УДК: 664.1:681.5: 519.71
DOI: https://doi.org/10.36887/2415-8453-2023-1-35
У роботі розглянуто важливість цукрової галузі в продовольчому забезпеченні країни. Цукрові заводи характеризуються складністю технологічних процесів. Проведено системний аналіз технологічного процесу дифузії і аналіз показників процесу дифузії в дифузійній установці. Наведено аналіз математичного забезпечення автоматизованих систем управління складних технологічних процесів. Проведено оцінювання матеріальних, якісних та енергетичних показників, а також формування необхідних інформаційних змінних, що дає можливість визначити структуру системи управління технологічним процесом. Для ефективного управління складним динамічним технологічним процесом дифузії запропоновано використовувати нейроуправління. Для визначення виду математичних моделей у системі автоматизованого управління технологічним процесами в дифузійному відділенні цукрового заводу розглянуто використання лінійних регресійних моделей. Під час побудови регресійних моделей було враховано значну кількість вхідних і вихідних складових технологічного дифузійного процесу. Було розглянуто два варіанти регресійних моделей процесу дифузії. Проведено аналіз отриманих регресійних моделей і визначено значимість показників процесу дифузії. Для більш адекватного опису складного процесу дифузії в автоматизованій системі управління запропоновано застосовувати моделі на основі нейромережевої ідентифікації. За основні показники процесу було взято значимі показники регресійних моделей. Побудова математичних моделей, які дають можливість адекватно реагувати на зміни технологічного процесу, зводиться до питання побудови нейромережевих моделей на основі багатошарового персептрону та радіально базової мережі. З різного виду нейромережевих моделей було визначено найбільш ефективні структури моделей. Час спрацьовування управління під час використання запропонованої моделі склав 3 хвилини. Похибка ідентифікації отриманих моделей склала 5-7%.
Ключові слова: дифузійна установка, математична модель, нейронна мережа, регресійне рівняння, управління, ідентифікація.
Список літератури
- Ладанюк А. П., Трегуб В. Г., Ельперін І. В., Цюцюра В. Д. Автоматизація технологічних процесів і виробництв харчовоїпромисловості: підручник. К.: Аграрна освіта, 2001. 224 с.
- Домарецький В.А. Загальні технології харчових виробництв. К.: Університет «Україна», 2010. 814 с.
- Автоматизація технологічних процесів і виробництв харчової промисловості: монографія. / А. П. Ладанюк, О.А. Ладанюк, Р. О. Бойко, В. В. Іващук, Д. О. Кроніковський, Д. А. Шумігай. К.: Інтер Логітик Україна, 2015. 408 с.
- Norgaard M., Ravn O., Poulsen N.K., Hansen L.K. Neural Networks for Modelling and Control of Dynamic Systems. Springer: London. 2000. 287 p.
- Апостолюк В. О., Апостолюк О. С. Інтелектуальні системи керування: конспект лекцій. К.: НТУУ «КПІ», 2008. 88 с.
- Купін А. І., Сенько А. О., Мисько Б. С. Ідентифікація та автоматизоване керування в умовах процесів збагачувальної технології на основі методів обчислювального інтелекту / 2-ге вид., перероб. і доп. Кривий Ріг: Синєльніков Д. А., 2019. 298 с.
- Ayoubi M. Nonlinear system identification based on neural networks with locally distributed dynamics and application to technical processes. Dűsseldorf: VDI – Verlag, 1996. 168 p.
- Руденко О.Г., Бессонов А.А. Адаптивное управление нелинейными объектами с помощью нейронной сети СМАС. Проблемы управления и информатики. No 5. 2004. С. 14–28.
- Ляшенко С. А. Построение линейной регрессионной модели диффузионного отделения сахарного производства. Вісник НТУ «ХПІ». – Збірник наукових праць. Серія: Системний аналіз, управління та інформаційні технології. Х.: НТУ «ХПІ». 2014. № 55(1097). С. 58–64.
- Руденко О. Г., Бодянський Є. В. Штучні нейронні мережі: навчальний посібник. Харків: ТОВ «Компанія СМІТ». 2006. 404 с.
Статтю було отримано 15.01.2023