Ідентифікація технологічних процесів крупного дроблення і самоздрібнювання руд з використанням варіації структур моделей.

Abstract

У дисертації вирішена актуальна наукова задача зниження похибок ідентифікації процесів крупного дроблення і самоздрібнювання руд шляхом варіації структур їх інтелектуальних прогнозуючих моделей в умовах зміни динамічних режимів роботи. Розв’язання задачі забезпечує підвищення якості керування технологічними процесами в адаптивних системах керування шляхом зниження похибок їх інтелектуальних прогнозуючих моделей, що мають структуру оптимальну для поточного режиму функціонування. Причому ідентифікацію керованих процесів запропоновано проводити в залежності від зміні їх режимів роботи, що дозволяє знизити обчислювальні витрати. Розроблено методику, алгоритми та програми ідентифікації керованих процесів, що забезпечують підвищення якості керування ними за рахунок зниження похибок їх інтелектуальних прогнозуючих моделей.

В диссертационной работе решена актуальная научная задача снижения ошибок идентификации процессов крупного дробления и самоизмельчения руд путем вариации структур их интеллектуальных прогнозирующих моделей в условиях изменения динамических режимов работы. Решение задачи обеспечивает повышение качества управления технологическими процессами в адаптивных системах управления путем снижения ошибок их интеллектуальных прогнозирующих моделей, которые имеют структуру оптимальную для текущего режима функционирования. Причем идентификацию управляемых процессов предложено проводить в зависимости от изменения их режимов работы, что позволяет снизить вычислительные затраты. Впервые установлено, что оптимальная структура модели процессов крупного дробления и самоизмельчения руд для одного режима функционирования не обеспечивает допустимую ошибку для других режимов, что определяет, в отличие от известного, необходимость проведения структурно-параметрической идентификации процессов при изменении их режимов работы. Впервые обоснован выбор типа структур моделей процессов крупного дробления и самоизмельчения руд путем исследования вариации их типов, что позволяет, в отличие от известного, повысить точность идентификации для разных режимов функционирования со снижением ошибок интеллектуальных прогнозирующих моделей. Получил дальнейшее развитие композиционный метод идентификации процессов крупного дробления и самоизмельчения руд путем включения в него определения тенденции перехода этих процессов из одного режима функционирования в другой с помощью анализа параметра Херста, что позволяет снизить вычислительные затраты на процедуру идентификации путем планирования проведения структурной оптимизации моделей. Впервые получены интеллектуальные прогнозирующие модели процессов крупного дробления и самоизмельчения руд, которые, в отличие от известных, имеют оптимальную структуру для текущего режима работы, что позволяет снизить ошибки моделей и повысить качество управления этими процессами. Разработана методика идентификации процессов крупного дробления и самоизмельчения руд, которая включает процедуры определения изменения режимов работы этих процессов и их идентификацию, что позволяет, в отличие от известного, осуществлять ее в режиме реального времени путем параметрической, а в пакетном режиме – структурно-параметрической оптимизации моделей этих процессов. Разработаны алгоритм определения изменения режимов работы процессов крупного дробления и самоизмельчения руд, который позволяет автоматизировано запланировать выполнение их структурно-параметрической идентификации в случае, когда режим работы уже изменился или возникла тенденция к его изменению; а также алгоритмы глобальной и локальной оптимизации моделей этих процессов, которые реализуют процедуру структурно-параметрической идентификации путем их структурной и параметрической оптимизации. Разработано программное обеспечение предложенных методики и алгоритмов идентификации процессов крупного дробления и самоизмельчения руд, которое позволяет сократить сроки и затраты на их проектирование. Разработанные методика, алгоритмы и программы использованы при выполнении госбюджетной научно-исследовательской работы, внедрены в комплекс программных средств проектирования и проектов реконструкции разработки ОАО ППКИ «Металлургавтоматика» и ГАО КБ «Днепровское», а также в учебный процесс Государственного ВУЗа «НГУ».

In the thesis it was solved the actual scientific problem of error reduction in identification of processes of coarse crushing and autogenous grinding of the ores using variation of structures of its intelligent predictive models in environment of change of dynamic operating conditions. The solving of that problem provides the improving in technological process control at adaptive control systems by error identification of its intelligent predictive models, which have optimal structure for current mode of operation. Besides, it was offered to carry out the identification of controlled processes subject to changes of its mode of operation that allowed to cut down computing expenditures. It were developed the methods, algorithms and programs for identification of controlled processes, providing the improvement in their control at the cost of error identification of its intelligent predictive models.