. – С. 68–75.

53. Ложечников, В. Ф. Нейро–нечеткое управление сложными объектами

[Електронний ресурс] / В. Ф. Ложечников, В. С. Михайленко // Lviv Polytechnic

National University Institutional Repository. – 2011. – Режим доступу до ресурсу:

http://ena.lp.edu.ua.

54. Михайленко, В. С. Алгоритм настройки адаптивного нейро–нечеткого

ПИ–регулятора / В. С. Михайленко. // Праці Одеського політехнічного

університету. – 2011. – №2. – С. 149–154.

55. Евменов, В. П. Интеллектуальные системы управления /

В. П. Евменов. – Москва: Книжный дом "Либроком", 2009. – 304 с.

56. Лавренюк, С. И. Интеллектуальный подход к моделированию работы

GRID–системы в условиях неопределенности / С. И. Лавренюк. // Наукові праці

ДонНТУ. – 2010. – №11. – С. 141–146.

57. Андриевская, Н. В. Особенности применения нейро–нечетких

моделей для задач синтеза систем автоматического управления /

157

Н. В. Андриевская, А. С. Резников, А. А. Черанев // Фундаментальные

исследования. – 2014. – № 11–7. – С. 1445–1449;

58. Люгер, Д. Ф. Искусственный интеллект: стратегии и методы решения

сложных проблем / Джордж Ф. Люгер. – М.: Издательский дом «Вильямс», 2005.

– 864 с. – (4–е издание).

59. Снитюк, В. Е. Прогнозирование. Модели, методы, алгоритмы:

учебное пособие / В. Е. Снитюк. – Киев: «Маклаут», 2008. – 364 с.

60. Джексон, П. Введение в экспертные системы: Пер с англ.: Уч.пос. /

Питер Джексон. – Москва: Издательский дом "Вильямс", 2001. – 624 с.

61. Советов, Б. Я. Моделирование систем / Б. Я. Советов, С. А. Яковлев. –

Москва: Высшая школа, 1985. – 271 с.

62. Мамаев, В. Я. Модели и алгоритмы для мониторинга и оценки знаний

специалистов в компьютерной интеллектуальной обучающей системе /

В. Я. Мамаев. // Научное приборостроение. – 2001. – №4. – С. 84–87.

63. Методы робастного, нейро–нечеткого и адаптивного управления:

ученик [под ред. Н.Д. Егупова] – Москва: Изд–во МГТУ, 2001. – 744 с.

64. Гурський, О. О. Автоматизація холодильної турбокомпресорної

установки на базі системи координуючого керування: автореферат дис. кандидата

тех. наук: 05. 13. 07. – Одеса, 2012. – 22 с.

65. Живица, Ю. В. Управление промышленной холодильной установкой с

использованием алгоритмов нечеткой логики / Ю. В. Живица, О. А. Онищенко. //

Вісник КДПУ імені Михайла Остроградського. – 2008. – №4. – С. 140–143.

66. Концепция системы компьютерного мониторинга и технической

диагностики рефрижераторной установки судна / [Ю. А. Очеретяный, В. И.

Живица, В. Н. Белый та ін.]. // Судовые энергетические установки. – 2011. – №28.

– С. 36–42.

67. Онищенко, О. А. Двуканальная система управления малыми

холодильными установками / О. А. Онищенко. // Электротехнические и

компьютерные системы. – 2012. – №5. – С. 37–42.

158

68. Bibbi, K. S. Men’s Role in Control System / K. S. Bibbi et. al. // Proc. 6th

IFAC Congress. – Boston (MA), 1975. – P. 4. – P. 1–20.

69. Rose, W. B. Models of human problem solving: Detection, diagnosis and

compensation for system failures / W. B. Rose. // Autumatica. – 1983, Vol. 19, No.6 –

P. 613–625.

70. Дозорцев, В. М. Компьютерные тренажеры для обучения операторов

технологических процессов / В. М. Дозорцев. – Москва: Синтег, 2009. – 372 с. –

(Автоматизация технологических процессов).

71. Van Eekhout, J. M. Human errors in Detection, diagnosis and

compensation of failures in Engine control room of a supertanker / J. M. Van Eekhout,

W. B. Rouse // IEEE Trans. System, Man and Cybernetics. – 1981. – Vol. 11 No. 12 –

P. 813–816.

72. Johannsen, G. Mathematical Concepts for modeling human behavior in

complex and man–machine systems / G. Johannsen, W. B. Rose. // Human factors. –

1979. – Vol. 21. – P.733–748.

73. Johannsen, G. Studies of planning bihavior of aircraft pilots in normal,

abnormal fnd emergency situations / G. Johannsen, W. B. Rose. //IEEE Trans system

man and cybernatics. – 1983. – Vol. 13, No. 3 – P. 267–278.

74. Rasmussen, J. Skills, rules and knowledge, signals, sings and symbols, and

other distinctions in human performance models / J. Rasmussen// IEEE Trans system

man and cybernatics. 1983. – Vol. 13 No. 3 – P. 257–266.

75. Айхорн, Х. Д. Получение знаний из опыта и условно–оптимальных

правил при принятии решений / Х. Д. Айхорн // В кн. «Принятие решений в

неопределенности. Правила и предубеждения» под ред. Суходольского. –

Харьков: Гуманитарный центр, 2005. – С. 308–324.

76. Kahneman, D. Prospect theory: an analisis of decisions under risk /

D. Kahneman, A. Tversky. // Econometrica, 1979. – Vol. 47. – P 263–291.

77. Johannsen, G. Human systems interface Conserns in support system

design./ G. Johannsen et. al. // Automatica, 1983. – Vol. 19 No. 6. – P. 595–603.

159

78. Rasmussen, J. The human as a systems component/ In: H. T. Smith and T.

R. G. Green (Edt.). Human interaction with computers. – L.: Academic press, 1980.

79. Pew, R. W. Perspectives of human performance modeling / R. W. Pew,

S Baron. // Automatica – 1983. – Vol 19 No. 6. – P. 633–676.

80. Venkatasubramanian, V. A review of process fault detection and diagnosis.

/ V. Venkatasubramanian et. al // Computer and chemical engineering. 2003. – Vol. 27.

– P. 293–311. – (Part 1: Quantatie Model–based methods)

81. Коврегін, В. В. Формування методологічних підходів до визначення

коефіцієнтів безпеки основних елементів аміачної холодильної установки за

критерієм «вплив суб'єкта» / В. В. Коврегін, Д. В. Тарадуда, Р. І. Шевченко. //

Збірник наукових праць Харківського університету Повітряних сил. – 2011. –

Вип. 1. – С. 233–236. – Режим

доступу: http://nbuv.gov.ua/UJRN/ZKhUPS_2011_1_58

82. Мальгина, Е. В. Холодильные машины и установки / Е. В. Мальгина,

Ю. В. Мальгин. – Москва: Пищевая промышленность, 1973. – 603 с.

83. Аверин, Г. В. Анализ опасностей аммиачных компрессорных

установок методом построения «дерева отказов» / Г. В. Аверин, В. М. Москалец.

// Екологічна безпека. – 2008. – №3. – С. 9–16.

84. Столевич, Т. Б. Оцінка ризику при використанні аміаку як

холодоагенту проектування систем управління / Т. Б. Столевич,

М. М. Зацерклянний. // Праці Одеського політехнічного університету. – Одеса,

2013. – №2. – С. 201–204.

85. Тарадуда, Д. В. Визначення показників небезпеки основних елементів

аміачної холодильної установки за допомогою батокритеріальної методики оцінки

та управління ризиком виникнення аварій / Д. В. Тарадуда, Р. І. Шевченко,

С. М. Щербак. // Проблеми надзвичайних ситуацій. Збірка наукових праць. – 2010.

– №12. – С. 155–167.

86. Абзалов, А. В. Идентификация предаварийных ситуаций на

аммиачной холодильной установке на основе экспертной информации: дис.

160

кандидата технічних наук: 05.13.01 // Абзалов Альберт Ваисович. – Астрахань,

2008. – 140 с.

87. Уникальный компьютерный тренажерный комплекс

автоматизированной холодильной установки, разработанный компанией Транзас.

[Електронний ресурс] // Интернет газета Холодильщик Ru. – 2006. – Интернет–

выпуск № 6(18) – Режим доступу:

http://www.holodilshchik.ru/index_holodilshchik_issue_6_2006_AHU.htm

88. Куник, Е. Г. Архитектура компьютерного тренажера для обучения

операторов АСУ ТП / Е. Г. Куник, А. Н. Коваленко, С. А. Ляшенко. //

Радіоелектроніка. Інформатика. Управління. – 2009. – №1. – С. 128–131.

89. Абызгильдин, А. Ю. Разработка компьютерных тренажеров

технологических процессов [Електронний ресурс] / А. Ю. Абызгильдин,

Е. О. Альмухаметов, Н. А. Руднев // Нефтегазовое дело. – 2004. – Режим доступу

до ресурсу: http://www.ogbus.ru.

90. Олейник, В. В. Компьютерный тренажер аммиачной холодильной

установки с непосредственной системой охлаждения помещений / В. В. Олейник.

// Холодильная техника. – 2006. – №7. – С. 50–54.

91. Олейник, В. В. Компьютерный тренажер аммиачной холодильной

установки с несколькими температурами кипения / В. В. Олейник,

Е. Н. Игнатенко, Б. И. Олейников. // Холодильная техника. – 2005. – №1. – С. 14–

17.

92. Оптимизация использования тренажеров для специалистов

нефтегазового комплекса [Електронний ресурс] / Ф. Ш. Хафизов, Д. И. Шевченко,

А. В. Кофанов, А. В. Николаев // Электронный научный журнал «Нефтегазовое

дело». – 2011. – №6 – Режим доступу до ресурсу: http://www.ogbus.ru

93. Кринецкий, И. И. Основы научных исследований / И. И. Кринецкий. –

Киев: "Вища школа", 1981. – 208 с.

94. Анфилатов, В. С. Системный анализ в управлении: учебное пособие /

В. С. Анфилатов, А. А. Емельянов, А. А. Кукушкин. – Москва: Финансы и

статистика, 2002. – 368 с.

161

95. Луценко, Е. В. Автоматизированный системно–когнитивный анализ в

управлении активными объектами (системная теория информации и ее

применение в исследовании экономических, социально–психологических,

технологических и организационно–технических систем): Монография (научное

издание) / Е. В. Луценко. – Краснодар: КубГАУ, 2002. – 605 с.

96. Оносовский, В. В. Моделирование и оптимизация холодильных

установок / В. В. Оносовский. – Л.: Изд–во Ленинградского университета, 1990. –

208 с.

97. Тирский, Г. А. Подобие и физическое моделирование / Г. А. Тирский

// Соросовский образовательный журнал. – 2001, Т 7 №8, С. 122–127

98. Кутателадзе, С. С. Анализ подобия и физическое моделирование /

С. С. Кутателадзе. – Новосибирск, 1986. – 295 с.

99. Гордон, Е. И. Инфинитезимальный анализ / Е. И. Гордон,

А. Г. Кусраев, С. С. Кутателадзе. – Новосибирск: Изд–во Ин–та математики, 2001.

– 526 с. – (Нестандартные методы анализа).

100. Самарский, А. А. Математическое моделирование: Идеи, методы,

примеры / А. А. Самарский, А. П. Михайлов. – Москва: Физматлит, 2005. – 320 с.

– (2–е изд, испр).

101. Томашевський, В. М. Моделювання систем./ В. М. Томашевський –

К.: Видавнича група BHV, 2005. – 352 с.

102. Информационные технологии моделирования и управления. //

Научно–технический журнал. – 2010. – №4.

103. Згуровский, М. З. Дискретно непрерывные системы с управляемой

структурой. / М. З. Згуровский, В. А. Денисенко К.: Наукова думка, 1998.

350 с.

104. Шмидт, С. С. Научно–технический отчет о проведении испытаний

аммиачной одноступенчатой холодильной машины в рамках диссертационной

работы «Исследование работы аммиачных машин с целью определения

оптимумов характеристик методами прикладной термодинамики». – Омский

государственный политехнический институт, 2001.

162

105. Растригин, Л. А. Современные принципы управления сложными

объектами / Л. А. Растригин. – Москва: Сов. радио, 1980. – 232 с.

106. Мармоза, А. Т. Практикум по математической сиатистике /

А. Т. Мармоза, – К.: Вища школа, 1990. – 191 с.

107. Круглов, В. В. Искусственные нейронные сети. Теория и практика /

В. В. Круглов, В. В. Борисов. – Москва: Горячая линия–Телеком, 2002. – 382 с.

108. Каллан, Р. Основные концепции нейронних сетей. / Роберт Каллан –

М.: Издательский дом «Вильямс», 2003 – 288 с.

109. Руденко, О. Г. Штучні нейронні мережі: Навчальний посібник. /

О. Г. Руденко, Є. В. Бодянський – Харків: ТОВ «Компанія СМІТ», 2006. – 404 с.

110. Куссуль, М. Э. Модульное представление нейронных сетей /

М. Э. Куссуль. // Математичні машини і системи. – 2006. – №4. – С. 51–62.

111. Субботин, С. А. Методы синтеза и модели нейро–нечетких сетей для

решения задач диагностики и классификации по признакам / С. А. Субботин. //

«Штучний інтелект». – 2010. – №2. – С. 153–157.

112. Бабич, Л. О. Управление интеллектуальным мобильным роботом на

основе гибридной нейро–нечеткой системы / Л. О. Бабич, В. П. Квасников. //

Авиационно–космическая техника и технология. – 2009. – №7. – С. 140–144.

113. Saleh, B. Flow Control Methods in Refrigeration Systems: A Review

[Електронний ресурс]/ B. Saleh, A. A. Ayman. // International journal of control,

automation and systems. – 2015. – №1. – С. 14–25. – Режим доступу:

http://researchpub.org/journal/jac/number/vol4–no1/vol4–no1–3.pdf

114. Design and іmplementation of аrtificial neural networks controller via a

realtime simulator for variable speed refrigeration systems / S. Sahin, O. Ekren, Y. Isler,

C. Güzeliş. // J. of Eng. and Machinery. – 2010. – №51. – С. 8–15.

115. Viharos, Z. J. Survey on neuro–fuzzy systems and their applications in

technical diagnostics [Електронний ресурс] / Z. J. Viharos, K. B. Kis // Advanced

measurement tools in technical diagnostics for systems' reliability and safety. – 2014. –

Режим доступу до ресурсу:

163

http://www.sztaki.hu/~viharos/homepage/Publications/2014/IMEKO_TC10/VIHAROS

_Neuro–fuzzy_IMEKO_TC10_Conference_2014_web.pdf.

116. Al–Jarrah, R. Developed adaptive neuro–fuzzy algorithm to control air

conditioning system at different pressures / R. Al–Jarrah, M. A. Al–Jarrah. //

International journal of engineering, science and technology. – 2013. – №4. – С. 43–59.

117. Schwingshackl, D. Model predictive control of a HVAC system based on

the LoLiMoT algorithm [Електронний ресурс] / D. Schwingshackl, J. Rehrl, M. Horn

// 2013 European Control Conference (ECC). – 2013. – Режим доступу до ресурсу:

http://serv.yanchick.org/Books/Материалы%20конференций/ecc–

2013/data/papers/1020.pdf

118. Снитюк, В. Е. Интеллектуальное управление оцениванием знаний /

В. Е. Снитюк, К. Н Юрченко – Черкассы, 2013. – 261 с.

119. Гаврилова ,Т. А. , Хорошевский В. Ф. Базы знаний интеллектуальных

систем / Т. А. Гаврилова , В. Ф. Хорошевский – Спб.:Питер, 2000 – 384 с.

120. Андрейчиков, А. В. Интеллектуальные информационные системы. /

А. В. Андрейчиков, О. Н. Андрейчикова – М.: Финансы и статистика, 2004. –

424 с.

121. Медведев, В. С. Нейронные сети. MATLAB 6. /В. С. Медведев,

В. Г. Потемкин – Москва: ДИАЛОГ–МИФИ, 2002 – 496 с.

122. Штовба, С. Д. Проектирование нечетких систем средствами

MATLAB./ С. Д. Штовба – Москва: Горячая линия–Телеком, 2007. – 288 с.

123. Потемкин, В. Г. Система MATLAB : справ. пособ. / В. Г. Потемкин. –

М. : ДИАЛОГ–МИФИ, 1997. ― 350 с.

124. Гультяев, А. К. Matlab 5.2. Имитационное моделирование в среде

Windows : практ. пособ. / А. К. Гультяев. – СПб. : КОРОНА Принт, 1999. – 288 с.

125. Дьяконов, В. Математические пакеты расширения MATLAB : спец.

справ. / В. Дьяконов, В. Круглов. – Спб. : Питер, 2001. – 480 с.

126. Kalechman, M. Practical MATLAB basics for engineers / M. Kalechman. –

New York City College of Technology City University of New York (CUNY) : Taylor

& Francis Group, 2009. – 681 p.

164

127. Мазурок, Т. Л. Модель формирования знаний для автоматизированной

системы управления обучением / Т. Л. Мазурок. // Образовательные технологии и

общество. – 2013. – №1(16). – С. 337–762.

128. Дейнека, А. В., Жуков Б. М. Современные тенденции в управлении

персоналом. Учебное пособие. [Электронный ресурс] / А. В. Дейнека,

Б. М. Жуков – Изд. Российская академия естествознания, 2010 – Режим

доступа: http://www.rae.ru/monographs/53

129. Голенищев, Э. П. Информационное обеспечение систем управления. /

Голенищев, Э. П., Клименко И. В. – Ростов н/Д: «Феникс», 2003 – 352 с. –

(Серия «Учебники и учебные пособия».)

130. Шлеер, С. Объектно–ориентированный анализ: Моделирование мира

в состояниях/ С. Шлеер, С. Меллор. – К.: Диалектика. – 193 с.

131. UML 2 и Унифицированный процесс. Практический объектно–

ориентированный анализ и проектирование, 2–е издание. – Пер. с англ. –

СПб: Символ–Плюс, 2007. – 624 с., ил.

132. Буч, Г. Объектно–ориентированный анализ и проектирование с

примерами приложений. / Грэди Буч, Роберт А. Максимчук,

Майкл У. Энгл, Бобби Дж. Янг, Джим Коналлен, Келли А. Хьюстон –

Вильямс, 2010. – 720 с. – (3–е издание).

133. Колесов, Ю. Б. Объектно–ориентированное моделирование сложных

динамических систем / Ю. Б. Колесов. – Санкт–Петербург: СПбГПУ, 2004. – 240 с

134. Об’єктно–орієнтована технологія проектування систем управління /

Б. Ю. Жураковський, О. Г. Варфоломеєва, О. В. Гладких, О. А. Хахлюк. // Вісник

ДУІКТ. – 2013. – №1. – С. 49–53.

135. Хобін В. А. Автоматизоване робоче місце для дослідження процесів

управління АДХМ / В. А. Хобін, О. О. Тітлова // Наук. праці ОНАХТ. – Одеса,

2009. ― Т. 2., Вип. 36. ― С. 254–258.

136. Титлова, О. А. Автоматизированное рабочее место исследователя

тепловых процессов в абсорбционных холодильных приборах / О. А. Титлова,

165

В. А. Хобин // Автоматизация технологических и бизнес–процессов. – Одесса,

2011. – № 5,6. ― С. 60–64.

137. Косарев, В. А. Современные комплексные системы обучения,

тренинга и аттестации эксплуатационно–технологического персонала

металлургических предприятий / В. А. Косарев, И. В. Катасонов. // Известия

ВУЗов. Черная металлургия. – 2002. – №12. – С. 58–61.

138. Фаронов, В. В. Delphi 5. Руководство программиста. // В. В. Фаронов –

М.: «Нолидж», 2001. – 880 с.

139. Архангельский, А. Я. Delphi 6. Справочное пособие /

А. Я. Архангельский – М.: ЗАО «Издательство Бином», 2001. – 1024 с.

140. Шумаков, П. В. Delphi 5. Руководство разработчика баз данных. /

П. В. Шумаков, Фаронов В. В. – М.: «Нолидж», 2001. – 640 с.

141. Бобровский, С. Технологии DELPHI. Разработка приложений для

бизнеса. Учебный курс / Сергей Бобровский. – СПб.:Питер, 2007. – 720 с.

142. Дарахвелидзе, П. Программирование в DELPHI 5. Современные

технологии ADO, COM, CORBA / П. Дарахвелидзе, Е. Марков, О. Котенок

– СПб:БХВ–Петербург, 2001. – 784 с.

143. Пестриков, В. М. Delphi на примерах / В. М. Пестриков,

А. Н. Маслобоев – СПб: БХВ–Петербург, 2005. – 496с.

144. Финкельштейн, Э. AutoCAD 2009 и AutoCAD LT 2009. Библия

пользователя. / Эллен Финкельштейн – Вильямс, 2009. – 1376 с.

145. Матоссян, М. 3D МАХ 6 для Windows / М. Матоссян. –

М:ДМК Пресс, 2004. – 624 с.

146. Башмаков, А. И. Разработка компьютерных учебников и обучающих

систем / А. И. Башмаков, И. А. Башмаков. – Москва: Издательский дом

«Филинъ», 2003. – 616 с.

147. Пасічник, В. В., Резніченко В. А. Організація баз даних та знань /

В. В. Пасічник, В. А. Резніченко – К.:Видавнича група БХВ, 2006. – 384 с.

166

148. Коннолли, Т., Бегг К. Базы данных. Проектирование, реализация и

сопровождение. Теория и практика / Т. Коннолли, К. Бегг. –

М.: Издательский дом «Вильямс», 2003. – 1144 с. – (3–е издание).

149. Корняков, В. Н. Программирование документов и приложений MS

Office в Delphi. / В. Н. Корняков. – СПб.:БХВ–Петербург, 2005 – 496 с.

150. Беспалько, В. П. Образование и обучение с участием компьютеров /

В. П. Беспалько. – Москва: Издательство Московского психолого–

социального института, 2002. – 352 с. – (педагогика третього

тысячелетия).

167

Додаток А Показники приміщень що охолоджуються.

