На правах рукописи ГОЛУБЯТНИКОВА МАРИНА

На правах рукописи
ГОЛУБЯТНИКОВА МАРИНА ВЛАДИСЛАВОВНА
СИСТЕМА ИНТЕЛЛЕКТУАЛЬНОЙ ПОДДЕРЖКИ ПРИ ВЫБОРЕ
ОПТИМАЛЬНОГО ТЕХНОЛОГИЧЕСКОГО РЕЖИМА
(НА ПРИМЕРЕ ПРОЦЕССА ЭКСТРАКЦИИ РАСТИТЕЛЬНОГО СЫРЬЯ)
Специальность 05.13.01 – «Системный анализ, управление и обработка
информации (промышленность, информатика)»
АВТОРЕФЕРАТ
диссертации на соискание ученой степени
кандидата технических наук
Астрахань – 2011
Работа выполнена в Федеральном государственном образовательном
учреждении высшего профессионального образования «Астраханский
государственный технический университет».
Научный руководитель:
кандидат технических наук, доцент
Антонов Олег Викторович.
Официальные оппоненты:
доктор технических наук, профессор
Литовка Юрий Владимирович,
кандидат технических наук,
Жедунов Руслан Равкатович.
Ведущая организация:
ГОУ ВПО «Воронежская государственная
технологическая академия».
Защита состоится 14 мая 2011 г. в 09 часов 30 минут на заседании
диссертационного совета Д 307.001.06 при Астраханском государственном
техническом университете по адресу: 414025, г. Астрахань, ул. Татищева, 16,
главный корпус, ауд. 305.
Отзывы на автореферат в двух экземплярах, заверенные гербовой
печатью, просим направлять по адресу: 414025, г. Астрахань, ул. Татищева, 16,
АГТУ, секретарю диссертационного совета Д 307.001.06.
С диссертацией можно ознакомиться в библиотеке Астраханского
государственного технического университета.
Автореферат разослан «12» апреля 2011 г.
Ученый секретарь
диссертационного совета
2
А.А. Ханова
ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ
Актуальность исследования. Теория и практика современного
системного анализа является основой для решения разнообразных задач,
большинство из которых не могут быть удовлетворительно решены в рамках
неструктурированного подхода. Одной из таких задач является задача выбора
оптимального технологического режима при автоматизации массообменных
процессов. Процессы массообмена широко распространены в химической,
пищевой, горнорудной и других отраслях промышленности. В качестве
примера рассматривается процесс экстракции корня солодки голой (Glycirrhiza
glabra). Целевым компонентом процесса экстракции корня солодки является
глицирризиновая
кислота,
применение
которой
обусловлено
противовирусным,
противовоспалительным
и
иммуномодулирующим
действием.
Наибольшее распространение получили методы динамической
мацерации и в их числе метод дробной мацерации, который широко
распространен на предприятиях малого и среднего бизнеса. Существующие
технологии извлечения и концентрирования приводят к значительным потерям
целевых компонентов растительного сырья и изменению химического состава
термолабильных веществ. Вопросы интенсификации процесса экстракции
растительного сырья путем выбора оптимального технологического режима на
основе учета как количественной, так и качественной информации о ходе
протекания процесса до настоящего времени изучены недостаточно.
Существенные результаты в этой области были получены в работах
М. А. Айзермана, Л. Заде, Р. Л. Кини, О. И. Ларичева, О. Моргенштерна,
В. В. Подиновского, Т. Саати, П. Фишберна, К. Эрроу и других. Наиболее
перспективными в исследуемой области являются методы поддержки
принятия решений, которые не требуют обязательного преобразования
высказываний экспертов в числовую форму или формальные зависимости.
Однако существенным недостатком лингвистического описания знаний и
обоснования принимаемых решений остается высокая доля знаний,
остающихся неиспользованными.
Вследствие
этого
существует
необходимость
исследований,
направленных на создание методов математического моделирования
технологических
процессов,
а
также
специальных
методов
и
интеллектуальных систем поддержки принятия решений для осуществления
оптимального выбора. Использование систем интеллектуальной поддержки
при выборе оптимального технологического режима, учитывающих как
количественную, так и качественную информацию, позволит увеличить
эффективность процессов, уменьшить материальные и энергетические
затраты, а также снизить требования к квалификации персонала предприятий.
Объектом исследования является процесс экстракции корня солодки,
проводимый путем однократной или двукратной (бис-) мацерации.
3
Предметом исследования является разработка методов и алгоритмов
повышения эффективности процесса экстракции корня солодки за счет выбора
оптимального технологического режима процесса.
