Аналитический обзор функциональных структур интеллектуальных систем управления сложными горно-металлургическими объектами

Представлены функциональные структуры интеллектуальных систем управления, имеющие перспективы применения в горно-металлургической промышленности. Целесообразность их использования обусловлена сложностью процессов, протекающих в объектах, функционирующих в затрудненных условиях, созданием мощных баз данных реального времени. Сложные процессы характеризуются большой размерностью, нестационарностью, долговременной динамической памятью, распределенностью параметров, нелинейностью, существенными запаздываниями, многообразием ситуаций, неполнотой контроля параметров, наличием грубых помех в сигналах измерительной информации. Технологические агрегаты, промышленные линии, участки, цехи горнодобывающей и металлургической промышленности в большинстве своем относятся к сложным объектам автоматизации. Для эффективного управления сложными процессами необходимо применение адекватно сложных интеллектуальных систем. Показаны место и роль баз знаний в системах управления, разнообразие способов выработки управляющих воздействий в зависимости от степени информированности управляющей подсистемы. Использование разнообразных механизмов логического вывода позволяет более полно осуществить оптимизацию управления объектом. Промышленные интеллектуальные системы управления построены по иерархическому принципу на основе системного подхода, современной вычислительной техники, методов искусственного интеллекта. Эти системы охватывают разнообразные функции: динамическое управление, диспетчерское управление, диагностику состояния объекта, производственное планирование, а также учитывают высокую интенсивность технологического процесса, его масштаб, длительность, прерывность и гибкость.

Трофимов В.Б. Аналитический обзор функциональных структур интеллектуальных систем управления сложными горно-металлургическими объектами // Горный информационно-аналитический бюллетень. – 2022. – № 2. – С. 150–168. DOI: 10.25018/0236_1493_2022_2_0_150.

Трофимов Владимир Борисович — канд. техн. наук, доцент, НИТУ «МИСиС», e-mail: trofimov_vbt@mail.ru, ORCID ID: 0000-0001-9321-8081, https://elibrary.ru/author_profile.asp?id=180787, https://www.scopus.com/authid/detail.uri?authorId=22636050400.

1. Поспелов Д. А. Ситуационное управление. Новый виток развития // Известия РАН. Теория и системы управления. — 1995. — № 5. — С. 152—159.

2. Поспелов Д. А. Ситуационное управление. Теория и практика. — М., 2021. — 288 с.

3. Макаров И. М. Концептуальные основы организации интеллектуального управления сложными динамическими объектами / Новые методы управления сложными системами: Сборник научных трудов. — М.: Наука, 2004. — С. 19—31.

4. Лохин В. М., Захаров В. Н. Интеллектуальные системы управления: понятия, определения, принципы построения / Интеллектуальные системы автоматического управления: Сборник научных трудов. — М.: Физматлит, 2001. — С. 25—38.

5. Лохин В. М., Романов М. П. Интеллектуальные системы управления — перспективная платформа для создания техники нового поколения // Вестник МГТУ МИРЭА. — 2014. — № 1(2). — С. 1—24.

6. Макаров И. М., Лохин В. М., Манько С. В., Романов М. П. Искусственный интеллект и интеллектуальные системы управления. — М.: Наука, 2006. — 333 с.

7. Пупков К. А., Коньков В. Г. Интеллектуальные системы. — М.: Изд-во МГТУ им. Н.Э. Баумана, 2003. — 348 с.

8. Pupkov K. A. Intelligent systems: development and issues // Procedia Computer Science. 2017, vol. 103, pp. 581—583. DOI: 10.1016/j.procs.2017.01.069.

9. Пупков К. А. Современные проблемы теории и техники интеллектуальных систем / Интеллектуальные системы: Труды XI международного симпозиума. — М.: РУДН, 2014. — С. 4—6.

10. Городецкий А. Е., Ерофеев А. А. Принципы построения интеллектуальных систем управления подвижными объектами // Автоматика и телемеханика. — 1997. — № 9. — С. 101—109.

11. Городецкий А. Е., Курбанов В. Г., Тарасова И. Л. Экспертная система анализа и прогнозирования аварийных ситуаций в энергетических установках // Информационноуправляющие системы. — 2012. — № 4(59). — С. 59—63.

12. Тимофеев А. В., Юсупов Р. М. Интеллектуализация процессов управления и навигации робототехнических систем // Робототехника и техническая кибернетика. — 2014. — № 2(3). — С. 19—22.

13. Советов Б. Я., Цехановский В. В., Чертовской В. Д. Теоретические основы автоматизированного управления. — М.: Высшая школа, 2006. — 463 с.

14. Советов Б. Я., Цехановский В. В., Чертовской В. Д. Интеллектуальные системы и технологии. — М.: Издательский центр «Академия», 2013. — 320 с.

15. Советов Б. Я., Цехановский В. В. Информационные технологии. — М.: Изд-во «Юрайт», 2019. — 327 с.

16. Советов Б. Я., Цехановский В. В., Чертовской В. Д. Представление знаний в информационных системах. — М.: Академия, 2012. — 144 с.

17. Жданов А. А. Метод автономного адаптивного управления // Известия ТРТУ. — 2004. — № 3(38). — С. 166—175.

18. Lu Y.-Z. Industrial intelligent control: fundamentals and applications. New York: Wiley, 1996, 346 p.

19. Lu Y.-Z., Chu J. The perspective of industrial control driven by global economy and information technologies / 2011 IEEE International Symposium on Advanced Control of Industrial Processes (ADCONIP), 2011, pp. 300—305.