Рисунок А.1 – Показники охолоджуваних приміщень

168

Рисунок А.2 – Показники охолоджуваних приміщень

169

Рисунок А.3 – Показники охолоджуваних приміщень

170

Рисунок А.4 – Характеристика систем із безпосереднім охолодженням

171

Додаток Б Експериментальні дані для навчальної та тестової вибірки

pmp12 Pps4 tk tkam4 tkam10 Нlr Hog V

4,2 3,8 20 –17 1 40 10 1

4,1 3,7 20 –18 2 50 10 1

4,2 3,8 19 –19 3 50 10 1

4,1 3,6 19 –19 3 50 10 1

4,1 3,6 19 –19 3 50 10 1

4 3,5 19 –19 3 50 10 1

4 3,4 19 –20 2 50 15 1

4 3,4 19 –20 3 50 20 1

4 3,4 18 –20 3 40 0 1

4 3,4 18 –20 3 50 0 1

4 3,4 18 –20 3 50 0 1

4 3,4 18 –19 2 60 0 1

4,3 2,9 17 –17 5 60 0 1

4,2 2,5 17 –17 5 60 0 1

4,2 2,6 16 –17 5 55 10 1

4,3 2,7 17 –17 6 55 10 1

0 0 16 –18 6 55 15 0

4,1 2,5 16 –17 6 50 15 1

4 2,7 17 –16 6 50 15 1

4 2,6 17 –16 6 50 15 1

0 0 17 –16 5 45 20 0

0 0 17 –16 5 45 20 0

4,2 2,7 16 –16 5 45 20 1

4,2 2,8 16 –17 5 50 0 1

0 2,2 19 –20 6 45 15 0

0 2,3 19 –20 6 45 15 0

0 2,1 18 –20 6 45 15 0

0 2,2 18 –20 7 45 15 0

0 2,3 18 –20 7 45 15 0

0 2,6 20 –19 7 50 20 0

0 2,5 20 –19 7 50 20 0

0 2,4 20 –19 7 50 20 0

0 2,2 20 –19 6 45 20 0

0 2,4 20 –18 5 45 0 0

0 2,4 20 –18 5 45 5 0

0 2,5 19 –18 5 45 5 0

0 0 19 –18 7 55 5 0

0 0 19 –18 7 55 5 0

0 0 19 –18 7 55 15 0

0 0 19 –19 9 40 15 0

0 0 19 –19 9 40 15 0

0 0 20 –19 9 40 15 0

0 0 20 –19 9 40 15 0

0 0 20 –19 9 40 20 0

172

pmp12 Pps4 tk tkam4 tkam10 Нlr Hog V

0 0 21 –19 9 40 20 0

0 0 21 –19 8 45 20 0

0 0 21 –20 8 45 25 0

0 0 21 –20 8 45 25 0

0 0 23 –19 9 50 0 0

0 0 23 –19 9 50 0 0

0 0 23 –19 9 50 10 0

0 0 22 –18 10 40 10 0

0 0 22 –18 10 40 10 0

0 0 24 –18 10 40 10 0

0 0 24 –18 10 40 10 0

0 0 24 –18 10 40 15 0

0 0 24 –18 10 40 15 0

0 0 23 –18 10 60 20 0

0 0 22 –17 9 60 20 0

0 0 22 –17 9 60 0 0

0 0 22 –17 9 55 0 0

0 0 22 –17 10 55 5 0

0 0 21 –17 10 50 10 0

0 0 21 –18 10 50 10 0

0 0 22 –18 10 50 10 0

0 0 22 –18 10 45 15 0

0 0 23 –18 10 45 15 0

0 0 23 –18 11 45 15 0

0 0 22 –18 11 40 20 0

0 0 22 –18 12 45 20 0

0 0 22 –16 12 50 20 0

0 0 21 –16 12 50 0 0

0 2,5 25 –15 13 60 10 0

0 2,5 25 –15 13 60 15 0

0 2,5 24 –15 13 55 15 0

0 2,8 25 –16 14 55 15 0

0 2,8 25 –16 14 50 20 0

0 2,8 26 –16 14 50 20 0

0 3 27 –16 14 50 20 0

0 2,9 28 –16 14 45 25 0

0 2 28 –17 14 45 25 0

0 2,9 27 –17 14 50 27 0

0 2,8 27 –17 13 55 0 0

0 2,6 26 –17 13 55 0 0

0 2,8 25 –16 14 55 5 0

0 2,8 25 –16 14 55 5 0

0 2,8 25 –16 15 50 5 0

0 2,8 24 –16 16 50 15 0

0 3 24 –16 16 50 15 0

0 3,1 26 –16 16 50 15 0

0 3,1 28 –16 16 45 15 0

173

pmp12 Pps4 tk tkam4 tkam10 Нlr Hog V

0 3 28 –16 15 45 15 0

0 2,8 28 –15 15 40 20 0

0 2,8 28 –15 15 45 20 0

0 2,7 27 –15 15 50 10 0

0 2,7 27 –15 15 50 0 0

0 0 22 –19 8 65 5 0

0 0 22 –19 8 60 5 0

0 0 21 –20 8 55 5 0

0 0 21 –22 9 55 10 0

0 0 22 –22 9 55 10 0

0 0 24 –22 9 50 15 0

0 0 25 –22 9 50 15 0

0 0 26 –22 9 50 15 0

0 0 26 –20 10 45 20 0

0 0 26 –18 10 45 20 0

0 0 27 –18 10 45 25 0

0 0 25 –18 10 40 15 0

0 0 21 –16 9 50 15 0

0 0 21 –17 9 50 20 0

0 0 20 –17 9 50 22 0

0 0 20 –17 9 45 25 0

0 0 20 –17 9 45 0 0

0 0 21 –17 9 45 0 0

0 0 22 –17 9 45 5 0

0 0 23 –17 9 45 10 0

0 0 22 –17 9 40 15 0

0 0 23 –17 9 45 15 0

0 0 22 –17 9 45 15 0

0 0 22 –17 9 50 20 0

0 0 24 –18 10 60 10 0

0 0 24 –18 10 60 15 0

0 0 24 –18 10 55 15 0

0 0 24 –18 10 50 20 0

0 0 22 –17 10 50 20 0

0 0 24 –17 10 50 20 0

0 0 23 –17 9 45 25 0

0 0 24 –17 9 45 20 0

0 0 24 –17 9 50 20 0

0 0 23 –17 9 55 20 0

0 0 23 –17 9 55 10 0

0 0 23 –17 9 55 0 0

0 0 20 –17 9 60 0 0

0 0 20 –18 9 60 5 0

0 0 20 –18 10 55 5 0

0 0 20 –18 10 55 10 0

0 0 20 –18 10 55 10 0

0 0 23 –18 10 45 10 0

174

pmp12 Pps4 tk tkam4 tkam10 Нlr Hog V

0 0 23 –18 10 40 15 0

0 0 23 –18 10 40 15 0

0 0 23 –18 10 40 15 0

0 0 24 –19 9 40 20 0

0 0 24 –19 9 45 20 0

0 0 23 –19 9 50 0 0

175

Додаток В Зведена таблиця експериментальних даних для оцінювання показників ефективності процесів

автоматизованого керування із застосуванням розробленого програмного забезпечення

Період Камера № 1

Камера № 3

Камера № 4

Камера № 5

Середнє відхилення від режиму роботи ХУ

вибірки настр до після настр до після настр До після настр до після до після абс. до абс. післ %

зниж

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

січень –15 –15 –15 –15 –16 –16 –17 –17 –17 –20 –19 –18 0,31 –0,15 0,31 0,15 50

–15 –16 –15 –15 –16 –15 –17 –18 –18 –20 –20 –19 0,38 –0,15 0,38 0,15 60

–15 –17 –14 –15 –17 –15 –17 –19 –17 –20 –21 –20 0,62 –0,15 0,62 0,15 75

–15 –17 –15 –15 –17 –15 –17 –19 –17 –20 –22 –20 0,77 0,00 0,77 0,00 100

–15 –17 –16 –15 –17 –15 –17 –19 –17 –20 –22 –20 0,85 0,08 0,85 0,08 90,9

–15 –17 –15 –15 –17 –15 –17 –19 –17 –20 –22 –21 0,85 0,00 0,85 0,00 100

–15 –15 –15 –15 –17 –14 –17 –20 –17 –20 –21 –20 0,62 –0,08 0,62 0,08 87,5

–15 –16 –14 –15 –16 –15 –17 –20 –17 –20 –20 –20 0,31 –0,15 0,31 0,15 50

–15 –17 –15 –15 –15 –15 –17 –20 –17 –20 –21 –20 0,31 –0,15 0,31 0,15 50

–15 –17 –16 –15 –17 –15 –17 –20 –17 –20 –22 –21 0,77 0,15 0,77 0,15 80

–15 –16 –15 –15 –17 –15 –17 –20 –16 –20 –22 –20 0,54 0,00 0,54 0,00 100

–15 –17 –15 –15 –17 –16 –17 –19 –17 –20 –22 –20 0,77 0,00 0,77 0,00 100

лютий –15 –17 –15 –15 –17 –15 –17 –17 –17 –16 –17 –16 0,00 –0,15 0,00 0,15 0

–15 –17 –15 –15 –17 –15 –17 –17 –17 –16 –17 –16 0,08 0,08 0,08 0,08 0

–15 –17 –14 –15 –17 –15 –17 –17 –17 –16 –17 –16 –0,08 0,08 0,08 0,08 0

–15 –17 –15 –15 –16 –15 –17 –17 –17 –16 –17 –16 –0,23 0,08 0,23 0,08 66,7

–15 –17 –16 –15 –16 –15 –17 –18 –16 –16 –16 –16 –0,31 0,00 0,31 0,00 100

–15 –16 –15 –15 –16 –14 –17 –17 –17 –16 –16 –16 –0,46 0,00 0,46 0,00 100

–15 –16 –15 –15 –16 –15 –17 –16 –17 –16 –16 –17 –0,54 0,00 0,54 0,00 100

–15 –16 –14 –15 –16 –15 –17 –16 –17 –16 –16 –17 –0,46 –0,08 0,46 0,08 83,3

–15 –16 –15 –15 –15 –15 –17 –16 –17 –16 –16 –16 –0,69 0,08 0,69 0,08 88,9

176

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

–15 –16 –16 –15 –14 –16 –17 –16 –17 –16 –16 –16 –1,15 0,31 1,15 0,31 73,3

–15 –16 –15 –15 –13 –15 –17 –16 –18 –16 –15 –16 –1,15 0,15 1,15 0,15 86,7

–15 –16 –15 –15 –13 –15 –17 –17 –17 –16 –15 –16 –0,77 0,00 0,77 0,00 100

березень –17 –18 –18 –15 –16 –15 –19 –20 –18 –20 –21 –20 0,62 0,23 0,62 0,23 62,5

–17 –18 –17 –15 –16 –16 –19 –20 –19 –20 –21 –21 0,62 0,08 0,62 0,08 87,5

–17 –18 –17 –15 –16 –15 –19 –20 –19 –20 –21 –20 0,62 –0,08 0,62 0,08 87,5

–17 –19 –16 –15 –17 –15 –19 –20 –19 –20 –22 –20 0,92 –0,08 0,92 0,08 91,7

–17 –19 –17 –15 –17 –15 –19 –20 –19 –20 –22 –20 0,92 0,08 0,92 0,08 91,7

–17 –19 –17 –15 –17 –15 –19 –19 –19 –20 –22 –20 0,92 0,08 0,92 0,08 91,7

–17 –19 –18 –15 –17 –15 –19 –19 –19 –20 –22 –20 1,00 0,08 1,00 0,08 92,3

–17 –19 –17 –15 –17 –15 –19 –19 –20 –20 –22 –20 1,08 0,08 1,08 0,08 92,9

–17 –18 –17 –15 –17 –14 –19 –19 –19 –20 –22 –19 1,00 –0,15 1,00 0,15 84,6

–17 –18 –16 –15 –17 –15 –19 –18 –19 –20 –21 –20 1,00 –0,15 1,00 0,15 84,6

–17 –18 –17 –15 –16 –15 –19 –18 –19 –20 –21 –20 1,00 0,00 1,00 0,00 100

–17 –18 –17 –15 –16 –15 –19 –18 –19 –20 –21 –19 1,08 –0,08 1,08 0,08 92,9

квітень –17 –19 –18 –17 –18 –16 –19 –18 –19 –20 –22 –20 0,23 0,08 0,23 0,08 66,7

–17 –18 –17 –17 –18 –16 –19 –18 –18 –20 –22 –20 0,23 –0,23 0,23 0,23 0

–17 –18 –17 –17 –18 –17 –19 –18 –19 –20 –22 –20 0,38 0,08 0,38 0,08 80

–17 –18 –16 –17 –19 –17 –19 –19 –19 –20 –23 –20 0,38 –0,08 0,38 0,08 80

–17 –18 –17 –17 –19 –17 –19 –19 –19 –20 –23 –21 0,31 0,08 0,31 0,08 75

–17 –18 –17 –17 –19 –17 –19 –19 –19 –20 –23 –20 0,38 0,15 0,38 0,15 60

–17 –18 –18 –17 –19 –17 –19 –19 –19 –20 –23 –20 0,38 0,08 0,38 0,08 80

–17 –18 –17 –17 –19 –17 –19 –19 –19 –20 –23 –19 0,38 –0,15 0,38 0,15 60

–17 –18 –17 –17 –19 –17 –19 –19 –19 –20 –23 –20 0,23 –0,08 0,23 0,08 66,7

–17 –18 –16 –17 –18 –18 –19 –19 –20 –20 –23 –20 0,15 0,15 0,15 0,15 0

–17 –17 –17 –17 –18 –17 –19 –20 –19 –20 –22 –20 0,00 –0,23 0,00 0,23 0

–17 –17 –17 –17 –18 –17 –19 –20 –19 –20 –22 –19 0,00 –0,23 0,00 0,23 0

травень –17 –17 –18 –17 –17 –17 –19 –19 –19 –20 –21 –20 –0,08 0,15 0,08 0,15 0

–17 –17 –17 –17 –17 –16 –19 –19 –19 –20 –21 –20 –0,23 –0,15 0,23 0,15 33,3

–17 –17 –17 –17 –17 –17 –19 –19 –19 –20 –21 –20 –0,23 0,00 0,23 0,00 100

177

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

–17 –17 –16 –17 –17 –17 –19 –18 –19 –20 –22 –21 –0,23 0,00 0,23 0,00 100

–17 –16 –17 –17 –17 –17 –19 –18 –19 –20 –22 –21 –0,23 0,15 0,23 0,15 33,3

–17 –16 –17 –17 –17 –17 –19 –18 –18 –20 –22 –21 –0,31 0,15 0,31 0,15 50

–17 –16 –18 –17 –17 –17 –19 –18 –19 –20 –22 –20 –0,31 0,46 0,31 0,46 0

–17 –16 –17 –17 –17 –17 –19 –18 –19 –20 –22 –20 –0,31 0,08 0,31 0,08 75

–17 –16 –17 –17 –16 –17 –19 –18 –19 –20 –22 –20 –0,38 0,00 0,38 0,00 100

–17 –16 –16 –17 –16 –17 –19 –18 –19 –20 –23 –20 –0,31 –0,15 0,31 0,15 50

–17 –16 –17 –17 –16 –18 –19 –17 –19 –20 –23 –19 –0,38 –0,08 0,38 0,08 80

–17 –16 –17 –17 –16 –17 –19 –17 –20 –20 –23 –20 –0,38 0,15 0,38 0,15 60

червень –17 –16 –18 –17 –17 –17 –19 –17 –19 –20 –22 –20 –0,46 0,38 0,46 0,38 16,7

