Современные информационные технологии/ 3. Программное обеспечение

Герасина А.В.

Национальный горный университет, Украина

Программная реализация структурно-параметрической идентификации процессов рудоподготовки

Сложные динамические объекты управления (ОУ) характеризуются нестационарностью, стохастичностью и нелинейностью (включая хаотическую динамику и фрактальную размерность), поэтому актуальным для них является создание эффективных методов идентификации и прогнозирования. К таким сложным ОУ относятся процессы рудоподготовки (дробление и измельчение).

Поскольку процессы дробления и измельчения руд являются сложными ОУ, то для решения задач их идентификации целесообразно применять методы систем искусственного интеллекта (нейронные сети (НС), модели с нечеткой логикой, гибридные НС и др. [1]), которые обеспечивают адаптацию полученных моделей под изменяющиеся свойства ОУ и, соответственно, представляют собой эффективные средства анализа и моделирования сложных систем.

Кроме того, процессы дробления и измельчения руд имеют различные динамические режимы [2], что вызывает целесообразным использование при их структурно-параметрической идентификации глобальных методов оптимизации (поисковых, эволюционных алгоритмов и др.).

Для решения задачи структурно-параметрической идентификации нелинейных динамических процессов дробления и измельчения предложена структура математического (МО) и программного (ПО) обеспечений [3].

Структура ПО включает: программу определения состояния ОУ и программу реализации структурно-параметрической идентификации ОУ.

Программа реализации структурно-параметрической идентификации ОУ состоит из главной программы и функций:

- настройки и работы метода глобальной оптимизации;

- цели метода глобальной оптимизации;

- фильтрации структурных характеристик модели;

- локальной оптимизации;

- определения критерия структурной оптимизации.

При этом, структурная идентификация осуществляется с помощью композиции методов глобальной и локальной оптимизации, в которой осуществляется генерирование структур моделей-претендентов (базисных функций со своими структурными характеристиками), а затем выполняется отбор лучших из них по критерию структурной оптимизации. Результатом структурной идентификации является модель ОУ оптимальной структуры, найденная с помощью алгоритма глобальной оптимизации.

Параметрическая же идентификация заключается в определении параметров модели оптимальной структуры путем ее обучения методом локальной параметрической оптимизации по критериям параметрической оптимизации на всей выборке исходных данных.

В качестве алгоритмов глобальной оптимизации рассматривались: прямой случайный поиск (ПСП), метод имитации отжига (МИО) и генетический алгоритм (ГА). А в качестве базисных функций — НС прямого распространения (каскадная и вейвнет), НС с радиальными базисными функциями (РБФ) и гибридная НС с нечеткой логикой (Anfis) [4].

В программе реализации структурно-параметрической идентификации ОУ структурная идентификация осуществляется функцией настройки и работы метода глобальной оптимизации, в результате работы которой определяются оптимальные структурные характеристики модели ОУ в смысле критерия структурной оптимизации. Параметрическая же идентификация осуществляется функцией локальной оптимизации, в результате работы которой определяются оптимальные параметры модели ОУ в смысле критерия параметрической оптимизации.

Разработанное ПО использовано при выполнении госбюджетных кафедральной и научно-исследовательской работы, проводимых в ГВУЗ «Национальный горный университет», при разработке комплекса программных средств проектирования и проектов реконструкции разработки ОАО ППКИ "Металлургавтоматика" и ГАО "КБ "Днепровское", а также при разработке научно-методического обеспечения подготовки бакалавров направления 050903, а также специалистов и магистров специальностей 8(7).092401, 8(7).160104 и 8(7).160105.

Литература:

1. Nelles O. Nonlinear System Identification: From Classical Approaches to Neural and Fuzzy Models / O. Nelles – Berlin: Springer, 2001. – 785 p.

2. Марюта А. Н. Автоматическое управление технологическими процессами обогатительных фабрик / А.Н. Марюта, Ю.Г. Качан, В.А. Бунько – М.: Недра, 1983. – 277 с.

3. Герасина А.В. Идентификация объектов управления в АСУТП рудоподготовки / А.В. Герасина, В.И. Корниенко // Науковий вісник Національного гірничого університету. – 2010. – № 10. – С. 102-106. – ISSN 2071-2227.

4. Круглов В.В. Нечеткая логика и искусственные нейронные сети / В.В. Круглов, М.И. Дли, Р.Ю. Голунов. – М.: Физматлит, 2001. – 224 с.