Целью работы является снижение потерь целевых компонентов при
осуществлении процесса экстракции растительного сырья на основе принятия
управленческих решений, с учетом количественной и качественной
информации о внешних и внутренних условиях протекания процесса.
В соответствии с поставленной целью в диссертационной работе
необходимо решить следующие задачи:
 на основе системного анализа определить и классифицировать
факторы, влияющие на процесс экстракции растительного сырья;
 провести анализ технологического процесса экстракции как объекта
управления с учетом структурной иерархии, определить внутрисистемные
переменные процесса экстракции и выявить взаимосвязи между ними;
 разработать
методику
построения
математических
моделей
технологических процессов, позволяющую учитывать развитую структурную
иерархию процессов, обрабатывать количественную и качественную
информацию, с учетом особенностей экстрагирования растительного сырья;
 разработать алгоритм поддержки принятия решений для выбора
оптимального технологического режима при нечетко выраженных экспертных
оценках;
 сформировать структуру системы интеллектуальной поддержки при
выборе оптимального технологического режима процесса экстракции
растительного сырья, оценить эффективность применения системы
интеллектуальной поддержки при выборе оптимального технологического
режима для управления процессом экстракции растительного сырья.
Методы
исследования:
системный
анализ,
математическое
моделирование, методы нечетких множеств, методы искусственного
интеллекта. Выводы и рекомендации, сформулированные в диссертации,
основаны на теоретических и экспериментальных исследованиях.
Достоверность и обоснованность результатов исследования
подтверждается
корректным
использованием
теоретических
и
экспериментальных методов обоснования полученных результатов, а также
совпадением результатов исследований с экспериментальными данными.
Научная новизна и теоретическая ценность работы заключается в
разработке системного подхода к моделированию и управлению
технологическими процессами. На основании этого:
 разработана
методика
построения
математических
моделей
технологических процессов, позволяющая обрабатывать количественную и
качественную информацию и учитывать структурную иерархию системы;
 предложен
метод
агрегатно-матричного
представления
математических моделей технологических процессов, преимуществами
которого являются независимость математического представления от
4
физической природы и особенностей технологического объекта, а также
удобство внутримашинного представления;
 разработан алгоритм выбора оптимального технологического режима,
позволяющий принимать обоснованное решение с использованием нечетко
выраженных экспертных оценок.
Практическая ценность и реализация результатов работы:
 разработана математическая модель процесса экстракции корня
солодки;
 разработана структура системы интеллектуальной поддержки при
выборе оптимального технологического режима экстракции корня солодки;
 разработано программное обеспечение, реализующее функции
системы (свидетельство о регистрации программы для ЭВМ «Программа
аппроксимации интервальных кривых при моделировании процесса
экстракции» №2010612924 от 29.04.2010 г.).
Результаты диссертационной работы используются в практической
деятельности ООО Научно-производственное предприятие «Вулкан» (г.
Астрахань) и в учебном процессе в ФГОУ ВПО «Астраханском
государственном техническом университете».
Апробация работы. Основные результаты диссертации доложены и
обсуждены на ежегодных научно-технических конференциях профессорскопреподавательского состава Астраханского государственного технического
университета в период с 2005 по 2010 гг., на международной научной
конференции «Электронная культура. Информационные технологии будущего
и современное электронное обучение «Modern IT & (E-) learning», (г.
Астрахань, 2009); на международном конгрессе по интеллектуальным
системам и информационным технологиям «AIS-IT’09», «AIS-IT’10» (п.
Дивноморское, 2009, 2010); «Математические методы в технике и технологиях
ММТТ-22», «ММТТ-23», (г. Псков, 2009, г. Саратов, 2010).
Публикации. По теме диссертации опубликовано 10 печатных работ: 3
статьи в журналах из списка, рекомендованного ВАК РФ. 6 публикаций в
форме докладов и статей конференций. Получено свидетельство о регистрации
программы для ЭВМ. Без соавторов опубликовано 2 работы.
Структура и объём диссертации. Диссертационная работа состоит из
введения, 4 глав, заключения, библиографического списка и приложений.
Основная часть диссертации изложена на 162 страницах машинописного
текста, содержит 34 рисунка, 9 таблиц. Библиографический список литературы
включает 149 наименований.
ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ
Во введении обоснована актуальность выбранной темы, раскрыты научная
новизна и практическая ценность полученных результатов. Приведены результаты
апробации и внедрения результатов исследований.
5
Первая глава посвящена анализу известных систем и методов принятия
решений, предназначенных для нахождения наилучшей альтернативы на основе
экспертных предпочтений, а также существующих методик построения
математических моделей технологических процессов. Поставлена цель и
сформулированы задачи исследования.
