| |
В современном научном дискурсе особое внимание уделяется разработке и совершенствованию технологических процессов с применением инновационных информационных технологий. Интеллектуальные системы, в частности, искусственные нейронные сети (ИНС), представляют собой перспективный инструмент для анализа и оптимизации сложных производственных механизмов. Данная диссертационная работа посвящена разработке и апробации нейросетевых моделей для улучшения процессов измельчения в вальцевых станках, что имеет важное значение для эффективного управления энергопотреблением и улучшения качественных показателей конечной продукции.
Материалы и методы. Для достижения поставленных целей был выбран комплексный подход, включающий сбор и анализ экспериментальных данных, формирование базы знаний, разработку структурно-параметрических и имитационных моделей, а также интеллектуализацию процесса управления. В основу исследования положены данные, полученные в ходе экспериментальных работ на производственных мельницах. Для обучения ИНС использовались данные о режимных параметрах работы оборудования, физико-механических свойствах обрабатываемых материалов и характеристиках конечного продукта. Валидация модели проводилась путём сравнения результатов, полученных с использованием ИНС, с данными независимых экспериментов.
Результаты. Результаты свидетельствуют о значительном повышении эффективности процессов измельчения за счёт применения разработанных нейросетевых моделей. Было установлено, что ИНС способствуют оптимизации энергопотребления и улучшению качественных показателей продукции. Модели ИНС демонстрируют высокую точность прогнозирования изменений качества измельчения, что позволяет оперативно корректировать параметры процесса в реальном времени. Обученные нейронные сети способны адаптироваться к изменениям входных параметров, что обеспечивает их применимость в условиях производственных вариаций. Важным результатом является также разработка программного обеспечения для интеграции ИНС в систему автоматического управления производственными процессами.
Ключевые слова:измельчение, контроль качества, нейросетевые технологии, гранулометрический состав, искусственные нейронные сети, прогностический анализ, оценка эффективности
|
ПРАВОВАЯ
ИНФОРМАЦИЯ:
