«С.В. МИРОНОВ, А.М. ПИЩУХИН МЕТАСИСИСТЕМНЫЙ ПОДХОД В УПРАВЛЕНИИ МОНОГРАФИЯ Рекомендовано к изданию Ученым Советом государственного образовательного учреждения высшего профессионального образования Оренбургский ...»

10 Пересчитать первый коэффициент в предположении увеличения качества данного вида продукции при увеличении затрат на его достижение на K и перейти к девятому пункту.

В результате работы этого алгоритма выбираются виды продукции с самыми быстрыми сроками окупаемости, определяется необходимое оборудование с учетом перекрытия технологических структур, уточняется производительность ГПС по каждому виду продукции, необходимое качество каждого вида продукции и порядок работы отдельных структур – параллельный или последовательный.

Выводы по третьему разделу 1 Коэффициент удельного эффекта имеет преимущества перед другими критериями, применяемыми в экономике, в силу необязательности оценки эффекта от автоматизации и затрат, связанных с нею в одних единицах, а также в силу положительности его значений даже при учете малых эффектов от автоматизации. Это позволяет более полно оценивать различные эффекты, в том числе для трех классических обоснований актуальности автоматизации: экономического, социального и «качественного».

2 При синтезе метасистем автоматизации необходимо рассматривать два процесса: процесс спроса на рынке на данный вид продукции и процесс подготовки и запуска данного вида продукции в гибкой производственной системе. Такая двухпроцессная модель позволяет добиться более адекватного рыночным условиям набора технологических структур и тем самым повысить эффективность автоматизации.

3 Применение теории условно марковских процессов к анализу спроса на рынке на данный вид продукции позволяет оценить возможный эффект от включения в гибкую производственную систему технологической структуры по изготовлению этой продукции и оптимизировать полный набор структур, максимизирующий эффект от автоматизации при заданных затратах на нее.

4 Коэффициент удельного эффекта позволяет решить вопрос о параллельном или последовательном выпуске нескольких видов продукции. При его вычислении необходимо учитывать эмерджентные свойства метасистем:

возможность перекрытия технологических структур и возможность перераспределения общесистемных управляющих ресурсов.

5 Процесс выбора технологических структур, включаемых в гибкую производственную систему, не обладает свойством марковости, поэтому его реализация возможна в виде итерационного поискового алгоритма.

6 Третий этап системного синтеза (согласование составляющих системы) можно осуществить тремя методами: оптимизацией в случае, когда о системе и о влияющих на нее факторах, а также о критериях синтеза известно все;

адаптацией, когда известен лишь критерий согласования и селекцией, когда возможности адаптации ограничены.

4 Оптимизация управления в метасистемах 4.1 Обсуждение критериев оптимального управления Назначение минимизируемого критерия оптимизации режима системы является, как известно, самой важной задачей оптимизации. Она не может целиком решаться формализованными методами.

Для детерминированных процессов с непрерывным временем в качестве критерия оптимальности процесса управления обычно принимают классический функционал /27/ I(t0, Y, u, tк), где t0 – начальный, tк – конечный момент времени управления Функционал такого типа содержит первое слагаемое, оценивающее точность приведения управляемого процесса в желаемое конечное состояние Y(tк). Эта часть функционала часто называется терминальной. Второе слагаемое является интегральной оценкой качества переходного процесса, третье слагаемое характеризует потери на управление. Здесь K – матрица параметров, отражающая степень влияния управляющего воздействия на интегральную часть этого критерия.

Применительно к метасистемам последовательного действия критерий должен отбирать системы с максимальным быстродействием и максимально адекватным включением нужной структуры (другие два показателя качества – устойчивость и нечувствительность к внутренним изменениям можно считать удовлетворительными в рамках рассмотренной выше конечноавтоматной модели). В таких случаях подынтегральную часть берут постоянной, а терминальную (поскольку речь идет о включении структур) необходимо выразить через вероятности включения различных структур. Таким образом, классический критерий требует в данном случае некоторого преобразования.

В нашем случае в качестве функций 1 примем сумму разностей вероятностей переходов внешнего и внутреннего процессов из одного стояния в другое а L(Y, ), исходя из требований быстродействия, приравняем 1.

При перераспределении управляющих ресурсов в метасистеме параллельного действия критерий (4.1) можно использовать непосредственно, если ресурсы в разных структурах одинаковы по природе или могут быть сведены к одинаковым единицам измерения. В этом случае компоненты вектора управляемых величин и компоненты управляющих воздействий будут соответствовать разным структурам и критерий «автоматически» оптимально перераспределит управляющие воздействия.

Такого невозможно добиться с помощью данного критерия в отношении точности поддержания заданных значений управляемых величин. В этом случае необходимо, чтобы критерий оптимального управления включал дисперсии выходных величин и управляющие воздействия, направляемые на поддержание этих дисперсий на заданном уровне.

Считая данный функционал отражающим потери в метасистеме, примем, что l1( Y,t k ) = 0, функция L зависит не от управляемых величин, а от их дисперсий, а вместо обычной работы управляющих воздействий используется виртуальная (вводится ниже) Дальнейшие рассуждения по поводу требований к критерию привязаны к более конкретным задачам, описанным ниже.

4.2 Согласование процессов случайной структуры Как показано выше (в разделе 2.1), в системах управления, функционирующих на принципе последовательно переключаемых структур, имеют место два процесса случайной структуры: один тесно связан с изменением внешних условий и формирует уставки для другого. Второй процесс является исполнительным и переводит объект управления в заданное первым процессом состояние. От согласованного функционирования этих двух процессов зависят такие важные качественные показатели системы управления, как точность и быстродействие.

Постановка задачи. Имеются два процесса случайной структуры, состояние одного из которых (ведомого) определяется состоянием другого (ведущего). Ведущий процесс описывается векторным стохастическим дифференциальным уравнением вида где W – вектор фазовых координат процесса, s – число структур (различных состояний), D ( l ) (t ) – матрица порядка nn детерминированных параметров с компонентами dkr()(t), ()(W,t) – векторная детерминированная нелинейная функция (векторстолбец) с компонентами 1(), …, n(), H()(W,t) – матрица nm или nn с нелинейными относительно W компонентами hij()(W,t) (i = 1,…, n, j = 1,…, m), (t) – вектор гауссова белого шума с компонентами 1(t), …, m(t).

Вектор белого шума (t) будем считать случайным центрированным процессом с корреляционной функцией где G(t) – симметричная матрица интенсивностей с компонентами Gij(t).

Ведомый процесс является управляемым и описывается подобным уравнением Y = D (l) (t ) (l) (Y, t ) + (l) (Y, t )u + H (l) (Y, t )V (t ), Y (t 0 ) = Y0 (l = 1,..., s) (4.6) где (Y,t) – матрица детерминированных нелинейных функций ij(), u – вектор управляющих воздействий, V(t) – вектор гауссова белого шума с компонентами V1(t), …, Vm(t).

Ведущий процесс измеряется с помощью канала наблюдения, в результате чего имеется m-мерный наблюдаемый процесс где C (W, u1, t) – m-мерная векторная функция, u1 – вектор управляющих воздействий на канал наблюдения, N()(t) – белый гауссов шум с матрицей интенсивностей Q()(t), статистически не зависящий от (t).

Требуется так подобрать векторы управлений u и u1, чтобы процессы были максимально согласованы по включаемой структуре и по быстродействию переключения на необходимую структуру.

Оптимизация управления ведомым процессом. Вопросы системной согласованности рассмотрены в третьей главе. Применим рассмотренные там положения к согласованию двух стохастических процессов в соответствии с принятой в работе концепцией. В данном случае согласование процессов можно провести с помощью решения задач оптимизации.

Тогда в качестве функций 1 примем разность вероятностей переходов процессов из одного состояния в другое, учитывая при этом марковость процесса, а также то, что в дальнейшем используется уравнение Колмогорова, примем а L(Y, ), исходя из требований быстродействия, приравняем 1.

Как известно /28/, марковский случайный процесс подчиняется уравнению Колмогорова (причем в данном случае первому уравнению /21/ для того, чтобы оно было согласовано по направлению движения во времени с применяемым в дальнейшем уравнением Беллмана) —————— + — (Ak()(w, t) ()(w, t|w*,t*)) + где Bkm()(w, t) == lim M [———————————————— | w,t ], (4.11) M[•] – символ осреднения.

Поскольку какая-нибудь структура обязательно должна реализоваться в любой момент времени на плотности вероятности, а через них и на управляющие воздействия (через уравнение Колмогорова) наложено ограничение:

интеграл от суммы плотностей вероятности реализации всех структур должен быть равен единице.

В уравнение ведомого процесса входит неизвестная пока функция управляющих воздействий f[()(Y,t)] —————— + — (Ak()(y, t) ()(y, t|y*,t*)) + f [()(Y,t)] + Эта функция играет в уравнении роль источника возникновения и поглощения реализаций случайного процесса.

Вычитая из (4.9) (4.12), получим уравнение относительно U —— + — (Ak()(y, t) U()) + f [()(Y,t)] + Поскольку один процесс “копирует” другой лишь с опозданием и возможными ошибками, дифференцирование по w и y здесь совершенно эквивалентно.

Полагая далее получаем точно такое же уравнение как в /28, формула (8.69) на с. 283/, именуемое также стохастическим принципом минимума обобщённой работы /27/, которому должна удовлетворять функция U для того, чтобы управление было оптимальным и равным Общий критерий оптимизации можно сложить из полученных частных I(t0, Y, u, tк) = I(t0, Y, u, tк) = [1(Y, tк) + (1 + uт()K-1u())d]. (4.16) Добиваясь оптимального управления для каждой случайной структуры, мы достигнем минимального общего критерия.

Оптимизация обратной связи в канале измерений. Будем полагать, что управления u1(t) в канале наблюдения являются функцией фазовых координат оптимального фильтра, т.е. выбираются таким образом, что не нарушаются условия марковости совместного процесса {Y(t), Z(t)}т. При этих условиях нормированные апостериорные плотности вероятности 1l ) ( y, t ), 1()(y, t) фильтруемого процесса для каждого из состояний будут удовлетворять обобщенным уравнениям Стратоновича ———— = -div (w,t) - — 1 (w, t)[f (w, z, u,t) - f (w, z, u,t) 1()(x, t)dx]+ Вектор плотности потока вероятности ()(w,t) равен ()(w,t)=Ap()(w,t)1()(w, t) - — — [Bpq()(w, t)1()(w, t)] (p = 1,n; = 1,s), где Ap,Bpq – коэффициенты сноса и диффузии, приведенные выше;

f()(w, z, u,t) – производная от логарифма функции правдоподобия определяется по формуле f()(w, z, u,t) = ——— [zp(t) – Cp()(w, u, t)][ zq(t) – Cq()(w, u, t)] (4.19) и дополнительно зависит от функции управления в соответствии с уравнением наблюдения (4.7); vr(w,t), ur(w,t) – соответственно функции поглощения и восстановления реализаций случайного процесса.