В работе проведен литературный обзор известных математических
моделей процесса экстракции корня солодки. Показано, что традиционные
способы построения математических моделей применительно к процессу
экстракции являются малоэффективными в связи со сложностью и развитой
структурной иерархией процесса. Значительная часть существующих способов
построения математических моделей разработана с учетом допущения о
неизменности свойств сырья в процессе экстракции, что является верным для
сырья минерального происхождения, но не учитывает особенности экстракции
растительного сырья.
В качестве критерия оптимальности, определяющего эффективность
процесса экстракции растительного сырья, выбрано количество целевого
компонента, остающегося в сырье после окончания процесса экстракции Оцк.
Тогда задача выбора оптимального технологического режима процесса
экстракции растительного сырья сформулирована следующим образом: при
заданных параметрах сырья Сс найти значения определяющих технологических
параметров У, обеспечивающих минимум критерия оптимальности Оцк при
одновременной минимизации затрат энергии Зэ при наложенных связях в виде
математической модели процесса.
Эта задача решается разработкой интеллектуальной системы,
позволяющей на основании первичных данных, получаемых с помощью
средств автоматизированного контроля, а также органолептических оценок
управляющего персонала, производить оценку текущего состояния
технологического процесса и формировать рекомендации по управлению
технологическим процессом в соответствии с поставленной целью. Такая
система может быть реализована с использованием принципов имитационного
моделирования на основе математической модели технологического процесса
экстракции, адекватно представляющей реальный процесс.
Во второй главе предложена методика построения математических
моделей
технологических
процессов,
позволяющая
обрабатывать
количественную и качественную информацию и учитывать структурную
иерархию системы.
Первый этапом построения модели технологического процесса является
анализ и выявление структурной иерархии системы. Структуризацию
осуществляют путем разделения на уровни моделирования по вертикали с
использованием принципа простоты составления математического описания.
Применительно к технологическому процессу в качестве уровней выделены
уровни мегамасштаба, макромасштаба, мезомасштаба и микромасштаба.
6
На втором этапе в пределах выбранного уровня осуществляется
выделение входных и выходных факторов процесса. В результате этого этапа
получены структурная и параметрическая схемы.
На третьем этапе производится анализ и представление внутренней
структуры системы в виде диаграммы взаимного влияния факторов (ДВВФ).
Для построения ДВВФ привлекается несколько экспертов в области
рассматриваемого технологического процесса. В качестве элементарного
компонента ДВВФ используется ячейка вида «несколько входов – один
выход».
На четвертом этапе производится операция агрегирования и описание
взаимосвязей внутри системы. Целью агрегирования является составление
модели системы из моделей составляющих компонентов. Наиболее
употребительными являются агрегаты-структуры, агрегаты-операторы,
агрегаты-статистики, агрегаты-случайные процессы. Этот набор достаточен
для моделирования технологических процессов в условиях достаточности
количественного описания.
Для представления математической модели предложен агрегатноматичный способ. Рассмотрим представление агрегата-оператора, описывающего
взаимосвязь между факторами элементарной ячейки ДВВФ, выраженного в виде
многокритериальной зависимости вида
𝑍 = 𝐹(𝑋1 , 𝑋2 , 𝑋3 … 𝑋n ) ,
(1)
где Z – выходной фактор элементарной ячейки, 𝑋1 , … 𝑋n – входные факторы
ячейки, F – оператор взаимосвязи.
В случае, если зависимость является аддитивной, то уравнение может быть
сведено к виду
(2)
𝑍 = 𝐹1 (𝑋1 ) + 𝐹2 (𝑋2 ) + 𝐹3 (𝑋3 ) + … +𝐹n (𝑋n ),
и агрегат-оператор элементарной ячейки ДВВФ может быть задан совокупностью
матриц-строк вида
(3)
А𝑖 = (𝑎𝑛 𝑎𝑛−1 … 𝑎0 ),
где 𝑎0 … 𝑎𝑛 в i-той матрице – значения коэффициентов регрессионной
зависимости 𝐹𝑖 (𝑋𝑖 ), где i – номер аддитивной составляющей агрегата-оператора.
В случае мультипликативной зависимости уравнение (1) может быть
представлено в виде
N
N
𝑍 = ∑ ∑ 𝑎ij 𝑥i 𝑥j ,
(4)
j=1 i=1
где 𝑎ij – коэффициент мультипликативной регрессии, 𝑥i , 𝑥j – входные параметры
элементарной ячейки, N – число входных параметров, и задано матрицей А вида:
А = {𝑎ij }.
