Розроблення та дослідження раціональних параметрів нейронної імітаційної моделі системи регулювання температури обпалу клінкера у обертових печах

Abstract

UK: Постановка проблеми. У промисловості виконано великий обсяг робіт зі створення і впровадження спеціалізованих приладів, установок автоматичного контролю, локальних систем автоматичного регулювання, розроблення автоматичних систем управління виробництвом (АСУВ) із застосуванням керуючих обчислювальних машин (КОМ).Автоматизація виробничих процесів посідає одне з провідних місць у комплексі технічних засобів, сприяє підвищенню продуктивності праці і поліпшенню якості продукції в усіх галузях промисловості, в тому числі і в промисловості будівельних матеріалів. Однак не слід вважати, що лише проведення звичайних налагоджувальних робіт може забезпечити підтримку оптимального процесу випалу клінкеру. На перебіг технологічного процесу можуть впливати такі фактори як: фізичний стан обслуговуючого персоналу, дія навколишнього середовища на технічні параметри автоматичних пристроїв, елементи автоматизації, неадекватна реакція операторів одо прийняття рішень. Оптимальне рішення може бути прийняте експертною радою у складі досвідчених фахівців, однак воно затратне. Перспективний напрямом в організації підтримки бажаного оптимального режиму випалу клінкеру застосування сучасних засобів обчислювальної техніки з використанням нейронних мереж та нейроконтролерів. Створення автоматизованої системи управління з нейронним регулятором на основі еталонної моделі та безпосереднім її налаштуванням для конкретних механізмів технологічних процесів потребує додаткових досліджень для вибору методу навчання нейрконтролера. Методика. Запропонована послідовність супервізорного навчання нейроконтролера базується на попередньому експериментальному визначенні дискретності вхідного навчального сигналу. Такий підхід дозволяє здійснити раціональний вибір кількості нейронів і уроків навчання. Результати. Установлено, що попередній вибір тривалості вхідного сигналу значно скорочує на початковій стадії затрати часу на навчання нейроконтролера, а розроблена система регулювання відповідає усім якісним показникам моделювання і відпрацьовує вхідні сигнали з бажаною точністю та здатна реагувати на збурювальні дії навколишнього середовища з мінімальною похибкою. Наукова новизна. Удосконалено послідовність супервізорного навчання нейроконтролера для роботи в системах автоматичного регулювання технологічних процесів. Практична значимість. Запропонована послідовність супервізорного навчання нейроконтролера скорочує затрати часу на стадії проектування подібних нейроконтролерних систем автоматичного регулюваннята дозволяє підвищити точність і надійність їх роботи.

RU: Постановка проблемы. В промышленности выполнен большой объем работ по созданию и внедрению специлизированных приборов, установок автоматического контроля, локальных систем автоматического регулирования, по разработке автоматических систем управления производством (АСУП) с использованием управляющих вычислительных машин (УВМ). Автоматизация производственных процессов занимает одно из ведущих мест в комплексе технических средств, способствует повышению производительности труда и улучшению качества продукции во всех отраслях промышленности, в том числе и в промышленности строительных материалов. Однако не следует считать, что лишь проведение обычных наладочных работ может обеспечить поддержку оптимального процесса обжига клинкера. На протекание технологического процесса могут воздействовать такие факторы как: физическое состояние обслуживающего персонала, влияние окружающей среды на технические параметры автоматических устройств, элементы автоматизации, неадекватная реакция операторов по принятию решений, которые обеспечивают оптимизацию процесса. Оптимальное решение может быть принято экспертным советом в составе опытных специалистов, однако оно достаточно затратное. Перспективным направлением в организации поддержки желательного оптимального режима обжига клинкера является применение современных средств вычислительной техники с использованием нейронных сетей и нейроконтроллеров. Создание автоматизированной системы управления с нейронным регулятором на основе эталонной модели и непосредственной ее настройкой для конкретных механизмов технологических процессов требует дополнительных исследований при выборе метода нейроконтроллера. Методика. Предложенная последовательность супервизорного обучения нейроконтроллера базируется на предыдущем экспериментальном определении дискретности входного учебного сигнала. Такой подход позволяет осуществить рациональный выбор количества нейронов и уроков обучения. Результаты. Установлено, что предварительный выбор длительности входного сигнала значительно сокращает на начальной стадии затраты времени на обучение нейроконтроллера, а разработанная система регулирования отвечает всем качественным показателям моделирования и отрабатывает входные сигналы с желательной точностью и способна реагировать на возмущающие действия окружающей среды с минимальной погрешностью. Научная новизна. Усовершенствована последовательность супервизорного обучения нейроконтроллера для работы в системах автоматического регулирования технологических процессов. Практическая значимость. Предложенная последовательность супервизорного обучения нейроконтроллера сокращает затраты времени на стадии проектирования подобных нейроконтроллерних систем автоматического регулирования и позволяет повысить точность и надежность их работы.

EN: Aim. In industry the large volume of works is executed on creation and introduction of the specialized devices, options of automatic control, in-plant systems of automatic control, on development of automatic control system by a production (АСУП) with the use of managing calculable machines (УВМ). Automation of productive processes occupies one of leading places in the complex of technical equipments, assists the increase of the labour productivity and improvement of quality of products in all industries of industry, including in industry of build materials. However, it is not necessary to consider that only realization of ordinary adjusting works can provide support of optimal process of burning of clinker. On flowing of technological process such factors can influence as: bodily condition of auxiliary personnel, influence of environment on the technical parameters of automatic devices, elements of automation, inadequate reaction of operators on making decision, which provide optimization of process. An optimal decision can be accepted by expert advice in composition the experienced specialists, however this expense enough decision. Perspective direction in organization of support of the desirable optimal mode of burning of clinker is application of modern tools of the computing engineering with the use of neuron networks and нейроконтролеров. Creation of CAS of management with a neuron regulator on the basis of standard model and her direct tuning for the concrete mechanisms of technological processes requires additional researches at a choice and method of studies of нейрконтролера. Methodology. The offered sequence of supervisor studies of нейроконтролера is based on previous експериментальном determination of discreteness of entrance educational signal. Such approach allows to carry out the rational choice of amount of neurons and lessons of studies. Results. It is set that pre-election of duration of entrance signal considerably abbreviates on the initial stage of expense of time on the studies of нейроконтролера, and the worked out system of adjusting answers all high-quality indexes of design and works off entrance signals with desirable exactness and able to react on the revolting actions of environment with a minimum error. Scientific novelty. The sequence of supervisor studies of нейроконтролера is improved for work in the systems of automatic control of technological processes. Practical meaningfulness. The offered sequence of supervisor studies of нейроконтролера reduces costs time on the stage of planning of the similar нейроконтролерних systems of automatic control and allows to promote exactness and reliability of their work.