Уже во многом прошли те времена, когда на страницах профессиональной печати, семинарах и конференциях шли споры о том, есть ли смарт-арматура или нет. Сейчас указать на наличие в номенклатуре смарт-арматуры в каталогах компаний стало привычным делом. На передовой линии уже начинают проявляться образы будущей интеллектуальной арматуры. Возникает необходимость в понимании того, каким образом интеллектуализация будет вторгаться в основные подсистемы арматуры и втягивать смарт-арматуру в себя как свою подсистему.
Смарт-арматура может быть названа как «умная» арматура, которая имеет управляемую обратную связь высокого уровня. Для этих целей она насыщается множеством датчиков, сенсоров, измерителей и пр., отходя от привычных жестко заданных алгоритмов управления. Она уже может предоставлять и некоторую первичную информацию, например, по диагностике, которую предстоит обрабатывать человеку-эксперту. Именно с этого этапа начинается интеллектуализация арматуры. Арматура приобретает способность работать с базой внешних событий и ситуаций с привлечением или созданием знаний, позволяющих уточнить предложенную задачу и наметить пути ее решения. При этом интеллектуальная часть арматуры будет способна иметь определенную свободу выбора в выполнении операций по решению задач, особенно имеющих высокую степень неопределенности.
Чтобы это стало возможным, в арматуре получают развитие следующие принципы:
1. Тесное информационное взаимодействие основных подсистем арматуры с внешней средой на основе развития новых функций, обслуживающих их средств автоматизации и каналов связи.
2. Открытость систем и способность к глубокому обучению для накопления знаний, наличие алгоритмов, объясняющих причинно-следственные связи процессов, служащих для повышения интеллектуальности и совершенствования собственного поведения.
3. Развитие алгоритмов прогноза изменений внешней среды и собственного поведения в динамике.
4. Увеличение слоев оценки и прогнозирования информации в иерархии принятия решений в условиях неопределенности в соответствующих алгоритмах управления арматурой и приводами.
5. Рост количества дополнительных функциональных систем, обеспечивающих сохраняемость функционирования при разрыве связей или потере управляющих воздействий от верхних уровней АСУ ТП.
Здесь полезно будет остановиться и понять, как сейчас рассматривается интеллектуальность в широком смысле и как на этой шкале может быть показана арматура. Таких слоев может быть несколько. Это:
1) нижний исполнительный слой,
2) слой работы с базами событий, знаний и формирования решений,
3) слой самообучения и адаптации,
4) слой прогноза событий.
Покажем на шкале «Неинтеллектуальность – Интеллектуальность», где сейчас находится основной носитель интеллектуальности в арматуре – позиционер и как это связано с общим развитием интеллектуальности арматуры.
Сегодняшнее положение основных подсистем арматуры таково, что основное развитие по линии интеллектуальности получает позиционер. В связи с ростом информационной составляющей и встроенных алгоритмов, включая алгоритмы нечеткой логики (Fuzzy-logic), экспертные алгоритмы, нейросетевые и генетические алгоритмы, позиционеры все больше сливаются с клапанными контроллерами (valve controller). Встраиваемые в них логические блоки правдоподобного вывода, основанные на знаниях, в т. ч. блоках усвоения новых знаний и процедурах объяснений ситуаций, вывода по аналогии, и др., уже могут автоматически формулировать решения, вполне приемлемые для задач оценки неисправности, диагностики, калибровки арматуры, предсказания поведения процесса и пр. Отметим, что, хотя уже сложилось название «Интеллектуальный привод», однако это наиболее близко только к электроприводам, где существуют или могут быть встроены интеллектуальные системы управления. Что касается собственно механической, «железной», части арматуры, то ее интеллектуализация еще впереди.
С насыщением датчиками и сенсорами, способными передавать информацию о состоянии регулирующих элементов и уплотнений затворов, повышением информационных функций, решение такой задачи уже перестанет казаться несбыточным, а степень интеллектуальности этих узлов арматуры будет возрастать. В ряде случаев уже не нужно будет формировать отдельные контуры регулирования и управления для реализации единичных функций, а блоки нечеткого вывода совместно со средствами обучения на базе встроенной нейронной сети обеспечат выполнение схемы т. н. мягких вычислений и способны будут повысить динамические характеристики регулирующей арматуры путем лингвистической аппроксимации поведенческих характеристик. В ряде случаев можно будет отказаться и от организации обратной связи внутри контура управления характеристиками арматуры. Это будет происходить все с большей вероятностью, когда станет возможным представлять ее работу с помощью аккумулируемых клапанным контроллером знаний на основе правил, которые будет разрабатывать он сам.
МЦ ТПА, журнал ТПА, Санкт-Петербург, 14 ноября 2020 года