–17 –16 –17 –17 –17 –17 –19 –17 –19 –20 –23 –20 –0,38 0,00 0,38 0,00 100

–17 –16 –17 –17 –17 –17 –19 –17 –19 –20 –23 –20 –0,54 0,08 0,54 0,08 85,7

–17 –18 –16 –17 –18 –17 –19 –18 –18 –20 –22 –20 –0,08 –0,15 0,08 0,15 0

–17 –18 –17 –17 –18 –17 –19 –18 –19 –20 –22 –21 –0,08 0,00 0,08 0,00 100

–17 –18 –17 –17 –18 –17 –19 –18 –19 –20 –22 –19 –0,08 –0,08 0,08 0,08 0

–17 –18 –18 –17 –18 –17 –19 –18 –19 –20 –22 –20 –0,08 0,08 0,08 0,08 0

–17 –18 –17 –17 –18 –16 –19 –18 –20 –20 –22 –20 –0,15 0,08 0,15 0,08 50

–17 –18 –17 –17 –18 –16 –19 –18 –19 –20 –23 –20 –0,15 0,00 0,15 0,00 100

–17 –18 –16 –17 –18 –17 –19 –18 –19 –20 –23 –19 0,00 0,00 0,00 0,00 0

–17 –17 –17 –17 –17 –17 –19 –16 –19 –20 –23 –20 –0,23 0,00 0,23 0,00 100

–17 –17 –17 –17 –17 –17 –19 –16 –18 –20 –23 –20 –0,38 –0,15 0,38 0,15 60

липень –15 –15 –15 –17 –16 –17 –17 –15 –17 –20 –23 –20 –1,92 –0,15 1,92 0,15 92

–15 –15 –15 –17 –16 –18 –17 –15 –17 –20 –23 –20 –2,00 –0,15 2,00 0,15 92,3

–15 –15 –15 –17 –17 –17 –17 –15 –16 –20 –23 –19 –1,85 –0,31 1,85 0,31 83,3

–15 –16 –15 –17 –17 –17 –17 –16 –17 –20 –23 –18 –1,69 –0,15 1,69 0,15 90,9

–15 –16 –15 –17 –17 –17 –17 –16 –17 –20 –23 –19 –1,62 –0,15 1,62 0,15 90,5

–15 –16 –16 –17 –17 –17 –17 –16 –17 –20 –23 –20 –1,46 0,08 1,46 0,08 94,7

–15 –16 –15 –17 –17 –17 –17 –16 –17 –20 –23 –20 –1,23 –0,08 1,23 0,08 93,75

–15 –16 –15 –17 –17 –17 –17 –16 –18 –20 –23 –20 –1,15 0,15 1,15 0,15 86,7

–15 –15 –14 –17 –17 –17 –17 –17 –17 –20 –22 –20 –1,00 –0,15 1,00 0,15 84,6

–15 –15 –15 –17 –17 –17 –17 –17 –17 –20 –22 –19 –0,92 0,00 0,92 0,00 100

178

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

–15 –15 –15 –17 –16 –16 –17 –17 –17 –20 –22 –20 –0,85 –0,08 0,85 0,08 90,9

–15 –14 –15 –17 –16 –16 –17 –17 –16 –20 –22 –21 –1,08 0,08 1,08 0,08 92,9

серпень –12 –13 –12 –17 –16 –17 –17 –16 –17 –20 –19 –19 –1,92 –0,08 1,92 0,08 96

–12 –13 –12 –17 –16 –17 –17 –16 –17 –20 –19 –20 –1,92 –0,23 1,92 0,23 88

–12 –13 –13 –17 –17 –17 –17 –16 –17 –20 –19 –20 –2,08 0,00 2,08 0,00 100

–12 –12 –12 –17 –17 –17 –17 –16 –17 –20 –20 –20 –2,23 0,00 2,23 0,00 100

–12 –12 –12 –17 –17 –17 –17 –16 –18 –20 –20 –21 –2,38 0,00 2,38 0,00 100

–12 –12 –12 –17 –17 –17 –17 –16 –17 –20 –20 –21 –2,38 –0,08 2,38 0,08 96,8

–12 –12 –12 –17 –17 –18 –17 –16 –17 –20 –20 –20 –2,38 –0,08 2,38 0,08 96,8

–12 –12 –11 –17 –17 –17 –17 –16 –17 –20 –20 –20 –2,31 –0,08 2,31 0,08 96,7

–12 –12 –12 –17 –17 –17 –17 –15 –17 –20 –20 –20 –2,38 0,08 2,38 0,08 96,8

–12 –12 –12 –17 –17 –17 –17 –15 –16 –20 –20 –20 –2,31 0,08 2,31 0,08 96,7

–12 –12 –12 –17 –18 –17 –17 –15 –17 –20 –20 –19 –2,23 0,08 2,23 0,08 96,6

–12 –13 –13 –17 –18 –17 –17 –15 –18 –20 –20 –20 –2,08 0,15 2,08 0,15 92,6

вересень –12 –12 –12 –17 –16 –17 –19 –19 –19 –20 –22 –20 –0,54 –0,08 0,54 0,08 85,7

–12 –12 –12 –17 –17 –17 –19 –19 –19 –20 –23 –20 –0,38 0,00 0,38 0,00 100

–12 –12 –12 –17 –18 –16 –19 –20 –19 –20 –23 –21 –0,15 0,00 0,15 0,00 100

–12 –14 –12 –17 –18 –17 –19 –22 –19 –20 –23 –20 0,08 0,15 0,08 0,15 0

–12 –14 –11 –17 –18 –17 –19 –22 –18 –20 –23 –20 0,00 –0,08 0,00 0,08 0

–12 –14 –12 –17 –18 –17 –19 –22 –19 –20 –23 –20 0,00 0,15 0,00 0,15 0

–12 –14 –12 –17 –18 –17 –19 –22 –19 –20 –23 –20 –0,15 0,08 0,15 0,08 50

–12 –14 –12 –17 –18 –17 –19 –22 –20 –20 –23 –19 –0,15 –0,08 0,15 0,08 50

–12 –13 –13 –17 –18 –17 –19 –20 –19 –20 –23 –20 –0,38 0,08 0,38 0,08 80

–12 –12 –12 –17 –18 –17 –19 –18 –19 –20 –23 –20 –0,85 0,08 0,85 0,08 90,9

–12 –12 –12 –17 –18 –17 –19 –18 –19 –20 –23 –20 –0,85 –0,08 0,85 0,08 90,9

–12 –12 –12 –17 –17 –16 –19 –18 –18 –20 –23 –21 –1,08 0,00 1,08 0,00 100

жовтень –12 –13 –12 –15 –15 –15 –17 –16 –17 –20 –22 –21 –0,38 0,08 0,38 0,08 80

–12 –13 –11 –15 –15 –15 –17 –17 –17 –20 –22 –20 –0,31 –0,08 0,31 0,08 75

–12 –13 –12 –15 –16 –15 –17 –17 –17 –20 –22 –20 –0,15 –0,08 0,15 0,08 50

–12 –13 –12 –15 –16 –15 –17 –17 –16 –20 –22 –20 –0,23 –0,15 0,23 0,15 33,3

–12 –13 –12 –15 –16 –15 –17 –17 –17 –20 –22 –20 –0,23 –0,08 0,23 0,08 66,7

179

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

–12 –13 –12 –15 –16 –15 –17 –17 –17 –20 –23 –21 –0,15 –0,08 0,15 0,08 50

–12 –13 –13 –15 –16 –15 –17 –17 –17 –20 –23 –20 –0,23 0,00 0,23 0,00 100

–12 –13 –12 –15 –16 –15 –17 –17 –18 –20 –23 –20 –0,15 0,00 0,15 0,00 100

–12 –13 –12 –15 –16 –15 –17 –17 –17 –20 –23 –20 –0,15 0,08 0,15 0,08 50

–12 –13 –12 –15 –15 –14 –17 –17 –17 –20 –23 –19 –0,15 –0,08 0,15 0,08 50

–12 –12 –12 –15 –14 –15 –17 –17 –17 –20 –23 –20 –0,31 0,15 0,31 0,15 50

–12 –12 –11 –15 –14 –15 –17 –17 –16 –20 –23 –20 –0,31 –0,15 0,31 0,15 50

листопад –12 –13 –12 –15 –12 –14 –17 –18 –17 –20 –18 –20 –0,46 –0,23 0,46 0,23 50

–12 –13 –12 –15 –12 –15 –17 –18 –17 –20 –18 –21 –0,62 0,08 0,62 0,08 87,5

–12 –13 –12 –15 –12 –15 –17 –18 –17 –20 –20 –20 –0,38 0,00 0,38 0,00 100

–12 –13 –12 –15 –12 –15 –17 –18 –17 –20 –20 –20 –0,38 0,00 0,38 0,00 100

–12 –13 –13 –15 –12 –15 –17 –17 –18 –20 –20 –20 –0,62 0,15 0,62 0,15 75

–12 –13 –12 –15 –12 –15 –17 –17 –17 –20 –20 –20 –0,69 0,00 0,69 0,00 100

–12 –13 –12 –15 –12 –15 –17 –17 –17 –20 –20 –21 –0,69 –0,08 0,69 0,08 88,9

–12 –13 –12 –15 –12 –15 –17 –17 –17 –20 –19 –22 –0,85 0,00 0,85 0,00 100

–12 –13 –12 –15 –12 –14 –17 –17 –17 –20 –20 –21 –0,69 –0,15 0,69 0,15 77,8

–12 –13 –12 –15 –12 –15 –17 –17 –16 –20 –20 –20 –0,77 –0,08 0,77 0,08 90

–12 –12 –11 –15 –12 –15 –17 –17 –17 –20 –20 –20 –1,00 –0,08 1,00 0,08 92,3

–12 –12 –12 –15 –12 –15 –17 –17 –17 –20 –20 –20 –1,00 0,08 1,00 0,08 92,3

грудень –12 –13 –12 –15 –14 –15 –17 –17 –17 –20 –22 –20 0,00 –0,08 0,00 0,08 0

–12 –13 –12 –15 –15 –15 –17 –18 –17 –20 –22 –19 0,15 0,00 0,15 0,00 100

–12 –13 –12 –15 –16 –14 –17 –18 –16 –20 –22 –20 0,23 –0,15 0,23 0,15 33,3

–12 –14 –12 –15 –16 –15 –17 –18 –17 –20 –22 –20 0,54 0,00 0,54 0,00 100

–12 –14 –12 –15 –16 –15 –17 –18 –17 –20 –22 –20 0,54 0,00 0,54 0,00 100

–12 –14 –12 –15 –16 –15 –17 –18 –17 –20 –22 –20 0,46 0,00 0,46 0,00 100

–12 –14 –13 –15 –16 –15 –17 –18 –17 –20 –22 –19 0,46 0,23 0,46 0,23 50

–12 –14 –13 –15 –16 –15 –17 –18 –18 –20 –22 –20 0,54 0,23 0,54 0,23 57,1

–12 –13 –12 –15 –16 –15 –17 –18 –17 –20 –22 –20 0,38 –0,08 0,38 0,08 80

–12 –13 –12 –15 –16 –16 –17 –19 –17 –20 –22 –20 0,54 0,15 0,54 0,15 71,4

–12 –13 –12 –15 –16 –15 –17 –19 –17 –20 –22 –21 0,38 0,08 0,38 0,08 80

–12 –13 –13 –15 –15 –15 –17 –19 –16 –20 –20 –20 0,15 –0,08 0,15 0,08 50

180

Додаток Г Лістинги програмних

модулів.

Г1. Лістинг програмних модулів класів

unit unRefMashine;

interface

uses Classes, SysUtils, Windows, StdCtrls, DB,

DBTables, ExtCtrls,Graphics, unMark;

type

EKomprStart=class(Exception);

ESn7=class(Exception);

ESn8=class(Exception);

ESn9=class(Exception);

ESn10=class(Exception);

ESn11=class(Exception);

ETnEx=class(Exception);

EPnEx=class(Exception);

TRefMashine=class

private

FMark:TMark;

FTosr:integer; {температура окр

среды}

FFi:integer; {относительная

влажность}

FTkam:integer; {температура в

камере}

FTmt:real;

FWaterStream:integer; {напор воды в

системе}

FTk :integer;

FTw1:real;

FTw2:real;

FT0 :integer;

FTvs:integer;

FTn :integer;

FP0 :real;

FPvs:real;

FPn :real;

FPk :real;

FHkg:integer;

FHlr:integer;

FHdr:integer;

FHog:integer;

FdPm:real;

FMode:integer;

FHelpTag:real;

FKomprIsWorking:Boolean;

{компрессор работает}

FRefMashineStarted:Boolean;

FVN1IsWorking:Boolean; {насос1

работает}

FVN2IsWorking:Boolean; {насос2

работает}

FVent1IsOpen:Boolean;

FVent2IsOpen:Boolean;

FVent3IsOpen:Boolean;

FVent4IsOpen:Boolean;

FVent5IsOpen:Boolean;

FVent6IsOpen:Boolean;

FVent7IsOpen:Boolean;

FVent8IsOpen:Boolean;

FVent11IsOpen:Boolean;

181

FVent12IsOpen:Boolean;

FVent13IsOpen:Boolean;

FVent14IsOpen:Boolean;

procedure SetMark(Value:TMark);

procedure SetTosr(value:integer);

procedure SetFi(value:integer);

procedure SetTkam(value:integer);

procedure SetWaterStream(value:integer);

procedure SetTk (value:integer);

procedure SetTw1(value:real);

procedure SetTw2(value:real);

procedure SetT0 (value:integer);

procedure SetTvs(value:integer);

procedure SetTn (value:integer);

procedure SetP0 (value:real);

procedure SetPvs(value:real);

procedure SetPn (value:real);

procedure SetPk (value:real);

procedure SetHkg(value:integer);

procedure SetHlr(value:integer);

procedure SetHdr(value:integer);

procedure SetHog(value:integer);

procedure SetMode(value:integer);

procedure SetdPm(value:real);

procedure SetTmt(value:real);

procedure SetHelpTag(value:real);

procedure

SetKomprIsWorking(value:boolean);

procedure

SetRefMashineStarted(value:boolean);

// procedure OpenVentil(VentilNo:integer);

public

constructor Create(const Tosr, Fi:integer);

destructor Destroy;override;

property Mark:TMark read FMark write

SetMark;

property Tosr:integer read FTosr write

SetTosr; {температура окр

среды}

property Fi:Integer read FFi write SetFi;

{относительная влажность}

property Tkam:Integer read FTkam write

SetTkam; {температура в

камере}

property WaterStream:Integer read

FWaterStream write SetWaterStream; {напор

воды в ВН1}

property Tk :Integer read FTk write SetTk

; {температура в камере}

property Tw1:real read FTw1 write SetTw1

; {температура в камере}

property Tw2:real read FTw2 write SetTw2

; {температура в камере}

property T0 :Integer read FT0 write SetT0

;

property Tvs:Integer read FTvs write SetTvs

;

property Tn :Integer read FTn write SetTn

;

property P0 :real read FP0 write SetP0 ;

property Pvs:real read FPvs write SetPvs ;

property Pn :real read FPn write SetPn ;

182

property Pk :real read FPk write SetPk ;

property Hkg:Integer read FHkg write

SetHkg ;

property Hlr:Integer read FHlr write SetHlr ;

property Hdr:Integer read FHdr write

SetHdr ;

property Hog:Integer read FHog write

SetHog ;

property Tmt:real read FTmt write SetTmt;

property dPm:real read FdPm write SetdPm;

property HelpTag:real read FHelpTag write

SetHelpTag;

