Тема: Разработка интеллектуальной системы управления корректирующими магнитами комплекса NICA

Объединенный институт ядерных исследований (ОИЯИ) — междуна­родная межправительственная организация, созданная на основе соглашения, подписанного одиннадцатью странами-учредителями. Основными направле­ниями научных исследований Института являются теоретическая физика, физика элементарных частиц, ядерная физика и физика конденсированных сред. Не менее важная роль в ОИЯИ отводится прикладным исследовани­ям, а также развитию компьютерных сетей и распределенных вычислений. В 2013 году началось строительство ускорительного комплекса NICA (Nuclotron based Ion Collider fAcility) на базе ОИЯИ. Проект NICA ставит перед собой задачу воспроизведения и изучения свойств ядерной материи в условиях, со­ответствующих ранним стадиям развития Вселенной (кварк-глюонная плаз­ма).
В настоящее время одним из перспективных и многообещающих на­правлений в разработке робастных систем управления сложными физически­ми установками класса «Mega-science» таких, как ускорительный комплекс NICA, является построение интеллектуальных регуляторов на базе моделей, построенных с помощью машинного обучения[6, 7]. Применение интеллек­туальных систем управления позволит повысить скорость настройки и на­дежность работы установок, в частности, в нештатных и непредвиденных ситуациях.
На ускорителе Нуклотрон, входящем в состав комплекса NICA, время настройки рабочего режима занимало довольно длительное время, в течение которого операторам приходилось вручную рассчитывать или подбирать па­раметры режима (например, токи обмоток корректирующих магнитов и др.). Разработка алгоритмов интеллектуальной систему управления (ИСУ) могла бы позволить операторам ускорителей Бустер и Нуклотрон производить на­стройку в автоматическом режиме с записью и накоплением знаний о режимах работы и особенностях ускорительного комплекса.
Особенностью предлагаемой технологии реализации ИСУ является ис­пользование не только математических и физических моделей, но и непосред­ственно данных, получаемых от физической установки для формирования и выработки обучающих массивов данных управления установкой.
В управлении сложными техническими комплексами (АЭС, промыш­ленные предприятия и т.д.) хорошо зарекомендовали себя ИСУ на базе мо­делей, построенных на машинном обучении.
Самой сложной частью в проектировании модели машинного обучения - является процедура обучения и формирования базы данных, в частности, для управления токами питания обмоток корректирующих магнитов (далее корректоров). Для обучения модели необходимо подготовить большой массив данных, что затруднительно (в году проводится около 2х сеансов работы уста­новки) и несет за собой большие экономические издержки (для охлаждения установки используется жидкий гелий, являющийся очень дорогим матери­алом). Эту проблему можно решить, используя вместо экспериментальных результатов данные, полученные математическим моделированием.
К программным пакетам, позволяющих строить матмодели движения заряженных частиц в различных элементах ускорителей можно отнести MAD- Х[5]. Создание математической модели установки в MAD-X позволяет гене­рировать необходимый набор данных для машинного обучения путем варьи­рования различными параметрами элементов установки. В дальнейшем эти данные будут обрабатываться и использоваться для обучения нашей модели.
Данная работа демонстрирует способность интеллектуальной системы управления находить наилучшие комбинации токов питания обмоток кор­ректоров. Также ИСУ обладает большим быстродействием для коррекции замкнутой орбиты (ЗО) по сравнению с использованием классических алго­ритмов, которые применяются на Бустере и Нуклотроне в настоящее время[8]. Модель написана при помощи языка Python и сторонних библиотек.
Купить

Изучена структура и функции интеллектуальной системы управления физическими установками, основным достоинством ИСУ является ее быст­родействие, которое может обеспечить значительную экономию временных ресурсов и затрат на эксплуатацию установки.
Объектом управления разрабатываемой ИСУ является положение фак­тической орбиты ускорителя относительно равновесной, коррекция которой производится корректирующими магнитами.
Изучены алгоритмы создания базы данных для управления корректиру­ющими магнитами. Для обучения модели разработан алгоритм, основанный на использовании математической модели ускорителя в пакете MAD-X. Изу­чены необходимые для использования этого пакета модули.
Создана база данных для обучения модели, состоящая из 1000 приме­ров, весь набор был разделен на обучающий (80 процентов) и тестовый (20 процентов).
Обученная модель показала следующие результаты R2 = 0.99, MAE = 12 * 10-5. Увеличение количества обучающих выборок не приводит к значи­тельному улучшению результата.
Полученное время вычисления корректирующих воздействий с помо­щью модели в три раза меньше, чем с применением аналитических расчетов.
Таким образом, все поставленные задачи успешно выполнены.
Исходный код, разработанной модели доступен в GitHub по ссылке[16].
Купить