novtexmechМехатроника, автоматизация, управлениеMekhatronika, Avtomatizatsiya, Upravlenie1684-64272619-1253Commercial Publisher «New Technologies»10.17587/mau.25.354-361novtexmech-1592Research ArticleАВТОМАТИЗАЦИЯ И УПРАВЛЕНИЕ ТЕХНОЛОГИЧЕСКИМИ ПРОЦЕССАМИ И ПРОИЗВОДСТВАМИAUTOMATION AND CONTROL TECHNOLOGICAL PROCESSESМодифицированный нечеткий регулятор с оптимизацией режимных параметров технологического процессаModifi ed Fuzzy Controller with Optimization of Mode Parameters of Technological ProcessАнтипинА. Ф.AntipinA. F.

канд. техн. наук, доц.

Ph.D., Associate Professor

andrejantipin@ya.ruАнтипинаЕ. В.AntipinaE. V.

канд. физ.-мат. наук, ст. науч. сотр.

stepashinaev@ya.ruМустафинаС. А.MustafinaS. A.

д-р физ.-мат. наук, проф.

mustafina_sa@mail.ruУфимский университет науки и технологийРоссияUfa University of Science and TechnologyRussian Federation202418072024257354361Copyright © Commercial Publisher «New Technologies», 20242024Commercial Publisher «New Technologies»Commercial Publisher «New Technologies»https://mech.novtex.ru/jour/about/submissions#copyrightNoticehttps://mech.novtex.ru/jour/article/view/1592

Рассмотрена авторская модификация многомерного нечеткого регулятора с блоком оптимизации режимных параметров и блоком предсказания термов. Приведена блок-схема регулятора, схемы фаззификации и дефаззификации непрерывных величин. Описан механизм работы блока логического вывода, который формирует идентификационный номер общего составного продукционного правила из порядковых номеров термов входных и выходных переменных с обратной связью. Идентификационный номер используется в качестве ключа для выборки из базы данных информации о способах получения конкретных числовых значений управляющих воздействий, которая затем передается в блок дефаззификации регулятора. Показано общее назначение блока предсказания термов и блока оптимизации. Блок предсказания предназначен для передачи в блок фаззификации регулятора рекомендаций по набору термов, с которых следует начинать обработку значений входных переменных в каждом цикле сканирования. Блок оптимизации используется для выработки рекомендаций по оптимизации режимных параметров в соответствии с заданными критериями. В блоке оптимизации реализованы авторские алгоритмы оптимизации, основанные на использовании методов эволюционного моделирования и адаптированных под конкретный технологический процесс эволюционных алгоритмов. Приведена постановка задачи оптимального управления динамическим процессом и алгоритм ее решения. В качестве примера рассмотрена задача поиска оптимального температурного режима в реакторе идеального смешения периодического действия для каталитической реакции димеризации α-метилстирола в присутствии цеолитного катализатора NaHY. В результате расчетов с помощью генетического алгоритма с вещественным кодированием, где геном является вещественное число, вычислена субоптимальная температура хладоагента процесса димеризации α-метилстирола продолжительностью 2 и 3 ч и соответствующие ей концентрации реагентов. Проведенный вычислительный эксперимент демонстрирует процесс получения и выдачи удаленным модулем рекомендаций по изменению режимных параметров и/или системы продукционных правил регулятора

The author’s modification of a multidimensional fuzzy controller with a block for optimizing mode parameters and a block for predicting terms is considered. A block diagram of the controller, fuzzification and defuzzification schemes for continuous quantities are presented. The mechanism of operation of the logical inference block, which forms the identification number of the general composite production rule from the serial numbers of the terms of input and output variables with feedback, is described. The identification number is used as a key to retrieve information from the database about how to obtain specific numerical values of control actions, which is then transmitted to the controller defuzzification block. The general purpose of the term prediction block and the optimization block is shown. The prediction block is designed to transmit to the controller fuzzification block recommendations for a set of terms with which to begin processing the values of input variables in each scanning cycle. The optimization block is used to develop recommendations for optimizing operating parameters in accordance with specified criteria. The optimization block implements the author’s optimization algorithms, based on the use of evolutionary modeling methods and evolutionary algorithms adapted to a specific technological process. The formulation of the problem of optimal control of a dynamic process and an algorithm for its solution are presented. As an example, the problem of searching the optimal temperature regime in a batch ideal mixing reactor for the catalytic dimerization reaction of α-methylstyrene in the presence of a NaHY zeolite catalyst is considered. As a result of calculations using a genetic algorithm with real coding, where the genome is a real number, the suboptimal temperature of the refrigerant for the dimerization process of α-methylstyrene lasting 2 and 3 hours, and the corresponding concentrations of reagents, were calculated. The conducted computational experiment demonstrates the process of obtaining and issuing recommendations by a remote module for changing mode parameters and/or the system of production rules