20. Vassilyev S. N., Novikov D. A., Bakhtadze N. N. Intelligent control of industrial processes / IFAC Proceedings Volumes (IFAC-PapersOnline). 2013, vol. 46, no. 9, pp. 49—57. DOI: 10.3182/20130619-3-RU-3018.00643.

21. Соколов И. А. Теория и практика применения методов искусственного интеллекта // Вестник Российской академии наук. — 2019. — Т. 89. — № 4. — С. 365—370. DOI: 10.31857/S0869-5873894365-370.

22. Темкин И. О., Клебанов Д. А., Дерябин С. А., Конов И. С. Построение интеллектуальной геоинформационной системы горного предприятия с использованием методов прогнозной аналитики // Горный информационно-аналитический бюллетень. — 2020. — № 3. — С. 114—125. DOI: 10.25018/0236-1493-2020-3-0-114-125.

23. Temkin I., Klebanov D., Deryabin S., Konov I. Predictive analytics in mining. Dispatch system is the core element of creating intelligent digital mine / Modern Information Technology and IT Education. SITITO 2018. Communications in Computer and Information Science, vol. 1201. Springer, Cham. 2020, pp. 365—374. DOI: 10.1007/978-3-030-46895-8_28.

24. Dinh Hieu Le, Temkin I. Application of PSO and bacterial foraging optimization to speed control PMSM servo systems / 2018 IEEE Seventh International Conference on Communications and Electronics (ICCE). 2018, pp. 196—201. DOI: 10.1109/CCE.2018.8465728.

25. Temkin I. O., Myaskov A. V., Deryabin S. A., Rzazade U. A. Digital twins and modeling of the transporting-technological processes for on-line dispatch control in open pit mining // Eurasian Mining. 2020, no. 2, pp. 55—58. DOI: 10.17580/em.2020.02.13.

26. Temkin I., Deryabin S., Konov I., Kim M. Possible architecture and some neuro-fuzzy algorithms of an intelligent control system for open pit mines transport facilities // Frontiers in Artificial Intelligence and Applications. 2019, vol. 320, pp. 412—420. DOI: 10.3233/ FAIA190205.

27. Trofimov V. B. An approach to intelligent control of complex industrial processes: An example of ferrous metal industry // Automation and Remote Control. 2020, vol. 81, no. 10, pp. 1856—1864. DOI: 10.1134/S0005117920100057.

28. Kulakov S. M., Trofimov V. B., Dobrynin A. S., Taraborina E. N. Precedent approach to the formation of programs for cyclic objects control // IOP Conference Series: Materials Science and Engineering. 2018, vol. 351, no. 1, article 012002. DOI: 10.1088/1757-899X/354/1/012002.

29. Trofimov V. B., Kulakov S. M. Industrial intelligent control systems: Fundamentals and applications / Proceedings of the IASTED International Conference on Automation, Control, and Information Technology — Control, Diagnostics, and Automation, ACIT-CDA 2010. 2010, pp. 148—151.

30. Barnewold L., Lottermoser B. G. Identification of digital technologies and digitalisation trends in the mining industry // International Journal of Mining Science and Technology. 2020, vol. 30, no. 6, pp. 747—757. DOI: 10.1016/j.ijmst.2020.07.003.

31. Vostrikov A. V., Prokofeva E. N., Goncharenko S. N., Gribanov I. V. Analytical modeling for the modern mining industry // Eurasian Mining. 2019, no. 2, pp. 30—35. DOI: 10.17580/ em.2019.02.07.

32. Bui X.-N., Bui H.-B., Nguyen H. A Review of artificial intelligence applications in mining and geological engineering / Proceedings of the International Conference on Innovations for Sustainable and Responsible Mining. 2021, pp. 109—142. DOI: 10.1007/978-3-03060839-2_7.

33. Куприянов В. В., Бондаренко И. С. Применение нечеткой логики для оценки достоверности моделей краткосрочного прогноза состояния горношахтного оборудования // Горный журнал. —2021. — № 5. — С. 75—79. DOI: 10.17580/gzh.2021.05.08.

34. Баранникова И. В., Мажибрада И. Прогнозирование отказов одноковшовых экскаваторов на основе методов искусственного интеллекта // Горный информационно-аналитический бюллетень. — 2017. — № 1. — С. 37—46.

35. Hyder Z., Siau K., Nah F. Artificial intelligence, machine learning, and autonomous technologies in mining industry // Journal of Database Management. 2019, vol. 30, no. 2, pp. 67— 79. DOI: 10.4018/JDM.2019040104.

36. Зайцева Е. В. Вопросы стратегического управления предприятиями цементной промышленности // Горный информационно-аналитический бюллетень. — 2019. — № 2. — С. 214—220. DOI: 10.25018/0236-1493-2019-02-0-214-220.

37. Spirin N. A., Rybolovlev V. Yu., Lavrov V. V., Gurin I. A., Schnayder D. A., Krasnobaev A. V. Scientific problems in creating intelligent control systems for technological processes in pyrometallurgy based on Industry 4.0 Concept // Metallurgist. 2020, vol. 64, no. 5-6, pp. 574—580. DOI: 10.1007/s11015-020-01029-1.

38. Liu J. Artificial intelligence drives changes in metallurgical industry // Kang T'ieh/Iron and Steel. 2020, vol. 55, no. 6, pp. 1—7. DOI: 10.13228/j.boyuan.issn0449-749x.20200191.