Технические науки/12.Автоматизированные
системы управления на производстве.
К.т.н. Узденбаев Ж.Ш.,
к.ф.-м.н. Бакланова О.Е., магистр Узденбаев Ж.Ж.
Восточно - Казахстанский Государственный технический
университет им. Д.Серикбаева, Республика Казахстан
Задачи интерпретации результатов и
взаимодействия подсистемы оценки качества минеральных пород с другими системами
автоматизации предприятия
В статье рассматриваются задачи
интерпретации результатов и взаимодействия подсистемы автоматизированного
получения и автоматизированной обработки микроснимков образцов руды
горно-обогатительных процессов цветной металлургии, предназначенных для анализа
качества минеральных пород, с другими системами автоматизации предприятия.
Особенностью оптического микроскопического
анализа является то, что процентное соотношение минералов, выявленное на поверхности
образца, может отличаться от соотношения, выявленного химическим анализом. Это
связано с тем, что картина под исследуемой поверхностью никак не анализируется,
но при этом она может отличаться от той, что на поверхности. Поэтому необходимо
проанализировать более одного образца руды и вычислить процентное соотношение
минералов по нескольким снимкам. Дальше SCADA-система вычисляет уточненное значение соотношения
минералов в руде [1].
Интерпретация результатов требуется в
связи с тем, что показатели качества, принятые на предприятии горнодобывающей
промышленности, невозможно непосредственно получить как результат методик
анализа. Т.е. имеются входные данные в виде процентного содержания объектов
определенного типа. Требуется интерпретировать эти данные, чтобы получить
показатели качества, принятые на предприятии. Поскольку критерии качества в
отношении горнорудного сырья на предприятии зависят от руды и технологии предприятия,
то система должна предусматривать возможность настройки правил интерпретации.
Правила интерпретации включают в себя
некоторые математические и логические операции. Быстродействие имеет значение.
Требуется принимать правила интерпретации
исходя из применимости SCADA-системы, которая стала неотъемлемым составляющим
АСУ ТП.
Результаты анализа изображения включают
также идентификационные данные, несущие информацию о названии месторождения и
партии руды.
Схематично входные данные и выходные
данные показаны на рисунке 1.
Рисунок 1 – Входные и выходные
данные подсистемы интерпретации.
Поскольку для интерпретации требуются
входные данные, то технически удобно будет реализовать в подсистеме
интерпретации и хранение результатов анализа.
Рассмотрим возможную реализацию хранения
результатов анализа.
Результаты обработки изображений микроскопических
снимков хранятся в базах данных. Каждому месторождению соответствует своя
таблица в базе данных. Это связано с тем, что единая таблица для разных
месторождений может быть неоправданна, так как количество выделяемых объектов
на микроскопических изображениях для различных месторождений может быть
различным. Система интерпретации результатов будет представлять собой базы
данных и оболочку, ведущую эти базы данных. Может быть использовано множество
таблиц в пределах одной базы данных. Каждому источнику изображений соотносится
своя таблица. Каждая таблица содержит такие данные, как содержание объектов
определенного цвета и морфологии, идентификационные данные партии минеральной породы.
Пример таблицы для одного месторождения приведен на рисунке 2.
|
Идентификационные данные партии руды |
Объект 1 |
Объект 2 |
Объект 3 |
… |
Объект N |
|
AMIRKN112122010112 |
6% |
3% |
8% |
… |
Z % |
|
… |
|
|
|
|
|
Рисунок 2 – Пример таблицы для одного
месторождения
Наиболее явным решением задачи
использования интерпретационных правил будет встроить поддержку сценариев в
подсистему интерпретации результатов. С этой целью были рассмотрены скриптовые
языки по требованиям скорости обработки,
простоты синтаксиса,
распространенности, возможность
интеграции в общую систему.
Входные данные подсистемы
интерпретации в данном случае состояли из
таких главных атрибутов, как:
-
тип обработки –
планиметрический метод или метод Делесса-Розиваля;
-
внутреннее
идентификационное имя объекта и процентное содержание;
-
информация о названии
месторождения, она вносится на этапе настройки системы на источник изображений;
-
идентификационный номер
партии руды, он извлекается из названия файлов;
Также возможно изменение или уточнение
интерпретационных правил путем передачи их из SCADA-системы.
Проанализированы наиболее распространенные
языки Python, Ruby, Perl. Однако данные языки сценариев не удовлетворили
предъявленным требованиям [1,2,3,4]. Далее были рассмотрены возможные варианты
решения задачи на основе языков сценариев, перейдя к языкам правил встроенных
языков сценариев SCADA-систем.
Использование языка сценариев, встроенного
в SCADA-систему, удобно тем, что технический персонал предприятий накопил
значительный опыт по работе с ним, что означает меньшее время отладки правил
интерпретации.
В таблице 1 приведено сравнение
SCADA-систем по наличию языка сценариев. Для сравнения были взяты некоторые
распространенные SCADA-системы.
Таблица 1 – Сравнение SCADA-систем по наличию языка
сценариев.
|
Название SCADA-системы |
наличие встроенного языка сценариев |
Название встроенного языка сценариев |
|
Genesis 32 |
есть |
Visual Basic for
Applications, JScript, VBScript |
|
InTouch |
Есть |
QuickScripts |
|
Citect |
Есть |
CiCode, CitectVBA. |
|
TraceMode |
есть |
Алгоритмы управления на языках стандарта IEC 61131-3 |
|
MasterSCADA |
есть |
Проприетарный на 150 функций |
|
iFix |
есть |
Visual Basic for Applications |
|
Advantech Studio |
есть |
Проприетарный на 100 функций |
|
GeniDAQ |
есть |
BasicScript, идентичный VBA |
|
WinCC |
есть |
Visual Basic for
Applications, ANSI-C |
Большинство SCADA-систем поддерживают
использование Visual Basic for Applications 6.x.
Касательно решения задачи целесообразным
является использование Visual Basic for Applications, так как он доступен в
редакторах сценариев лидирующих SCADA-систем, что является причиной того, что
технический персонал хорошо ознакомлен с этим языком.
Важным требованием является обеспечение
передачи результатов обработки изображений микроснимков минеральных пород в
SCADA-систему с той скоростью, с какой поступают интерпретированные результаты
обработки.
Были рассмотрены существующие технологии
обмена данными между различными приложениями, применяемые при автоматизации
технологических процессов OLE for Process Control (OPC) [1,5,6]. Проанализированы OPC DA, OPC AE, OPC Batch, OPC DX, OPC HDA, OPC Security, OPC XML-DA,
OPC UA. Во всех рассмотренных (табл.1) SCADA-системах реализованы стандарты OPC
DA и в подавляющем большинстве систем OPC HDA.
Обмен информацией с вышестоящими системами
предприятия может быть реализован посредством стандарта OPC DA – при этом
следует рассматривать автоматизированную систему обработки изображений как
несколько псевдодатчиков, количество которых определяется количеством
источников изображений. Схема взаимодействия между источником и приемником
данных показана на рисунке 3.
Рисунок 3 – Схема взаимодействия между источником и
приемником данных
Стандарт OPC DA реализует передачу трех
видов атрибутов, это переменная, значение переменной и время получения этих
данных.
Исходя из вышеназванныхаргументов, в
качестве основы обмена информацией была рекомендована технология OPC DA.
Заключение
Рассмотрены задачи интерпретации
результатов анализа, с целью преобразования результатов обработки изображения в
соответствии с некоторыми заданными требованиями качества. Проанализированы
языки для интерпретации, такие, как,
Python, PERL и Ruby. Рассмотрен вариант реализации языка
интерпретационных правил на основе синтаксиса Visual Basic for Applications.
как язык сценариев, обладающий достаточно простым синтаксисом.
В качестве возможных путей реализации
были рассмотрены варианты технологии OLE for Process Control (OPC) и CORBA.
Литература
1
Узденбаев Ж.Ж. Автоматизированная система
обработки изображения для оценки качественного состава минеральных пород в
горнодобывающей промышленности. Магистерская диссертация на соискание
академической степени магистра техники и технологии. - Усть-Каменогорск: ВКГТУ
им. Д.Серикбаева, 2011.- 88 с.
2
Python vs C++
comparison. – [Электронный ресурс]. – режим доступа http://shootout.alioth.debian.org/u32/benchmark.php?test=all&lang=python&lang2=gpp&box=1
3
Ruby vs C++ comparison.
. – [Электронный ресурс]. – режим доступа http://shootout.alioth.debian.org/u32/benchmark.php?test=all&lang=yarv&lang2=gpp
4
PERL vs C++ comparison.
– [Электронный ресурс]. – режим доступа http://shootout.alioth.debian.org/u32/benchmark.php?test=all&lang=perl&lang2=gpp
5
Москалев А.А. CORBA в
промышленных приложениях. – [Электронный ресурс]. – Режим доступа http://www.mka.ru/?p=42049
6
Стандарт OPC - путь к
интеграции разнородных систем – 2-я часть. – [Электронный ресурс]. – Режим
доступа http://www.pcweek.ru/themes/detail.php?ID=59064&sphrase_id=64241