Интеллектуальные автоматизированные системы управления технологическими объектами
книга

Интеллектуальные автоматизированные системы управления технологическими объектами : учебно-практическое пособие

Автор: Владимир Трофимов, Станислав Кулаков

Форматы: PDF

Издательство: Инфра-Инженерия

Год: 2017

Место издания: Москва|Вологда

ISBN: 978-5-9729-0135-7

Страниц: 233

Артикул: 41976

Возрастная маркировка: 16+

Электронная книга
1530

Краткая аннотация книги "Интеллектуальные автоматизированные системы управления технологическими объектами"

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 нейроэксперт-ные 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.

Содержание книги "Интеллектуальные автоматизированные системы управления технологическими объектами"


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

Все отзывы о книге Интеллектуальные автоматизированные системы управления технологическими объектами : учебно-практическое пособие

Чтобы оставить отзыв, зарегистрируйтесь или войдите

Отрывок из книги Интеллектуальные автоматизированные системы управления технологическими объектами : учебно-практическое пособие

правных нейронов, если при поврежденности нейрона ошибка не проявляет себя на выходе; 3) отсутствует возможность оператив­ной замены отказавших элементов сети; 4) при использовании ал­горитмов самообучения нейронной сети в условиях возникновения неисправностей увеличивается вероятность потери устойчивости в петле обучения; 5) при обучении искусственной нейронной сети становится актуальной задача переобучения; 6) использование не-масштабированных значений входных переменных нейронной сети может привести к эффекту насыщения, то есть к нечувствительно­сти сети; 7) избыточность переменных ИНС, как правило, приво­дит к «проклятию размерности». Нейрорегулирование на основе инверсно-прямой модели (по работам D. Psaltis идр. [34, 37]). Сущность предложенного под­хода состоит в следующем: сначала ИНС обучается на инверсии объекта управления (ОУ), а затем она может быть настроена на непосредственное управление этим объектом. На рисунке 11 пред­ставлена общая схема обучения инверсно-прямой нейросетевой модели объекта управления (ИПНМОУ). Обученная таким образом сеть настраивается на работу в качестве регулятора в обычной си­стеме управления с отрицательной обратной связью (рисунок 12). На рисунке 11 приняты следующие обозначения: е0б(г) - ошибка обучения, представляющая собой разницу между значением на вы­ходе ИПНМОУ и реализованными регулирующими воздействиями u(t); y(t) - выходное воздействие объекта. Нейрорегулирование на основе инверсно-непрямой модели (по работам M. Kawato идр. [34, 37]). Схема обучения инверсно-непрямой нейросетевой модели объекта управления (ИННМОУ) «работе» действующего регулятора, включенного параллельно, по­казана на рисунке 13. Сходимость достигается, когда ИНС, завер­шив обучение, принимает на себя управление объектом, заменяя регулятор. Метод обучения ИННМОУ на основе информации об ошибки регулирования ep(t), поступающей на вход сети, и ошибки обучения (то есть разницы между значением на выходе сети и ре­гулятора-учителя) е0б(г) состоит в много...