Інформаційна технологія прогнозування та оптимального управління процесом крупнокускового дроблення руди
Короткий опис(реферат)
У дисертації вирішена актуальна науково-прикладна задача підвищення
якості функціонування та управління процесом крупнокускового дроблення
руди в умовах невизначеності інформації про його стан шляхом розробки і
використання інформаційної технології синтезу оптимального управління на
основі ідентифікації прогнозуючої моделі технологічного процесу в реальному
часі. Рішення завдання полягає в розробці інформаційної технології синтезу
оптимального регулятора за функціоналом узагальненої роботи на основі
прогнозуючої моделі процесу, яка формується в реальному часі шляхом
структурно-параметричної ідентифікації процесу з використанням
інтелектуальних базисних функцій (нейронних мереж і гібридних мереж з
нечіткою логікою) по структурному (мінімуму зсуву) і параметричного
(мінімуму помилки) критеріям з використанням глобальних (прямий
випадковий пошук і генетичний алгоритм) і локальних (градієнтних) методів
оптимізації.
Запропонована інформаційна технологія дозволяє в 1,85 раз знизити
похибки управління і підвищити на 3,8% продуктивність подальшого процесу
самоздрібнювання по вхідний руді. В диссертации решена актуальная научно-прикладная задача повышения
качества функционирования и управления процессом крупнокускового
дробления руды в условиях неопределенности информации о его состоянии
путем разработки и использования информационной технологии синтеза
оптимального управления на основе идентификации прогнозирующей модели
технологического процесса в реальном времени. Решение задачи заключается в
разработке информационной технологии синтеза оптимального регулятора по
функционалу обобщенной работы на основе прогнозирующей модели процесса,
формируемой в реальном времени путем структурно-параметрической
идентификации процесса с использованием интеллектуальных базисных
функций (нейронных сетей и гибридных сетей с нечеткой логикой) по
структурному (минимума сдвига) и параметрическому (минимума ошибки)
критериям с использованием глобальных (прямой случайный поиск и
генетический алгоритм) и локальных (градиентных) методов оптимизации.
Предложенная информационная технология позволяет в 1,85 раза снизить
ошибку управления и повысить на 3,8% производительность последующего
процесса самоизмельчения по входной руде. This dissertation addresses the current scientific problem of improving the
operating quality and management processes for large-scale ore crushing. This is
achieved during uncertain conditions and information about its state. The use and
development of information technology seeks to optimize the process with
management based on the identification of predictive process models in real time.
The solution lies in the development of information technology for the optimal
controller synthesis for the functionality of generalized work. This is based on a
predictive process model. This model is formed in real time by structural and
parametric identification of the process using intelligent basic functions (neural
networks and hybrid networks with fuzzy logic). The foregoing applies to structural
and parametric (minimum error) criteria using global (direct random search and
genetic algorithm) and local (gradient) optimization methods.
The method of the optimal controller synthesis for the process of large-scale
ore crushing has been improved. This method consists of finding the minimum
functionality of the generalized work by taking into account the required depth of the
forecast. This is done by summing up the components of the function and the cost
function for quality control. This ensures the correct synthesis of the optimal
controller for delayed processes.
The complex method of structural and parametric identification of a nonlinear
dynamic process was further developed. This method includes determining the
required sampling interval of the process while taking into account its stochastic and
dynamic properties. This reduced the error of the process model to the value of
0.0357. The proposed information technology allows control errors to be reduced by
1.85 times.
A modified method of structural and parametric identification has been
developed. This includes the choice of the discrediting interval during the process
when determining its characteristics. It also encompasses the required amount of data
which allows the dynamic and stochastic properties of the process to be taken into
account.
The functional structure of the automated system by the process of large-scale
ore crushing has been developed as well as the software application of the proposed
techniques and algorithms of identification. The optimum controller that allows
expenses for research and design of control systems to be reduced has been
developed as well. For SCADA Siemens, an interface of a large crusher-operator-
technologist has been developed, which allows modelling by way of a real
technological process.