Задача управляющей части ведущего процесса - оптимальная фильтрация сигналов, поступающих от внешней среды. Такая задача решена в /28/ в предположении квадратичной функции потерь где W0 – оптимальная оценка сигналов. Сама процедура нахождения оптимальных управлений существенно зависит от вида функций коэффициентов статистической линеаризации и задаваемых ограничений. Если известно, что минимизируемая функция потерь одномодальная и ограничения на управления отсутствуют, оптимальные управления могут быть найдены из системы уравнений ——— [ — cpj (u,t)cqk (u, t) + cpj (u, t) — cqk()(u,t)] где использованы обозначения задачу с заменой выходного вектора сигналов W на Y, что обеспечит максимальное быстродействие, управляя каналом наблюдения до тех пор, пока необходимая структура не установится в ведомом процессе.

4.3 Экспериментальное исследование последовательной метасистемы Из проведенного в предыдущем параграфе исследования следует необходимость быстрого уравнивания вероятностей включений для всех структур, входящих в систему с соответствующей вероятностью изменений хода внешнего процесса. Исходя из управляемости второго процесса, можно ввести главную обратную связь, которая будет следить за реальной частотой включений каждой структуры, запоминать ее и уравнивать с требуемой вероятностью. Причем срабатывать эта связь должна только в случаях наибольшей неопределенности, то есть как это следует из рассуждений, проведенных в разделе 2 на границах между классами управленческих ситуаций. Экспериментальное исследование и было посвящено оценке точности включений структур, которую должна резко повысить указанная обратная связь.

Модель представляла собой две последовательно переключаемые локальные системы управления (структуры), изображенные на рисунке 4.1.

Здесь w1, w2 - уставки регуляторов по частоте включения, - оценка вероятности включения регуляторов.

Работа схемы без обратной связи (на рисунке не изображена) сравнивалась с работой схемы при ее наличии в условиях зашумленности внешнего процесса. Изменения внешнего процесса без шума изображены на рисунке 4.2 и представляют собой две синусоиды с отличающимся в два раза периодом.

Обратная связь срабатывает только в определенном диапазоне, когда разность значений зашумленных синусоид меньше некоторого числа. Коррекция в схеме с обратной связью осуществляется только за счет наращивания частоты включений. Ошибки рассчитывались как отношение модуля разности частоты включений в схемах с шумом с частотой включения в схеме без шума к последней частоте и брались в процентах. Полученная в результате эксперимента зависимость ошибок включений приведена на рисун Рисунок 4.1 – Схема двух последовательно переключаемых систем локального управления ке 4.3. Программа, реализующая описанную модель, написана на алгоритмическом языке Паскаль версии 7.0 и приведена в Приложении.

Как видно из графика (рисунок 4.3), некоторая ошибка у схемы с обратной связью имеет место лишь при малых, сравнимых с максимальным уровнем шума. С ростом ошибка быстро уменьшается и обращается в нуль для обоих включаемых систем локального управления. В то же время во второй схеме ошибки включения локальных систем управления различаются. Их незначительная зависимость от обусловлена лишь шумом.

По-другому обстоит дело с метасистемой параллельного действия. Здесь необходимы дополнительные теоретические исследования.

Постановка задачи. Пусть каждая ветвь метасистемы представляет стохастический регулятор, описываемый уравнением Ито От уравнения Ито однозначно можно перейти к уравнению Колмогорова /21/ (интеграл от плотности вероятности по переменной X равен единице) Амплитуда Рисунок 4.2 – График изменения во времени внешнего процесса Ошибка по включениям, % Специальной подстановкой /29/ из уравнения (4.24) можно убрать второе слагаемое. Управляющее воздействие попадает в правую часть и делает это уравнение неоднородным.

Необходимо определить оптимальные управляющие воздействия для нормального распределения вероятности.

Решение преобразованного неоднородного уравнения (4.24) можно выразить через функцию Грина Подставляя в левую часть этого решения желаемый результат управления (плотность вероятности в виде нормального закона), получаем уравнение Фредгольма 1-го рода С помощью этого уравнения можно исследовать динамику системы управления. Ограничимся исследованием установившегося движения. Для этого, вернувшись к уравнению (4.24) для одномерного случая с постоянными коэффициентами a и b, уберем производную по времени и подставим вместо плотности вероятности нормальный закон распределения:

где yуст- уставка регулятора, u(y) - управляющее воздействие.

Введем понятие виртуальной работы как работы, которую необходимо совершать системе управления для поддержания дисперсии выходной величины на заданном уровне Пользуясь формулой (4.27), можно построить зависимость дисперсии выходной величины от виртуальной работы, имеющей гиперболический характер, объяснимый природой процесса (смотри рисунок 4.4). Прилагая все большие ресурсы управления (увеличивая виртуальную работу управления), можно уменьшить дисперсию управляемой величины до сколь угодно малого значения (однако не до нуля). Наоборот, уменьшая ресурсы, направляемые на управление, приходим к увеличению дисперсии вплоть до бесконечности.

Имея зависимости дисперсии управляемой величины от виртуальной работы по управлению, можно оптимально распределить ресурсы.

Классический критерий оптимизации обычно принимают в следующем виде /21/ где L(Y, t), l1(Y, tk) – заданные положительно определенные функции, К – симметричная положительно определенная или диагональная матрица положительных коэффициентов.

Считая данный функционал отражающим потери в метасистеме, примем, что l1( Y,t k ) = 0, функция L зависит не от управляемых величин, а от их дисперсий, а вместо обычной работы управляющих воздействий используется виртуальная:

Решая задачу оптимального управления метасистемой параллельного действия с данным функционалом, можно определить установившиеся оптимальные значения дисперсий выходных величин. Для этого необходимо решить совместно систему, включающую уравнения (4.27), определение (4.28) Рисунок 4.4 – Зависимость виртуальной работы от дисперсии и критерий (4.30) Продифференцировав последнее уравнение по всем i и приравняв эти производные нулю, получим новую систему из n уравнений. В неё подставим выражение виртуальной работы из второго уравнения системы (4.31), в которую, в свою очередь, подставлено управляющее воздействие из первого уравнения системы (4.31). Окончательно получим n уравнений вида Решение этих уравнений определяет оптимальные нормы для дисперсий.

Дальнейшее управление можно свести к работе конечного автомата, который будет перераспределять управляющие ресурсы с "благополучных" структур на "неблагополучные" (то есть на те структуры, дисперсия выходных величин которых больше всего возросла). Все варианты распределения управляющих воздействий (состояний конечного автомата) можно описать следующей матрицей:

Здесь номера столбцов соответствуют номерам структур, с которых управляющие ресурсы "снимаются", а номера строк соответствуют номерам структур, на которые управляющие воздействия направляются. Чертой помечены неиспользуемые состояния.

Так будет работать система, у которой каждая структура имеет независимый источник управляющего воздействия. При общем источнике параллельная система может превратиться в последовательную (как отмечено выше). В этом случае управляющие ресурсы в любой момент времени подключаются автоматом лишь к одной структуре. Тогда можно применить теорию систем случайной структуры и, вычислив вероятности включения каждой структуры, использовать их в качестве уставок для конечного автомата (превратив тем самым автомат Мура в автомат Мили с обратной связью), что увеличит точность работы системы.

Такое решение несправедливо для многосвязной системы. Рассмотрим подробнее процесс перераспределения ресурсов. Положим для простоты анализа, что описанная выше зависимость имеет для двух управляемых величин самый простой вид где, - размерные коэффициенты.

График этой зависимости изображен на рисунке 4.5.

Управление необходимо вести таким образом, чтобы суммарная дисперсия была минимальна При этом можно провести двухуровневое управление с доведением управляемых параметров до области нормированных значений, а затем, используя координацию управляющих воздействий, свести к минимуму критерий К /30/. Забирая малую долю ресурса от второго параметра и вкладывая ее в улучшение первого, мы получим уменьшение суммы двух дисперсий управляемых величин на величину Такое перераспределение ресурса рационально, пока данная разность положительна. Равенство отнимаемых и добавляемых ресурсов дает уравнение для нахождения точек оптимальности 1, Вводя обозначение для начальной суммы одно оптимальное значение через другое Цель оптимизации теперь формулируется следующим образом Взяв производную от этой суммы по 1 и приравнивая ее нулю, найдем оптимальное значение Рисунок 4.5 – Схема перераспределения управляющих ресурсов Считая коэффициенты > 1 и > 1 и учитывая, что 1 всегда положительно, имеем единственное решение При этом минимальная сумма равна Если бы мы потребовали совпадения точек оптимальности, то уравнение (4.37) приняло бы вид:

Его решение При этом минимальная сумма равна 2*.

Определяя разность двух минимальных сумм, убеждаемся, что она положительна Если погрешность, равная этой разности для двух параметров устраивает проектировщика системы, то можно, последовательно добавляя опасности отклонений следующих параметров, определить единственное псевдооптимальное значение * и минимальную сумму Находя разность этого значения * с каждой опасностью отклонения, можно добиться раздельного поканального управления подсистемами.

Если же эта разность нас не устраивает, тогда проведем более тонкое исследование. Очевидно, что перераспределение управляющих ресурсов можно прекратить, когда разность (4.36) равна 0.

Ограничиваясь конечными приращениями видим, что перераспределение ресурсов дает эффект, пропорциональный частным производным. В таком случае можно организовать следующий алгоритм.

1 Вычислить частные производные дисперсий всех управляемых величин по ресурсу в данных точках (1, 2…N).

2 Отсортировать производные в порядке убывания.

3 Перераспределить ресурс величиной А от управления параметром с максимальным значением производной на управление параметром с минимальной производной.

4 Пересчитать производные, изменившиеся в результате выполнения п.3.

5 Определить максимальную разность производных (max-min) и, если она больше некоторого значения, перейти к п. 2.

6 Конец работы.

Значение определяется здесь по минимальному изменению производной на краю диапазона при заданном изменении ресурса А. Этот алгоритм работает тем точнее, чем А меньше. Однако, при этом возрастает время его работы.

Таким образом, при проведении такой координации мы сводим суммарную дисперсию управляемых величин к минимуму или можем экономить ресурсы управляющих воздействий (в зависимости от того, что выгоднее).

4.5 Экспериментальное исследование параллельной метасистемы Модель такой системы включала три параллельно действующих регулятора, характеризующихся систематической погрешностью ai и среднеквадратичным разбросом bi, где i=1,2,3. Изменение во времени плотности распределения управляемой величины i подчиняется уравнениям ФоккераПланка-Колмогорова где yi –управляемая величина, ui – управляющее воздействие, изменяющее точность регуляторов (поднастройка, подналадка).

