機(jī)械專業(yè)外文文獻(xiàn)翻譯-外文翻譯--礦用深井提升機(jī)分布式智能控制系統(tǒng) 中文版

中文譯文 礦用深井提升機(jī)分布式智能控制系統(tǒng) 的模擬研究 A. 非，約翰內(nèi)斯堡，威特沃特斯然德大學(xué)電力工程系 摘要 ： 連續(xù)運(yùn)轉(zhuǎn)設(shè)備對多因子 , 多范式的分布式控制器的結(jié)構(gòu)和運(yùn)行有特殊要求。我們開發(fā)出一種礦用深井提升機(jī)控制器，其設(shè)計(jì)過程展示了如何選擇因子及它們怎樣相互作用從而控制連續(xù)運(yùn)行的設(shè)備。這種控制器是用模擬研究的方法得出。研究表明，該控制器有助于設(shè)計(jì)連續(xù)運(yùn)行設(shè)備的智能控制器時區(qū)分理論推導(dǎo)和實(shí)際運(yùn)行狀況。 關(guān)鍵詞 ：分布式智能控制；實(shí)時計(jì)算機(jī)控制；連續(xù)運(yùn)轉(zhuǎn) 設(shè)備 1. 簡介 對分布式人工智能方法的實(shí)時控制應(yīng)用的探討多集中于使用二進(jìn)制輸入輸出接口的離散式系統(tǒng)。例如 993 年做的機(jī)器人導(dǎo)航系統(tǒng)以及 993 年研制的生產(chǎn)線控制系統(tǒng)。連續(xù)運(yùn)轉(zhuǎn)設(shè)備的分布式職能控制很有意思。對于這種實(shí)用上很重要的設(shè)備，控制器必須能監(jiān)測連續(xù)變化的數(shù)字傳感信號，同時產(chǎn)生連續(xù)變化的執(zhí)行信號。 人們希望把用在不連續(xù)系統(tǒng)研究中的方法擴(kuò)展到連續(xù)型系統(tǒng)。然而，分布式因子的作用、表現(xiàn)形式及其相互作用方式 決定需要改變其內(nèi)部比例關(guān)系。本文通過設(shè)計(jì)礦用深井提升機(jī)控制器，模擬其運(yùn)行旨在說明分布式職能控制是如何應(yīng)用到連續(xù)運(yùn)轉(zhuǎn)的設(shè)備中的。 文章結(jié)構(gòu)安排如下：首先概述與分布式智能控制有關(guān)的連續(xù)運(yùn)轉(zhuǎn)設(shè)備的特性，接著總結(jié)了深井提升機(jī)控制的要求，給出了一種用于這種設(shè)備的多因子控制器。最后討論了模擬研究的結(jié)果，強(qiáng)調(diào)了區(qū)分理論推理與實(shí)際運(yùn)轉(zhuǎn)的意義。 2. 連續(xù)運(yùn)行設(shè)備的分布式智能控制 分布式智能控制用多種半自動因子來控制設(shè)備，以滿足運(yùn)行要求。每種因子執(zhí)行一種智能模式，通過聯(lián)絡(luò)，因子相互配合來完成整個控制方案。用多個因子的分布式智 能控制器比單個因子的控制器更加靈活、高效。連續(xù)運(yùn)轉(zhuǎn)設(shè)備與非連續(xù)設(shè)備的不同在于，它們是用連續(xù)的多個方程描述，且實(shí)時運(yùn)行。換句話說，連續(xù)型設(shè)備是一種典型的隨時間連續(xù)變化的動態(tài)系統(tǒng)。 實(shí)時是什么意思呢？首先，實(shí)時運(yùn)行規(guī)定了控制器必須遵守的要求：實(shí)時控制器要能迅速及時的監(jiān)測到設(shè)備性質(zhì)的變化并做出反應(yīng)。此外，它還意味著智能控制系統(tǒng)必須能隨時間進(jìn)行動態(tài)推理，從而做出正確的反應(yīng)。當(dāng)控制器有規(guī)劃和時間安排功能時，動態(tài)推理功能更顯得格外重要。 連續(xù)運(yùn)轉(zhuǎn)的設(shè)備要滿足實(shí)時時限的要求，智能控制器必須在每一時限段都發(fā)出足夠的控制指令 。因此，使用的模式一定要能在規(guī)定的時間段內(nèi)提供完備的解決方案或在無法完成時提出部分完備的方案。因此，選擇代理模式不僅要關(guān)注解決所需問題的能力，而且要重視當(dāng)無法在規(guī)定期限內(nèi)完成時給出不完全解決方案的能力。 介紹了一種在時限到來時提供部分解決方案的方法。 3. 深井提升機(jī)的控制要求 為了探討連續(xù)型分布式智能控制器，可以選取一種深井提升機(jī)的簡易控制系統(tǒng)作為范例。該系統(tǒng)包括直接聯(lián)接到卷筒上的電力拖動設(shè)備和帶兩套鋼絲繩連接提升容器的卷筒，提升設(shè)備（左右容器平衡布置）沿井筒布置。這是 2000 以上深井的典型提升系統(tǒng)。 作為提升系統(tǒng)機(jī)械設(shè)計(jì)的一部分，對鋼絲繩的設(shè)計(jì)我們采用了安全系數(shù)以使其留有余量。靜載荷加上由于系統(tǒng)振蕩產(chǎn)生的最大的動載荷，決定了所需的安全系數(shù)。動載荷可由動態(tài)放大系數(shù) 計(jì)量。 鋼絲繩上的最大動態(tài)力 提升容器和鋼絲繩的總質(zhì)量×加速度） 如果最大載荷能夠盡量小，提升繩的安全系數(shù)就可以取得較小，從而可以采用較輕且便宜的鋼絲繩。由于井筒很深（大約 3000 米），減輕繩重就顯得至關(guān)重要。輕繩能減少拖動電機(jī)的容量，提高提升效率 。于是控制重點(diǎn)變?yōu)闇p少系統(tǒng)振蕩，繼而限制動載荷。 1932 年及 1951 年已揭示了控制提升機(jī)卷筒的加速度曲線形狀，可以使鋼絲繩振蕩減到最小。 4. 控制方案 當(dāng)給定繩長和容器質(zhì)量，提升系統(tǒng)存在一個固有諧振頻率 礎(chǔ)加速度曲線圖如圖 1 所示，它用于產(chǎn)生加速度輪廓曲線。 指明如果圖中加速時間 于振蕩的固有周期 1/幅降至最小值。根據(jù)線性疊加原理可知，如果所有加速度曲線都用計(jì)算基礎(chǔ)加速度曲線的方法來確定， 會取到最小值。以下是可選的控制 方案： 1). 取 近似值。 2). 確定加速度給定值 3). 調(diào)整加速度曲線以達(dá)到此加速度值。這其中可能要適當(dāng)修改原來的給定值。 4). 利過卷筒的加速度反饋控制把完全的加速度曲線圖都用到提升設(shè)備中。 w m 圖 1. 基礎(chǔ)加速度曲線圖 加速度 預(yù)加速度 加速度曲線 實(shí)測的 略質(zhì)量和位移 速度和位移 控制輸入 速度、位移目標(biāo)值 加速階段 圖 2. 分布式智能控制系統(tǒng)示意圖 這種控制方法顯示了相互獨(dú)立的因子的集成。借助理論推理可以計(jì)算出 m 在構(gòu)建加速度曲線圖時的有效位。在控制問題中應(yīng)用推理知識，可將控制器分解成由一系列小問題組成的序列。對每個任務(wù)可以設(shè)計(jì)出因子來，這樣得到的分布式控制器的框圖如圖 2 所示。用于每個因子構(gòu)成控制步驟的一部分 ，其執(zhí)行的功能模塊很容易確定。因子的功能現(xiàn)說明如下： 由于振蕩固有頻率中系統(tǒng)變量的非線性作用，它與提升容器載重量和鋼絲繩長度有關(guān)，我們用一種神經(jīng)網(wǎng)絡(luò)來逼近 種網(wǎng)絡(luò)隨著鋼絲繩的使用年限而變化。一開始用 第一位計(jì)算值來預(yù)置神經(jīng)網(wǎng)絡(luò)，接著，在控制器的實(shí)際運(yùn)行中，由井筒的特定數(shù)據(jù)修訂原來的結(jié)果。也就是說，如果運(yùn)行中測量的 近似值不同，則用測量值重新調(diào)整網(wǎng)絡(luò)。 試驗(yàn)中所用的是由后傳遞法調(diào)定的四層神經(jīng)網(wǎng)絡(luò)。兩層單個的線性網(wǎng)絡(luò)是輸入輸出層，另外兩個內(nèi)層是神經(jīng)網(wǎng)絡(luò)的核心，它們每層由五道 s 型網(wǎng)絡(luò)構(gòu)成。這種線性 / s 型 / 線性的網(wǎng)絡(luò)結(jié)構(gòu)很靈活，能夠近似線性和非線性的功能。