Многомерные балансные модели анализа баланса потоков в технологической установке производства. Диагностирование оборудования при неполноте и зашумленности входных данных. Выбор типа искусственных нейронных сетей. Проведение обучения нейронной сети.
Аннотация к работе
УДК 65.011.56 постановка задачи диагностики технологического оборудования с применением искусственных нейронных сетейВ работе рассматриваются вопросы описания задачи диагностики оборудования нефтехимического производства с применением искусственных нейронных сетей. Предложены многомерные балансные модели анализа баланса потоков в технологической установке, применительно к области нефтехимии. Решение многих проблем оперативного контроля и диагностики оборудования на объектах нефтехимии сводится к исследованию дисбалансов газожидкостных потоков в узлах установки и к выявлению причин дисбалансов с получением оценок изменения технологических характеристик реагентов. Однако на практике модели и основанные на них методы (model-based methods) сложно применить при анализе состояния и идентификации параметров химических реакторов, изза сложного протекания процесса полимеризации, и отсутствия полноты данных в реальном масштабе времени, а также большое влияние оказывает наличие большого числа неучтенных факторов. С использованием искусственного интеллекта, обработка и интерпретация данных реального времени лежит в области применения методов, основанных на знаниях (knowledge-based methods) [4].
Список литературы
1. Kopytov, E., Labendik, V., Yunusov, S., Tarasov, A. Managing and Control of Aircraft Power Plant Using Artificial Neural Networks. In: Proceedings of the 7th International Conference “RELIABILITY and STATISTICS in TRANSPORTATION and COMMUNICATION (RELSTAT"07)”. October 24-27, 2007, Transhort and Telecommunication institute. Riga, Latvia. Riga: TTI, 2007, pp. 215- 218.
2. Способ контроля состояния инженерных сетей и калибровки каналов измерения параметров потоков: пат. 2287683 Рос. Федерация: МПК E21B47/10. Ю.И. Зозуля, С.И. Братцев, Н.М. Сибагатуллин, М.А. Слепян; заявитель и патентообладатель Межрегиональное открытое акционерное общество «НЕФТЕАВТОМАТИКА». - № 2002118833/03; заявл. 12.07.2002; опубл. 20.11.2006,. - 12 с., ил.
3. Кулаков П.А., Чариков П.Н. Модель системы оптимизации процесса управления материальными потоками // Экономика и менеджмент систем управления. 2015. Т. 18. № 4 С. 469475.
4. Зозуля Ю.И., Жильцов А.А., Кабальнов Ю.С. Системная интеграция нейросетевых анализаторов при диагностике состояния инженерных сетей // Вестник УГАТУ. - 2009. - Т.12, № 1(30). С. 25-33
5. Хайкин, С. Нейронные сети: полный курс. Москва, Санкт-Петербург; Киев: Вильямс, 2006.
6. Кулаков П.А., Шишкина А.Ф., Карасев Е.М. Управление функционированием объектов нефтехимии на основе менеджмента риска // Современные проблемы науки и образования. 2014. №6; URL: www.science education.ru/120 16482 (дата обращения: 07.03.2015).
7. Кулаков П.А. Обеспечение безопасности технологической установки производства олигопипериленового синтетического каучука: Дис. на соискание ученой степени канд. техн. наук. 05.26.03: Казань, 2011. 121 с.
8. Чариков П.Н. Системное моделирование организационного управления машиностроительным предприятием при производстве под заказ: Дис. на соискание ученой степени канд. техн. наук: 05.13.06: Уфа, 2004. -162 с.
9. Муравьева Е.А., Маннанов Ф.Ф., Шарипов М.И., Каяшева Г.А. Система управления температурой воздуха механического цеха с использованием инфракрасных обогревателей // Теория. практика. инновации. - 2016. - №1. С.61-74.