Авторы

Программная модель интеллектуальной системы управления сложными процессами переработки мелкорудного сырья

Интеллектуальные системы управления технологическими процессами позволяют на качественно новом уровне анализировать поступающую информацию об объекте управления и внешней среде и на этой основе повышать эффективность всего производства. В статье представлены результаты исследования, целью которого была разработка программной модели интеллектуальной системы управления сложными процессами переработки мелкорудного сырья. Сложность процессов заключается во взаимосвязи многих переменных, характеризующих технологические агрегаты, участвующие в переработке. Математические модели таких взаимосвязей позволяют с высокой точностью описывать процессы, но приводят к сложным выкладкам, которые затруднительно применять в реальных условиях. Использование новых вычислительных алгоритмов из группы интеллектуальных методов позволило преодолеть это затруднение, обеспечив, с одной стороны, хорошую точность решений, а с другой – сделав возможным автоматизацию настройки системы управления на изменяющиеся входные воздействия и внешние условия. Основу предложенной программной модели составляет глубокая нейронная сеть долгой краткосрочной памяти, решающая задачу регрессии при анализе входных данных и расчете управляющих воздействий. Новизну результатов исследования составляет структура программной модели интеллектуальной системы управления, включающая нейронную сеть как регулятор и иерархическую систему нечеткого вывода для обобщенной оценки качеств управления. Оригинальной особенностью программной структуры является применение вычислителя производных разных порядков для подачи их на вход нейронной сети, что способствует расширению ее рецептивного поля и повышает точность ее результатов. Апробирование предложенной структуры программной модели проводилось в среде MatLab-Simulink. Результаты имитационного эксперимента показали, что, в отличие от ­ПИД-регулятора, применение глубокой нейронной сети как регулятора позволяет успешно компенсировать влияние внешних факторов на качество управления. Читать дальше...

Модель оценки энергоресурсоэффективности процессов переработки мелкорудного сырья на основе дерева систем нечеткого вывода

Представлена программная модель сложных процессов переработки мелкорудного сырья на основе обучаемого дерева систем нечеткого логического вывода. Переработка такого сырья обеспечивает не только получение ценного конечного продукта, например такого, как желтый фосфор, но и способствует решению проблемы утилизации рудных отходов, мелкодисперсные фракции которых наносят значительный экологический ущерб территориям, прилегающим к горно-обогатительным комбинатам. Технологическая система переработки мелкорудного сырья состоит из энергоресурсоемких агрегатов, поэтому даже незначительное относительное снижение затрат ресурсов и энергии приводит к большой экономии в абсолютных цифрах. Такое снижение может достигаться за счет оптимизации управления агрегатами, синтез которого требует наличия моделей технологических процессов, поэтому совершенствование методов и инструментария моделирования является актуальной исследовательской задачей. Особенностью предложенной модели является то, что ее входами являются не только переменные, описывающие преобразования ресурса, но и переменные, отражающие энергозатраты отдельных технологических агрегатов. Это позволяет применять модель для расчета энергоресурсоэффективности переработки мелкорудного сырья. Иерархическая структура нечетко-логического дерева способна отражать взаимосвязь процессов различной природы, сопровождающих переработку мелкорудного сырья, а также способствует повышению эффективности ее обучения за счет разбиения признакового пространства большой размерности на несколько групп, на которых обучаются отдельные узлы дерева. Программа, разработанная в среде MatLab и реализующая предложенную модель, показала высокую точность регрессии на синтетическом наборе входных данных, что может свидетельствовать о целесообразности применения предложенной модели в задачах оптимизации систем управления переработкой мелкорудного сырья по критерию энергоресурсоэффективности. Читать дальше...

Применение нейронных сетей для восстановления непрерывного представления сигнала по дискретным отсчетам, взятым в случайные моменты времени

Цифровая обработка сигналов в составе киберфизических технологических систем основывается на алгоритмах, оперирующих информацией, представленной в дискретизированном виде как по уровню, так и по времени. В последнем случае предполагается постоянство интервала временного квантования как одного из постулируемых условий для применения алгоритмов. В то же время на практике такое постоянство обеспечивается далеко не всегда, что приводит к пропуску отдельных отсчетов или даже к случайному характеру дискретизации. Поэтому актуальной исследовательской задачей становится разработка методов и алгоритмов обработки сигналов в условиях случайной дискретизации, в частности для восстановления непрерывных сигналов по их дискретным отсчетам, взятым с нарушением требований теоремы Котельникова – Шеннона. Если интервал дискретизации непрерывного сигнала рассчитан с учетом ее требований (то есть, дискретизация проведена с частотой не ниже частоты Найквиста), то допускается его точное восстановление по дискретным отсчетам, в противном случае это невозможно. Однако и для этой ситуации существуют подходы к восстановлению непрерывных сигналов, которые учитывают дополнительную априорную информацию о природе сигнала. Часть таких подходов основана на сложном математическом аппарате, что делает их трудно применимыми и неуниверсальными, другая часть использует глубокие модели машинного обучения, затратные в плане вычислительных ресурсов и требовательные к объемам обучающих данных. В этих условиях предложен метод восстановления сигнала с ограниченным спектром по дискретным отсчетам, временной интервал между которыми случаен, а его математическое ожидание больше величины, определяемой теоремой Котельникова – Шеннона для регулярной дискретизации. Новизна результатов исследования заключается в предложенном методе и алгоритме восстановления непрерывного сигнала, а также в результатах анализа численного эксперимента, проведенного с программной моделью, выполненной в среде MatLab и реализующей разработанный алгоритм. Читать дальше...