五個神經(jīng)元的內(nèi)層可用不斷重復(fù)的辦法得到，四個神經(jīng)元的內(nèi)層無法將網(wǎng)絡(luò)的總平方誤差降到允許的范圍內(nèi)。網(wǎng)絡(luò)經(jīng)過調(diào)整用來解決 其中 w = 2 與鋼絲繩長成正比， 一公式可得到第一位計(jì)算值。 加速值給定值由模糊邏輯來確定，該理論用于闡明加速度曲線的使用方法。礦用神經(jīng) 網(wǎng)絡(luò) 模糊 邏輯 控制 中心 常規(guī) 控制器 運(yùn)行 設(shè)備 圖 3. 減速控制器的模糊邏輯控制界面 速度（ m/s） · 位移（ m） 提升機(jī)正常運(yùn)行時需要具備兩 種重要功能：“加速”和“停車”。于是要用到兩個因子；一個把提升容器加速到預(yù)定值（一般為 15m/s），另一個使容器在預(yù)定的井深處停車。用這種方法分別計(jì)算加速度設(shè)定值，每個因子執(zhí)行一定的任務(wù)。各自獨(dú)立的因子也使得協(xié)調(diào)模糊邏輯來說明加速度曲線的用法更容易。加速度控制器是簡單的單輸入單輸出系統(tǒng)，減速度控制器是雙輸入單輸出系統(tǒng)。兩套系統(tǒng)中模糊邏輯控制器都是以誤差輸入和加速度輸出裝置為基礎(chǔ)。每一個論域可以分為五個部分。加速度控制器的模糊控制界面如圖 3 所示。 “控制中心”用于整合，聯(lián)絡(luò)各因子。輸入的用戶指令經(jīng)處理給提升容 器加速，使其停靠在井筒中的新位置。用戶給定提升容器的正常運(yùn)行速度，提升高度。神經(jīng)網(wǎng)絡(luò)因子輸出決定著加速度框圖的具體形狀。模糊邏輯控制值決定加速度圖上 A 的值?！翱刂浦行摹边€決定著何時從加速模糊邏輯轉(zhuǎn)到中斷模糊邏輯并給常規(guī)的反饋控制器提供加速度曲線。 常規(guī)反饋控制器用反饋環(huán)節(jié)來控制拖動電機(jī)，使提升容器達(dá)到加速度設(shè)定值。這種控制器拖動機(jī)構(gòu)的上升時間被取得盡可能短（加速度控制器的穩(wěn)定時間約為 1s，約等于超調(diào)量的 5%），以便讓控制系統(tǒng)的其它部分更加明晰。 5. 模擬研究 我們開發(fā)出一種提升設(shè)備的常規(guī)連續(xù)型數(shù)字模擬裝 置，它還包括了運(yùn)行普通卷筒加速度控制器的代碼。該裝置只有一個輸入變量 加速度設(shè)定值；它是從 實(shí)時分布式通訊數(shù)據(jù)單元提供的分布式數(shù)據(jù)庫讀入的。模擬邏輯控制器分成兩個單機(jī)過程來工 作，它包含讀取所需的 用模糊邏輯并把結(jié)果傳送到分布式數(shù)據(jù)庫的代碼。一個獨(dú)立的神經(jīng)網(wǎng)絡(luò)過程計(jì)算出鋼絲繩振蕩的固有周期，為在分布式數(shù)據(jù)庫中進(jìn)行讀寫操作做準(zhǔn)備。開發(fā)中用到的所有軟件都是用 C 語言編制的。 試驗(yàn)中用的硬件設(shè)備包括一套 兼容的計(jì)算機(jī)網(wǎng)絡(luò)。該網(wǎng)絡(luò)使用 0S/2 絡(luò)包含兩臺裝有數(shù)學(xué)處理程序和 8M 內(nèi)存的 80286計(jì)算機(jī)。它們通過西部數(shù)據(jù)公司生產(chǎn)的 16 位 域網(wǎng)適配器。每臺 使用一套可以進(jìn)行網(wǎng)上傳送和讀取的 制程序。其它的處理單元通過由 制程序提供的服務(wù)器相聯(lián)系。計(jì)算量大的模擬裝置和計(jì)算量相對較小的控制中心處理單元被放在一臺 上運(yùn)行，而模糊邏輯和神經(jīng)網(wǎng)絡(luò)過程被安排在別的機(jī)子上。這種分配方法在不修改軟件的情況下可以很方便加速度曲線 加速度（m/的改動。 擬結(jié)果 模擬研究獲得的典型加速度曲線如圖 4 所示。