ISSN 0021-3454 (печатная версия)
ISSN 2500-0381 (онлайн версия)
Меню

11
Содержание
том 60 / НОЯБРЬ, 2017
СТАТЬЯ

DOI 10.17586/0021-3454-2017-60-9-904-911

УДК 658.5.012.7 УДК 658.5.012.7

КОГНИТИВНАЯ СИСТЕМА АВТОМАТИЗИРОВАННОГО УПРАВЛЕНИЯ НА ПРИМЕРЕ ПРОЦЕССА ПЕРВИЧНОЙ ПЕРЕРАБОТКИ НЕФТИ

Николаев Н. А.
Университет ИТМО, Санкт-Петербург, 197101, Российская Федерация; доцент


Мусаев А. А.
Университет ИТМО; студент


Аннотация. Рассматривается проблема управления процессом первичной переработки нефти. Представлен общий вид ректификационной колонны как объекта управления. Рассмотрены современные методы построения когнитивных систем управления процессом первичной нефтепереработки. Представлены различные варианты построения когнитивной системы в качестве программно-алгоритмического комплекса, совместимого с существующей системой управления.
Ключевые слова: когнитивные технологии, системы управления, упреждающее регулирование, когнитивный советчик, системы поддержки принятия решений

Список литературы:
  1. Anderson J. S. Process control opportunities and benefits analysis // Proc. Advanced Control for the Process Industries, 9—11 Sept. 1992. Cambridge.
  2. Nikolaou M. Model predictive controllers: A critical synthesis of theory and industrial needs // Advances in Chemical Engineering. 2001. Vol. 26. P. 131—204.
  3. Holsapple C. W., Whinston A. B. Decision Support Systems: A Knowledge-Based Approach. St. Paul, MN: West Publishing, 1996.
  4. Adriaans P., Zantings D. Data Mining. London: Addison-Wesley-Longman, 1996.
  5. Fingar P. Cognitive Computing. A Brief Guide for Game Changes. Florida: Meghan-Kiffer Press, 2015.
  6. Dean T. L. Artificial Intelligence: Theory and Practice. Utah: Addison-Wesley, 1995.
  7. Ginsberg M. L. Essentials of AI. N. Y.: Morgan Kaufmann, 1993.
  8. Luger G., Stubblefield W. Artificial Intelligence: Structures and Strategies for Complex Problem Solving. San Francisco, CA: The Benjamin/Cummings Publishing, 1993.
  9. Poole D., Mackworth A., Goebel R. Computational Intelligence: A Logical Approach. Oxford University Press, 1998. P. 576.
  10. Pratt I. Artificial Intelligence. London: Macmillan, 1994.
  11. Stuart J., Russell S. J., Norvig P. Artificial Intelligence: A Modern Approach. New Jersey: Prentice Hall, 2009. P. 1152.
  12. Hand D. J., Mannila H., Smyth P. Principles of Data Mining. Cambridge, MA: MIT Press, 1997.
  13. Ian H., Eibe F., Hall M. Data Mining: Practical Machine Learning Tools and Techniques. N. Y.: Morgan Kaufmann, 2011.
  14. Pyle D. Data Preparation for Data Mining. N. Y.: Morgan Kaufmann, 1999.
  15. Weiss S. M., Indurkhya N. Predictive Data Mining. N. Y.: Morgan Kaufmann, 1998.
  16. Berry M. J. A., Linoff G. S. Mastering Data Mining. N. Y.: Wiley, 2000.
  17. Fayyad U. M., Piatetsky-Shapiro G., Smith P., Uthurusamy R. Advances in Knowledge Discovery and Data Mining. AAAI Press/MIT Press, 1996.
  18. Manyika J. Big Data: The Next Frontier for Innovation, Competition, and Productivity. Texas: McKinsey Global Institute, 2011.
  19. Bamberger W., Isermann R. Adaptive on-line steady-state optimization of slow dynamic processes // Automatica. 1978. Vol. 14. P. 223—230.
  20. Garcia M. R., Vilas C., Santos L. O., Alonso A. A. A robust multi-model predictive controller for distributed parameter systems // J. Proc. Contr. 2012. N 22(1). P. 60—71.
  21. Mayne D., Rawlings R. Constrained model predictive control: stability and optimality // Automatica. 2000. Vol. 36(6). P.789—814.