(5)
При невозможности полного аналитического описания математической
модели предлагается использовать для описания взаимосвязи между
7
параметрами технологического процесса имеющуюся качественную
информацию. Для формализации связи между параметрами, выраженной в
виде лингвистического описания, расширим понятие агрегата и введем
понятие агрегата-нечеткого отношения FR, который представляет собой
оператор взаимосвязи входных и выходных величин, выраженных в виде
нечетких множеств. Это позволит при построении математической модели
учитывать как количественную, так и качественную информацию об
исследуемой системе. Агрегат-нечеткое отношение изначально задается
матрицей нечеткого отношения FR, что полностью соответствует агрегатноматричному методу представления математической модели.
Предложенный агрегатно-матричный метод позволяет представить
зависимость входных и выходных параметров математических моделей
технологических процессов в виде совокупности матриц различной
размерности. Преимуществами предложенного метода представления
математических
моделей
технологических
процессов
являются:
универсальность, то есть независимость математического представления от
физической природы и особенностей технологического объекта; удобство
внутримашинного представления, что обеспечивается единообразным способом
хранения математических зависимостей различного вида; возможность
использования типовых программных средств для обработки матриц.
Пятый этап — составление алгоритма, программы решения и анализ
полученных результатов — определяется как предыдущими этапами и целью
моделирования, так и типом вычислительного устройства.
Предложенная методика построения математических моделей
технологических процессов позволит обрабатывать количественную и
качественную информацию и учитывать структурную иерархию системы.
Третья глава посвящена решению задачи выбора оптимального
технологического
режима
технологического
процесса
на
основе
математической модели процесса экстракции корня солодки. Для этого
проведен анализ технологической схемы производства экстракта корня
солодки, выявлены факторы, влияющие на процесс экстракции корня солодки.
Построена ДВВФ процесса экстракции корня солодки. Произведено агрегатноматричное описание взаимосвязей ДВВФ процесса экстракции корня солодки,
получена математическая модель процесса экстракции. Разработан алгоритм
выбора оптимального технологического режима при использовании агрегатноматричного представления модели и нечетко выраженных экспертных оценках.
На основании проведенного анализа построена ДВВФ процесса
экстракции корня солодки (рис. 1).
Входные параметры ДВВФ могут быть представлены как в виде
численных значений, так и в виде лингвистических описаний.
На следующем этапе проведено описание взаимосвязей факторов. Для
примера рассмотрим структуру зависимости площади раздела фаз F в системе
«жидкость – твердое тело» от измельченности сырья CR.
8
TS -вкус, CL - цвет, CR – измельченность сырья,  - анатомические особенности сырья,
 - плотность экстрагента, T - температура экстрагента, p - давление в
экстракционном аппарате, BE - подвод энергии в процессе экстракции, IM интенсивность перемешивания, BD - добавка поверхностно-активных веществ,  длительность процесса экстракции, Скон - концентрация готового экстракта.
Рис. 1. Диаграмма взаимного влияния факторов процесса экстракции корня
солодки
В качестве универсального множества для описания параметров,
представленных в виде лингвистических описаний, принят числовой диапазон
от 0 до 10, т.е. универсальное множество U = [0..10]. Для лингвистических
переменных CR и F введены предопределенные первичные термы:
CR {малая, средняя, большая}, F {маленькая, средняя, большая}.
Каждый из первичных термов характеризуется нечетким множеством Х.
Соответствие аппаратурных и органолептических показателей выражают в виде
условной шкалы коэффициентов соответствия.
Первичные термы для каждой лингвистической переменной при
отображении на дискретное множество U представлены как CR: {cr1, cr2, cr3},
F: {f1, f2, f3}.
Построение агрегата-нечеткого отношения осуществляется на основе
набора лингвистических правил:
Если измельченность сырья малая, то площадь раздела фаз маленькая,
иначе если измельченность сырья средняя, то площадь раздела фаз средняя,
иначе если измельченность сырья большая, то площадь раздела фаз большая.