Выше было проведено решение задачи непрерывного управления дисперсией управляемой величины. Однако на практике поднастройка регуляторов проводится в импульсном режиме, то есть время от времени. Подставляя импульсное воздействие в правую часть уравнения (4.48), найдем его решение Как видим, результирующее решение представляет собой нормальный закон с изменяющимся во времени среднеквадратичным отклонением (СКО) (в зависимости только от параметра bi ) и сносом по оси yi (в зависимости только от ai ).

Осредненное СКО за некоторый промежуток времени можно вычислить по следующей формуле:

Процесс импульсного управления моделировался на компьютере при следующих параметрах: a =1, b =1, ymo =1, ср =1.

В отсутствии управляющих воздействий плотность распределения измеренной величины подвержена сносу и размытию, как показано на рисунке 4.6.

Характер изменения СКО во времени при импульсной поднастройке представлен на рисунке 4.7. По горизонтальной оси на рисунке отложен номер шага по времени ( t = 0.03 сек).

Для ответа на вопрос об оптимальной частоте поднастроек менялся период их повторения, одновременно вычислялась виртуальная работа с использованием зависимости, изображенной на рисунке 4.5.

При этом была получена новая зависимость виртуальной работы от длительности периода, изображенная на рисунке 4.8.

Изломы на графике обусловлены попаданием целого числа периодов в расчетное время. Как следует из данной зависимости, минимальная суммарная виртуальная работа имеет место при непрерывном управлении (нулевая длительность периода). С ростом длительности периода между поднастройками приборов трудоемкость обслуживания комплекса измерительных приборов резко возрастает.

Если же метасистема является многосвязной, а не многомерной как в предыдущем исследовании, то задача уже не поддается аналитическому решению.

В этом случае необходимо синтезировать конечный автомат, работающий по алгоритму, описанному в предыдущем разделе, и его функционирование позволит определить оптимальные значения дисперсий управляемых величин.

Многосвязность моделировалась здесь следующим образом. Считалось, что второй и третий регуляторы имеют положительное влияние на первый (уровень перетекания управляющих воздействий везде принимался равным 10%). Первый и второй регуляторы отрицательно влияют на третий. Наконец, первый регулятор положительно влияет на второй, а третий - отрицательно. Результаты такого эксперимента представлены на рисунке 4.9. На графике выделяются три области. Первая – область независимой работы регуляторов (дисперсия возрастает во всех трех каналах одинаково). Во второй области вводится описанная выше взаимосвязь регуляторов, что приводит к Плотность вероятности Рисунок 4.6 - Размытие плотности вероятности управляемой величины в Дисперсия Рисунок 4.7 - Изменение СКО во времени при импульсной поднастройке Виртуальная работа Рисунок 4.8 - Зависимость виртуальной работы от длительности периода между поднастройками Рисунок 4.9 – Изменения дисперсий трех регуляторов во время эксперимента увеличению дисперсии управляемой величины в третьем регуляторе, уменьшению в первом и почти не меняет дисперсии второго регулятора. В третьей области включается конечный автомат, который, оптимально перераспределяя управляющие воздействия, возвращает дисперсиям почти прежнее их значение.

Из экспериментального моделирования метасистем параллельного и последовательного действия видно, что, хотя их поведение описывается уравнением ФПК, управлять ими приходится по-разному. Во втором случае можно напрямую увеличивать частоту включений в случаях большой неопределенности, а в первом можно лишь создавать условия для уменьшения дисперсий управляемых величин.

Выводы по четвертому разделу 1 Критерий оптимальности в виде разности плотностей вероятности реализации внешнего процесса и включения соответствующей этой реализации структуры позволяет оптимизировать управление в метасистеме последовательного действия в отношении повышения точности и своевременности включения.

2 Концепция двух стохастических процессов при функционировании метасистемы последовательного действия позволяет организовать обратнуюсвязь в объекте управления по частоте включений и за счет этого повысить точность и адекватность включения структур.

3 Критерий в виде суммы дисперсий управляемых величин и виртуальных работ, необходимых для поддержения этих дисперсий, позволяет оптимизировать управление в метасистеме параллельного действия, минимизируя виртуальную работу и сохраняя приемлемую точность регулирования в отдельных структурах.

4 Между дисперсиями регулируемых величин в метасистеме параллельного действия и виртуальной работой, необходимой для их поддержания, существует гиперболическая зависимость.

5 При импульсном управлении метасистемой параллельного действия с уменьшением частоты импульсного воздействия виртуальная работа, направляемая на поддержание заданных дисперсий регулируемых величин, резко возрастает. Минимальность виртуальной работы имеет место при непрерывном управлении.

6 В случае многосвязанной метасистемы необходима модель конечного автомата, работающая по специальному алгоритму и позволяющая «автоматически» найти оптимальные значения дисперсий выходных величин.

7 Модели управления вероятностями в метсистемах последовательного и параллельного действия носят различный характер. Если в последовательных системах можно напрямую увеличивать частоту включения, то в параллельных системах можно лишь создавать условия для повышения частоты появления на выходах структур управляемых величин, равных уставкам, при одновременном понижении частоты появления всех других значений управляемой величины.

5 Применение метасистемного подхода 5.1 Автоматизация контроля качества ткани Рыночная экономика требует от производителя повышения качества выпускаемой продукции. Это тем более справедливо по отношению к такой распространенной продукции, как ткань. Тем не менее, в настоящее время управление качеством ткани является в большой степени искусством, а контроль этого качества в отечественной текстильной промышленности проводится, в основном, визуально /16/. При этом пропускаются даже крупные дефекты, что ведет к штрафным санкциям, или ткани приписываются несуществующие дефекты, чем занижается сорт ткани и, соответственно, ее цена.

Автоматизация процесса обеспечения качества ткани повысит конкурентоспособность и снизит экономические потери предприятия.

Система обеспечения качества, в данном случае, состоит из подсистемы управления качеством и подсистемы контроля готовой продукции. Последовательно рассмотрим их.

5.2 Синтез подсистемы управления качеством ткани Подсистема управления качеством ткани состоит из четырех крупных технологических структур, отвечающих соответственно за качество на этапах прядения, ткачества, отделки, а также за контроль готовой продукции. Ввиду отсутствия структурных перекрытий на этих этапах, они выполняются параллельно и, следовательно, допускают перераспределение управляющих ресурсов. Такой же вывод следует из формулы (3.35), если принять c равным нулю.

В первую очередь встает вопрос о том, что выгоднее: вкладывать ресурсы в совершенствование технологии изготовления ткани или в совершенствование системы выходного контроля?

Большое количество и разнообразие пороков внешнего вида ткани делают задачу полного контроля трудной и дорогостоящей /31/. Здесь также возможна альтернатива. С одной стороны, отказываясь от разбраковки готовой ткани, можно нарастить контролирующие средства на предшествующих этапах ее изготовления, максимально исключив появление пороков. Другая крайность - усложнение устройств выходного контроля с уменьшением до минимума промежуточных контролирующих средств.

Средства, которые можно направить на повышение качества продукции, оценим следующим образом. Пусть возможности предприятия по выпуску продукции первого сорта равны S1, а выпускает оно часть продукции S1 первым сортом, часть S2 вторым, а часть Sб продукции уходит в брак. Тогда, обозначая себестоимость единицы продукции З, в предельном случае получаем Очевидно, необходимо поделить эти средства между системой управления и контроля так, чтобы качество продукции стало максимальным где n – среднее количество дефектов в единицу времени при данной технологии, n1(K1) – количество дефектов, устраненных за счет улучшения технологии, (K-K1) – вероятность обнаружения и правильной классификации дефектов системой контроля качества, K-K1 – затраты на систему контроля.

Взяв производную от этой суммы по K1 и приравняв ее к нулю, можно определить оптимальные затраты на улучшение технологии, а затем затраты на систему контроля, при условии, что известны зависимости уменьшения числа дефектов от улучшения технологии и точности классификации от затрат.

Схема системы управления качеством продукции представлена на рисунке 5.1. Здесь применяются обозначения: Y – вектор выходных показателей (сорт продукции, ее количество, браковочная ведомость), F – вектор возF Рисунок 5.1 – Схема многоуровневого управления качеством мущающих воздействий (качество исходных материалов, сырья, энергии, инструмента и так далее), U – вектор управляющих воздействий на технологический процесс изготовления продукции (технологические уставки по качеству на отдельных операциях), Ц – цель управления – обеспечение оптимального качества в данных рыночных условиях (при минимизации затрат), СУ – субъект управления, ПСАК – подсистема автоматического контроля качества.

Данная схема может быть классифицирована как многозадачная мультиструктурная система параллельного действия. Задачи обеспечения качества на отдельно взятой операции (для ткани - это прядение, ткачество и отделка) могут быть решены, как это следует из предыдущей главы, несколькими методами: изменением частоты подналадки оборудования, изменением величины премий обслуживающему персоналу, ужесточением требований к входному контролю и так далее. На схеме условно показано лишь по два метода решения каждой из задач. К тому же считается, что внутри каждого блока метода (М1, М2) заложен алгоритм или программа со всей совокупностью команд, операций, функций и режимов их реализации.

Рисунок 5.2 поясняет, что понимается под оптимальным качеством в данных рыночных условиях. Улучшение качества по отношению к оптимальному уровню ведет к прямому увеличению затрат на более частую подналадку оборудования, увеличение премий и так далее. Снижение качества по сравнению с оптимальным наказывается штрафными санкциями со стороны потребителя, снижением объемов продаж и так далее. В реальности оптимальный уровень постоянно изменяет свое положение и система требует перераспределения управляющих воздействий.

В данных условиях устройство выбора приоритетной задачи по улучшению качества должно реализовать (выбирать) ту задачу из N, которая выполняется в данный момент хуже всего. При этом управляющими ресурсами мо Затраты Рисунок 5.2 – Изменение затрат на обеспечение качества продукции гут быть обновление оборудования и инструмента, учащение его подналадки, увеличение премии работающим и так далее.

Перераспределение управляющих ресурсов рассмотрено выше по отношению к контролю и технологии. Оно допустимо также и между технологическими структурами. В таком случае работа подсистемы распознавания дефектов может сводиться лишь к накоплению статистики по появляющимся случаям брака за определенный промежуток времени. Далее организуется обратная связь, то есть на ту задачу, решение которой приводит к максимальному браку и переключается управление, а ресурсы освобождаются с той задачи, где брак минимален или вообще отсутствует.

Такой механизм переключения задач есть не что иное как принцип главного звена или метод Парето-Лоренца в экономике, когда имеющиеся ресурсы не размазываются равномерно по всем имеющимся задачам, а прикладываются кумулятивно, концентрированно – в этом случае эффект от их применения максимален.