многомерный нечеткий регуляторсистема продукционных правиллогический выводзадача оптимального управлениягенетический алгоритмреакция димеризации α-метилстиролавычислительный экспериментсистема управленияmultidimensional fuzzy controllersystem of production ruleslogical inferenceoptimal control problemgenetic algorithmα-methylstyrene dimerization reactioncomputational experimentcontrol systemИсследование выполнено в рамках государственного задания Министерства науки и высшего образования Российской Федерации (код научной темы FZWU-2023- 0002).This research was funded by the Ministry of Science and Higher Education of the Russian Federation (scientific code FZWU-2023-0002).ReferencesMohamed A. W., Mohamed A. K. Adaptive guided differential evolution algorithm with novel mutation for numerical optimization // Int. J. Mach. Learn. & Cyber. 2019. Vol. 10. P. 253—277. DOI: 10.1007/s13042-017-0711-7.Mohamed A. W., Mohamed A. K. Adaptive guided differential evolution algorithm with novel mutation for numerical optimization, Int. J. Mach. Learn. & Cyber., 2019, vol. 10, pp. 253—277.Kozuch D. J., Stillinger F. H., Debenedetti P. G. Genetic Algorithm Approach for the Optimization of Protein Antifreeze Activity Using Molecular Simulations // J. Chem. Theory Comput. 2020. Vol. 16, N. 12. P. 7866—7873. DOI: 10.1021/acs. jctc.0c00773.Kozuch D. J., Stillinger F. H., Debenedetti P. G. Genetic Algorithm Approach for the Optimization of Protein Antifreeze Activity Using Molecular Simulations, J. Chem. Theory Comput., 2020, vol. 16, no. 12, pp. 7866—7873.Migov D. A., Volzhankina K. A., Rodionov A. S. Genetic Algorithms for Drain Placement in Wireless Sensor Networks Optimal by the Relibility Criterion // Optoelectronics, Instrumentation and Data Processing. 2021. Vol. 57, N. 3. P. 240—249. DOI: 10.3103/S8756699021030110.Migov D. A., Volzhankina K. A., Rodionov A. S. Genetic Algorithms for Drain Placement in Wireless Sensor Networks Optimal by the Relibility Criterion, Optoelectronics, Instrumentation and Data Processing, 2021, vol. 57, no. 3, pp. 240—249.Быковцев Ю. А., Лохин В. М. Оценка точности системы управления с нечетким ПИД регулятором на основе аппроксимации статической характеристики регулятора // Мехатроника, автоматизация, управление. 2021. Т. 22, № 12. С. 619—624. DOI: 10.17587/mau.22.619-624.Bykovtsev Y. A., Lokhin V. M. Estimation of the Accuracy of a Control System with a Fuzzy PID Controller Based on the Approximation of the Static Characteristic of the Controller, Mekhatronika, Avtomatizatsiya, Upravlenie, 2021, vol. 22, no. 12, pp. 619—624 (in Russian).Kocian J., Koziorek J., Pokorný M. Implementation of fuzzy logic control based on PLC // IEEE International Conference on ETFA. 2011. P. 1—8. DOI: 10.1109/ETFA.2011.6059049.Kocian J., Koziorek J., Pokorný M. Implementation of fuzzy logic control based on PLC, IEEE International Conference on ETFA, 2011, pp. 1—8.Игнатьев В. В., Соловьев В. В. Метод синтеза нечетких регуляторов на основе кластеризации // Программные продукты и системы. 2021. Т. 34, № 4. С. 597—607. DOI: 10.15827/0236-235X.136.597-607.Ignatyev V. V., Solovev V. V. A synthesis method for fuzzy controllers based on clustering, Software & Systems, 2021, vol. 34, no. 4, pp. 597—607 (in Russian).Богачёв И. С., Коломыцев В. Г. Методика настройки нечеткого регулятора с нелинейной характеристикой P-типа средствами Matlab // Современные наукоемкие технологии. 2020. № 11-1. С. 9—14.Bogachev I. S., Kolomytsev V. G. Technique for adjusting a fuzzy regulator with a nonlinear P-type characteristic by Matlab, Modern high technologies, 2020, no. 11-1, pp. 9—14 (in Russian).Buriboev A., Kang H. K., Ko M.-C., Oh R., Abduvaitov A., Jeon H. S. Application of Fuzzy Logic for Problems of Evaluating States of a Computing System // Applied Sciences. 