ПРОГНОЗИРОВАНИЕ И ПРЕДУПРЕЖДЕНИЕ АВАРИЙНЫХ СИТУАЦИЙ НА ОБЪЕКТАХ ДОБЫЧИ И ТРАНСПОРТА НЕФТИ С ПРИМЕНЕНИЕМ ИСКУССТВЕННОГО ИНТЕЛЕКТА

PREDICTION AND PREVENTION OF EMERGENCY SITUATIONS ON OBJECTS OF OIL PRODUCTION AND TRANSPORT WITH APPLICATION OF ARTIFICIAL INTELLIGENCE

Астапов Павел Евгеньевич1,Федоров Андрей Владимирович2,Ломаев Евгений Николаевич2
  1. 1 Академия ГПС МЧС России
  2. 2 ФГБОУ ВО Академия государственной противопожарной службы МЧС России
27 февраля 2019 29 просмотров 5 мин чтения
Аннотация

Рассматриваются преимущества применения экспертных систем реального времени в системах мониторинга взрывопожароопасности на объектах добычи и транспорта нефти.

#экспертные системы#системы мониторинга
Abstract

The advantages of using real-time expert systems in explosion and explosion hazard monitoring systems at oil production and transportation facilities are considered.

#expert systems#monitoring systems
Полный текст940 слов

Искусственный интеллект (ИИ), в устоявшимся определении, это большой раздел информатики, изучающий создание и развитие интеллектуальных компьютерных систем, с функциональными возможностями, которые ассоциируются с человеческим разумом, — приобретение и представление знаний, управлением процессом поиска решения, разъяснением принятого решения и т.д. [1]

В современном мире исследования в области ИИ концентрируются на создании программных продуктов, позволяющих вырабатывать решения большинства задач, которые пока лучше поддаются человеку, так как они требуют задействования таких функций человеческого мозга, как возможность обучения исходя из восприятия, особенности организации памяти и реализации выводов на базе суждений.

В настоящее время область задач, охваченная интересами ИИ, насчитывает широкий перечень направлений научной деятельности. Они охватывают как общехарактерные задачи, такие как восприятие и обучение (программные продукты выполнения интеллектуальных задач и системы, основанные на знаниях), так и специальные задачи (интеллектуальные системы, интеллектуальное программирование, а также нейроподобные структуры) [2]. Особым направлением и одним из наиболее важных и перспективных направлений развития ИИ становится разработка экспертных систем (ЭС), которые, также подразделяются исходя из различных критериев функционального назначения (рис. 1).

Отличительными особенностями ЭС являются:

  • конкреная ограниченность предметной области;

  • возможность принимать решения в условиях неопределенности;

  • способность объяснять процесс и результаты решения понятным для пользователя способом;

  • четкое разделение декларативных и процедурных знаний (фактов и механизмов вывода);

  • возможность накапливать базу знаний;

  • выдача результата в виде конкретных рекомендаций по действиям в сложившейся ситуации, не уступающих решениям лучших экспертов в данной области;

  • ориентация на решение неформализованных задач;

  • остутствие ранее написанного алгоритма, а построение его самой экспертной системой;

  • о
    Shape1

    Рисунок 1. Классификация ЭС

    тсутствие гарантии нахождения оптимального решения с возможностью учиться на ошибках [3].

ЭС дают возможность, используя знания специалистов об определенной конкретной узкоспециализированной предметной области и в пределах этой области, вырабатывать решения на уровне эксперта-профессионала. Наиболее перспективными на сегодняшний день являются ЭС, имеющие возможность принимать решения в масштабе реального времени или максимально приближенного к нему (динамические ЭС). Такие ЭС в отличии от статических ЭС содержат дополнительно две подсистемы: подсистему моделирования внешнего мира и подсистему взаимодействия с внешним миром, которые дают возможность управлять сложными промышленными процессами в режиме мониторинга. Это включает в себя поиск и обнаружение неисправностей оборудования и инженерных систем, а также диагностирование и выработку решений по контролируемым показателям множества периферийных устройств и датчиков, оптимизацию и планирование технологического процесса, управление большими сетями, распределенными СУБД, выработку рекомендаций оператору о действиях в критической обстановке, а в условиях аварийных ситуаций или ЧС, требующих немедленного решения, брать управление на себя [5].

В современных условиях прогрессивного развития программно-технических средств, выполняющих автоматический мониторинг дестабилизирующих факторов природного и техногенного характера, технологий процессов добычи и транспорта нефти, постоянно растущими требованиями к уровню обеспечению безопасности населения и территорий от ЧС техногенного характера ведется работа по пересмотру технологических и структурных решений по созданию системы мониторинга взрывопожароопасности объектов добычи и транспорта нефти (СМОН) [1].

Структурно система мониторинга включает три подсистемы:

- подсистему сбора данных и передачи сообщений (ССП);

- подсистему связи и управления в кризисных ситуациях (СУКС);

- подсистему мониторинга инженерных (несущих) конструкций, опасных природных процессов и явлений (СМИК).

Подсистема сбора данных и передачи сообщений (ССП) выполняет решение технологических задач по сбору данных о контролируемых параметрах процессов обеспечения функционирования объектов и определению отклонений их текущих значений от нормативных, а также формированию и передаче формализованной оперативной информации о состоянии технологических систем и изменении состояния инженерно-технических конструкций объектов в дежурные и диспетчерские службы объекта и в органы повседневного управления РСЧС.

Использование ЭС динамических экспертных систем реального времени, на платформе G-2 (объектно-ориентированная интегрированная среда для разработки и сопровождения приложений реального времени, использующих базы знаний) или подобных аналогов позволит повысить эффективность прогнозирования и предупреждения аварийных ситуаций на объектах добычи и транспорта нефти.

Основным достоинством оболочек экспертных систем для уже существующих или вновь создаваемых систем мониторинга является возможность применять их как интегрирующий компонент, позволяющий за счет открытости интерфейсов и поддержки широкого спектра вычислительных платформ легко объединить уже существующие, разрозненные средства автоматизации в единую комплексную систему управления, охватывающую все аспекты производственной деятельности. Это особенно важно для отечественных предприятий, парк технических и программных средств которых формировался по большей части бессистемно, под влиянием резких колебаний в экономике.

ЛИТЕРАТУРА

  1. Искусственный интеллект и интеллектуальные системы управления / И.М. Макаров, В.М. Лохин, С.В. Манько, М.П. Романов. М.: Наука, 2006. 333 с.

  2. Рассел C. Искусственный интеллект: современный подход / C. Рассел, П. Норвиг, пер. с англ.; 2-е изд. М.: Издат. дом «Вильямс», 2006. 1408 с.

  3. Рыбина Г.В. Основы построения интеллектуальных систем / Г.В. Рыбина. М.: Финансы и статистика; ИНФРА-М, 2010. 432 с.

  4. Интеллектуальные системы управления организационно-техническими системами / под ред. А. А. Большакова. М.: Горячая линия-Телеком, 2006. 160 с.

  5. П.Е. Астапов, А.В. Федоров, А.Н. Членов, Е.Н. Ломаев, А.Д. Ищенко. Технологические и структурные решения по созданию системы мониторинга взрывопожароопасности объектов добычи и транспорта нефти / Пожаровзрывобезопасность, 2017. № 26 (10). С. 50-60.

Есть что обсудить?
Оставьте комментарий — автор и читатели увидят его в обсуждении.