С другой стороны, можно проранжировать виды брака по степени их соответствия рыночным условиям в данный момент относительно некоторой середины. Тогда механизм управления должен уменьшать ресурсы управляющих воздействий пропорционально удалению от этой середины в сторону улучшения качества и увеличивать их в противоположном направлении.

Вопрос выбора середины по достигаемому качеству продукции, также как и коэффициенты изменения управляющих ресурсов, требуют дальнейших исследований.

В любом случае необходимо анализировать диаграмму потерь. Для тканей производственного объединения «Орентекс» ее можно получить из таблицы данных 5.1.

Сама диаграмма изображена на рисунке 5.3.

Таблица 5.1 Оценка потерь от дефектов 3 Перекос ткани 4 Заломы (варочный, красильный, сухой) 7 Масляная или цветная нити 9 Непропряды 12 Местное сужение ткани 14 Рвань 15 Надиры 22 Незаработка петель Потери Рисунок 5.3 – Диаграмма потерь от дефектов (пороков) ткани Из диаграммы сразу следует, что «снимать» управляющие ресурсы можно с дефектов под № 8, 10-13, 15, 17, 18, 21, 22, 24 и «направлять» их на дефекты под № 4, 6, 14, 23. Очевидно, это приведет к общему повышению качества ткани при остающихся прежними ресурсах управляющих воздействий.

Проведем расчеты по методике, описанной в подразделе 4.4. Для этого сформируем методом экспертных оценок таблицу 5.2 трудоемкости, обеспечивающей равное повышение качества при применении разных управляющих средств.

Таблица 5.2 Трудоемкость повышения качества разными средствами Пользуясь этой таблицей расчитываем величину фактически направляемых ресурсов по каждому виду дефектов (третий столбец Таблицы 5.3).

Пользуясь упрощенной формулой (4.42) можно определить квазиоптимальное управляющее воздействие и определить необходимую коррекцию (четвертый столбец таблицы 5.3), перевести ее в величину корректирующих потерь, а затем, найдя отношение площадей их площади к площади первоначальных фактических потерь найти процент повышения качества продукции.

В результате расчетов он оказался равным 18.6 %.

Таблица 5.3 Расчет эффекта от перераспределения ресурсов 4 Заломы (варочный, красильный, сухой) 5 Разнооттеночность 6 Заработка пуха 11 Подплетина 12 Местное сужение ткани 16 Зебристость, полоса 17 Недоработка нити 18 Пятна от заработки 21 Ткацкие узлы 24 Засечки ( затяжки ) Среднее Повышение качества (%) 5.3 Синтез подсистемы автоматического контроля качества готовой ткани Контроль качества ткани сводится к нахождению отклонений, называемых дефектами ткани или пороками, оценке их (обычно в баллах) и определению сорта ткани. Все отклонения возникают из-за нарушения технологических процессов: прядения, ткачества или отделки.

Дефекты (пороки) внешнего вида ткани делятся, в зависимости от размера, на распространенные и местные, а в зависимости от технологической операции, на которой они допущены - на сырьевые, пороки ткачества и отделки /32/.

Учитывая, что данная подсистема работает на основе схем последовательного сканирования, которые подробно будут рассмотрены ниже, дефекты поступают в нее один за другим. Кроме того, вероятность перекрытия дефектов на ткани очень мала, поэтому из формулы (3.35), приравнивая Sп = 0, также получаем последовательную схему работы данной мультиструктурной системы. С другой стороны, эта подсистема является многопрограммной, поскольку после классификации дефекта необходимо выполнить вполне конкретную программу (запомнить адрес дефекта, начислить штрафные баллы, остановить протяжку, вырезать дефект, поставить метку и так далее). Схема этой подсистемы изображена на рисунке 5.4.

Рисунок 5.4 – Схема управления реакцией на дефекты ткани Поскольку для появления дефекта, измеряемому признаку достаточно преодолеть некоторый порог, и средняя длительность и математическое ожидание этого отклонения неважны, для синтеза подсистемы автоматического контроля качества ткани достаточно определить среднюю величину появления дефектов разных типов, что и определит в свою очередь необходимую производительность. Эта же средняя величина может служить уставкой по каждому виду дефектов для организации обратной связи по частоте включений каждой структуры, реагирующей на эти виды дефектов. Срабатывать эта связь должна, как это следует из развитой выше теории только в случае появления неопределенности при распознавании.

Требуемая же точность классификации дефектов и соответственно затраты на достижение этой точности определяется из экономических соображений по формуле (5.2).

Приведенные соображения относятся к экономическому уровню синтеза подсистемы автоматического контроля качества готовой ткани. Рассмотрению технологического структурного и параметрического уровней посвящены остальные параграфы данной главы.

6 Организация медицинского обслуживания Одним из самых очевидных направлений автоматизации, обусловленной социальным эффектом, обладает автоматизация медицинских технологий. И среди них особое место занимает офтальмология как область, связанная с самым необходимым человеку органом при общении с внешним миром – органом зрения. Актуальность автоматизации при лечении глазных болезней возрастает в последнее время в связи с интенсивной информатизацией общества и повышением нагрузки на глаза (с появлением книг, телевизора, компьютера), что приводит в первую очередь к появлению близорукости.

6.1 Общие соображения о синтезе системы При синтезе автоматизированной системы медицинского обслуживания метасистемного типа необходимо стремиться максимально большому охвату пациентов при заданных затратах, поскольку качество лечения обеспечивают включенные в ее состав структуры. Кроме того, при анализе параметров, характеризующих функциональное состояние того или другого органа, зачастую необязательно знать, насколько далеко он отклонился от порога, обусловливающего необходимость лечения. Достаточно лишь знать, что это отклонение имеет место. Следовательно, из трех вероятностных задач, рассматриваемых при синтезе метасистемы, необходимо решать только две: определение средней продолжительности выбросов параметров за заданный порог и частоты этих выбросов. Причем среднюю продолжительность выбросов необходимо будет поделить на среднее время обслуживания пациента системой, тем самым полностью определится производительность автоматизированной системы.

При синтезе необходимо сравнивать методы лечения между собой по силе их воздействия, стабильности результатов и охвату как можно большего количества лечебных случаев. Следовательно, необходим соответствующий критерий для сравнения методов лечения. Необходима также методика автоматической классификации пациентов при назначении наиболее эффективного метода лечения. Кроме того, необходимы методы слежения за состоянием лечимого органа непосредственно в процессе лечения и остановки этого лечения при определенных условиях. Все эти задачи рассматриваются ниже в данной главе.

Автоматизированная система должна, анализируя измеренные значения параметров функционального состояния лечимого органа предложить пациенту наиболее эффективный метод лечения.

При этом схема выбора метода лечения для поступающего пациента с точки зрения теории управления может выглядеть, как показано на рисунке 6.1. Здесь вектор U обозначает воздействие методов лечения близорукости на Рисунок 6.1 – Схема управления лечением близорукости пациента, вектор Y оценивает результат лечения, а вектор F несет информацию о первоначальном состоянии пациента. Подобная схема управления является многоуровневой и многомерной. Ее можно также назвать системой управления лечением близорукости с возможностью выбора метода. Нетрудно также с помощью компьютерной программы автоматизировать этот процесс.

6.2 Характеристика нехирургических методов лечения близорукости В течение многих десятилетий проблема близорукости является предметом интереса практических врачей-офтальмологов и ученых-исследователей /33/. И это не случайно, ведь с одной стороны, близорукость - наиболее частый дефект зрения, распространение которого увеличивается, особенно среди детей и подростков.

На изучение проблем, связанных с близорукостью, направлены усилия ученых самых разных специализаций: педиатров, оптометристов, специалистов по контактной коррекции, хирургов, ретинологов, а также биологов, физиологов, экспериментаторов.

Формируется близорукость часто в школьном возрасте. Число близоруких учащихся возрастает от младших классов к старшим. Впервые это отметили Cohn H. и Эрисман Ф.Ф. /34, 35/. По данным Михалевой М.Г., после обследования 180000 школьников в первых классах найдено 2,1%, в четвертых - 4,7 %, в восьмых - 12,3 %, в десятых - 16,2% близоруких школьников.

Следовательно, каждый шестой выпускник выходит в жизнь близоруким /36/.

Актуальность и социальная значимость этой проблемы обусловлена не только широким распространением, но и ведущим положением близорукости в структуре инвалидизации по зрению. По данным Либман Е.С., показатели инвалидизации вследствие близорукости в РФ равны 16-18% /37/. Как правило, инвалидность вследствие осложненной высокой близорукости наступает в трудоспособном возрасте, нередко в 30-40 лет /38/.

В настоящее время разработано множество способов стабилизации и улучшения зрительных функций при миопии. Среди них – физические /38медикаментозные /52-76/, физиотерапевтические /77-91/.

В последние годы вышли за пределы научно – исследовательских лабораторий и все шире используются в практической медицине методы лечения, реализующие приемы внешней обратной связи. Необходимость обратных связей или афферентаций при восстановлении нарушенных функций целого организма была сформулирована П.К.Анохиным еще в 1935 году. В большой серии экспериментов было выявлено, что восстановление функций нервной системы, то есть «переучивание центров», происходит при непрерывном обратном афферентировании с периферии от каждого этапа восстановления функций. Можно сказать, что в каждый отдельный момент организм при восстановлении функций только тогда переходит к следующему этапу восстановления, когда он получит с периферии обратную афферентацию, информирующую центральную нервную систему о достигнутом эффекте.

Принцип обратной связи по параметрам разнообразных физиологических функций используется для лечения гипертонической болезни /92/, сердечных аритмий /93/, язвенной болезни желудка /94/, тяжелых форм детского церебрального паралича /95/, для релаксационнной тренировки /96/, для лечения двигательных расстройств у неврологических больных /97/.Метод биологической обратной связи используется и в офтальмологии. E.S.Silvia с соавторами применяли этод метод при глаукоме /98/.Петербургской фирмой «Ин Витро» разработан и производится прибор «Амблиокор-01», реализующий метод обратной связи. Применение метода видеокомпьютерной коррекции улучшает зрительные функции, используя непосредственно возможности самого мозга. Клинический эффект основан на способности мозга активировать зрительные реабилитационные процессы, когда присутствует высокая мотивация даже на уровне подсознания. Таким мотивационным фактором является просмотр увлекательного фильма. Производится регистрация электроэнцефалограммы. Компьютер производит анализ биотоков мозга пациента и вычисляет текущий уровень активности зрительного анализатора. Изображение на экране телевизора будет сохраняться только в моменты «правильного» зрения и будет пропадать (погаснет изображение) в момент «неправильного» зрения. Таким образом, производится положительное подкрепление определенного состояния мозга, при котором зрительное восприятие оптимально. В результате многократного повторения этой рефлекторной процедуры в мозгу формируется новая система связей, способная поддерживать более эффективное состояние зрительных структур и обеспечивать высокое качество восприятия предметного изображения.