將滿載的提升容器（ 2800速到 15m/s 后停在距起點(diǎn) 1000 米處。在一系列涵蓋各種典型的礦用提升機(jī)結(jié)構(gòu)的模擬試驗(yàn)中，分布式智能控制器能使動態(tài)放大系數(shù)接近 在沒有有效的控制的情況下 此，除了高度的靈活性以外，這種分布式智能控制器也有效地遏制了振蕩，從而鋼絲繩上所受的力約等于產(chǎn)生給定加速度所需的力。 位移及速度曲線表明，這種控制方案能迅速逼近設(shè)定點(diǎn)。當(dāng)速度增加到設(shè)定點(diǎn)時，控制器確實(shí)顯示出存在有限的超調(diào)量，這是限制許可的加速度曲線的結(jié)果。制動過程中控制器顯得補(bǔ)償過度 制動 過早，過猛，從而導(dǎo)致在這一小段上花費(fèi)了太多時間。 分布式控制系統(tǒng)的狀態(tài)不會因?yàn)槎嘁蜃娱g的通訊延時受到顯著影響。礦用提升機(jī)控制系統(tǒng)使用 11 個分布式變量，每個變量的頻率被定在 10間。對于這種提升機(jī)控制方案，從數(shù)據(jù)庫中讀寫的延時不會超過 果分布式變量的數(shù)目較小，因子間通訊延時可以取到最小值。在這種方案中計(jì)算引起的延時是很明顯的，這是由所用的 功能較差造成的。在一臺機(jī)子上執(zhí)行多道程序也增加了計(jì)算延時時間。在連續(xù)控制中應(yīng)用人工智能技術(shù)有足夠的計(jì)算能力是重要的前提條件。 6. 對理論推理和實(shí) 際運(yùn)行知識的評價 一切智能控制系統(tǒng)的核心都是知識，人工智能的特點(diǎn)是如何運(yùn)用這些知識。對于連續(xù)運(yùn)轉(zhuǎn)的設(shè)備要區(qū)分兩種類型的知識：理論推理知識和實(shí)際運(yùn)行知識。 推理知識是指對所研究的設(shè)備的認(rèn)知程度，包括通過經(jīng)驗(yàn)得來的東西。它用于確定分布式系統(tǒng)的結(jié)構(gòu)，如何選取因子及每一因子的用途。理論推理用于確定人工智能運(yùn)用的范圍和用哪種模式，它多數(shù)是一些抽象知識，可以轉(zhuǎn)化成抽象的智能模式，如專家系統(tǒng)。 運(yùn)行知識是在因子間通訊并被其使用的知識。在實(shí)際運(yùn)行中，智能控制器從設(shè)備中測定到它。有時，這種知識能以符號的形式 來表達(dá)，但多數(shù)情況下，它是時間（秒） 從設(shè)備的數(shù)字傳感器中得到的數(shù)據(jù)。值得注意的是運(yùn)行知識是數(shù)值形式的，描述的是設(shè)備在特定時刻的狀態(tài)，而理論知識是靜態(tài)，不變的。實(shí)際運(yùn)行知識很重要，因?yàn)橐蜃佑盟鼇硐薅刂菩袨?，這些行為又反過來影響到受控設(shè)備的未來狀態(tài)。在很多情況下，實(shí)際運(yùn)行數(shù)據(jù)作為原始信息傳送給智能控制器。需要從這些信息中提取知識供智能模式使用。從原始數(shù)據(jù)中提取抽象知識是很困難的， 倡導(dǎo)使用數(shù)字處理及特征提取技術(shù)。兩種模糊邏輯和神經(jīng)網(wǎng)絡(luò)都用到了數(shù)值輸入，因而都可用于處理實(shí)際運(yùn)行知識 。 理論推理和實(shí)際運(yùn)行是互補(bǔ)的。當(dāng)只用到少量的推理知識時，就需要較多的運(yùn)行知識；反之亦然。這是由于實(shí)際運(yùn)行知識必須獲得被控設(shè)備的所有不確定和容易變化的資料。隨著要得到的運(yùn)行資料愈來愈復(fù)雜，為了在因子間適當(dāng)分配這些數(shù)據(jù)，因子間的聯(lián)絡(luò)方式要求更加先進(jìn)。比如，知道了要用哪個因子以及它們的用途，卻不知道該怎樣使其相互聯(lián)結(jié)。實(shí)際運(yùn)行知識一定要考慮到因子間的聯(lián)絡(luò)以在運(yùn)行過程中改動?？梢杂昧魍[喻通訊協(xié)議在分布式系統(tǒng)間交流運(yùn)行數(shù)據(jù)。 