Далее вычисляется агрегат-нечеткое отношение как матрица нечеткого
отношения FR:
(6)
FR = (cr1  f1) + (cr2  f2) + (cr3  f3)
9
Последовательно
объединив
описания
структур
зависимости,
представленные в агрегатно-матричном виде, получим математическую модель
процесса экстракции с учетом структурной иерархии и количественной
неопределенности:
Скон = 𝑓(𝑄, 𝐾, 𝐹, Снас , , 𝐾𝑊, 𝜏), Скон =>
0 1 0 1 0 1 0 1 0 1 0 1 0 1
(|
|,|
|,|
|,|
|,|
|,|
|,|
|),
0 0 0 0 0 0 0 0 0 0 0 0 0 0
𝑀1 = 𝑓(𝐵𝐷, 𝐷вн , 𝐷св , 𝛽), 𝑀2 = 𝑓(𝑅с , 𝐷св , 𝛽), 𝑀3 = 𝑓(𝑑, 𝐷вн , 𝛽),
0 1 0 1 0 1
𝑀4 = 𝑓(𝐷вн , 𝐷св ), 𝑀1 => (|
|,|
|,|
|),
0 0 0 0 0 0
0 2 0 1
0 1 0 1
𝑀2 => (|
|,|
|), 𝑀3 => (|
|,|
|),
0 0 0 0
0 0 0 0
0 1
𝑀4 => (|
|), M5 =M2+M3+M4, 𝐴6 => (1 1 1 ),
0 0
0 1
𝐾 = 𝑀1 ∙ 1/𝑀5, 𝐾 => (|
|), 𝐹 = 𝑑𝑒𝑓𝑢𝑧𝑧𝑦(𝐹𝑅3 ° 𝐶𝑅),
0 0
𝑅𝑐 = 𝑑𝑒𝑓𝑢𝑧𝑧𝑦(𝐹𝑅2 ° 𝐶𝑅), 𝐾𝑊 = 𝑑𝑒𝑓𝑢𝑧𝑧𝑦(𝐹𝑅6 ° 𝐶𝑅 ° 𝐵𝐸),
(7)
 = 𝑑𝑒𝑓𝑢𝑧𝑧𝑦(𝐹𝑅7 ° 𝐶𝐿 ° 𝑆𝑀 ° 𝑇𝑆), 𝐷св = 𝑓( 𝑇, 𝜂∗ , 𝑟 ∗ ),
−25
0 1
𝐷вн = 𝑓(𝑇, 𝜂 ∗ , 𝑟 ∗ , 𝑃𝑅), 𝐷св => (|0 7,32 ∙ 10 | , |
|),
0 0
0
0
∗
∗
−25
𝜂 0
𝜂
А5_1 = |0 7,32 ∙ 10 | , 𝐵5_1 = |
|, 𝐶5_1 = | |,
0 Т
𝑇
0
0
∗
𝑟
0
0 1
𝐴5_2 = |
| , 𝐵5_2 = |
|,
0 7,32 ∙ 10−25 ∙ 𝑇 ∙ 𝜂 ∗
0 0
𝑃𝑅
𝑟∗
𝐶5_2 = |
|, 𝐶5_3 = |
|,
7,32 ∙ 10−25 ∙ 𝑇 ∙ 𝜂 ∗ ∙ 𝑟 ∗
7,32 ∙ 10−25 ∙ 𝑇 ∙ 𝜂 ∗
𝑃𝑅 = 𝑑𝑒𝑓𝑢𝑧𝑧𝑦(𝐹𝑅1 ° 𝛾), 𝑆𝑇 = 𝐹𝑅5 ° ,  = 𝑑𝑒𝑓𝑢𝑧𝑧𝑦(𝐹𝑅4 ° 𝐼𝑀), 𝑑 =
−25
0 1 0 1
𝑓(, , 𝑝), 𝐷вн => (|0 7,32 ∙ 10 | , |
|,|
|),
0 0 0 0
0
0

2,1 ∙ 10−13
6,8 ∙ 10−13 10,25 ∙ 10−13
13
−13
А4 ∙ 10 = ( 7,4 ∙ 10
0,95 ∙ 10−13 1,77 ∙ 10−13 ) , 𝐶4 = (𝑝 ),
𝑣
0,01 ∙ 10−13 5,6 ∙ 10−13
3,75 ∙ 10−13
 0 0
1,6 0,8
2,8 1,1
𝐵4 = (0 𝑝 0), 𝛽 = 𝑓(𝜌, 𝑆𝑇, ), А1 = (
), А2 = (
),
0,9 6,5
1,4 44,7
0 0 𝑣

𝜌 0
6,9
5,1
А3 = (
), 𝐵1 = 𝐵2 = 𝐵3 = (
) , 𝐶1 = 𝐶2 = 𝐶3 = ().
0 
6,3 381,7
Для решения задачи выбора оптимального технологического режима
необходимо определить алгоритм нахождения вектора оптимальных
технологических параметров режима R*, являющегося оптимальным по
10
произвольно выбранным критериям сравнения, в случае представления оценок
сравнения в виде лингвистических описаний.
