Диссертация (1152187), страница 16
Текст из файла (страница 16)
Дискретно-событийное моделирование обхватывает сразу два уровня абстракции, средний уровень для тестирования условий средней детальности и низкий, оперативный уровень. Агентное моделирование применяется тогда, когда необходимо построить многоуровневую модель на основе применения агентов, которые представляют собой объекты исследуемой системы, содержащие свойственные им параметры.
Для выбора метода имитационного моделирования, следует предварительно изучить систему исследования и ее цели в моделировании ~рис. 3.16). Схема, размещенная ниже, показывает, как влияют цели получения конкретных результатов на выбор метода моделирования. 117 Разработчик может строить диаграммы процессов, в которых необходимо осуществить взаимодействие объектов, или построить агентную модель, в которой на объекты влияют внешние факторы. Я, Ф Рис. 3.16. Выбор способа реализации модели. Бывает необходимость, когда лучшим способом, является моделирование отдельных частей системы, с помощью методов отличающихся от основного. Такой реализацией создают многоподходные модели. З.б.З. Мультнагентное имитационное моделирование.
Использование средств автоматизацш~, влечет за собой разработку математических моделей, направленных на исследования производственных циклов, с целью эффективного применения оборудования и сырья на предприятии. Для более детального анализа ТП БХМ, необходимо построить имитационную модель на основе применения агентного моделирования.
Также для решения задачи, направленной на определение эффективности продукции, понадобится реализовать многокомпонентный проект, включающий другие методы визуализации модели и ее результаты. Для построения таких моделей нужно обладать знаниями основных параметров„влияющих на эффективность хода ТП. Первым делом нужно реализовать модель, описывающую процесс БХМ, на основе 118 функциональной схемы автоматизации.
Такой проект можно осуществить, применив программное обеспечение для имиташюнного моделированияАпу1.орс. Апу1 оя1с - единственный инструмент имитационного моделирования, который поддерживает все подходы к созданию подобных моделей: процессно-ориентированный ~дискретно-событтпхный), системно динамический и агентный, а также любую их комбинацию. Уникальность, гибкость и мощность языка моделирования, предоставляемого Апу1.огас, позволяет учесть любой аспект моделируемой системы с любым уровнем детализации. Графичес кто интерфейс Апу1.оазис, инструменты и библиотеки„позволяют быстро создавать проекты для широко спектра задач, от моделирования производства, логистики, бизнес-процессов до стратегических моделей развития компании и рынков.
Ниже представлена реализация процесса БХМ на основе объектов библиотеки моделирования потоков ~рис. 3. 17). Первый объект Лил 5оигсе ~создает поток). Позволяет отследить количество используемого сырья за единицу времени. В модели управления складом БХМ является доставкой муки автомуковозом с помощью компрессора. Р~рейие является трубопроводом ~шлангом) для транспортирования муки. Объект ТапА, накапливает вещество до уровня вместимости, опционально задерживает ~к примеру, обрабатывает) его определенное время, после чего выпускает. В модели представляет собой: силос, надсепараторный бункер, просе иватель.
Объект Вмй Сол~еуог является имитацией конвейера для транспортировки веществ. В модели служит для транспортировки муки после просе ивания. ЛиЫ Х)Ырохе, принимает входящий поток и устраняет его ~удаляет из системы). Является стандартным завершающим блоком в диаграмме процесса «Библиотеки Моделирования Потоков». Принимает поток любой скорости. Параметр АещйВиПсСопчеуог отражает длину конвейера в модели, ЯреедВий скорость конвейера. Ашот представляет собой переменную, которая содержит информацию о количестве обработанной муки от каждой просеивательной линии.
Визуализация модели ТП БХМ в двумерной графике представлена на рисунке 3.18. Рис. 3.18. Рипуалгпация модели в двумерной графике 122 Данная двумерная модель содержит описание процесса хранения и просеивания муки. Отражает динамическое поведение логической имитационной модели, включает два временных графика, описывающие цикличность просеивания муки 1кг), столбиковую диаграмму для отображения информации об общем количестве муки прошедшей этап обработки.
Все параметры модели поддаются регулированию для имитации конкретного объема данного технологического процесса. 3.6.4. Агент регулировщик производственного процесса. Для регулирования параметров производства, которые могут прямо повлиять на качество функционирования производственного процесса, служит специальный агент регулировщик. Данный агент представляет собой набор параметров, описанных необходимыми функц| ими реализации, Такие функции предназначены для корректного регулирования параметров модели с целью моделирования различных ситуаций, которые могут возникнуть при подборе оборудования.
