Реализация интеллектуальной технологии иммуносетевого управления сложными объектами на современном оборудовании промышленной автоматизации

Введение. В настоящее время активно развиваются прикладные области науки, связанные с созданием различного рода технических систем, которые обладают высокой степенью автономности, адаптивности, надежности и качества функционирования в условиях неопределенности. Актуальными задачами современного общества являются управление сложными системами на основе обработки и анализа огромных потоков данных и применение новых нетрадиционных подходов при построении интеллектуальных систем управления на основе биологического подхода искусственных иммунных систем (ИИС). Существует множество моделей и алгоритмов построения интеллектуальных систем автоматического управления на основе ИИС, которые используются в разных отраслях науки и техники.

Работа [1] отражает основные принципы построения интеллектуальных систем для обнаружения компьютерных атак и вредоносных программ. Для поиска компьютерных вирусов используется подход, базирующийся на объединении искусственных иммунных и нейронных сетей. В работе [2] представлено применение мультиагентной ИИС для адаптивной регистрации повреждений в распределенной сети мониторинга искусственных сооружений. Диагностика повреждений для мобильных агентов и алгоритм иммунного распознавания образов были протестированы с использованием бенчмарка стального моста.

Задача прогнозирования значений временных рядов на основе аппарата ИИС была рассмотрена в работе [3]. Предложена реализация алгоритма клонального отбора для получения аналитической зависимости, которая описывает известные значения временного ряда и обеспечивает прогноз будущих значений. Целью исследования [4] является предложение нового подхода к анализу катастрофоустойчивости информационных систем, построенного по принципу биоаналогии на базе технологии ИИС. Решаются задачи обоснования возможности применения ИИС для описания и моделирования этих систем, определения принципов функционирования информационной системы и синтеза модели. В результате исследования выделяются целевые характеристики иммунной системы, предлагается модель информационной системы с применением иммунного подхода, описывается процесс подбора решений на основе механизма иммунного ответа.

В работе [5] рассматривается обобщенный подход к анализу сходимости иммунных алгоритмов (ИА) в зависимости от используемых иммунных операторов. Показано, что ИА сходятся полностью и в среднем к глобальному оптимуму, пока к антителам применяются операторы мутации и старения. Анализ сходимости ИА основан на выполнении двух условий:

• —    в результате мутации можно достичь оптимального состояния за один шаг;

• —    как только оптимальное состояние будет найдено, оно сохранится в популяции и не будет утеряно. Только операторы мутации и селекции, вносящие изменения в антитела, способствуют поиску оптимума.

Для решения задачи классификации предлагаются использование метода приоритетного последовательного клонирования с конкурентно-целевым отбором клонов, применение общих критериев отбора клеток и метода дополнительного разброса в ограниченных областях при восстановлении классов. В случае неполной классификации объектов производится формирование дополнительных классов [6]. В работе [7] рассмотрен подход ИИС для ассоциативной классификации (АК), который является перспективным для использования ассоциативных правил и построения ассоциативных классификаторов на основе клональной селекции иммунной системы. На основе критерия среднего разброса следа матрицы улучшенная ИИС представлена в [8].

Работа [9] посвящена ИИС для мониторинга состояния на основе минимизации евклидового расстояния в оценке связывания антигенов. Также ИИС применяются для решения динамических задач условной оптимизации [10]. Предлагаемый подход основан на динамических ограничениях Т-клетки, алгоритм адаптации которого первоначально был разработан для статистических задач с ограничениями. Механизмы, описанные в работе, проверены с помощью динамической задачи с одиннадцатью ограничениями, которая включает в себя следующие сценарии: динамическая целевая функция со статическими ограничениями, статическая целевая функция с динамическими ограничениями, динамическая целевая функция с динамическими ограничениями.

В работе [11] рассматривается новый подход к контролю и диагностике информационных процессов в распределенных компьютерных и сенсорных сетях, основанный на использовании методов теории ИИС. Объектами иммунологического мониторинга являются информационные трафики контролируемых процессов, аномалии в которых обнаруживаются с использованием механизма иммунного распознавания.

• 1.    Постановка задачи. Актуальным направлением ИИС является подход, основанный на математической реализации механизмов молекулярного узнавания. Данный подход [12] оперирует понятием формального пептида. Разработана интеллектуальная технология про-

• гнозирования и управления сложными объектами с различными видами неопределенностей параметров на основе рассматриваемого подхода. Ниже приведены основные этапы:

• —    формирование баз данных;

• —    классификация решений (безопасный, опасный и аварийный режимы функционирования);

• —    предобработка данных;

• —    построение оптимальной иммуносетевой модели;

• —    решение задачи распознавания образов на основе определения минимальной энергии связи между пептидами;

• —    расчет коэффициентов риска прогнозирования на основе оценки энергетических погрешностей по гомологам [13];

• —    прогноз данных, принятие решений на основе ИИС и оперативное управление системой.

• 2.    Организация информационного обмена для построения оптимальных им-муносетевых моделей сложных объектов.

  • 2.1.    Архитектура системы управления на предприятии. Для построения оптимальной иммуносетевой модели сложного объекта необходимо правильно организовать информационный обмен между ключевыми элементами системы автоматического управления. В настоящее время с учетом требований стандартов функционирования промышленных объектов управления в архитектуре выделяют четыре основных уровня, объединенных промышленными сетями как в пределах каждого уровня, так и между уровнями [14]. На рис. 1 представлена архитектура системы управления на предприятии.

• 2.2.    Технология сбора данных на оборудовании Schneider Electric. Для сбора данных в реальном времени с помощью оборудования Schneider Electric разработан следующий алгоритм.