Для снижения степени субъективности оценок экспертов предложено
выражать оценки приоритетов в лингвистической форме, например, «более
предпочтительно», «значительно более предпочтительно», «безразлично» и т.д.
Для обработки такой информации применены математический аппарат нечетких
множеств и метод анализа иерархий. На выбранном универсальном множестве
U = [0,1..10] принято, что U = 0 соответствует абсолютному доминированию
второй альтернативы над первой, U = 10  абсолютному доминированию первой
альтернативы над второй, U = 5 соответствует равнозначности альтернатив.
Для нахождения вектора приоритета введено понятие момента нечеткого
множества M(X):
𝑈
𝜇
(8)
𝑀(𝑋) = ∫ ⁄𝑢 ∙ 𝑢𝑑𝑈,
0
𝜇
где ⁄𝑢 – значение функции принадлежности нечеткого множества M(X) к
значению u универсального множества U.
Для нечеткого множества X на дискретном универсальном множестве U
𝑈
𝜇
𝑀(𝑋) = ∑ ⁄𝑢i ∙ 𝑢i
(9)
i=0
Для определения вектора приоритетов вычислены нормированные
суммарные моменты лингвистических оценок доминирования факторов
𝑀∗ (𝑋𝐹𝑖 /𝐹𝑗 ):
n
n
n
𝑀∗ (𝑋𝐹i /𝐹j ) = ∑ 𝑀(𝑋𝐹i /𝐹j ) / ∑ ∑ 𝑀(𝑋𝐹i /𝐹j )
j=1
(10)
i=1 j=1
Для учета степени уверенности эксперта в достоверности оценки введем
понятие «конкретности» нечеткого множества K(X):
𝜇max
(11)
𝐾(𝑋) =
𝑆
где max  максимальное значение функции принадлежности для нечеткого
множества X, S – площадь, ограниченная функцией принадлежности.
Тогда, момент нечеткого множества M(X) определен как:
(12)
𝑀(𝑋) = 𝑙 ∙ 𝑆 ∙ 𝐾(𝑋),
что позволяет одновременно учитывать как значение оценки, так и степень
уверенности эксперта в достоверности оценки.
Алгоритм выбора оптимального технологического режима (рис. 2)
включает в себя ввод исходной информации и формализацию лингвистической
информации, генерацию вариантов технологических режимов, расчет режимных
параметров по математической модели, предварительный отбор вариантов,
построение матрицы парных сравнений, проверку полученных матриц,
11
вычисление вектора глобальных
технологического режима.
приоритетов,
выбор
Начало
оптимального
Да
Uji > Ujmax ?
Нет
Ввод исходной информации
Uji < Ujmin ?
Браковка вариантов
i=1
i=I+1
Выбор первичного терма
Да
i < M?
Модификатор
сдвига выбран?
Нет
Модификатор
четкости выбран?
Нет
Инверсия
выбрана?
Нет
Да
Нет
j=j+1
Модификация сдвига
Да
Да
i < К?
Нет
Модификация четкости
Построение матрицы парных сравнений
Да
Проверка полученных матриц
Модификация инверсии
Расчет локальных приоритетов по факторам сравнения
Нет
i < Nmax?
i=1
? Да
i=1
𝑆𝑃 = 𝑆𝑃 + 𝑃𝑖
u = Umaxi
Фиксация
переменной i
i=i+1
Да
i < K?
Нет
Да
u = u+Ui
i=1
u < Umaxi ?
P(SP)i = Pi ⁄SP
Нет
i=i+1
Да
i < M?
Нет
Расчет режимных параметров по математической
модели
Да
i < K?
Нет
Выбор оптимального технологического режима
i = 1, j = 1
Конец
12
Рис. 2. Алгоритм выбора оптимального технологического режима процесса
экстракции растительного сырья
Для выбора оптимального технологического режима процесса экстракции
в качестве факторов сравнения альтернативных режимов выбраны: F1  цена
экстракта; F2  длительность процесса; F3  остаточное содержание целевого
компонента в шроте; F4  качество продукта. В качестве альтернатив
использованы три различных технологических режима, различающиеся
значениями режимных переменных. В результате обработки матрицы парных
сравнений факторов относительно главной цели получен вектор приоритетов: F1
=
0,283,
F2 = 0,117, F3 = 0,417, F4 =0,183.
После расчета по математической модели концентрационных кривых для
выбранных режимов R1, R2, R3 проведено сравнения альтернатив. В таблице 1
приведена матрица сравнений альтернатив для фактора F1, матрицы для
остальных факторов составляют аналогично.