На рисунке 3.19 изображены свойства агента и его визуализация, для презентации в двумерной и трехмерной модели. Основные переменные подверженные регулированию, как в процессе моделирования, так и перед его началом, в данном случае являются скорость передачи сырья, а также время задержки для дозирования при бестарном хранении муки в силосах.
123 ьа ссапесбспк 0е1ау Твпе Рис. 3.19. Содержание агента. На рисунке 3.20 представлены параметры, значения которых контролируются двумя функциями. Также в процессе воспроизведения модели, предоставлена возможность отслеживать значения каждого параметра и объекта используемого при моделировании. Рис. 3.20. Параметры и функции агента. Параметр размерности представляет собой длину конвейера или трубопровода, представленного в метрах, как единица измерения, поддающаяся регулированию.
Имка 1еп9кпеопчеуогРесап . ~~1 Отображать има Д Исключить Виднмостги . ф: да тип: , длина и бдиница иамеренигс м ч Значение поумолчанию: =, .- гпуАаопе.~епаен1 Рис. 3.21. Параметр размера конвейера, либо трубопровода, Параметр скорости ~рис. 3. 22) предназначен для возможности регулирования транспортировки сырья в процессе производства.
Это поможет провести тесты временных характеристик модельного времени, для принятия решений направленных на сбалансированный ход производственных циклов. ПзрвмщФ треедсолчеуотРесби 'сч3 Отображать иеее 'с ) Исключить Тил Скорость лчаниии = „.:. еб>Аф~е, Ьрее41 Рис. 3.22.
Параметр скорости конвейера. Для регулирования времени дозирования необходимых рецептурных компонентов продукта, предназначен временной параметр. Он используется как имитация автоматизированного дозирования компонентов, при определенных условиях, отвечающих за ход процесса ~рис. 3.23).
К Отображать име Г~ Исключить Тил Значение по уееолчаниик =, -'„-'.вулаелс. Твена Рис. 3.23. Временной параметр. Перед запуском модели необходимо настроить параметры симуляции исследуемого процесса ~рис. 3.24). Для этого забивают нужные функции или переменные в пункт выполняющий действия перед загрузкой модели, который в последующем активирует или изменяет заявленные значения, Д Исключить Имж Янтйаооо Агент верхнего уровня; ~ Мае кг. Макснмальнмй раэмер памяти: '.156 и' М6 в йарамотрсн в Мвдвльйов зфеявв Сну чмкность ; в Окно " Дойствмя вава Код нннцналтоацнн эксоеримента," ) Действие передэапуском каждого эксперимента; действие после корогона" модели: Действие перед "прогоном" модели: гоос, 1оласнсолвоуогроссйгг солчеуогоос11оС.ооКСЬ; ;--;.
гооС. 1ооКСЬСолноуогэоааг СооьоуогзцаагС.оояСЬ; гоос. Фиосс1оосоо(); 1 ооа, Солск1оотио(); Рис. 3.24. Настройка параметров перед запуском. воздействия и внутренние блоки НС-Р. 126 3.7.Выводы по третьей главе. 1. Указаны задачи, возникающие при построении нейросетевого регулятора. 2. Произведены экспериментальные исследования, показывающие тесную взаимосвязь всех параметров микроклимата в силосе при БХМ. 3. Указаны этапы реализации нейросетевого регулятора. 4. Разработана структурная схема нейросетевого регулятора с указанием входных и выходных параметров, а также возмущающие 5.
Произведено математическое описание нейросетевого регулятора, подобрано количество слоев и нейронов каждого слоя нейронной сети. 6. Разработан алгоритм и проведено обучение нейронной сети, а также проанализирована работоспособность нейросетевой модели. 7. Представлен алгоритм работы нейросетевой модели контроля параметров микроклимата в силосе. 8. Разработан алгоритм работы интеллектуального комплекса адаптивного управления параметрами микроклимата процесса бестарного хранения муки высшего сорта.
9. Произведено имитационное моделирование технологического процесса бестарного хранения муки в Ануа.о 1с. 10. Представлена имитационная модель склада БХМ, а также ее визуализация в двумерной графике, отражающая динамическое поведение логической имитационной модели, включающая два временных графика, описывающие цикличность просеивания муки (кг), столбиковую диаграмму для отображения информации об общем количестве муки, прошедшей этап обработки. гллвл 4.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
