《{管理信息化CIMS集成制造系统}CIMS和CIPS技术与应用课程6》由会员分享，可在线阅读，更多相关《{管理信息化CIMS集成制造系统}CIMS和CIPS技术与应用课程6（72页珍藏版）》请在金锄头文库上搜索。
1、2020/8/2,CIMS和CIPS技术与应用,1,第六章 CIPS实施工作的瓶颈问题与关键技术,6.1 人的问题,企业实施CIPS不仅是通过解决单纯的技术问题的途径，而是通过人、技术与经营三方面综合集成的途径来取得成功的,(1) 人在CIPS实施过程中起到了决定性作用,哲理、全局过程的生产经营模式 、组织机构,(2) 人在生产过程中起到了核心作用,自动化技术应用水平及人们对它的认识程度,人的创造性工作,(3) 人在CIPS系统中的地位,涉及到社会的、经济的、有关人的行为及心理的、文化的等多方面问题，这些方面可能成为CIPS系统实施工作的瓶颈。,2020/8/2,CIMS和CIPS技术与应用,
2、2,6.2 集成的技术方面问题,6.2.1 综合自动化面临的挑战,a) 工业过程复杂性,过程对象特性复杂 对象的特性和反应机理十分复杂，精确的机理建模日益困难，所得的模型往往具有非线性、分布参数、时变、时滞和不确定性 基于解析数值计算和单一形式的模型（参数化的数学模型）很难刻画系统的真实运动状态，需要采用多种多样的描述方式的描述模型来反映生产过程的真实系统的行为和状态，支持不同层次、不同要求的控制目标 动态系统还具有多时间标度，有时还会发生动态突变； 环境的复杂性 系统常常处于不确定的环境中，扰动频繁，且常常是不可测量的； 任务的复杂性 完成监督、预测、控制、安全保护、经济、最优等目标；,20
3、20/8/2,CIMS和CIPS技术与应用,3,综合自动化面临的挑战(续1),b) 关联性,控制对象一般是多变量的系统，生产的规模庞大，生产装置的操作存在着强关联,c) 信息复杂性,信息获取存在问题 在许多的场合下，关键变量不可测量，导致信息的不完全； 信息模式复杂 信息往往呈现定量、半定量、定性语义的模式，不同深度不同层次地反映实际系统，提供关于系统不同模式的信息知识。 传感器和执行器分布于过程之中，信息量庞大 信息通常受到噪声的干扰，有效的信息的获得较为困难,2020/8/2,CIMS和CIPS技术与应用,4,综合自动化面临的挑战(续2),d) 知识及其表达的多样性和复杂性,信息模式的多样
4、性客观上造成了系统信息层次结构的形成： 越是高层的信息其数据量越少，但它包含的信息知识量越大，其模式越表现为定性描述的知识表示；层次越低的信息其包含信息量越简单、直观，数据量越大，其模式越表现为基于定量描述的数值形式。 信息层次结构要求对象模型呈现相应的分层结构 ： 较低层的信息模型趋向与采用传统的基于数值计算的微分或差分方程等模式表达，过程较高层次的模型则趋向于采用定性的符号描述模型表达过程的行为特性，不同层次的知识表达方法相应于多样性和层次性的信息处理的需要。,e) 管理、控制任务的通常是多目标、多约束的命题,2020/8/2,CIMS和CIPS技术与应用,5,6.2.2 系统协同的问题,
5、由一系列完成特定任务和目标子系统集成而成的复杂系统，具有分布性（时间上的分布、空间上的分布或功能上的分布）的特点。 限于知识、能力、处理速度、信息、资源等因素以及待求解问题的规模、复杂性造成的实现困难，在CIPS系统增强系统性能(快速性、可靠性、智能程度、完成质量)、有效地利用资源(信息、知识、物理装置等) ，个体间的协作是必然的。,通过并行性提高任务的完成率 通过共享资源（信息、专门知识、物理装置等）扩大完成任务的能力范围 通过备份任务，采用不同的方法去完成指定任务，以提高完成任务的可能性及可靠性 通过避免任务间有害的相互作用,减少任务间的冲突,2020/8/2,CIMS和CIPS技术与应用