6.3 Параметры, характеризующие состояние глаза при близорукости Существует множество параметров, определяющих состояние органа зрения при близорукости. Первым из них является острота зрения, равная обратной величине предельного угла различения, выраженного в минутах. Острота зрения измеряется в десятичных дробях 0.1; 0.2; 0.3;…;1.0; 1.1; 1.2 и так далее. За норму, соответствующую остроте зрения 1.0, принимается такая различительная способность глаза, при которой две точки видны как раздельные, если угол между лучами, идущими от них в глаз, равен 1 /51/.

Обычно измерения остроты зрения проводятся с помощью таблицы Головина – Сивцева с аппаратом для освещения при ее рассматривании с расстояния в пять метров. При этом велико значение субъективного фактора, поскольку острота зрения зависит от условий предъявления знаков и общего состояния обследуемого.

Другим важным параметром является статическая рефракция, под которой понимают соотношение между преломляющей силой оптической системы глаза и положением сетчатки /99/. Исследование статической рефракции проводят в условиях циклоплегии с помощью скиаскопии или с применением рефрактометра. Однако циклоплегия чаще всего проводится с помощью 1% раствора гоматропина или цикломеда, которые дают лишь кратковременный и неполный парез цилиарной мышцы, что не исключает при измерениях остаточную аккомодацию. При исследовании рефракции все шире применяют автоматические рефрактометры, позволяющие в большинстве случаев избегать циклоплегии /100/. Но даже в этом случае имеют место как погрешности метода измерения, так и погрешности технических устройств.

Через аппарат аккомодации опосредуется влияние многих неблагоприятных факторов, способствующих развитию близорукости. В связи с этим приобретают большое значение клинические методы исследования аккомодации.

Область и объем аккомодации исследуют с помощью проксиметров или аккомодометров по положению ближайшей и дальнейшей точек ясного видения (punctum proximum, pp, punctum remotum, pr). Простейший проксиметр представляет собой линейку длиной 50 см с перемещаемым по ней тестобъектом (обычно шрифт №4 таблицы для близи). Так как при данном обследовании велико значение субъективного фактора, обычно исследование проводят 2-3 раза и вычисляют среднее значение этого показателя.

В.И.Матвеев и Ю.Е.Шелепин определяли дальнейшую и ближайшую точки ясного видения с помощью решеток разной пространственной частоты (цикл/см), а также верхнюю и нижнюю пространственную частоту в цикл/угловой градус, воспринимаемую наблюдателем в pp и pr /101/. Для удобства исследования объема аккомодации существует прибор - аккомодометр, позволяющий сразу определять ближайшую и дальнейшую точки ясного зрения, но он не исключает субъективизма измерения /51/.

Относительная аккомодация характеризует изменения напряжения аккомодации при совместной работе обоих глаз при расположении объекта на определенном расстоянии (обычно 33 см - оптимальное расстояние для зрительной работы). Исследование относительной аккомодации возможно только при наличии бинокулярного зрения. Для измерения состояния аккомодации приставляют линзы положительные для расслабления аккомодации и отрицательные - для ее напряжения. Сила максимальной положительной линзы укажет отрицательную часть относительной аккомодации, сила максимальной отрицательной линзы - положительную часть (запас) относительной аккомодации. Большое значение имеет запас относительной аккомодации. Его снижение означает ухудшение зрительной работоспособности вблизи /102/.

Оценить работоспособность цилиарной мышцы при ее длительном напряжении позволяет глазная эргография, которую впервые применил C. Berens (1926). Более подробное физиологическое обоснование метода представили Н.В.Зимкин и А.В. Лебединский /103/, предложившие специальный прибор - глазной эргограф. Посредством этого эргографа определяются перемежающиеся изменения напряжения цилиарной мышцы и его степень.

Наряду с эргографией, уточняющим субъективным методом исследования аккомодации является кобальто-рефрактоаккомодометрия /104/, основным элементом установки которой является кобальтовое стекло, которое пропускает только красные и синие лучи с разными коэффициентами преломления.

Существуют и объективные методы исследования аккомодации. Одним из них является метод фотографической регистрации изменений кривизны передней поверхности хрусталика в процессе аккомодации по величине изображений фигурок Пуркинье-Сансона или смещения оптического среза хрусталика (В.Д.Глезер, Л.Т. Загорулько). Второй метод /105/ основан на принципе сканирования отраженного от глазного дна изображения щели.

С помощью объективной аккомодометрии можно с большой точностью исследовать время аккомодационной реакции, микрофлюктуации аккомодации, устойчивость аккомодационной установки и величину изменений аккомодации при переводе взгляда на объект фиксации. Ввиду сложности этих методов, они применяются в научных лабораториях, а не в практической медицине.

С исследованием рефракции и аккомодации тесно связаны методы прижизненного определения длины оси глазного яблока: расчетные методы, основанные на измерении рефракции хрусталика и общей рефракции глаза /49/;

рентгеновский метод Рэштона; ультразвуковое исследование как А-, так и Вметодом. Прямые измерения передне-задних размеров глазного яблока при аккомодации и конвергенции на небольших расстояниях от глаза были выполнены с помощью компьютерной томографии и А-скан-ультразвуковой эхобиометрии (В.В.Волков, 1988). При этом установлена принципиальная возможность удлинения глазного яблока при релаксации отводящих и сокращении приводящих прямых мышц.

По возможности проводят прижизненное определение деформационных свойств склеры /106/. Это позволяет судить о степени участия склеры в развитии миопии в данном случае, составить более правильное представление о прогнозе и целесообразности проведения операции укрепления заднего полюса или оценить эффект операции, если она уже произведена.

Все большее применение в офтальмологии находит определение ретинальной остроты зрения (РОЗ) /99/. Если РОЗ не менее 1.0, а острота зрения ниже, то это указывает на зависимость снижения зрения от оптических факторов. Для измерения РОЗ используют ретинометр АРЛ-1 (анализатор ретины лазерный). Оптическая система прибора позволяет формировать непосредственно на сетчатке интерференционную картину (ИК) или решетку, состоящую из чередующихся темных и светлых полос с синусоидальным распределением освещенности. В исследовании РОЗ не исключается субъективный фактор, так как результат измеряется по ответу обследуемого.

Следующим параметром является контрастная чувствительность. Поскольку рецептивные поля зрительного анализатора подобны системе локальных фильтров разных пространственных частот и ориентаций, лучшими тестовыми стимулами для их возбуждения служат разноконтрастные чернобелые или хроматические синусоидальные решетки, то есть с размытыми контурами, разных направлений и ширины /107/. Для определения контрастной чувствительности создана компьютерная программа «ZEBRA» /108/. Методика визоконтрастометрии превосходит обычную визометрию по выявляемости различных зрительных нарушений, но требует специального оборудования и более длительна.

Для тестирования светочувствительности применяют темновую адаптометрию и периметрию. Темновую адаптометрию проводят с помощью отечественных адаптометров (АДМ) или зарубежных никтометров. Световые пороги, полученные при темновой адаптометрии, широко варьируют у здоровых людей, поскольку зависят от возраста и достигают максимума только при полной темновой адаптации (от 40 до 60 минут непрерывного пребывания в полной темноте).

Исследование полей зрения является одним из информативных в офтальмологии. Оно позволяет судить не только о характере распределения светочувствительности в каждом глазу по площади рецептора (сетчатки), но и об уровне поражений зрительно-нервного пути по совокупности нарушений в обоих глазах. Различают кинетическую и статическую периметрию.

При кинетической периметрии тестируемый объект смещают по поверхности периметра либо от периферии к центру, либо наоборот. При кинетической периметрии исследование проводят с помощью надпорогового объекта, и технически невозможно уловить некоторые скотомы.

При статической периметрии тестируемый объект не перемещают и не меняют в размерах, а предъявляют в заданных по той или иной программе точках поля зрения с переменной яркостью /109/. В современных периметрах используется яркость фона, близкая к мезопическим условиям зрения, что уравнивает вклад палочек и колбочек в светочувствительность и исключает необходимость предварительной световой или темновой адаптации зрительной системы. Яркость распознавания стимула - единственный количественный критерий оценки световой чувствительности в исследуемой точке. Результаты статической периметрии выражаются в единицах светочувствительности - децибелах (дБ).

Изучению поля зрения при миопии посвящено немало работ, но обращают на себя внимание разноречивость данных и суждений по этому вопросу. В известной мере это связано с применением различных методик исследования поля зрения. Отмечено (Dudois-Poulsen A.; Layle G.K., Berard P., 1955; Пржибыльская Я.И. 1958, и др. /99/), что при близорукости может наблюдаться как концентрическое сужение границ поля зрения, так и преимущественное их уменьшение в верхневисочном квадранте. Сужение границ поля зрения связывают с функциональными или дегенеративными хориоретинальными изменениями на периферии глазного дна. При близорукости нередко наблюдается нарушение фотометрической гармонии, выраженность которой возрастает по мере увеличения степени близорукости. Подобное нарушение встречается и у лиц с близорукостью слабой степени при нормальной картине глазного дна и поля зрения. Скорее всего это свидетельствует о том, что изменения в рецептивных полях носят функциональный характер и предшествуют органическим изменениям в сетчатке. В основе их лежит дисбаланс возбудительного и тормозного процессов в сетчатке с преобладанием последнего.

Для определения электрической активности большинства клеточных элементов сетчатки применяют электроретинографию, представляющую собой графическое отображение изменений биоэлектрической активности в ответ на световое раздражение. Однако в поликлинической практике проще измерять порог электрочувствительности (ПЭЧ) и электролабильность (ЭЛ).

Под порогом электрочувствительности (ПЭЧ) понимают минимальную амплитуду тока, способную вызвать ощущение фосфена. ПЭЧ характеризует состояние периферии сетчатки и идущих от нее волокон зрительного нерва.

Электролабильность (ЭЛ) или критическая частота исчезновения фосфена оценивает способность ткани воспроизводить частоту раздражения. ЭЛ характеризует состояние центральных отделов сетчатки.

6.4 Материал и методы исследования В основу работы легли результаты комплексного клинического обследования пациентов поликлиники восстановительного лечения города Оренбурга. Клинический материал включает 213 пациентов (419 глаз) с приобретенной неосложненной близорукостью различной степени в возрасте от 15 до лет. С близорукостью слабой степени было 171 наблюдение, с близорукостью средней степени – 126 наблюдений, с близорукостью высокой степени – 122 наблюдения.