{компрессор работает}

property KomprIsWorking:Boolean read

FKomprIsWorking write SetKomprIsWorking;

property RefMashineStarted:Boolean read

FRefMashineStarted write

SetRefMashineStarted;

property VN1IsWorking:Boolean read

FVN1IsWorking; {насос1 работает}

property VN2IsWorking:Boolean read

FVN2IsWorking; {насос2 работает}

property Vent1IsOpen:Boolean read

FVent1IsOpen ;

property Vent2IsOpen:Boolean read

FVent2IsOpen ;

property Vent3IsOpen:Boolean read

FVent3IsOpen ;

property Vent4IsOpen:Boolean read

FVent4IsOpen ;

property Vent5IsOpen:Boolean read

FVent5IsOpen ;

property Vent6IsOpen:Boolean read

FVent6IsOpen ;

property Vent7IsOpen:Boolean read

FVent7IsOpen ;

property Vent8IsOpen:Boolean read

FVent8IsOpen ;

property Vent11IsOpen:Boolean read

FVent11IsOpen ;

property Vent12IsOpen:Boolean read

FVent12IsOpen ;

property Vent13IsOpen:Boolean read

FVent13IsOpen ;

property Vent14IsOpen:Boolean read

FVent14IsOpen ;

property Mode:integer read FMode write

SetMode;

procedure OpenVent1;

procedure CloseVent1;

procedure OpenVent2;

procedure CloseVent2;

procedure OpenVent3;

procedure CloseVent3;

procedure OpenVent4;

procedure CloseVent4;

procedure OpenVent5;

procedure CloseVent5;

procedure OpenVent6;

procedure CloseVent6;

procedure OpenVent7;

procedure CloseVent7;

procedure OpenVent8;

procedure CloseVent8;

183

procedure OpenVent11;

procedure CloseVent11;

procedure OpenVent12;

procedure CloseVent12;

procedure OpenVent13;

procedure CloseVent13;

procedure OpenVent14;

procedure CloseVent14;

procedure StartVN1;

procedure StartVN2;

procedure StopVN1;

procedure StopVN2;

procedure StartKompressor;

procedure StopKompressor;

procedure

ShowWaterStream(WhiteShape:TShape;

BlueShape:TShape);

procedure

ShowVNIsWorking(VNIsWorking:Boolean;St

artShape:TShape; StopShape:TShape);

procedure

ShowKomprIsWorking(StartShape:TShape;

StopShape:TShape);

procedure ShowTn(RedShape:TShape;

FonShape:TShape);

procedure ShowTvs(RedShape:TShape;

FonShape:TShape);

procedure ShowHkg(RivenShape:TShape;

FonShape:TShape);

procedure ShowHlr(RivenShape:TShape;

FonShape:TShape);

procedure TnControl(Tn:integer);

procedure PnControl(Pn:real; Pk:real;

Pvs:real);

procedure SetStartParameters;

end;

implementation

uses unMyHelpProc;

constructor TRefMashine.Create(const Tosr,

Fi:integer);

begin

inherited Create;

FMark:=TMark.Create;

WaterStream:=0;

if (Tosr>=0) and (Tosr<=40) then

FTosr:=Tosr

else raise

Exception.Create('Temperature Value must be

from –45 to 60');

if (Fi>=20) and (Fi<=90)then Ffi:=Fi

else raise Exception.Create('Fi

Value must be from 20% to 90%');

FTmt:=DefineTMT(FTosr,FFi);

FTkam:=FTosr;

FTk :=FTosr;

FTw1:=FTmt+3;

FTw2:=FTw1+1;

FT0 :=FTosr;

FTvs:=FTosr;

FTn :=FTosr;

FP0 :=DefinePressure(FT0);

FPvs:=DefinePressure(FTvs);

FPn :=DefinePressure(FTn);

FHelpTag:= 0;

184

FPk :=DefinePressure(FTk);

FHkg:=0;

FHlr:=20;

FHdr:=0;

FHog:=0;

FdPm:=0;

FRefMashineStarted:=False;

end;

destructor TRefMashine.Destroy;

begin

FMark.Free;

inherited;

end;

procedure TRefMashine.SetStartParameters;

begin

WaterStream:=0;

Tmt:=DefineTMT(Tosr,Fi);

Tkam:=Tosr;

Tk :=Tosr;

Tw1:=Tmt+3;

Tw2:=Tw1+1;

T0 :=Tosr;

Tvs:=Tosr;

Tn :=Tosr;

P0 :=DefinePressure(T0);

Pvs:=DefinePressure(Tvs);

Pn :=DefinePressure(Tn);

HelpTag:= 0;

Pk :=DefinePressure(Tk);

Hkg:=0;

Hlr:=20;

Hdr:=0;

Hog:=0;

dPm:=0;

RefMashineStarted:=False;

Mark.CleenMark;

KomprIsWorking:=False;

FVN1IsWorking:=False;

FVN2IsWorking:=False;

// Mark.Create;

end;

procedure

TRefMashine.ShowWaterStream(WhiteShape:

TShape; BlueShape:TShape);

begin

case WaterStream of

0: BlueShape.Width:=0;

50:

BlueShape.Width:=round(WhiteShape.Width/2

);

100: BlueShape.Width:=WhiteShape.Width;

end;

end;

procedure

TRefMashine.ShowTn(RedShape:TShape;

FonShape:TShape);

begin

RedShape.Height:=210;

if Tn<=140 then

FonShape.Height:=round(210–15*Tn/10)

else FonShape.Height:=0;

end;

185

procedure

TRefMashine.ShowTvs(RedShape:TShape;

FonShape:TShape);

begin

RedShape.Height:=200;

FonShape.Height:=round(100–25*Tvs/10);

end;

procedure

TRefMashine.ShowHkg(RivenShape:TShape;

FonShape:TShape);

begin

RivenShape.Height:=100;

FonShape.Height:=100–Hkg;

end;

procedure

TRefMashine.ShowHlr(RivenShape:TShape;

FonShape:TShape);

begin

RivenShape.Height:=100;

FonShape.Height:=100–Hlr;

end;

procedure

TRefMashine.ShowVNIsWorking(VNIsWorki

ng:Boolean; StartShape:TShape;

StopShape:TShape);

begin

if VNIsWorking then begin

StartShape.Pen.Color:=clLime;

StartShape.Brush.Color:=cllime;

StopShape.Pen.Color:=clGray;

StopShape.Brush.Color:=clGray;

end

else begin

StartShape.Pen.Color:=clGray;

StartShape.Brush.Color:=clGray;

StopShape.Pen.Color:=clRed;

StopShape.Brush.Color:=clRed;

end;

end;

procedure

TRefMashine.ShowKomprIsWorking(StartSha

pe:TShape; StopShape:TShape);

begin

ShowVNIsWorking(KomprIsWorking,StartSha

pe,StopShape);

end;

procedure

TRefMashine.TnControl(Tn:integer);

begin

if Tn>=140 then raise

ETnEx.Create('Tn>=140 Вспышка масла в

Км');

end;

procedure TRefMashine.PnControl(Pn:real;

Pk:real; Pvs:real);

begin

if Pn>=1.25*Pk then raise

EPnEx.Create('Pn>=1.25*Pk Опастность

повреждения клапанов');

if Pn>9*Pvs then raise

EPnEx.Create('Pn>9*Pvs Опастность

повреждения клапанов');

186

end;

procedure

TRefmashine.SetMark(Value:TMark);

begin

FMark:=Value;

end;

procedure

TRefmashine.SetTosr(Value:integer);

begin

FTosr:=Value;

end;

procedure TRefmashine.SetFi(Value:integer);

begin

FFi:=Value;

end;

procedure

TRefmashine.SetTkam(Value:integer);

begin

FTkam:=Value;

end;

procedure

TRefmashine.SetWaterStream(value:integer);

begin

FWaterStream:=Value;

end;

procedure TRefmashine.OpenVent1;

begin

if not Vent1IsOpen then

begin

FVent1IsOpen:=True;

Mark.Log.Add(format('%d) Открыт

вентиль 1',[Mark.Log.Count+1]));

end

else Mark.Log.Add(format('%d) Повторная

попытка открыть вентиль

1',[Mark.Log.Count+1]));

end;

procedure TRefmashine.CloseVent1;

begin

if FVent1IsOpen then begin

FVent1IsOpen:=False;

Mark.Log.Add(format('%d) Закрыт

вентиль 1',[Mark.Log.Count+1]));

end else Mark.Log.Add(format('%d)

Повторная попытка закрыть вентиль

1',[Mark.Log.Count+1]));

end;

procedure TRefmashine.OpenVent2;

begin

if not Vent2IsOpen then

begin

FVent2IsOpen:=True;

Mark.Log.Add(format('%d) Открыт

вентиль 2',[Mark.Log.Count+1]));

end else Mark.Log.Add(format('%d)

Повторная попытка открыть вентиль

2',[Mark.Log.Count+1]));

end;

procedure TRefmashine.CloseVent2;

begin

187

if FVent2IsOpen then begin

FVent2IsOpen:=False;

Mark.Log.Add(format('%d) Закрыт

вентиль 2',[Mark.Log.Count+1]));

end else Mark.Log.Add(format('%d)

Повторная попытка закрыть вентиль

2',[Mark.Log.Count+1]));

end;

procedure TRefmashine.OpenVent3;

begin

if not Vent3IsOpen then

begin

FVent3IsOpen:=True;

Mark.Log.Add(format('%d) Открыт

вентиль 3',[Mark.Log.Count+1]));

end else Mark.Log.Add(format('%d)

Повторная попытка открыть вентиль

3',[Mark.Log.Count+1]));

end;

procedure TRefmashine.CloseVent3;

begin

if FVent3IsOpen then begin

FVent3IsOpen:=False;

Mark.Log.Add(format('%d) Закрыт

вентиль 3',[Mark.Log.Count+1]));

end else Mark.Log.Add(format('%d)

Повторная попытка закрыть вентиль

3',[Mark.Log.Count+1]));

end;

procedure TRefmashine.OpenVent4;

begin

if not Vent4IsOpen then

begin

FVent4IsOpen:=True;

Mark.Log.Add(format('%d) Открыт

вентиль 4',[Mark.Log.Count+1]));

end else Mark.Log.Add(format('%d)

Повторная попытка открыть вентиль

4',[Mark.Log.Count+1]));

end;

procedure TRefmashine.CloseVent4;

begin

if FVent4IsOpen then begin

FVent4IsOpen:=False;

Mark.Log.Add(format('%d) Закрыт

вентиль 4',[Mark.Log.Count+1]));

end else Mark.Log.Add(format('%d)

Повторная попытка закрыть вентиль

4',[Mark.Log.Count+1]));

end;

procedure TRefmashine.OpenVent5;

begin

if not Vent5IsOpen then

begin

FVent5IsOpen:=True;

Mark.Log.Add(format('%d) Открыт

вентиль 5',[Mark.Log.Count+1]));

end else Mark.Log.Add(format('%d)

Повторная попытка открыть вентиль

5',[Mark.Log.Count+1]));

end;

procedure TRefmashine.CloseVent5;

begin

188

if FVent5IsOpen then begin

FVent5IsOpen:=False;

Mark.Log.Add(format('%d) Закрыт

вентиль 5',[Mark.Log.Count+1]));

end else Mark.Log.Add(format('%d)

Повторная попытка закрыть вентиль

5',[Mark.Log.Count+1]));

end;

procedure TRefmashine.OpenVent6;

begin

if not Vent6IsOpen then

begin

FVent6IsOpen:=True;

Mark.Log.Add(format('%d) Открыт

вентиль 6',[Mark.Log.Count+1]));

end else Mark.Log.Add(format('%d)

Повторная попытка открыть вентиль

6',[Mark.Log.Count+1]));

end;

procedure TRefmashine.CloseVent6;

begin

if FVent6IsOpen then begin

FVent6IsOpen:=False;

Mark.Log.Add(format('%d) Закрыт

вентиль 6',[Mark.Log.Count+1]));

end else Mark.Log.Add(format('%d)

Повторная попытка закрыть вентиль

6',[Mark.Log.Count+1]));

end;

procedure TRefmashine.OpenVent7;

begin

if not Vent7IsOpen then

begin

FVent7IsOpen:=True;

Mark.Log.Add(format('%d) Открыт

вентиль 7',[Mark.Log.Count+1]));

end else Mark.Log.Add(format('%d)

Повторная попытка открыть вентиль

7',[Mark.Log.Count+1]));

end;

procedure TRefmashine.CloseVent7;

begin

if FVent7IsOpen then begin

FVent7IsOpen:=False;

Mark.Log.Add(format('%d) Закрыт

вентиль 7',[Mark.Log.Count+1]));

end else Mark.Log.Add(format('%d)

Повторная попытка закрыть вентиль

7',[Mark.Log.Count+1]));

end;

procedure TRefmashine.OpenVent8;

begin

if not Vent8IsOpen then

begin

FVent8IsOpen:=True;

Mark.Log.Add(format('%d) Открыт

вентиль 8',[Mark.Log.Count+1]));

end else Mark.Log.Add(format('%d)

Повторная попытка открыть вентиль

8',[Mark.Log.Count+1]));

end;

procedure TRefmashine.CloseVent8;

189

begin

if FVent8IsOpen then begin

FVent8IsOpen:=False;

Mark.Log.Add(format('%d) Закрыт

вентиль 8',[Mark.Log.Count+1]));

end else Mark.Log.Add(format('%d)

Повторная попытка закрыть вентиль

8',[Mark.Log.Count+1]));

end;

procedure TRefmashine.OpenVent11;

begin

if not Vent11IsOpen then

begin

FVent11IsOpen:=True;