6、,6,系统协同的四种协作类型,水平协作(horizontal cooperation) 由于能力、知识处理、速度、资源利用等因素的限制，单独的个体（人/机构，子系统）都不具有解决全局问题的能力，将全局问题分解成子问题后交给适当的个体采用协同工作的方式分别去完成，获得求解综合问题的能力。 为提高对综合问题求解的结果的可信度，可以基于系统不同个体的独立解决问题的能力，采用不同的信息与知识或不同的信息处理机制获得问题的结果，通过个体之间的相互作用，最终获得高可靠性的结果。,2020/8/2,CIMS和CIPS技术与应用,7,系统协同的问题(续),(2) 树型协作(tree cooperation)
7、系统中高层的功能系统或人/群体依据下层获得的结果做出进一步处理工作。,(3) 循环协作(recursive cooperation) 为了求得问题的结果，系统的个体之间相互依赖，往复协作。,(4) 混杂协作(hybrid cooperation) 整个系统在某些级上采用水平协作的类型，而在系统整体上又是树型协作或循环协作类型，或整体上采用水平协作类型而局部上采用树型或循环协作类型。,2020/8/2,CIMS和CIPS技术与应用,8,系统的两种协作形式,CIPS系统内主要存在任务共享(Task sharing )、结果共享(Result sharing )两种协作形式：,任务共享 各系统相互协
8、作，分担各子任务的处理负荷，而且当一个单元的任务太重而无法完成时，它将把任务分解，让其它单元承担并完成。,结果共享 系统内的各单元相互传递并共同利用根据不同观点方法所得出的有关总体问题得部分结果，通过相互交换部分暂时得结果相互协同工作 。,2020/8/2,CIMS和CIPS技术与应用,9,系统协同的关键技术问题,- 冲突的消解,资源冲突、目标冲突、结果冲突,- CSCW(Computer Supported cooperative Work)理论与应用,- 群件技术,- 分布式智能控制理论和方法、MAS,多智能体Multi Agent System、 移动智能体mobile Agent Sy
9、stem,- 人-人、人-机系统,2020/8/2,CIMS和CIPS技术与应用,10,6.2.3 控制、决策与管理集成问题,CIPS系统本质上是一类混杂（Hybrid）系统: 离散事件系统和连续时间系统的混合，分布参数和集中参数的混合，符号系统与数值系统的混合，模糊系统和精确系统的混合，定量系统与定性系统混合。,信息和数据获取与处理,系统的控制、决策依赖于获取数量众多，性质各异的定量、半定量、定性语义的不同模式、不同深度及不同层次的过程信息。数据信息常常因受工业噪声、传感器精度、传感器故障以及检测技术技术手段等因素的影响，不够精确、不一致、不完整，有些信息不能以定量的形式表达。,1. 过程数
10、据的预处理技术,数据变换、数据校正、滤波等预处理手，将真实信号从含有噪声的混合信号分离出来,2020/8/2,CIMS和CIPS技术与应用,11,数据校正问题,(1) 随机误差的处理,数字滤波方法 利用信号与噪声随自变量改变的频率不同将真实信号与噪声分离。高通滤波、低通滤波、数据平滑等 数据协调(Data Reconciliation )技术 根据由物料平衡和能量平衡等方程建立起来的精确数学模型，以估计值和测量值的方差最小为目标，构造估计模型，为测量数据提供一个最优估计，以及时准确地检测误差的存在，近而剔除或补偿其影响。,(2) 显著误差的处理,a) 基于理论分析可能导致显著误差的因素并进行相
11、应处理 b) 基于硬件冗余，借助不同的测量手段对同一过程变量进行测量，通过结果比较来识别显著误差。 c) 基于测量数据的统计特性进行检验(统计假设检验、残差分析、广义似然法、贝叶斯、主元分析法),2020/8/2,CIMS和CIPS技术与应用,12,数据协调,化工过程测量的基本模型可以表示为：,其中：,为被测变量测量值；,为被测变量真实值；,代表测量误差。,其中：,是测量数据,的估计,是测量误差的方差,是未测向量,的估计值,2020/8/2,CIMS和CIPS技术与应用,13,数据变换,数据变换影响过程模型的精度和非线性映射能力以及数值优化算法的运行结果。包括标度(Scaling)、转换和权函