2019. Vol. 9, N. 15. P. 3021. DOI: 10.3390/app9153021.Buriboev A., Kang H. K., Ko M.-C., Oh R., Abduvaitov A., Jeon H. S. Application of Fuzzy Logic for Problems of Evaluating States of a Computing System, Applied Sciences, 2019, vol. 9, no. 15, pp. 3021.Пегат А. Нечеткое моделирование и управление. М.: БИНОМ. Лаборатория знаний, 2009. 798 с.Pegat A. Fuzzy Modeling and Control, Moscow, BINOM. Laboratoriya znaniy Publ., 2013, 798 p. (in Russian).Митрошин В. Н., Рогачев Г. Н., Чостковский Б. К., Рогачев Н. Г. Применение нечеткой логики в задачах оптимизации непрерывно-дискретных систем управления многооперационными технологическими процессами // Автометрия. 2019. Т. 55, № 4. С. 71—78. DOI: 10.15372/AUT20190408.Mitroshin V. N., Rogachev G. N., Chostkovskii B. K., Rogachev N. G. Fuzzy optimization in discrete-continuous control systems for multiple-operation technological processes, Avtometriya, 2019, vol. 55, no. 4, pp. 71—78 (in Russian).Dumitrescu C., Ciotirnae P., Vizitiu C. Fuzzy Logic for Intelligent Control System Using Soft Computing Applications // Sensors. 2021. Vol. 21, N. 8. P. 2617. DOI: 10.3390/s21082617.Dumitrescu C., Ciotirnae P., Vizitiu C. Fuzzy Logic for Intelligent Control System Using Soft Computing Applications, Sensors, 2021, vol. 21, no. 8, pp. 2617, doi: 10.3390/s21082617.Bobyr M. V., Milostnaya N. A., Kulabuhov S. A. А method of defuzzification based on the approach of areas’ ratio // Applied Soft Computing. 2017. Vol. 59. P. 19—32. DOI: 10.1016/j. asoc.2017.05.040.Bobyr M. V., Milostnaya N. A., Kulabuhov S. A. А method of defuzzification based on the approach of areas’ ratio, Applied Soft Computing, 2017, vol. 59, pp. 19—32.Li Y., Li Y., Ma Z. Computation tree logic model checking based on possibility measures // Fuzzy Sets and Systems. 2015. Vol. 262. P. 44—59. DOI: 10.48550/arXiv.1401.4658.Li Y., Li Y., Ma Z. Computation tree logic model checking based on possibility measures, Fuzzy Sets and Systems, 2015, vol. 262, pp. 44—59.Антипина Е. В., Мустафина С. А., Антипин А. Ф. Поиск оптимального температурного режима химической реакции на основе генетического алгоритма // Вестник Тверского государственного университета. Серия: Химия. 2019. № 3. С. 14—23. DOI: 10.26456/vtchem2019.3.2.Antipina E. V., Mustafina S. A., Antipin A. F. Search for optimal temperature mode of chemical reaction based on genetic algorithm, Herald of Tver State University. Series: Chemistry, 2019, no. 3, pp. 14—23 (in Russian).Байтимерова А. И. Математическое моделирование и численное исследование каталитических процессов в каскаде реакторов. Дисс. ... канд. физ.-мат. наук. Уфа: Баш. гос. ун-т, 2009. 127 с.Baitimerova A. I. Mathematical modeling and numerical study of catalytic processes in a cascade of reactors, Ufa, Bashkir State University, 2009, 127 p. (in Russian).Антипин А. Ф., Антипина Е. В. Моделирование и анализ программ многомерных интервально-логических регуляторов // Программные продукты и системы. 2019. № 4. С. 744—749. DOI: 10.15827/0236-235X.128.744-749.Antipin A. F., Antipina E. V. Modeling and analysis of programs for multidimensional interval-logic controllers, Software & Systems, 2019, no. 4, pp. 744—749 (in Russian).Антипин А. Ф., Антипина Е. В. Среда визуальной разработки программ многомерных нечетких интервально-логических регуляторов // Научно-технический вестник информационных технологий, механики и оптики. 2023. Т. 23, № 5. С. 1041—1049. DOI: 10.17586/2226-1494-2023-23-5-1041-1049.Antipin A. F., Antipina E. V. Visual programming environment for multidimensional fuzzy interval-logic regulators, Scientific and Technical Journal of Information Technologies, Mechanics and Optics, 2023, vol. 23, no. 5, pp. 1041—1049 (in Russian).

The authors declare that there are no conflicts of interest present.