Таблица 1
Матрица парных сравнений альтернатив для фактора F1
Цена
экстракт
а
R2
R3

менее
предпочтитель
но

менее
предпочтительно
0,200
более
предпочтительно
0,467
R1
R2
R3
Нормирова
нные
приоритеты
R1
более
предпочтител
ьно
более
предпочтител
ьно
менее
предпочтитель
но

0,333
Обработка матриц производится аналогично обработке матрицы парных
сравнений факторов, результаты обработки в виде векторов нормальных и
глобальных приоритетов приведены в таблице 2.
Таблица 2
Глобальные приоритеты альтернатив
Веса
критериев
R1
R2
R3
F1(0,283)
F2(0,117)
F3(0,417)
F4(0,183)
0,200
0,467
0,333
0,133
0,533
0,333
0,400
0,133
0,467
0,133
0,467
0,400
Наиболее
характеризуется
предпочтительным
является
средней ценой получаемого
режим
экстракта
Глобальный
приоритет
0,263
0,335
0,401
R3,
который
и мягкостью
13
температурного
воздействия,
что
предотвращает
разрушение
высокомолекулярных компонентов экстракта.
Таким образом, предложенный алгоритм выбора оптимального
технологического режима позволяет повысить объективность выбора
наилучшего вектора управляющих переменных при обработке нечетко
выраженных экспертных оценок в лингвистической форме.
Четвёртая глава посвящена разработке структуры системы
интеллектуальной поддержки при выборе оптимального технологического
режима процесса экстракции растительного сырья с учетом предлагаемого
алгоритма поддержки принятия решений для определения наиболее
эффективных мероприятий по снижению потерь целевого компонента.
В
соответствии
с
алгоритмом
функционирования
системы
интеллектуальной поддержки в системе выделяются следующие подсистемы:
ввода и формализации информации, генерации вариантов технологических
режимов, математическая модель процесса экстракции, блок вычислений
(расчет режимных параметров, отбор вариантов), формирования экспертных
оценок, хранения данных (база данных), вывода данных.
Для хранения матриц математической модели процесса выбрана СУБД
Microsoft Access. В качестве среды разработки интерфейсной части системы
выбрана Delphi 2010.
Проверка
эффективности
применения
разработанной
система
интеллектуальной поддержки проведена путем направленного вычислительного
эксперимента. Произведено сравнение расчетных параметров процесса
экстракции с экспериментальными данными (табл. 3).
Таблица 3
Экспериментальные и расчетные показатели процесса экстракции
Показатели
Набухание, %
Количество поглощенной жидкости, мл
Количество оставшегося экстрагента, мл
Содержание глицирризиновой кислоты в
растворе, г
Содержание глицирризиновой кислоты в
корнях, г
Количество жидкости в корнях в момент
измерения, мл
Концентрация глицирризиновой кислоты в
растворе, %
Концентрация глицирризиновой кислоты в
корнях, %
14
Эксперимент
I
II
83,3
118,5
31,7
44,1
368,3 355,9
Расчет
I
II
85,2
120,3
31,9
45,8
368,1 344,2
7,9
14,3
7,4
14,1
9,7
3,3
9,3
3,2
66,6
94,8
68,2
96,2
2,1
4,0
1,9
3,8
12,1
4,1
12,2
4,3
Потери глицирризиновой кислоты, как наиболее ценного целевого
компонента при соблюдении рекомендованного режима (t = 600С,  = 240 мин),
составляют 2,8%. При проведении процесса экстракции с принятыми на
ООО НПП «Вулкан» параметрами (t = 780С,  =180 мин) – 4,5%. Таким образом,
следование выданным системой интеллектуальной поддержки рекомендациям
позволит увеличить выход глицирризиновой кислоты на 1,7%, что соответствует
уменьшению потерь в 1,6 раза.
ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ И ВЫВОДЫ
1. Проведен
анализ
методов
математического
моделирования
технологических процессов, проанализированы недостатки таких методов для
процессов с развитой структурной иерархией.
2. Разработана
методика
построения
математических
моделей
технологических процессов, позволяющая учитывать развитую структурную
иерархию системы, обрабатывать количественную и качественную информацию
с учетом особенностей экстрагирования растительного сырья.
3. Предложен и обоснован метод агрегатно-матричного представления
математических моделей технологических процессов, который обеспечивает
независимость математического представления от физической природы и
особенностей технологического объекта, а также удобство внутримашинного
представления.
4. Произведен анализ технологического процесса экстракции с учетом
структурной иерархии, определены и классифицированы существенные
факторы, влияющие на процесс экстракции растительного сырья, описаны
взаимосвязи между ними, построена математическая модель процесса
экстракции.