Mark.Log.Add(format('%d) Открыт

вентиль 11',[Mark.Log.Count+1]));

if (VN1IsWorking) and (Vent12IsOpen)

then

begin

if WaterStream<>100 then

WaterStream:=WaterStream+50;

end

end else Mark.Log.Add(format('%d)

Повторная попытка открыть вентиль

11',[Mark.Log.Count+1]));

end;

procedure TRefmashine.CloseVent11;

begin

if Vent11IsOpen then

begin

FVent11IsOpen:=False;

Mark.Log.Add(format('%d) Закрыт

вентиль 11',[Mark.Log.Count+1]));

if (WaterStream<>0) and (vent12IsOpen)

and (FVN1IsWorking) then

WaterStream:=WaterStream–50;

end else Mark.Log.Add(format('%d)

Повторная попытка закрыть вентиль

11',[Mark.Log.Count+1]));

end;

procedure TRefmashine.OpenVent12;

begin

if not Vent12IsOpen then

begin

FVent12IsOpen:=True;

Mark.Log.Add(format('%d) Открыт

вентиль 12',[Mark.Log.Count+1]));

if (VN1IsWorking) and (Vent11IsOpen)

then

begin

if WaterStream<>100 then

WaterStream:=WaterStream+50;

end

end else Mark.Log.Add(format('%d)

Повторная попытка открыть вентиль

12',[Mark.Log.Count+1]));

end;

procedure TRefmashine.CloseVent12;

begin

if Vent12IsOpen then

begin

FVent12IsOpen:=False;

Mark.Log.Add(format('%d) Закрыт

вентиль 12',[Mark.Log.Count+1]));

190

if (WaterStream<>0) and (vent11IsOpen)

and (FVN1IsWorking) then

WaterStream:=WaterStream–50;

end else Mark.Log.Add(format('%d)

Повторная попытка закрыть вентиль

12',[Mark.Log.Count+1]));

end;

procedure TRefmashine.OpenVent13;

begin

if not Vent13IsOpen then

begin

FVent13IsOpen:=True;

Mark.Log.Add(format('%d) Открыт

вентиль 13',[Mark.Log.Count+1]));

if (VN2IsWorking) and (Vent14IsOpen)

then

begin

if WaterStream<>100 then

WaterStream:=WaterStream+50;

end

end else Mark.Log.Add(format('%d)

Повторная попытка открыть вентиль

13',[Mark.Log.Count+1]));

end;

procedure TRefmashine.CloseVent13;

begin

if Vent13IsOpen then

begin

FVent13IsOpen:=False;

Mark.Log.Add(format('%d) Закрыт

вентиль 13',[Mark.Log.Count+1]));

if (WaterStream<>0) and (Vent14IsOpen)

and (FVN2IsWorking) then

WaterStream:=WaterStream–50;

end else Mark.Log.Add(format('%d)

Повторная попытка закрыть вентиль

13',[Mark.Log.Count+1]));

end;

procedure TRefmashine.OpenVent14;

begin

if not Vent14IsOpen then

begin

FVent14IsOpen:=True;

Mark.Log.Add(format('%d) Открыт

вентиль 14',[Mark.Log.Count+1]));

if VN2IsWorking and (Vent13IsOpen)

then

begin

if WaterStream<>100 then

WaterStream:=WaterStream+50;

end

end else Mark.Log.Add(format('%d)

Повторная попытка открыть вентиль

14',[Mark.Log.Count+1]));

end;

procedure TRefmashine.CloseVent14;

begin

if Vent14IsOpen then

begin

FVent14IsOpen:=False;

Mark.Log.Add(format('%d) Закрыт

вентиль 14',[Mark.Log.Count+1]));

if (WaterStream<>0) and (vent13IsOpen)

and (FVN2IsWorking) then

WaterStream:=WaterStream–50;

end else Mark.Log.Add(format('%d)

Повторная попытка закрыть вентиль

14',[Mark.Log.Count+1]));

191

end;

procedure TRefmashine.StartVN1;

begin

if not FVN1IsWorking then

begin

FVN1IsWorking:=True;

Mark.Log.Add(format('%d) Запущен

водяной насос 1',[Mark.Log.Count+1]));

if (FVent11IsOpen) and (FVent12IsOpen)

and (WaterStream<100) then

begin

WaterStream:=WaterStream+50

end

end else Mark.Log.Add(format('%d)

Повторная попытка зазапустить водяной

насос 1',[Mark.Log.Count+1]));

end;

procedure TRefmashine.StartVN2;

begin

if not FVN2IsWorking then

begin

FVN2IsWorking:=True;

Mark.Log.Add(format('%d) Запущен

водяной насос 2',[Mark.Log.Count+1]));

if (FVent13IsOpen) and (FVent14IsOpen)

and (WaterStream<100) then

begin

WaterStream:=WaterStream+50;

end;

end else Mark.Log.Add(format('%d)

Повторная попытка зазапустить водяной

насос 2',[Mark.Log.Count+1]));

end;

procedure TRefmashine.StopVN1;

begin

if FVN1IsWorking then

begin

FVN1IsWorking:=False;

Mark.Log.Add(format('%d) Отключен

водяной насос 1',[Mark.Log.Count+1]));

if (WaterStream<>0) and (vent11IsOpen)

and (vent12IsOpen) then

WaterStream:=WaterStream–50;

end else Mark.Log.Add(format('%d)

Повторная попытка отключить водяной

насос 1',[Mark.Log.Count+1]));

end;

procedure TRefmashine.StopVN2;

begin

if FVN2IsWorking then

begin

FVN2IsWorking:=False;

Mark.Log.Add(format('%d) Отключен

водяной насос 2',[Mark.Log.Count+1]));

if (WaterStream<>0) and

(vent13IsOpen) and (vent14IsOpen) then

WaterStream:=WaterStream–50;

end else Mark.Log.Add(format('%d)

Повторная попытка отключить водяной

насос 2',[Mark.Log.Count+1]));

end;

procedure TRefmashine.SetTk (value:integer);

begin

FTk:=Value;

192

end;

procedure TRefmashine.SetTw1(value:real);

begin

FTw1:=Value;

end;

procedure TRefmashine.SetTw2(value:real);

begin

FTw2:=Value;

end;

procedure TRefmashine.SetT0(value:integer);

begin

FT0:=Value;

end;

procedure TRefmashine.SetTvs(value:integer);

begin

FTvs:=Value;

end;

procedure TRefmashine.SetTn(value:integer);

begin

FTn:=Value;

end;

procedure TRefmashine.SetP0(value:real);

begin

FP0:=Value;

end;

procedure TRefmashine.SetPvs(value:real);

begin

FPvs:=Value;

end;

procedure TRefmashine.SetHkg(value:integer);

begin

FHkg:=Value;

end;

procedure TRefmashine.SetPn(value:real);

begin

FPn:=Value;

end;

procedure TRefmashine.SetPk(value:real);

begin

FPk:=Value;

end;

procedure TRefmashine.SetHlr(value:integer);

begin

FHlr:=Value;

end;

procedure TRefmashine.SetHdr(value:integer);

begin

FHdr:=Value;

end;

procedure

TRefmashine.SetKomprIsWorking(value:boole

an);

begin

FKomprIsWorking:=Value;

end;

193

procedure

TRefmashine.SetRefMashineStarted(value:bool

ean);

begin

FRefMashineStarted:=Value;

end;

procedure TRefmashine.SetHog(value:integer);

begin

FHog:=Value;

end;

procedure

TRefmashine.SetMode(value:integer);

begin

FMode:=Value;

end;

procedure TRefmashine.SetdPm(value:real);

begin

FdPm:=Value;

end;

procedure TRefmashine.SetTmt(value:real);

begin

FTmt:=Value;

end;

procedure

TRefmashine.SetHelpTag(value:real);

begin

FHelpTag:=Value;

end;

procedure TRefmashine.StartKompressor;

begin

if not KomprIsWorking then begin

KomprIsWorking:=true;

Mark.Log.Add(format('%d) Запущен

компрессор',[Mark.Log.Count+1]));

end else Mark.Log.Add(format('%d)

Повторная попытка запустить

компрессор',[Mark.Log.Count+1]));

end;

procedure TRefmashine.StopKompressor;

begin

if KomprIsWorking then begin

KomprIsWorking:=false;

Mark.Log.Add(format('%d) Остановлен

компрессор',[Mark.Log.Count+1]));

end else Mark.Log.Add(format('%d)

Повторная попытка остановить

компрессор',[Mark.Log.Count+1]));

end;

end.

Г2. Лістинг програмних модулів ПЗ для

виробництва

unit unMain;

…

private

{ Private declarations }

public

{ Public declarations }

procedure KompVkl;

procedure KompVikl;

procedure VnVkl;

procedure VnVikl;

procedure VVChange(const VV:integer);

194

procedure RVChange(const RV:integer);

procedure Vikluchenie;

procedure Vkluchenie;

// procedure RM(const

tkam,tvs,tn,tk,llr,logid,vllr,vlogid,vtkam,q:integ

er;var zv,vv,komp,VN:integer);

procedure RM;

end;

Fuzzy = (NB,NM,NS,ZN,Z,ZP,PS,PM,PB);

var

frmMain: TfrmMain;

implementation

{$R *.dfm}

{

procedure TfrmMain.RM(const

tkam,tvs,tn,tk,llr,logid,vllr,vlogid,vtkam,q:integ

er;var zv,vv,komp,VN:integer);

begin

//jhkhkjkj

end;

}

procedure TfrmMain.RM;

var

tkam,tvs,tn,tk,llr,logid,vllr,vlogid,vtkam,vtvs,vt

n,vtk,q:Fuzzy;

begin

if StrToInt(Edit1.Text)>=10 then tkam:=PB;

if (StrToInt(Edit1.Text)>=5) and

(StrToInt(Edit1.Text)<10) then tkam:=PS;

if (StrToInt(Edit1.Text)>=0) and

(StrToInt(Edit1.Text)<=4) then tkam:=Z;

if (StrToInt(Edit1.Text)>=–3) and

(StrToInt(Edit1.Text)<=–1) then tkam:=NS;

if (StrToInt(Edit1.Text)<=–4) then tkam:=NB;

if StrToInt(Edit2.Text)>=46 then tk:=PB;

if (StrToInt(Edit2.Text)>=43) and

(StrToInt(Edit2.Text)<=45) then tk:=PS;

if (StrToInt(Edit2.Text)>=35) and

(StrToInt(Edit2.Text)<=42) then tk:=Z;

if (StrToInt(Edit2.Text)>=32) and

(StrToInt(Edit2.Text)<=34) then tk:=NS;

if (StrToInt(Edit2.Text)<=31) then tk:=NB;

if StrToInt(Edit3.Text)>=121 then tn:=PB;

if (StrToInt(Edit3.Text)>=111) and

(StrToInt(Edit3.Text)<=120) then tn:=PS;

if (StrToInt(Edit3.Text)>=90) and

(StrToInt(Edit3.Text)<=110) then tn:=Z;

if (StrToInt(Edit3.Text)>=70) and

(StrToInt(Edit3.Text)<=89) then tn:=NS;

if (StrToInt(Edit3.Text)<=69) then tn:=NB;

if StrToInt(Edit4.Text)>=16 then tvs:=PB;

if (StrToInt(Edit4.Text)>=13) and

(StrToInt(Edit4.Text)<=15) then tvs:=PS;

if (StrToInt(Edit4.Text)>=7) and

(StrToInt(Edit4.Text)<=12) then tvs:=Z;

if (StrToInt(Edit4.Text)>=0) and

(StrToInt(Edit4.Text)<=6) then tvs:=NS;

if (StrToInt(Edit4.Text)<=–1) then tvs:=NB;

if StrToInt(Edit5.Text)>=61 then llr:=PB;

if (StrToInt(Edit5.Text)>=41) and

(StrToInt(Edit5.Text)<=60) then llr:=PS;

195

if (StrToInt(Edit5.Text)>=30) and

(StrToInt(Edit5.Text)<=40) then llr:=Z;

if (StrToInt(Edit5.Text)>=20) and

(StrToInt(Edit5.Text)<=29) then llr:=NS;

if (StrToInt(Edit5.Text)<=19) then llr:=NB;

if StrToInt(Edit6.Text)>=61 then logid:=PB;

if (StrToInt(Edit6.Text)>=41) and

(StrToInt(Edit6.Text)<=60) then logid:=PS;

if (StrToInt(Edit6.Text)>=30) and

(StrToInt(Edit6.Text)<=40) then logid:=Z;

if (StrToInt(Edit6.Text)>=20) and

(StrToInt(Edit6.Text)<=29) then logid:=NS;

if (StrToInt(Edit6.Text)<=19) then

logid:=NB;

case ComboBox1.ItemIndex of

0: vtkam:=NB;

1: vtkam:=NM;

2: vtkam:=Ns;

3: vtkam:=Z ;

4: vtkam:=PS;

5: vtkam:=PM;

6: vtkam:=PB;

end;

case ComboBox2.ItemIndex of

0: vtk:=NM;

1: vtk:=PM;

2: vtk:=Z;

end;

case ComboBox3.ItemIndex of

0: vtn:=NM;

1: vtn:=PM;

2: vtn:=Z;

end;

case ComboBox4.ItemIndex of

0: vtvs:=NM;

1: vtvs:=PM;

2: vtvs:=Z;

end;

case ComboBox5.ItemIndex of

0: vllr:=NB;

1: vllr:=NM;

2: vllr:=Ns;

3: vllr:=Z ;