Постановка задачи формулируется следующим образом: необходимо реализовать интеллектуальную систему управления на основе ИИС на современном оборудовании промышленной автоматизации Sсhneider Electric с целью практического внедрения данной технологии в производство.

На нижних уровнях расположены полевые устройства, которые содержат в себе устройства автоматики: электрическое оборудование, датчики, интеллектуальные устройства и исполнительные механизмы. На более высоком уровне расположено автоматическое управление, которое реализуется с помощью программируемых логических контроллеров с модулями ввода/вывода, объединенных в единую информационную сеть. На самом верхнем уровне функционирует специальное программное обеспечение для организации работы в реальном времени систем сбора, обработки, отображения и архивирования информации.

При организации сбора данных с реального объекта для построения оптимальных имму-носетевых моделей используется информационная система, объединенная по сети Ethernet, в которой отражены все уровни архитектуры системы управления промышленным предприятием. Основными характеристиками такой системы являются: объем информации при передаче, необходимое время реакции.

• 1.    Построение сети Ethernet c ключевыми элементами системы автоматического управления (рис. 1).

• 2.    Тестирование каналов связи.

• 3.    Настройка сети Ethernet в пакете прикладных программ Unity Pro для программирования логических контроллеров (Modicon M340).

• 4.    Выбор типа передачи данных (использование IO scanning или встроенных FBD блоков для считывания и записи передаваемых битов).

• 5.    Использование технологии OPC (OLE for Process Control) с помощью дополнительных программ OPC Factory Server (Schneider Electric) [15].

• 6.    Формирование баз данных.

• 7.    Обработка и анализ данных по технологии ИИС и оперативное управление системой.

Рис. 1. Архитектура системы управления на предприятии

Для построения сети Ethernet необходимо создать локальную сеть для связи компьютеров, контроллера и объекта управления (рис. 2). Cеть передачи данных может использовать физический носитель или беспроводное соединение Wi-Fi.

При построении локальной сети нужно учитывать основные правила:

• —    необходимо, чтобы у всех устройств системы были IP-адреса;

• —    все устройства должны иметь свой уникальный адрес (запросы могут осуществляться с компьютера);

• —    устройства должны располагаться в одной подсети [sub network].

Помимо IP-адресов компьютеров, необходимо задать IP-адреса контроллера (Modicon M340), при этом в комплектации должен быть Ethernet модуль (NOE 0110) для работы с сетью. Для этого в программе Unity Pro создается конфигурация всех модулей контроллера (рис. 3).

Далее необходимо присвоить IP-адреса модулю CPU (центральному процессору контроллера) и карте NOE 0110 (см. таблицу). При осуществлении конфигурации каждого элемента

Рис. 2. Соединение по сети Ethernet

Рис. 3. Конфигурация сетевой карты в Unity Pro

Таблица

IP-адреса локальной сети для сбора данных

Наименование оборудования IP-адрес Маска подсети ПК 1 192.168.1.1 255.255.255.0 ПК 2 192.168.1.2 255.255.255.0 CPU (Ethernet 1) 192.168.1.3 255.255.255.0 NOE (Ethernet 2) 192.168.1.4 255.255.255.0 сети также задается маска подсети (рис. 4). Также разрешается IO scanning для сбора данных с объекта.

Чтобы разрешить использование функции IO scanning, необходимо во вкладке “Module Utilities” выбрать “Yes”.

В готовом виде сеть будет выглядеть следующим образом (рис. 5), при этом со стороны NOE 0110 будет отправляться запрос на switch.

Рис. 4. Конфигурация сети Ethernet в Unity Pro

Modicon M340

Рис. 5. Соединение по локальной сети

После конфигурации всех устройств необходимо протестировать сеть. Можно использовать специальные программы — анализаторы трафика для компьютерных сетей Ethernet (например, Wire Shark).

Далее для сбора данных с объекта управления применяется встроенная функция IO scanning в программе Unity Pro или осуществляется побитовая передача данных с использованием функциональных блоков для записи и чтения переменных технологического процесса. Переменные записываются в формате WORD, в одном слове можно передать 16 бит информации. Пример передачи значений с помощью функций записи и чтения показан на рис. 6, 7.

Далее формируются базы данных со значениями переменных, которые используются для анализа и обработки на основе технологии ИИС [16].

Заключение. Достоинство данного подхода заключается в интеллектуализации процесса сбора и обработки многомерных данных с динамических промышленных объектов управления, которая сочетает в себе применение современного производственного оборудования фирмы Schneider Electric и новейших разработок в области искусственного интеллекта — искусственных иммунных систем.

Рис. 6. Использование функционального блока write_var для записи значения переменных в слово

Рис. 7. Использование функции read_var для считывания слов

Name	V	Value	Type         -
- 3	«MW0:1		ARRAY[0..0] OF INT
♦ %MWO[O]		3	INT
- J	|YMW4U:4                 I		I ARRAY[0..3] OF INT I
♦ %MW40[0]		2440110 0111 0000 0000	INT
♦ %MW40[H		3	INT
♦ %MW40[2]		0	INT
♦ %MW40[3]			INT
- 3	%mw20:2		ARRAY[0.. 1 ] 0 F IN T
♦ %MW20[0]		17	INT
♦ %MW20[1]		4	INT
- 3	%mw70:4		ARRAY[0..3]0FINT
♦ %MW70[0]		5632	INT
♦ %MW70[H		3	INT
♦ %MW70[2]		0	INT
♦ %MW70[3]		4	INT

Рис. 8. Отображение считываемых данных в анимационной таблице

На разработанное программное обеспечение получены авторские свидетельства о государственной регистрации объекта интеллектуальной собственности и акт внедрения в ТОО “Шнейдер Электрик” (Алма-Ата, Казахстан).