Введение 3
Постановка задачи 5
Обзор литературы 6
Глава 1. Общие положения 7
1.1. Интеллектуальные системы управления 7
1.2. Машинное обучение 8
1.3. Бустер 8
Глава 2. Расчет положения оптики 9
2.1. Математическая модель 9
2.2. Коррекция орбиты 10
2.3. Алгоритм коррекции 12
Глава 3. Машинное обучение 14
Глава 4. База данных 15
4.1. MAD-X 15
4.2. Сбор данных 15
4.3. Вариации базы данных 16
Глава 5. Модель машинного обучения 18
5.1. Описание 18
5.2. Обучение 18
Глава 6. Результаты 20
6.1. Главная цель 20
6.2. Сравнение с другими алгоритмами коррекции 21
Заключение 23
Дальнейшие планы 24
Список литературы 25
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.
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].