4: vllr:=PS;

5: vllr:=PM;

6: vllr:=PB;

end;

case ComboBox6.ItemIndex of

0: vlogid:=NB;

1: vlogid:=NM;

2: vlogid:=NS;

3: vlogid:=Z ;

4: vlogid:=PS;

5: vlogid:=PM;

6: vlogid:=PB;

end;

case ComboBox7.ItemIndex of

0: q:=Z;

1: q:=ZP;

2: q:=PS;

3: q:=PM ;

4: q:=PB;

196

end;

{1} if tn=PB then Vikluchenie;

{2} if tn=PS then begin

Vkluchenie;

RVChange(100);

end;

{3} if tn=NS then begin

Vkluchenie;

RVChange(20);

end;

{4} if tn=NB then begin

Vikluchenie;

end;

{5} if (tn=Z) and (vtn=PM) then begin

Vkluchenie;

RVChange(80);

end;

{6} if (tn=Z) and (vtn=NM) then begin

Vkluchenie;

RVChange(20);

end;

{7} if tvs=PB then begin

Vikluchenie;

end;

{8} if (tvs=PS) then begin

Vkluchenie;

RVChange(80);

VVChange(80);

end;

{9} if (tvs=NS) then begin

Vkluchenie;

RVChange(20);

VVChange(20);

end;

{10} if (tvs=NB) then begin

Vikluchenie;

end;

{11} if (tvs=Z) and (vtvs=PM) then begin

Vkluchenie;

RVChange(80);

VVChange(80);

end;

{12} if (tvs=Z) and (vtvs=NM) then begin

Vkluchenie;

RVChange(20);

VVChange(20);

end;

{13} if (tk=PB) then begin

Vikluchenie;

end;

{14} if (tk=PS) then begin

Vkluchenie;

VVChange(100);

end;

{15} if (tk=NS) then begin

Vkluchenie;

RVChange(100);

end;

{16} if (tk=NB) then begin

Vikluchenie;

end;

{17} if (tk=Z) and (vtk=PM) then begin

Vkluchenie;

VVChange(80);

end;

{18} if (tk=Z) and (vtk=NM) then begin

Vkluchenie;

VVChange(20);

RVChange(50);

197

end;

{19} if (llr=PB) and (vllr=PM) then begin

Vkluchenie;

RVChange(100);

end;

{20} if (llr=PS) and (vllr=PM) then begin

Vkluchenie;

RVChange(80);

end;

{21} if (llr=Z) and (vllr=PM) then begin

Vkluchenie;

RVChange(50);

end;

{22} if (llr=Z) and (vllr=NM) then begin

Vkluchenie;

RVChange(20);

end;

{23} if (llr=NS) and (vllr=NM) then begin

RVChange(0);

end;

{24} if (llr=NB) and (vllr=PM) then begin

Vikluchenie;

end;

{25} if (vllr=PB) then begin

Vkluchenie;

RVChange(80);

end;

{26} if (vllr=NB) then begin

Vkluchenie;

RVChange(20);

end;

{27} if (logid=PB) and (vlogid=PM) then

begin

Vikluchenie;

end;

{28} if (logid=PS) and (vlogid=PM) then

begin

RVChange(0);

end;

{29} if (logid=Z) and (vlogid=PM) then begin

Vkluchenie;

RVChange(20);

end;

{30} if (logid=NB) and (vlogid=NM) then

begin

Vkluchenie;

RVChange(50);

end;

{31} if (vlogid=PB) and (vllr=PM) then begin

RVChange(0);

end;

{32} if (tkam=PB) or (tkam=PS) then begin

Vkluchenie;

end;

{33} if (tkam=PB) then begin

Vkluchenie;

RVChange(100);

end;

{34} if (tkam=PS) and ((vtkam=PM)

or(vtkam=PS) or(vtkam=PB)) then begin

Vkluchenie;

RVChange(80);

end;

{35} if (tkam=Z) and ((vtkam=PM)

or(vtkam=PS) or(vtkam=PB)) then begin

Vkluchenie;

RVChange(50);

end;

{36} if (tkam=Z) and ((vtkam=NM)

or(vtkam=NS) or(vtkam=NB)) then begin

198

Vkluchenie;

RVChange(20);

end;

{37} if (tkam=NS) and ((vtkam=NM)

or(vtkam=NS) or(vtkam=NB)) then begin

RVChange(0);

end;

{38} if (tkam=NB) and ((vtkam=NM)

or(vtkam=NS) or(vtkam=NB)) then begin

Vikluchenie;

end;

{39} if (vtkam=PB) then begin

Vkluchenie;

RVChange(80);

end;

{40} if (vtkam=NB) then begin

Vkluchenie;

RVChange(20);

end;

{41} if (q=Z) and (tkam=Z) then begin

Vikluchenie;

end;

{42} if (q=ZP) then begin

Vkluchenie;

RVChange(20);

end;

{43} if (q=PS) then begin

Vkluchenie;

RVChange(50);

end;

{44} if (q=PM) then begin

Vkluchenie;

RVChange(20);

end;

{45} if (q=PB) then begin

Vkluchenie;

RVChange(100);

end;

end;

procedure TfrmMain.VVChange(const

VV:integer);

begin

tbVV.Position:=VV;

end;

procedure TfrmMain.RVChange(const

RV:integer);

begin

tbRV.Position:=RV;

end;

procedure TfrmMain.KompVkl;

begin

Skomp.Brush.Color:=clLime;

Label73.Caption:='Вкл';

end;

procedure TfrmMain.KompVikl;

begin

Skomp.Brush.Color:=clRed;

Label73.Caption:='Выкл';

end;

procedure TfrmMain.VnVkl;

begin

SVn.Brush.Color:=clLime;

Label72.Caption:='Вкл';

end;

199

procedure TfrmMain.VnVikl;

begin

SVn.Brush.Color:=clRed;

Label72.Caption:='Выкл';

end;

procedure TfrmMain.Vikluchenie;

begin

RVChange(0);

KompVikl;

VnVikl;

VVChange(0);

TTkam.Enabled:=false;

TTk.Enabled:=False;

TTn.Enabled:=false;

TTvs.Enabled:=false;

TLlr.Enabled:=False;

Tlogid.Enabled:=false;

end;

procedure TfrmMain.Vkluchenie;

begin

VnVkl;

VVChange(50);

KompVkl;

RVChange(50);

end;

procedure TfrmMain.Button1Click(Sender:

TObject);

begin

{ KompVkl;

VnVkl;

RVChange(50);

VVChange(20); }

// TTkam.Enabled:=true;

TRM.Enabled:=True;

end;

procedure TfrmMain.Button2Click(Sender:

TObject);

begin

{KompVikl;

VnVikl;

TTkam.Enabled:=False;}

TRM.Enabled:=False;

end;

procedure TfrmMain.FormShow(Sender:

TObject);

begin

frmMain.Height:=778;

frmMain.Width:=1288;

ComboBox1.ItemIndex:=3;

ComboBox2.ItemIndex:=2;

ComboBox3.ItemIndex:=2;

ComboBox4.ItemIndex:=2;

ComboBox5.ItemIndex:=3;

ComboBox6.ItemIndex:=3;

ComboBox7.ItemIndex:=0;

Shape14.Width:=0;

end;

procedure TfrmMain.Edit1Change(Sender:

TObject);

begin

Shape8.Width:=strtoint(Edit1.text)+10;

end;

200

procedure TfrmMain.Edit2Change(Sender:

TObject);

begin

Shape9.Width:=strtoint(Edit2.text)+10;

end;

procedure TfrmMain.Edit3Change(Sender:

TObject);

begin

Shape10.Width:=strtoint(Edit3.text)+10;

end;

procedure TfrmMain.Edit4Change(Sender:

TObject);

begin

Shape11.Width:=strtoint(Edit4.text)+10;

end;

procedure TfrmMain.Edit5Change(Sender:

TObject);

begin

Shape12.Width:=strtoint(Edit5.text)*2;

end;

procedure TfrmMain.Edit6Change(Sender:

TObject);

begin

Shape13.Width:=strtoint(Edit6.text)*2;

end;

procedure

TfrmMain.ComboBox1Change(Sender:

TObject);

begin

if strtoint(Edit1.Text)<–7 then Edit1.Text:='–

7';

if strtoint(Edit1.Text)>11 then

Edit1.Text:='11';

// TTkam.Enabled:=true;

end;

procedure TfrmMain.TTkamTimer(Sender:

TObject);

begin

if strtoint(Edit1.Text)<–7 then begin

TTkam.Enabled:=False;

ShowMessage('Продукт перемерз');

end else if strtoint(Edit1.Text)>11 then begin

TTkam.Enabled:=False;

ShowMessage('Продукт испортился');

end else

Case ComboBox1.ItemIndex of

0: begin

Edit1.Text:=inttostr(strtoint(Edit1.Text)–

4);

end;

1: begin

Edit1.Text:=inttostr(strtoint(Edit1.Text)–

2);

end;

2: begin

Edit1.Text:=inttostr(strtoint(Edit1.Text)–

1);

end;

4: begin

Edit1.Text:=inttostr(strtoint(Edit1.Text)+1);

end;

5: begin

201

Edit1.Text:=inttostr(strtoint(Edit1.Text)+2);

end;

6: begin

Edit1.Text:=inttostr(strtoint(Edit1.Text)+4);

end;

end;

end;

procedure TfrmMain.TTkTimer(Sender:

TObject);

begin

if strtoint(Edit2.Text)<28 then begin

TTk.Enabled:=False;

ShowMessage('Авария. Температура

конденсации слишком низкая.');

end else if strtoint(Edit2.Text)>50 then begin

TTk.Enabled:=False;

ShowMessage('Авария. Температура

конденсации слишком высокая.');

end else

Case ComboBox2.ItemIndex of

0: begin

Edit2.Text:=inttostr(strtoint(Edit2.Text)–

1);

end;

1: begin

Edit2.Text:=inttostr(strtoint(Edit2.Text)+1);

end;

end;

end;

procedure

TfrmMain.ComboBox2Change(Sender:

TObject);

begin

if strtoint(Edit2.Text)<28 then

Edit2.Text:='28';

if strtoint(Edit2.Text)>50 then

Edit2.Text:='50';

// TTk.Enabled:=true;

end;

procedure TfrmMain.FormClose(Sender:

TObject; var Action: TCloseAction);

begin

TTkam.Enabled:=False;

TTk.Enabled:=False;

TTn.Enabled:=False;

TTvs.Enabled:=False;

TLlr.Enabled:=False;

Tlogid.Enabled:=False;

TRM.Enabled:=False;

end;

procedure TfrmMain.TTnTimer(Sender:

TObject);

begin

if strtoint(Edit3.Text)<69 then begin

TTn.Enabled:=False;

ShowMessage('Авария. Температура

нагнетания слишком низкая.');

end else if strtoint(Edit3.Text)>140 then

begin

TTn.Enabled:=False;

ShowMessage('Авария. Температура

нагнетания слишком высокая.');

202

end else

Case ComboBox3.ItemIndex of

0: begin

Edit3.Text:=inttostr(strtoint(Edit3.Text)–

1);

end;

1: begin

Edit3.Text:=inttostr(strtoint(Edit3.Text)+1);

end;

end;

end;

procedure

TfrmMain.ComboBox3Change(Sender:

TObject);

begin

if strtoint(Edit3.Text)<69 then

Edit3.Text:='69';

if strtoint(Edit3.Text)>140 then

Edit3.Text:='140';

// TTn.Enabled:=true;

end;

procedure TfrmMain.TTvsTimer(Sender:

TObject);

begin

if strtoint(Edit4.Text)<–5 then begin

TTvs.Enabled:=False;

ShowMessage('Авария. Температура

всасывания слишком низкая.');

end else if strtoint(Edit4.Text)>20 then begin

TTvs.Enabled:=False;

ShowMessage('Авария. Температура

всасывания слишком высокая.');

end else

Case ComboBox4.ItemIndex of

0: begin

Edit4.Text:=inttostr(strtoint(Edit4.Text)–

1);

end;

1: begin

Edit4.Text:=inttostr(strtoint(Edit4.Text)+1);

end;

end;

end;

procedure

TfrmMain.ComboBox4Change(Sender:

TObject);

begin

if strtoint(Edit4.Text)<–5 then Edit4.Text:='–

5';

if strtoint(Edit4.Text)>20 then

Edit4.Text:='20';

// TTvs.Enabled:=true;

end;

procedure TfrmMain.TLlrTimer(Sender:

TObject);

begin

if strtoint(Edit5.Text)<19 then begin

TLlr.Enabled:=False;

ShowMessage('Авария. Уровень

жидкости в линейном ресивере слишком

низкий');

end else if strtoint(Edit5.Text)>80 then begin

TLlr.Enabled:=False;

203

ShowMessage('Авария. Уровень

жидкости в линейном ресивере слишком

высокий');

end else

Case ComboBox5.ItemIndex of

0: begin

Edit5.Text:=inttostr(strtoint(Edit5.Text)–

4);

end;

1: begin

Edit5.Text:=inttostr(strtoint(Edit5.Text)–

2);

end;

2: begin

Edit5.Text:=inttostr(strtoint(Edit5.Text)–

1);

end;

4: begin

Edit5.Text:=inttostr(strtoint(Edit5.Text)+1);

end;

5: begin

Edit5.Text:=inttostr(strtoint(Edit5.Text)+2);

end;