對礦用提升機(jī)來說，控制方案的結(jié)構(gòu)和控制方法由理論推導(dǎo)來確定。理論推導(dǎo)表明振蕩可以通過采用 特定的加速度曲線來減弱，同時給出如何根據(jù)提升機(jī)的運(yùn)行狀態(tài)來選取最優(yōu)的加速度參數(shù)。它還揭示了面對控制方面的問題應(yīng)該如何下手，從而導(dǎo)致了本文提出的控制方案。 得到的控制方案反過來又決定著因子應(yīng)該用到哪兒，代理的功能，因子間交流些什么，即需要的運(yùn)行數(shù)據(jù)。能得到很充分的理論知識，就意味著需要的實(shí)際運(yùn)行數(shù)據(jù)可以減到最少?？刂破鞯撵`活性的要求就很低，因?yàn)槔碚撏评硪讶∠讼到y(tǒng)中的不確定因素。正是由于推理知識占的比重大，礦用提升機(jī)的研究中向?qū)嶋H運(yùn)行提出的問題就比較少，這也使得因子間的通訊可以很簡單。觀測資料表明，理論推理知 識占的比重大在連續(xù)型系統(tǒng)中相當(dāng)普遍。 7. 結(jié)論 研究表明，分布式智能控制系統(tǒng)能成功的控制連續(xù)變化的設(shè)備，連續(xù)變化設(shè)備的實(shí)時特性決定智能控制器必須能隨時間做出及時的推理判斷。 清楚的區(qū)分推導(dǎo)結(jié)果和實(shí)際運(yùn)行情況大大有助于給因子確定合適的結(jié)構(gòu)（由推理得到）和聯(lián)絡(luò)方案（由運(yùn)行狀況知）。對深井提升機(jī)控制器來說，推理知識是主要的，因子 s 間的通訊協(xié)議相對簡單。理論推理知識占很大比重對連續(xù)運(yùn)轉(zhuǎn)的設(shè)備很典型，大概是成功應(yīng)用分布式智能控制的關(guān)鍵。 8. 致謝 本項(xiàng)目得到了南非發(fā)展研究中心和威特沃特斯然德大學(xué)的鼎立支持，特此表示感謝。 參考文獻(xiàn) 1） ， 算機(jī)控制系統(tǒng)中實(shí)時信息的分配 南非電力學(xué)報(bào)， 1991， 82（ 3）， 156 164 2） 計(jì)算機(jī)控制系統(tǒng)中的測量、取樣及數(shù)據(jù)表示 南非科技期刊， 1993， 89， 541 545 3） R.， 布式問題解決法中行業(yè)術(shù)語的的協(xié)調(diào) 人工智能，1983， 20， 63 109 4） 分布式問題解決技術(shù)巡禮 統(tǒng)學(xué)報(bào)，人與控制論， 1987，17（ 5）， 729 740 5） A. 知穩(wěn)定多邊干擾中的兩維機(jī)器人導(dǎo)航 器人與自動化， 1983 6） R.，神經(jīng)計(jì)算技術(shù) 阿狄森 7） 市交通系統(tǒng)的智能控制 自動化 1984， 8（ 2），191 197 8） 應(yīng)用實(shí)時技術(shù)在分布式計(jì)算機(jī)控制系統(tǒng)中實(shí)現(xiàn)共同序列 布達(dá)佩斯 六次國際會議論文， 1984 9） V. 布式實(shí)時智能系統(tǒng) 于 實(shí)時控制中的人工智能的第三次工作組會議論文 1991， 0） V. 于實(shí)時智能計(jì)算的漸近式推理 制系統(tǒng)， 1992， 12（ 2）， 79 83 11） 通樞紐的模糊邏輯控制器 統(tǒng)學(xué)報(bào)，人與控制， 1977 12） 械制動及對提升設(shè)備的影響 機(jī)械工程， 1982，123， 537 620 13） 礦山電力拖動絞車的過渡過程及對鋼絲繩張力的影響 1951， 573 587 14） 腦與人工智能 關(guān)于人工智能的討論：人為的開始，真實(shí)的基礎(chǔ)（ ，麻省理工學(xué)院出版社，1990 15） A.， 時專家系統(tǒng)的特征提取 人工智能的工程應(yīng)用，1994