5. Разработан алгоритм решения задачи выбора оптимального
технологического режима процесса экстракции растительного сырья,
позволяющий принимать обоснованное решение на основе нечетко выраженных
экспертных оценок.
6. Сформирована структура системы интеллектуальной поддержки для
выбора оптимального технологического режима, разработано программное
обеспечение, реализующее алгоритм выбора оптимального режима для процесса
экстракции корня солодки.
7. Применение разработанной системы интеллектуальной поддержки для
выбора оптимального технологического режима процесса экстракции позволяет
уменьшить потери целевых компонентов растительного сырья с 4,5% до 2,8%.
8. Практические результаты диссертационной работы применяются в
деятельности ООО Научно-производственное предприятие «Вулкан» (г.
Астрахань). Разработанная система интеллектуальной поддержки для выбора
оптимального технологического режима процесса экстракции используется в
учебном процессе в ФГОУ ВПО «Астраханском государственном техническом
университете».
15
ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ
Статьи в журналах, периодических изданиях, включенных
в список ВАК РФ
1. Алексанян, И.Ю. Анализ механизма тепломассопереноса при оптимизации
процесса сушки экстракта корня солодки / И. Ю. Алексанян, Р. А. Хайбулов,
М.В. Голубятникова // Вестник АГТУ Научный журнал – 2005. – №2. – С.278283.
2. Голубятникова, М.В. Моделирование процесса экстракции на основе
модифицированного интервального метода расчета // Изв. Волг. гос. техн. ун-та
– 2010. – №11(71). – С. 13–16.
3. Голубятникова, М.В. Применение алгоритма выбора оптимального
технологического режима при нечетко выраженных экспертных оценках // Изв.
Волг. гос. техн. ун-та – 2010. – №11(71). – С. 125–129.
Статьи в межвузовских научных сборниках, сборниках трудов
международных, всероссийских научных конференциях
4. Голубятникова, М.В. Диаграмма взаимного влияния факторов для
процесса концентрирования экстракта корня солодки / М.В. Голубятникова,
И.А. Щербатов // Математические методы в технике и технологиях ММТТ-22:
сб. трудов XXII Междунар. науч. конф., Псков, 25-30 мая 2009г. / Псков. гос.
политехн. ин-та. – Псков, 2009. – С. 177-179.
5. Алексанян, И.Ю. Использование комбинированной математической
модели для повышения эффективности процесса экстракции растительного
сырья / И.Ю. Алексанян, О.В. Антонов, М.В.Голубятникова // Наука: поиск2009: сб. науч. ст. / Астрахан. гос. тех. ун-т – Астрахань, 2009. – С. 27-30.
6. Антонов, О.В. Системный подход в задачах моделирования
массообменных процессов / О.В. Антонов, М.В. Голубятникова //Труды
Конгресса по интеллектуальным системам и информационным технологиям
«AIS-IT’09», Дивноморское, 3-10 сентября 2009г. / Южный Федерал. ун-т. –
Таганрог, 2009. – Т.1. – С. 458-463.
7. Антонов, О.В. Особенности обработки качественной информации в
интервальном методе при расчете процесса экстракции / О.В. Антонов, М.В.
Голубятникова //Электронная культура. Информационные технологии будущего
и современное электронное обучение «Modern IT & (E-) learning» : мат. межд.
науч. конф., Астрахань, 6-8 октября 2009 г. / Астрах. гос. ун-т. – Астрахань,
2009. – С. 92-96.
8. Голубятникова, М.В.Применение диаграмм взаимного влияния факторов
при моделировании процесса экстракции растительного сырья Математические
методы в технике и технологиях ММТТ-23: сб. трудов XXIII Междунар. науч.
конф., Саратов / Сарат. гос. техн. ун-т. – Саратов, 2010. – Т 8. – С. 203-206.
9. Антонов, О.В. Интервальный метод расчета процесса экстракции с
возможностью обработки качественной информации / О.В. Антонов, М.В.
Голубятникова // Труды Конгресса по интеллектуальным системам и
16
информационным технологиям «AIS-IT’10», Дивноморское, 2-9 сентября 2010 г.
/ Южный Федерал. ун-т. – Таганрог, 2010. – Т.1. – С. 86-91.
Свидетельство об официальной регистрации программы для ЭВМ
10. Программа аппроксимации интервальных кривых при моделировании
процесса экстракции: Св. об офиц. рег. прогр. для ЭВМ №2010612924. /
Голубятникова М.В. Зарег. 29.04.2010 г.
Тип. АГТУ зак. №_____ тир.100 экз. Подписано в печать _______2011г.
17