6: begin

Edit5.Text:=inttostr(strtoint(Edit5.Text)+4);

end;

end;

end;

procedure

TfrmMain.ComboBox5Change(Sender:

TObject);

begin

if strtoint(Edit5.Text)<19 then

Edit5.Text:='19';

if strtoint(Edit5.Text)>80 then

Edit5.Text:='80';

// TLlr.Enabled:=true;

end;

procedure TfrmMain.TlogidTimer(Sender:

TObject);

begin

if strtoint(Edit6.Text)<19 then begin

Tlogid.Enabled:=False;

ShowMessage('Авария. Уровень

жидкости в отделителе жидкости слишком

низкий');

end else if strtoint(Edit6.Text)>80 then begin

Tlogid.Enabled:=False;

ShowMessage('Авария. Уровень

жидкости в отделителе жидкости слишком

высокий');

end else

Case ComboBox6.ItemIndex of

0: begin

Edit6.Text:=inttostr(strtoint(Edit6.Text)–

4);

end;

1: begin

Edit6.Text:=inttostr(strtoint(Edit6.Text)–

2);

end;

2: begin

Edit6.Text:=inttostr(strtoint(Edit6.Text)–

1);

end;

204

4: begin

Edit6.Text:=inttostr(strtoint(Edit6.Text)+1);

end;

5: begin

Edit6.Text:=inttostr(strtoint(Edit6.Text)+2);

end;

6: begin

Edit6.Text:=inttostr(strtoint(Edit6.Text)+4);

end;

end;

end;

procedure

TfrmMain.ComboBox6Change(Sender:

TObject);

begin

if strtoint(Edit6.Text)<19 then

Edit6.Text:='19';

if strtoint(Edit6.Text)>80 then

Edit6.Text:='80';

// Tlogid.Enabled:=true;

end;

procedure TfrmMain.TRMTimer(Sender:

TObject);

begin

if strtoint(Edit1.Text)<–7 then begin

TRM.Enabled:=False;

ShowMessage('Продукт перемерз');

end else if strtoint(Edit1.Text)>11 then begin

TRM.Enabled:=False;

ShowMessage('Продукт испортился');

end else

Case ComboBox1.ItemIndex of

0: begin

Edit1.Text:=inttostr(strtoint(Edit1.Text)–

4);

end;

1: begin

Edit1.Text:=inttostr(strtoint(Edit1.Text)–

2);

end;

2: begin

Edit1.Text:=inttostr(strtoint(Edit1.Text)–

1);

end;

4: begin

Edit1.Text:=inttostr(strtoint(Edit1.Text)+1);

end;

5: begin

Edit1.Text:=inttostr(strtoint(Edit1.Text)+2);

end;

6: begin

Edit1.Text:=inttostr(strtoint(Edit1.Text)+4);

end;

end;

if strtoint(Edit2.Text)<28 then begin

TRM.Enabled:=False;

ShowMessage('Авария. Температура

конденсации слишком низкая.');

end else if strtoint(Edit2.Text)>50 then begin

TRM.Enabled:=False;

205

ShowMessage('Авария. Температура

конденсации слишком высокая.');

end else

Case ComboBox2.ItemIndex of

0: begin

Edit2.Text:=inttostr(strtoint(Edit2.Text)–

1);

end;

1: begin

Edit2.Text:=inttostr(strtoint(Edit2.Text)+1);

end;

end;

if strtoint(Edit3.Text)<69 then begin

TRM.Enabled:=False;

ShowMessage('Авария. Температура

нагнетания слишком низкая.');

end else if strtoint(Edit3.Text)>140 then

begin

TRM.Enabled:=False;

ShowMessage('Авария. Температура

нагнетания слишком высокая.');

end else

Case ComboBox3.ItemIndex of

0: begin

Edit3.Text:=inttostr(strtoint(Edit3.Text)–

1);

end;

1: begin

Edit3.Text:=inttostr(strtoint(Edit3.Text)+1);

end;

end;

if strtoint(Edit4.Text)<–5 then begin

TRM.Enabled:=False;

ShowMessage('Авария. Температура

всасывания слишком низкая.');

end else if strtoint(Edit4.Text)>20 then begin

TRM.Enabled:=False;

ShowMessage('Авария. Температура

всасывания слишком высокая.');

end else

Case ComboBox4.ItemIndex of

0: begin

Edit4.Text:=inttostr(strtoint(Edit4.Text)–

1);

end;

1: begin

Edit4.Text:=inttostr(strtoint(Edit4.Text)+1);

end;

end;

if strtoint(Edit5.Text)<19 then begin

TRM.Enabled:=False;

ShowMessage('Авария. Уровень

жидкости в линейном ресивере слишком

низкий');

end else if strtoint(Edit5.Text)>80 then begin

TRM.Enabled:=False;

ShowMessage('Авария. Уровень

жидкости в линейном ресивере слишком

высокий');

end else

Case ComboBox5.ItemIndex of

0: begin

Edit5.Text:=inttostr(strtoint(Edit5.Text)–

4);

206

end;

1: begin

Edit5.Text:=inttostr(strtoint(Edit5.Text)–

2);

end;

2: begin

Edit5.Text:=inttostr(strtoint(Edit5.Text)–

1);

end;

4: begin

Edit5.Text:=inttostr(strtoint(Edit5.Text)+1);

end;

5: begin

Edit5.Text:=inttostr(strtoint(Edit5.Text)+2);

end;

6: begin

Edit5.Text:=inttostr(strtoint(Edit5.Text)+4);

end;

end;

if strtoint(Edit6.Text)<19 then begin

TRM.Enabled:=False;

ShowMessage('Авария. Уровень

жидкости в отделителе жидкости слишком

низкий');

end else if strtoint(Edit6.Text)>80 then begin

TRM.Enabled:=False;

ShowMessage('Авария. Уровень

жидкости в отделителе жидкости слишком

высокий');

end else

Case ComboBox6.ItemIndex of

0: begin

Edit6.Text:=inttostr(strtoint(Edit6.Text)–

4);

end;

1: begin

Edit6.Text:=inttostr(strtoint(Edit6.Text)–

2);

end;

2: begin

Edit6.Text:=inttostr(strtoint(Edit6.Text)–

1);

end;

4: begin

Edit6.Text:=inttostr(strtoint(Edit6.Text)+1);

end;

5: begin

Edit6.Text:=inttostr(strtoint(Edit6.Text)+2);

end;

6: begin

Edit6.Text:=inttostr(strtoint(Edit6.Text)+4);

end;

end;

rm;

end;

procedure

TfrmMain.ComboBox7Change(Sender:

TObject);

begin

case ComboBox7.ItemIndex of

0: Shape14.Width:=0;

1: Shape14.Width:=40;

207

2: Shape14.Width:=100;

3: Shape14.Width:=140;

4: Shape14.Width:=180;

end;

end;

end.

Г3. Лістинг програмних модулів тренажера

unit unMain;

interface

uses

Windows, Messages, SysUtils, Variants,

Classes, Graphics, Controls, Forms,

Dialogs, ExtCtrls, Menus, StdCtrls, jpeg,

MPlayer;

type

TfrmMain = class(TForm)

Label2: TLabel;

Label1: TLabel;

rbEducation: TRadioButton;

rbTraining: TRadioButton;

rbTest: TRadioButton;

btnStart: TButton;

btnExit: TButton;

Image1: TImage;

mmMainFrm: TMemo;

OpenDialog1: TOpenDialog;

MainMenu1: TMainMenu;

N6: TMenuItem;

N7: TMenuItem;

N8: TMenuItem;

N9: TMenuItem;

N5: TMenuItem;

N11: TMenuItem;

PopupMenu1: TPopupMenu;

N2: TMenuItem;

N3: TMenuItem;

N4: TMenuItem;

N1: TMenuItem;

Label3: TLabel;

mpFon: TMediaPlayer;

mpVoice: TMediaPlayer;

procedure btnExitClick(Sender: TObject);

procedure btnStartClick(Sender: TObject);

procedure N1Click(Sender: TObject);

procedure btnHelpClick(Sender: TObject);

procedure N7Click(Sender: TObject);

procedure N9Click(Sender: TObject);

procedure N11Click(Sender: TObject);

procedure rbEducationClick(Sender:

TObject);

procedure rbTrainingClick(Sender:

TObject);

procedure rbTestClick(Sender: TObject);

procedure N8Click(Sender: TObject);

procedure N5Click(Sender: TObject);

procedure FormShow(Sender: TObject);

procedure mpFonNotify(Sender: TObject);

private

{ Private declarations }

public

{ Public declarations }

TrainedID: integer;

DateOfTest: TDate;

Result: Real;

Gournel: String;

end;

var

frmMain: TfrmMain;

TestTime, Shag :TTime;

implementation

uses unEducation, unTraining, unTestind,

unAboutProgram, unAutor,unMyHelpProc,

unIceQueen, unRegistration, UnDMTesting,

UnTestResult, unZadanie,

unRezulttesting ;

{$R *.dfm}

var

f : text;

fname : string;

procedure TfrmMain.btnExitClick(Sender:

TObject);

begin

close;

end;

procedure TfrmMain.btnStartClick(Sender:

TObject);

begin

mpFon.Close;

mpVoice.Close;

208

if rbEducation.Checked then begin

if not Assigned(frmEducation) then

frmEducation:=TfrmEducation.Create(Self);

frmEducation.Show;

dmIceQueen.RefMashine.Mode:=1;

end;

if rbTraining.Checked then begin

if not Assigned(frmTraining) then

frmTraining:=TfrmTraining.Create(Self);

frmTraining.Show;

dmIceQueen.RefMashine.Mode:=2;

end;

if rbTest.Checked then begin

if not Assigned(frmZadanie) then

frmZadanie:=TfrmZadanie.Create(Self);

frmZadanie.Show;

dmIceQueen.RefMashine.Mode:=3;

end;

end;

procedure TfrmMain.N1Click(Sender:

TObject);

begin

frmMain.Close;

end;

procedure TfrmMain.btnHelpClick(Sender:

TObject);

begin

if not Assigned(frmAboutProgram) then

frmAboutProgram:=TfrmAboutProgram.Create

(Self);

frmAboutProgram.Show;

end;

procedure TfrmMain.N7Click(Sender:

TObject);

begin

if OpenDialog1.Execute then begin

AssignFile(f, OpenDialog1.FileName);

fname:=OpenDialog1.FileName;

try

Reset(f);

finally

end;

end;

end;

procedure TfrmMain.N9Click(Sender:

TObject);

begin

frmMain.Close;

end;

procedure TfrmMain.N11Click(Sender:

TObject);

begin

if not Assigned(frmAutor) then

frmAutor:=TfrmAutor.Create(Self);

frmAutor.Show;

end;

procedure TfrmMain.rbEducationClick(Sender:

TObject);

begin

mmMainFrm.Lines.LoadFromFile('РежимОбу

чения.txt');

PlaySound(mpVoice,'R1.mp3');

end;

procedure TfrmMain.rbTrainingClick(Sender:

TObject);

begin

mmMainFrm.Lines.LoadFromFile('РежимТре

нировки.txt');

PlaySound(mpVoice,'R2.mp3');

end;

procedure TfrmMain.rbTestClick(Sender:

TObject);

begin

mmMainFrm.Lines.LoadFromFile('РежимТест

ирования.txt');

PlaySound(mpVoice,'R3.mp3');

end;

procedure TfrmMain.N8Click(Sender:

TObject);

begin

DMTesting.TEST.LoginPrompt:=true;

DMTesting.TEST.Connected:=False;

DMTesting.TEST.Connected:=True;

if DMTesting.qryGroup.Active then

DMTesting.qryGroup.Close ;

DMTesting.qryGroup.Active ;

209

if not Assigned(frmRegistration) then

frmRegistration:=TfrmRegistration.Create(Self

);

frmRegistration.Show;

if DMTesting.tblGroup.Active then

DMTesting.tblGroup.Close;

DMTesting.tblGroup.Open;

if DMTesting.tblTrained.Active then

DMTesting.tblTrained.Close;

DMTesting.tblTrained.Open;

if DMTesting.tblTeachers.Active then

DMTesting.tblTeachers.Close;

DMTesting.tblTeachers.Open;

if DMTesting.qryGroup.Active then

DMTesting.qryGroup.Close;

DMTesting.qryGroup.Open;

end;

procedure TfrmMain.N5Click(Sender:

TObject);

var i: integer;

n,s:string;

begin

try

DMTesting.TEST.LoginPrompt:=true;

DMTesting.TEST.Connected:=False;

DMTesting.TEST.Connected:=True;

DMTesting.qryGroup.Open;

s:=DMTesting.TEST.Params.Strings[1];

n:=copy(s,11,length(s)–10);

if not Assigned(frmBazaDannix) then

frmBazaDannix:=TfrmBazaDannix.Create(Self

);

frmBazaDannix.Show;

except

ShowMessage('Пароль введен не

правильно!');

end;

end;

procedure TfrmMain.FormShow(Sender:

TObject);

begin

PlaySound(mpFon,'Fon.mp3');

PlaySound(mpVoice,'Hello.wav');

end;

procedure TfrmMain.mpFonNotify(Sender:

TObject);

begin

with mpFon do

if NotifyValue = nvSuccessful then

begin

Notify := True;

Play;

end;

end;

end.

210

Додаток Д

Д.1. Акт впровадження результатів дисертаційної роботи

в ОТК ОНАПТ

211

Д.2. Акт впровадження результатів дисертаційної роботи

на підприємстві ТОВ «Єреміївський м’ясокомбінат»