Интеллектуальные автоматизированные системы управления технологическими объектами

Читать фрагмент

книга

Интеллектуальные автоматизированные системы управления технологическими объектами

Автор: Владимир Трофимов, Станислав Кулаков

Представлены теоретические и прикладные основы интеллектуальных автоматизированных систем управления применительно к сложным техническим и человеко-техническим объектам. Выполнен анализ, обобщение и развитие концептуальных основ интеллектуальных систем контроля и управления сложными динамическими объектами, разработаны новые нейроэкспертные методы и алгоритмы распознавания, оптимизации, регулирования, создано алгоритмическое и программное обеспечение интеллектуальных систем для решения актуальных задач контроля и управления агрегатами и производственными участками предприятий черной металлургии.Предназначено для специалистов и исследователей в области систем управления, АСУТП , АСУП, а также для студентов, аспирантов, преподавателей вузов.

Форматы: PDF

Издательство: Инфра-Инженерия

Год: 2016

Место издания: Москва, Вологда

ISBN: 978-5-9729-0135-7

Страниц: 232

Артикул: 41888

Возрастная маркировка: 16+

Электронная книга

1530 ₽

Купить и скачать

Содержание

Содержание книги "Интеллектуальные автоматизированные системы управления технологическими объектами : учебно-практическое пособие"

Предисловие

Глава 1. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ ПОСТРОЕНИЯ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ УПРАВЛЕНИЯ ТЕХНОЛОГИЧЕСКИМИ ОБЪЕКТАМИ

1.1 Интеллектуальные системы управления (ИнтСУ): понятия, концепция, базовые структуры и инструментальные средства

1.2 Задачи, методы и алгоритмы интеллектуальных систем управления (обзор)

1.3 Структуризация интеллектуальных систем управления с прогнозированием

1.4 Особенности настройки искусственных нейронных сетей в системах автоматического управления

1.5 Формирование и обновление базы знаний на основе концепции программно-возмущенного движения

Глава 2. ИССЛЕДОВАНИЕ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ АВТОМАТИЧЕСКОГО РАСПОЗНАВАНИЯ ОБРАЗОВ НА ПРИМЕРЕ ПРОКАТНОГО ПРОИЗВОДСТВА

2.1 Автоматическое распознавание маркировки проката

2.2 Постановка задачи распознавания поверхностных дефектов проката

2.3 Общая схема автоматического распознавания и параметризации поверхностных дефектов

2.4 Разработка и испытания интеллектуальных систем распознавания дефектов рельсов

2.5 Особенности обучения производственного персонала взаимодействию с интеллектуальной системой распознавания дефектов

Глава 3. РАЗРАБОТКА ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ АВТОМАТИЧЕСКОГО УПРАВЛЕНИЯ ТЕПЛОВЫМ РЕЖИМОМ ВОЗДУХОНАГРЕВАТЕЛЕЙ

3.1 Постановка задачи синтеза системы автоматического управления тепловым режимом воздухонагревателя Калугина

3.2 Предлагаемая интеллектуальная система управления тепловым режимомвоздухонагревателя

3.3 Моделирование и оценка эффективности алгоритма управления тепловым режимом воздухонагревателя

Глава 4. ИССЛЕДОВАНИЕ ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ ОПТИМИЗАЦИИ УСТАВОК НА ПРИМЕРЕ АГЛОМЕРАЦИОННОГО ПРОИЗВОДСТВА

4.1 Задача оптимизации задающих воздействий (уставок) для множества локальных систем автоматического регулирования

4.2 Предлагаемый алгоритм стратегической и оперативной оптимизации уставок

4.3 Моделирование и оценка эффективности алгоритма оптимизации уставок агломерационной машины

4.4 Модуль обучения оператора оптимизации уставок

Глава 5. МНОГОСТРУКТУРНЫЙ РАСПОЗНАВАТЕЛЬ СОСТОЯНИЙ ОБЪЕКТА УПРАВЛЕНИЯ

5.1 Многоструктурный распознаватель

5.2 Методика разработки многоструктурного распознавателя

5.3 Многоструктурный распознаватель состояний доменной печи

5.4 Многоструктурный распознаватель состояний процесса увлажнения агломерационной шихты

Заключение и выводы

Библиографический список

Приложение А. Аппарат искусственных нейронных сетей и его настройка

Приложение Б. Аппарат экспертных систем

Отрывок из книги

u(t)Объектуправленияy(t)е0бООБлок обучения И Н СБлокзадержкиИнверсно-прямаянейросетевая модельобъекта управленияРисунок 1 1 - Схема обучения ИПНМОУu(t)Регулятор(инверсно-прямаянейросетевая м о д е л ь ОУ)БлокзадержкиОбъекту п р а в л е н и яy(t)Объекту п р а в л е н и яep(t) , Б л о к корректировкинастроекep(t) , Б л о к корректировкинастроекy*(t)Рисунок 12 - Структура системы регулирования на базе ИПНМОУНейроуправление с эмулятором и регулятором (по работам P.J. Werbos [44, 34, 37]). В предложенной структуре нейроуправле-ния объектом используются две ИНС, первая из которых являетсянейроэмулятором, вторая - нейрорегулятором (рисунок 14). Еслиключи №1и №3 замкнуты, а ключ № 2 разомкнут, то выполняетсяобучение нейроэмулятора (нейросетевой модели объекта управле-ния), в противном случае - корректировка весовых коэффициентов(настроек) нейроконтроллера (инверсной нейросетевой моделиобъекта управления). То есть нейроэмулятор обучается динамикеобъекта управления автономно. Нейрорегулятор по сути являетсяобратной моделью нейроэмулятора. Данная архитектура обеспечи-вает более точное непосредственное обучение нейрорегулятора,так как ошибка регулирования ep(t) распространяется в обратномнаправлении через нейроэмулятор для каждой выборки. Получен-ная таким образом информация на выходе нейроэмулятора исполь-зуется для корректировки настроек нейрорегулятора. Описанная67

Внимание!
При обнаружении неточностей или ошибок в описании книги "Интеллектуальные автоматизированные системы управления технологическими объектами : учебно-практическое пособие (автор Владимир Трофимов, Станислав Кулаков)", просим Вас отправить сообщение на почту help@directmedia.ru. Благодарим!

Интеллектуальные автоматизированные системы управления технологическими объектами

Содержание

Отрывок из книги

Трофимов В. Б. другие книги автора

С книгой "Интеллектуальные автоматизированные системы управления технологическими объектами" читают