Количество пациентов выбиралось примерно одинаковым как по степени близорукости, так и по методу лечения. У всех пациентов острота зрения корригировалась оптическими средствами до 1.0.

Периметрическое обследование проводилось 20 пациентам (40 глаз) до и после лечения тремя вышеописанными методами.

Отдаленные наблюдения в сроки до двух лет проведены у 47 пациентов, которым лечение проводилось один – два раза в год в зависимости от клинико–физиологических показателей.

В качестве сравнения была взята контрольная группа из 24 пациентов, идентичных по возрасту и степени близорукости, не получавших лечения.

Применялись следующие методы исследования.

Визометрия и подбор оптимальной коррекции проводились на приборе-рефракторе фирмы Carl Zeiss Jena. Использовались набор оптотипов для взрослых (цифры, кольца Ландольта). Шаг (переход от одной строки к другой) составил 1/10. Подбор коррекции проводился с автоматической сменой стекол. Полную оптимальную коррекцию определяли на этом приборе с учетом дуохромного теста. Подбирали полную коррекцию для каждого глаза, при этом пациент должен был видеть одинаково оптотипы при разной окраске предъявляемого поля в красном и зеленом цвете.

Оптимальную коррекцию проверяли не только на дуохромном тесте, но и на тексте номер 4 проверки остроты зрения для близи.

Исследование рефракции проводилось методом скиаскопии и на рефрактометре фирмы Carl Zeiss Jena в условиях циклоплегии (S.Cyclomedi 1%).

На этом приборе производятся измерения по методу, предложенному профессором Хартингером с приведением к коинциденции (совмещению) измерительных меток. Он позволяет определять рефракцию в пределах от –38, Дптр. до +18,5 Дптр. Погрешность при измерении на нем значительно ниже, вне зависимости от степени освещенности. Рефрактометрия для всех пациентов до и после лечения проводилась в приблизительно одинаковых стационарных условиях освещенности.

Определение запаса относительной аккомодации проводилось по методу Аветисова-Шаповалова.

Пациенту в очках, полностью корригирующих миопию, предлагали с расстояния 33 см читать текст №4, который соответствует остроте зрения 0, таблицы для близи. Если он мог читать этот текст, то начинали приставлять одновременно к обоим глазам отрицательные сферические линзы, ступенчато увеличивая их силу на 0,5 Дптр. Сильнейшая отрицательная линза, с которой еще возможно чтение, позволяет определить величину запаса относительной аккомодации (ЗОА). Для выбранной группы пациентов (в возрасте от 15 до 20 лет) примерная возрастная норма ЗОА по данным Аветисова-Шаповалова составляет 5,0 Дптр. Именно такое значение использовалось для оценки результатов.

Определение объема абсолютной аккомодации проводилось на основе измерений ближайшей (punctum proximum, pp) и дальнейшей точки ясного зрения (punctum remotum, pr) каждого глаза. При этом в качестве тестобъекта использовалось кольцо Ландольта, соответствующее остроте зрения 0,7 – 0,8 с расстояния 33 см. Зная величины показателей pp и pr в диоптриях, можно определить объем абсолютной аккомодации по следующей формуле:

Объем аккомодации не должен быть меньше минимального значения нормы, которая для выбранной возрастной группы пациентов составляет 10, Дптр.

Определение порога электрочувствительности проводилось с помощью микропроцессорного офтальмологического электростимулятора «Sunshine VSD-002» фирмы «Комет» (город Уфа).

Измерения проводились в непрерывном режиме при постоянном увеличении тока до появления у пациента ощущения фосфена.

Определение электролабильности осуществлялось на том же приборе.

Методика исследования включает предварительное определение ПЭЧ.

Затем, если ПЭЧ меньше 150 мкА, начальную силу тока принимают равной 150 мкА и увеличивают частоту тока до сообщения пациента о слиянии мельканий фосфена. В противном случае измерения проводят при начальной силе тока, равной ПЭЧ пациента.

Периметрия. Исследование проводилось с помощью автоматизированного компьютерного периметра фирмы «Dicon» (США), реализующего метод статической периметрии. Была использована пороговая абсолютная стратегия. По этой стратегии результатом обследования является карта поля зрения, где каждая обследованная точка имеет абсолютное значение порога чувствительности, выраженное в децибелах (дБ). Она основана на методе построения относительного холма зрения, что означает: перед каждым обследованием глаза при помощи четырех точек определяется уровень «нормальной» (индивидуальной) чувствительности. Этот уровень или «смещение» используется затем для установления начальной освещенности для каждой точки в поле зрения.

Для уменьшения объема анализируемой информации принимались во внимание только значения светочувствительности точек поля зрения, расположенных на четырех меридианах с полюсом в макулярной области, следующих друг за другом с шагом в 45° по часовой стрелке для правого глаза и против часовой стрелки для левого.

Исследование сред глаза и глазного дна проводилось с использованием щелевой лампы 110 и ручного офтальмоскопа НО 110 фирмы Carl Zeiss Jena, при максимальном мидриазе.

Методика лечения. Лечение пациентов проводилось тремя методами.

Метод видеокомпьютерной коррекции реализовывался с помощью аппаратурного комплекса “Амблиокор-01”, который предназначен для обучения пациентов навыку нормализации уровня активации зрительных отделов мозга при просмотре предметного изображения. Комплекс имеет два режима – “активация” и “релаксация”. Для лечения близорукости применялся режим “релаксации” в соответствии с рекомендациями авторов метода. Пациент осуществляет просмотр фильма попеременно правым и левым глазом при оптической коррекции, соответствующей статической рефракции. Время сеанса – 20 минут (по 10 минут каждым глазом). Инструкция по комплексу предусматривает проведение от 12 до 30 сеансов ежедневно (5 раз в неделю). В наших исследованиях проводилось 10 сеансов.

Пациент находился перед телевизором, на экране которого демонстрировался увлекательный фильм. Производилась регистрация электроэнцефалограммы (ЭЭГ). Компьютер производил анализ биотоков мозга пациента и вычислял текущий уровень активности зрительного анализатора. Экран телевизора, перед которым находился пациент, включался только в периоды активации зрительных систем мозга. При появлении фазы торможения экран телевизора гас. Таким образом, производилось положительное подкрепление определенного состояния мозга, при котором зрительное восприятие оптимально. В результате повторения этой процедуры, в центральной нервной системе формируется новая система связей, способная поддерживать более активное состояние зрительных структур.

Чрезкожная электростимуляция зрительного нерва и сетчатки проводилась с помощью прибора «Sunshine VSD-002». Лечебные электростимуляции проводились на основании результатов измерения ПЭЧ и ЭЛ пациента в соответствии с типовыми рекомендациями (величина лечебного тока определялась из соотношения ПЭЧ 1,5, лечебная частота – ЭЛ-5…10 Гц). Курс лечения включал одну процедуру в день в течение 7-10 дней непрерывно. Лечение проводилось в пачечном режиме по 5 импульсов в пачке, количество пачек в серии – 30, количество серий на каждый глаз – 4, интервал между сериями – 30 сек.

Лечебный эффект при проведении чрезкожной электростимуляции объясняется активацией ретиноэнцефальных путей обоих полушарий от соответствующих областей сетчатки стимулируемого глаза.

В третьем случае лечение проводилось сочетанием этих двух методов.

6.5 Критерии выбора методов лечения Как показано в обзоре литературы, близорукость является сложным заболеванием со множеством патофизиологических и клинических особенностей, которые невозможно описать одним или двумя простыми параметрами.

Если же в качестве параметров взять традиционные, описывающие состояние зрительных функций при близорукости, и использовать их в качестве координат многомерного пространства, то можно найти комплексный показатель, включающий в себя информацию обо всех координатах, позволяющий более точно оценивать состояние глаза.

С другой стороны, в распоряжении врача-офтальмолога в настоящее время имеется множество методов лечения близорукости. Комплексный показатель позволит оценить эффективность действия каждого из методов, а также выработать клинические показания к их применению.

В качестве координат многомерного пространства выбраны острота зрения, рефракция, объем абсолютной аккомодации, запас относительной аккомодации, порог электрочувствительности, электролабильность (то есть обычный набор показателей, определение которых не требует сложной аппаратуры и доступно в стандартных поликлинических условиях). В таком многомерном пространстве состояние глаза отмечается точкой.

Для оценки эффективности лечения необходимо рассматривать три состояния глаза: до лечения, после лечения и состояние здорового глаза. Соединив эти три точки, можно получить два вектора, изображенные на рисунке 6. (для упрощения изображены лишь две координатные оси из шести), с началом в точке, описывающей исходное состояние больного глаза (точка A).

Первый вектор направлен в точку, характеризующую состояние здорового глаза (точка C) и задает направление скорейшего излечения. Второй вектор направлен в точку, описывающую состояние глаза после лечения (точка B) и отражает реальные изменения, наблюдающиеся при лечении тем или иным методом. В качестве критериев оценки эффективности лечения можно выбрать угол между этими векторами (косинус этого угла – cos ), величину изменений при лечении (длину второго вектора - AB), а также величину изменений в направлении скорейшего излечения (длина проекции вектора реального изменения на направление скорейшего излечения -AD).

Исследование проводилось на всех группах пациентов при лечении методами видеокомпьютерной коррекции, чрезкожной электростимуляции и сочетанием этих методов.

Попытка прямого вычисления трех вышеописанных критериев привела к необходимости модификации исходных данных. Первая модификация обусловлена тем, что большая величина одной из компонент (ПЭЧ) привела к Рефракция, дптр Рисунок 6.2 - Расположение векторов в многомерном пространстве резкому уменьшению вклада в изменение длины вектора AB других компонентов. Выход состоит в нормировании. Для этого все значения параметров были отнесены к показателям здорового глаза. В результате получились нормированные безразмерные значения всех шести компонентов векторов.

Вторая модификация потребовала изменения шкалы измерения остроты зрения. Эта шкала имеет сильную нелинейность, так как низкое зрение определяется сотыми долями, в то время как более высокое зрение измеряется десятыми. Была введена единая линейная шкала 1 – 20. Значения по этой шкале затем были так же нормированы и приведены к безразмерному виду.

Критерии вычислялись по формулам:

K2 = V11 +V122 +…+V1n2 K1 = V112 +V122 +…+V1n2 Cos, (6.2) где V11,…,V1n - нормированные безразмерные компоненты вектора изменений состояния глаза, обусловленные методом лечения; V21,…,V2n – нормированные безразмерные компоненты вектора необходимых изменений до нормального состояния глаза.

Первые десять значений нормированных параметров, отражающих исходное состояние глаза, и вычисленные по формулам (6.1), (6.2), (6.3) значения всех критериев приведены в таблице 6.1. Нормированные значения самих изменений вместе со значениями критериев приведены в таблице 6.2.