12、数三各方面,标度 对工业过程中出现的工程单位不同或数值数量级相差较大的测量数据，利用合适的因子进行标度，避免因为计算机字长而丢失有用信息或引起算法的不稳定。,转换 包括直接转换和寻找新变量代替原变量，通过转换可有效地降低原对象的非线性特性(如对数转换)。,权函数 实现对变量动态特性的补偿，使稳态模型实现对过程动态估计成为可能。,2020/8/2,CIMS和CIPS技术与应用,14,2. 过程数据的软测量技术,软测量技术的理论根源是20世纪70年代Brosillow提出的推断控制。 把自动控制技术与生产工艺过程知识有机结合起来，应用计算机技术对生产过程中一些难于测量或不能测量的重要变量(主导变量
13、)，选择另外一些容易测量的变量(辅助变量或二次变量)，通过构成某种数学关系来推断和估计，以软件来代替硬件(传感器)功能。,过程,u,d1,d2,y,y 主导变量； 可测的辅助变量 d1 可测扰动； d2 不可测扰动； u 控制变量,2020/8/2,CIMS和CIPS技术与应用,15,软测量系统结构,测量数据,预处理模块,简单机理模型,软测量模型,长期校正模块,初始模型,在线校正模型,历史数据,模型参数,修正的模型参数,历史数据,化验数据,2020/8/2,CIMS和CIPS技术与应用,16,软测量模型,(1) 机理方法,基于物料平衡、能量平衡、动量平衡、相平衡、传热传质等基本动力学方程,(2
14、) 经验方法,系统辩识 用测量数据直接求取模型的方法,参数估计 根据既定的模型结构由测量数据确定参数的方法,a) 基于状态估计的方法,Luenberger观测器、Kalman滤波器,b) 基于回归分析的方法,最小二乘法、主元回归法、部分最小二乘法(PLS),2020/8/2,CIMS和CIPS技术与应用,17,软测量模型(续),(3) 基于人工智能方法,a)人工神经元网络,b)模糊技术,2020/8/2,CIMS和CIPS技术与应用,18,3. 复杂过程数据处理技术,不同信息控制与决策层次之间的信息表达、传递、通讯和融合处理机制，混杂信息的变换、信息与数据的压缩、信息特征的提取与恢复、信息与数
15、据的挖掘。,复杂工业对象模型化,(1) 模型化方法,白箱方法、灰箱方法、黑箱方法,(3) 分层系统信息模式的非同态性导致系统模型形式的复杂化,(2) 模型化的精度和模型的适应性,2020/8/2,CIMS和CIPS技术与应用,19,基于模型的控制和基于知识的控制,(1)基于模型的控制技术,实例：预测控制技术,预测控制技术的产生并不是理论发展的需要，而首先是工业实践向控制提出的挑战。 现代控制理论(基于状态空间的分析设计方法、最优性能指标的设计理论)取得空前成果但仍面临巨大挑战：,i) 现代控制理论的基点是对象精确的数学模型,ii) 工业对象的结构、参数和环境都具有很大的不确定性(鲁棒性/最优性
16、),iii) 工业控制中必须考虑到控制手段的经济性，对工业控制计算机的 要求不能太高(简易性/实时性),2020/8/2,CIMS和CIPS技术与应用,20,A) 预测控制的基本构成,i) 预测模型,根据对象的历史信息和未来的输入预测其未来的输出(动态行为)。,模型的功能,状态方程 传递函数 阶跃响应 脉冲响应 非线性模型 .,渐近稳定的线性对象，非参数模型,ii) 滚动优化,通过优化控制算法，追求某一性能指标的最优来确定未来的控制作用。 性能指标构造通常基于对象输出在未来采样点上跟踪某一期望轨迹的方差为最小；控制能量最小而同时保持输出在某一给定的范围等 有限时段的滚动优化，优化不是一次离线进行，而是反复在线进行,2020/8/2,CIMS和CIPS技术与应用,21,预测控制的基本构成(续),iii) 反馈校正,闭环控制算法(不仅基于模型，同时利用实际输出的反馈值)。 基于优化性能指标确定了一系列未来的控制作用后，为了防止模型失配或环境的干扰引起的控制效果与理
