Александрова Анна Сергеевна Методы и модели идентификации и управления объектами химических производств на основе нейросетевых моделей

Короткий опис

Александрова Анна Сергеевна Методы и модели идентификации и управления объектами химических производств на основе нейросетевых моделей

ОГЛАВЛЕНИЕ ДИССЕРТАЦИИ

кандидат наук Александрова Анна Сергеевна

Введение

Глава 1. Анализ современных подходов к реализации систем автоматического регулирования на промышленных предприятиях

Выводы по первой главе:

Глава 2. Нейросетевое моделирование динамических объектов

2.1. Создание нейросетевой модели динамического объекта

2.2. Нейросетевое моделирование динамического имитационного объекта с запаздыванием

2.3. Нейросетевое моделирование лабораторного объекта

2.4. Нейросетевое моделирования технологического объекта

2.5. Нейросетевое моделирование управляемого объекта

2.6. Нейросетевое моделирование имитационного управляемого динамического объекта

2.7. Нейросетевое моделирование лабораторного управляемого объекта

2.8. Нейросетевое моделирование промышленного управляемого объекта

Выводы по второй главе

Глава 3. Упреждающее комбинированное управление динамическим объектом по его нейросетевой модели

3.1. Концептуальная модель упреждающего комбинированного управления динамическим объектом по его нейросетевой модели

3.2. Описание алгоритма блока поиска

3.3. Вычислительный эксперимент на имитационном объекте

3.3.1. Описание имитационного объекта

3.3.2. Сравнение алгоритмов классического и нейросетевого управления

Выводы по третьей главе

Глава 4. Идентификация технологического объекта управления методом активного эксперимента на его нейросетевой модели

4.1. Концептуальная модель процесса идентификации

4.1.1. Идентификация объектов с использованием ступенчатого испытательного воздействия

4.1.2. Идентификация объектов с использованием случайного испытательного воздействия

4.1.3. Идентификация объектов с использованием периодического (синусоидального) испытательного воздействия

4.1.4. Аппроксимация экспериментальной комплексной частотной характеристики передаточной функцией

4.2. Идентификация динамического объекта по его нейросетевой модели с использованием ступенчатого испытательного сигнала

4.2.1. Имитационный объект

4.2.2. Лабораторный объект

4.2.3. Промышленный технологический объект

4.2.4. Объект в составе системы автоматического регулирования

4.3. Идентификация динамического объекта по его нейросетевой модели с использованием случайного испытательного сигнала

4.3.1. Имитационный объект

4.3.2. Лабораторный объект

4.3.3. Промышленный технологический объект

4.3.4. Объект в составе системы автоматического регулирования

4.3.5. Лабораторный объект в составе системы автоматического регулирования

4.3.6. Промышленный технологический объект в составе системы автоматического регулирования

4.4. Идентификация динамического объекта по его нейросетевой модели с использованием периодических испытательных сигналов

4.4.1. Имитационный объект

4.4.2. Лабораторный объект

4.4.3. Промышленный технологический объект

4.4.4. Объект в составе системы автоматического регулирования

4.4.5. Лабораторный объект в составе системы автоматического регулирования

4.4.6. Промышленный технологический объект в составе системы автоматического регулирования

Выводы по четвертой главе

Глава 5. Пример идентификации управляемого технологического объекта

5.1. Описание технологического процесса

5.2. Построение нейросетевой модели технологического процесса

5.2.1. Обучение нейронной сети

5.2.2. Построение модели системы регулирования

5.2.3. Построение прогнозирующей нейросетевой модели управляемого объекта

5.3. Идентификация объекта по его нейросетевой модели

5.3.1. Выбор параметров испытательного сигнала

5.3.2. Вычислительный эксперимент на нейросетевой модели

5.3.3. Обработка результатов вычислительного эксперимента по идентификации

5.3.4. Идентификация экспериментальной комплексной частотной характеристики

Выводы по пятой главе:

Заключение

Список сокращений

Список литературы

Приложение А Программная реализация алгоритма выбора объема обучающей выборки и структурных параметров ИНС

Приложение Б Тренды параметров технологического объекта теплообменника подогрева аммиака производства аммиака и метанола

Приложение В Тренды параметров процесса поддержания температуры газосырьевой смеси на выходе печи П-1 установки каталитического риформинга фракции нефти с предварительной гидроочисткой исходного сырья

Приложение Г Корреляционные функции параметров процесса поддержания температуры газосырьевой смеси на выходе печи П-1

Приложение Д Свидетельство о государственной регистрации программы для ЭВМ SineWaveldent

Приложение Е Акты внедрения результатов кандидатской (диссертационной) работы Александровой Анны Сергеевны