Таблица 6.1 - Результаты вычисления критериев в группе пациентов с близорукостью высокой степени при лечении методом чрезкожной электростимуляции С точки зрения устойчивости действия методов лечения важен разброс (дисперсия) вычисленных критериев. Большой разброс говорит о нестабильности результатов лечения, об отсутствии в базовых параметрах дополнительной информации, оценивающей состояние глаза, колебание которой и Таблица 6.2 - Результаты вычисления критериев в группе пациентов с близорукостью слабой степени при лечении методом видеокомпьютерной коррекции вызвало указанный разброс (психологическое состояние пациента, накопленная усталость, сопутствующие заболевания и т.д.). Разброс нагляднее всего изображается гистограммами. С результатами полного исследования можно ознакомиться в /33/. Здесь же приведены лишь гистограммы (рисунки 6.3 – 6.5), показывающие значения критериев при лечении близорукости слабой степени.

На основании проведенного исследования приходим к выводу о перспективности применения для оценки эффективности метода лечения угла между векторами реального и желательного изменений. Это обусловлено ясным геометрическим смыслом этого критерия, наличием естественной границы, оценивающей эффективность метода лечения - 45°, при которой одинаковы желательные (AD) и «побочные» (BD) изменения, что проиллюстрировано на рисунке 6.6. Отсутствие в этом критерии информации о величине изменений не умаляет его значения, потому что величина изменений при углах, меньших 45°, всегда ведет к улучшению зрительных функций и приближает их к показателям нормального глаза. При углах, больших 45°, «побочные» влияния слишком велики и, следовательно, данный метод не эффективен. А при углах, больших 90°, метод лечения даже вреден пациенту, так как уводит показатели зрительных функций в сторону от нормальных.

На втором месте по значимости находится критерий, связанный с величиной проекции реальных изменений на направление скорейшего излечения.

Положительное значение проекции и ее величина отражают степень улучшения функций, а отрицательное значение этой проекции говорит о вредности метода. Его недостатком является отсутствие сведений о «побочных» изменениях.

Критерий эффективности в виде длины вектора реальных изменений лишь говорит о степени влияния метода на пациента и ничего не говорит о Рисунок 6.3 - Гистограмма первого критерия при электростимуляции и миопии слабой степени Рисунок 6.4 - Гистограмма первого критерия при ВКА и миопии слабой степени Рисунок 6.5 - Гистограмма первого критерия при сочетании методов и направлениях изменений состояния глаза при его использовании.

Подытоживая анализ критериев, можно сказать, что полную информацию об эффективности метода лечения несут любые два из рассмотренных трех критериев.

Рисунок 6.6 - Геометрический смысл второго критерия Проведенные исследования показывают, что высокое значение одного из критериев еще не гарантирует получения хорошего результата для нового пациента с близкими значениями исходных параметров. Например, пациент, стоящий первым в таблице 6.1 (первые два значения) имеет близкие исходные параметры, а результаты лечения по всем трем критериям резко отличаются. Это может быть объяснено как неучетом некоторых важных факторов (передне-задний размер глазного яблока, психологический настрой во время лечения и др.), так и отсутствием научно-обоснованных показаний к назначению того или иного метода лечения.

Оценить погрешность полученных значений критериев можно, используя аппарат расчета погрешностей результатов косвенных измерений /110/.

При этом, чтобы оценить вклад от погрешности измерения каждого параметра, необходимо найти частные производные от соответствующей формулы (6.1), (6.2), (6.3). Тогда для первого критерия будем иметь погрешность по первому параметру:

Полную погрешность измерения критерия вычислим, пользуясь геометрической суммой:

6.6 Автоматизация процесса назначения метода лечения В предыдущем параграфе сравнивалась эффективность действия различных методов лечения, но не менее важна и обратная задача – выбор группы пациентов, для которой лечение конкретным рассматриваемым методом даст гарантированное улучшение зрительных функций.

С научной точки зрения задача деления множества пациентов на группы, для лечения которых предпочтителен тот или иной метод, является задачей классификации.

Классификация, в свою очередь, требует эффективных классифицирующих признаков (критериев). Три подобных критерия предложены и исследованы выше.

Из результатов клинических исследований, описанных выше, видно, что все методы дают размытые критерии их эффективности. С другой стороны, малая размытость этих критериев говорит об устойчивости достижения положительных результатов, о слабой зависимости их от первоначального состояния больного. Поэтому зоны с относительно малой дисперсией критериев и помогут выявить группу больных, для которых данный метод гарантированно дает положительный результат, при условии достаточно большого значения выбранного критерия эффективности.

При этом рассмотренные выше критерии необходимо модифицировать заменой абсолютной длины проекции на относительную путем деления на длину вектора необходимых изменений до нормального состояния глаза.

Кроме того, для усиления влияния направленности необходимо домножить этот критерий еще раз на косинус угла между векторами. В результате получится несколько иной критерий Этот критерий, конечно, потеряет информацию по отношению к критерию (2) о методах лечения, ухудшающих состояние глаза, но это не является большим недостатком, поскольку такие методы лечения легко обнаруживаются по первичным данным, без вычисления критериев. К тому же, в результате нелинейности, заложенной в коэффициенте (6), он дальше разносит классы эффективных и слабо влияющих методов лечения миопии.

Простое деление замкнутой области, включающей точки, описывающие состояния глаз до лечения, на элементарные объемы не позволяет провести достоверных исследований ввиду большого количества координат многомерного пространства. Даже при делении координатных диапазонов пополам в шестимерном пространстве получится 128 элементарных объемов. Очевидно, что имеющийся статистический материал (около 400 случаев) не позволит сделать достоверные выводы о дисперсии.

Поэтому предлагается провести исследование с помощью сканирования замкнутой области, включающей точки, описывающие состояние глаз до лечения, элементарным объемом. На рисунке 6.7 схематично изображено многомерное пространство параметров со сканирующим элементарным объемом.

Для упрощения рассмотрены лишь три параметра из шести. На координатных осях выделены диапазоны изменений исходных параметров для всех пациентов и пунктирными линиями построен куб, включающий в себя данные об исходном состоянии глаз всех пациентов (некоторые из этих данных изображены на схеме звездочками). Сканирующий элементарный объем выделен сплошными линиями. При этом вычисленное среднее значение критерия, равно как и его дисперсия, сопоставляются с серединой элементарного объема, отмеченного на схеме кружочком.

Выбор размеров элементарного сканирующего объема зависит от количества исходных данных. Для состоятельности оценки дисперсии (при нормальном законе распределения) необходимо не менее сорока значений исходных точек /110/. При выборе размера элементарного сканирующего объема в половину диапазона изменения параметров, объем, включающий в себя Рисунок 6.7 – Схема сканирования исходных данных.

исходные данные обо всех пациентах, разбивается на восемь частей. При этом имеющиеся четыреста исходных экспериментальных точек дадут по пятьдесят значений в каждой из частей. Учитывая, что это очень близко к статистическим рекомендациям, принимаем размер сканирующего объема в направлении координатных осей в половину размера диапазона изменений параметров. С другой стороны, было желательно уменьшать размеры сканирующего объема, так как это позволит максимально сузить группу пациентов, для которых действие метода наиболее эффективно.

Особо необходимо обсудить размер шага сканирования. Принимая гипотезу о равномерном распределении всех исходных данных, можно оценить среднее расстояние между ними. Для четырехсот исходных значений размер шага в направлении каждой из координатных осей должен быть в одну четырехсотую размера диапазона изменений параметров. Учитывая разброс расстояния между исходными точками относительно среднего значения, необходимо выбрать шаг в соответствии с дисперсией этого разброса. Малые значения шага приведут к лишним вычислениям и к временной задержке программы, так как при сдвиге элементарного сканирующего объема будет добавляться и уходить слишком малое количество точек. При большом шаге вычисления будут грубыми, кроме того, шаг не может быть больше размеров сканирующего объема, так как в таком случае не вся экспериментальная информация будет использована. Исходя из этих рассуждений, в данной работе принят шаг сканирования размером в одну пятисотую диапазона изменения параметров, для параметров, изменяющихся непрерывно. Для дискретных параметров шаг можно выбрать равным величине квантования.

При сканировании в направлениях, указанных на рисунке 6.7 стрелками, получается новая область точек с определенными значениями критерия и дисперсии (при этом вычисления критериев и дисперсии осуществляются как обычно с учетом результатов лечения выбранным методом, которые на схеме никак не отражены). В этом пространстве необходимо найти точки со значением критерия, близким к максимальному, а значением дисперсии, близким к минимальному. Для этого необходимо сортировать массивы значений критерия и дисперсии. Затем, просматривая значения критерия, начиная с максимального, выбрать точку с минимальной дисперсией. По этим значениям критерия и дисперсии восстановить диапазон исходных параметров (в размерах элементарного сканирующего объема). Этот диапазон и задаст группу пациентов, для которых лечение данным методом гарантировано даст максимальный эффект.

Такие исследования необходимо провести для всех, имеющихся в распоряжении врача-офтальмолога, методов лечения.

По изложенному выше алгоритму была написана программа на языке Delphi 3. Программа вынесена в приложение. Результаты расчетов по этой программе следующие:

Электростимуляция Диапазоны:

Острота зрения = [0.08.. 0.85] Рефракция = [2,75.. 8,625] Объем аккомодации = [8.. 10] Запас аккомодации = [2.. 4] Амблиокор Диапазоны:

Острота зрения = [0.02.. 0.25] Рефракция = [2,75.. 8,625] Объем аккомодации = [7,5.. 9,5] Запас аккомодации = [2,5.. 4,5] Электростимуляция+ Амблиокор Острота зрения = [0.02.. 0.25] Рефракция = [3,75.. 9,625] Объем аккомодации = [8.. 10] Запас аккомодации = [1,5.. 3,5] При поступлении пациента на лечение врачу необходимо будет лишь определить, в диапазон какого метода лечения входят значения параметров его зрительных функций.

Таким образом, вычисляя для множества пациентов этот новый критерий, выбирая зоны с его максимальным значением, мы выделим значения исходных параметров, при которых данный метод лечения гарантированно улучшит зрительные функции. При поступлении больного на лечение врачу необходимо будет лишь определить, входят ли значения параметров, описывающих состояние глаза, в данную группу.

7 Автоматизация процесса бурения скважины 7.1 Синтез системы управления процессом бурения Целесообразность автоматизации процесса бурения нефтяных и газовых скважин обусловлена преодолением ограниченных возможностей человека, то есть придания ему совершенно новых, несвойственных по природе, качеств.

Этот процесс недоступен непосредственному наблюдению и управлению, поэтому здесь необходима автоматическая система, состоящая из подсистем слежения за скоростью проходки, за качеством образующейся глинистой корки, за степенью тиксотропности промывочной жидкости. Кроме этого, имеется много других параметров, но эти – главные, отвечающие за себестоимость скважины, а также за эффективность ее дальнейшей эксплуатации.

В отличие от предыдущих случаев, здесь необходимо поменять базовый параметр, по которому разворачивается управление, и взять в этом качестве глубину скважины. Тогда на всех трех графиках можно провести уровень минимальных требований к указанным параметрам (рисунок 7.1). Всплески на нижнем графике, так же как и провалы на верхнем, обусловлены остановами процесса бурения для проведения спуско-подъемных операций или в связи с возникшими осложнениями. На среднем графике всплески объясняются водопроявлениями или водопоглощениями, а также возрастающими требованиями к качеству глинистой корки при прохождении продуктивного пласта для того, чтобы избежать его засорения фильтратом промывочной жидкости.

Как видим, средняя скорость проходки с ростом глубины скважины падает. Это обусловлено возрастанием времени проведения спуско-подъемных операций, возрастанием твердости разбуриваемых пород, ухудшением условий очистки забоя, некоторым падением перепада давления на турбине и так далее. Требования же к качеству промывочной жидкости, наоборот, с возрастанием глубины увеличиваются. Поэтому даже минимальные уровни требований к этим параметрам приводят к перекрытию верхних половин графиков и, следовательно, к необходимости синтеза мультиструктурной системы управления параллельного действия. Она также является многофункциональной, так как за счет управления обеспечивается выполнение основных функций промывочной жидкости и инструмента.

Тем не менее, на начальном участке бурения все ресурсы необходимо направлять на увеличение скорости проходки, то есть здесь можно применить систему управления последовательного действия. Такая стратегия подтверждается анализом практической информации филиала производственного объединения "Оренбургбургаз", представленного на рисунке 7.2.

Как видно из графика, ориентировочная глубина переключения с последовательной на параллельную систему составляет 1700 м. На практике улучшение реологических свойств промывочной жидкости осуществляют на уровне 1500 м, совмещая этот процесс со спуском обсадной колонны.

Поскольку с ростом глубины скважины возрастают требования к реологическим свойствам промывочной жидкости, а технологические параметры уже подвергались серьезному анализу /111/, дальнейшие исследования посвятим реологическим аспектам бурения.

Процесс бурения скважины, а также последующие показатели ее эксплуатации, в сильной степени зависят от состояния применяемой промывочной жидкости (с ростом глубины скважины требования к реологическим свойствам промывочной жидкости возрастают как выяснено выше). Под состоянием понимаются как ее реологические свойства (вязкость, тиксотропия), так и гидравлические (давление, расход) и физико-химические (водоотдача, теплоемкость).

качеству глиТребования к нистой корки Требования к тиксотропии раствора Рисунок 7.1 – Зависимость основных параметров бурения от глубины Потери, тыс. руб.

1 - график потерь от 5% снижения скорости бурения;

2 - график потерь от осложнений при бурении.

Рисунок 7.2 - Графики потерь от снижения скорости бурения и возрастания количества и тяжести осложнений При этом очень важна точность поддержания технологических режимов бурения, которая может быть достигнута лишь за счет хотя бы частичной автоматизации этого процесса. Автоматизация же возможна с помощью синтеза многоуровневой системы управления. На самой вершине (самом высоком уровне) дерева формулируется цель управления. При автоматизации этого процесса нет необходимости рассматривать все дерево целей и подзадач управления, так как ветвление начинается только на уровне функций. Они задают переменные уставки, которые и реализуют непосредственное управление состоянием промывочной жидкости. По этому признаку такую систему управления можно назвать многофункциональной.

Схема такого управления представлена на рисунке 7.3.

Рисунок 7.3 – Схема многоуровневого управления Здесь применяются следующие обозначения:

Y – вектор выходных показателей (скорость бурения, качество глинистой корки на стенке скважины, давление на забое, появление осложнений при бурении, расход инструмента), F – вектор возмущающих воздействий (свойства разбуриваемой породы, качество ингредиентов промывочной жидкости, стабильность работы буровыхнасосов, состояние инструмента и т.д.), U – вектор управляющих воздействий на состояние промывочной жидкости (С - теплоемкость, P – давление нагнетания, Q - расход промывочной жидкости, - вязкость, 0 – тиксотропные свойства, В – водоотдача), Ц – цель управления: получение высокой производительности при минимизации затрат и должном качестве скважины (отклонения от вертикали, инфильтрация продуктивного пласта и т.п.), СУ – субъект управления.

В данной схеме большая роль отводится подсистеме распознавания, которая, пользуясь информацией от имеющихся датчиков – скорости бурения, температуры промывочной жидкости, расхода и давления нагнетания, реологических свойств, определяет технологическое состояние процесса бурения.

Устройство выбора управляющей функции на основе этой, а также некоторой другой информации – свойствах разбуриваемой породы, качества глинистой корки на стенках скважины, наличия осложнений и т. д., выбирает управляющую функцию, реализация которой внесет необходимую коррекцию в технологический процесс бурения. При этом выбранная функция усиливает свое воздействие, а остальные функции несколько подавляются.

Как видно из схемы, на большинство устройств, задающих уставки, воздействует более одной функции. Следовательно перед ними должны быть установлены сумматоры с определенным весом связи каждой воздействующей функции. К тому же субъект управления может вмешаться в работу любого элемента управления и поменять уставки, изменить алгоритм управления, добавить дополнительную информацию в систему. Такая схема управления позволяет устранить взаимные связи между управляющими воздействиями, тем самым улучшая качественные показатели системы управления.

Таким образом, применение разработанной многоуровневой схемы управления позволит в высокой степени автоматизировать контроль технологических параметров процесса бурения и гарантированно управлять качеством пробуренной скважины при сохранении высокой скорости бурения и низком расходе инструмента.

8 Управление безопасностью при эксплуатации промышленных объектов Стратегию управления промышленной безопасностью региона необходимо строить на основе метасистемного подхода. При этом решается шесть задач, суть которых значительно отличается от описанных ранее.

Термин промышленная безопасность появился сравнительно недавно.

Ранее все, что стоит за этим понятием, относилось к охране труда. «Переходным» термином можно считать – технику безопасности. Изменение названий в данном случае влечет за собой изменение сущности, так как меняется объект исследования, управления, наконец, объект, на который направлена деятельность в области промышленной безопасности.

Промышленная безопасность – это область науки и техники, изучающая причины возникновения, закономерности проявления и развития, методы и средства превентивного и текущего управления природными и техногенными явлениями разрушительного и пожароопасного характера, сопровождающимися значительным ущербом /112/.

Основная деятельность в области промышленной безопасности должна сводиться к мероприятиям, выявляющим и предотвращающим природные и техногенные проявления, приносящие вред здоровью общества либо экономические, материальные потери и естественно она должна быть сознательной, оптимально управляемой.

С точки зрения управления процессами необходимо иметь «датчики»

информации о состоянии опасных промышленных объектов и «рычаги (каналы)» управляющих воздействий на выявленные опасности, промышленного характера.

Схема системы управления уровнем безопасности, о необходимости которой известно давно /113/, изображена на рисунке 8.1. В отличие от упомянутой работы она носит не комплексный, а метасистемный и даже матричный /114/ характер, то есть состоит из нескольких довольно независимых между собой систем - отдельных предприятий и объектов в одном направлении и нескольких уровней иерархии управления (уровней предприятия, опасного объекта, опасных мест и технологий повышения безопасности) в другом. В качестве «датчиков» информации для принятия решения используется достаточно развитый сегодня институт экспертизы опасных промышленных объектов. Управляющие же воздействия ввиду явной иерархичности процесса управления будут разными в зависимости от уровня. На верхних уровнях воздействия будут в основном экономическими, на нижних уровнях они сводятся к техническим мероприятиям и режимам (технологиям повышения безопасности).

Метасистемный характер управления требует решения шести задач /11/.

Применительно к управлению промышленной безопасностью смысл этих задач кардинально меняется.

1) выявление условий и границ диапазонов значений факторов, при которых возникает опасность от того или иного промышленного объекта;

2) разработка стратегии направления управляющих воздействий на наиболее опасные объекты;

3) определение объемов и последовательности мероприятий (а также их проведение), снижающих опасность конкретного объекта (в соответствии с выбранной стратегией);

4) выявление общих аспектов опасности объектов с целью оптимизации набора, снижающих опасность технологий;

5) оптимальное перераспределение ресурсов между объектами с одинаковым рангом опасности;

6) ограничение общего количества объектов, влекущих наибольшую опасность.

С помощью экспертизы выявляется на уровне региона ранжированный ряд опасных предприятий, на уровне предприятия – ранжированный ряд опасных объектов и сооружений, на уровне опасных объектов - ранжированный ряд опасных мест, и, самое главное этот ряд увязывается с диапазоном Цель – поддержание безопасности региона на максимальном уровне значений факторов, в которых опасность от конкретного объекта повышается до предельной. Это необходимо для построения многомерного пространства, в котором конкретные условия в регионе будут давать изображающую точку (или некоторую область вокруг этой точки в силу приблизительности многих оценок), по движению которой может быть спрогнозирована стратегия направления управляющих воздействий.

Сама стратегия должна определять моменты переключения управленческого внимания, а также количество опасных объектов, принимаемых во внимание на каждом промежутке времени. При этом для ее разработки может использоваться метод, отличающийся от вышеописанного, что приведет к соответствующему изменению первой задачи метасистемного подхода.

Третья задача, решаемая при метасистемном подходе к управлению уровнем промышленной опасности в регионе, диаметрально противоположна обычному подходу, когда система, входящая в метасистему, заранее готовилась к использованию (включению) /115/. В данном случае все мероприятия направлены как раз на отстранение опасного объекта от попадания в зону управления. Следовательно критерий оптимизации, разработанный в /115/ в виде разности плотностей вероятности потребности в системе и готовности ее к использованию меняется на разность плотности вероятности (), что внешние и внутренние неуправляемые параметры выведут данный объект на предел опасности и вероятности (1) того, что проводимые мероприятия «уведут» его от этого Понятно, что новый критерий должен максимизироваться в отличие от известного. Данный критерий требует даже прекращения эксплуатации опасного промышленного объекта при достижении им критического значения.

Таким образом, возникает задача поддержания низкого уровня опасности объекта, за счет различных мероприятий, несмотря на изменение неуправляемых параметров.

Внешним (возмущающим) процессом при управлении является резкое изменение таких параметров как ресурс опасного объекта, неблагоприятная экологическая, экономическая обстановка, соседство с другими опасными и некоторых других, описываемых вектором X. Считая этот процесс марковским, воспользуемся уравнением Колмогорова с правой частью:

где а – коэффициент сноса;

b – коэффициент диффузии;

f(t) – возмущающее воздействие.