8 (495) 987 43 74 доб. 3304 Прием заявок на рассмотрение статей E-mail: evlasova@synergy.ru

Мы в соцсетях -              
Рус   |   Eng

Материалы в свободном доступе

Авторы: Пучков А. Ю., Соколов  А. М., Федотов В. В.     Опубликовано в № 5(101) 21 октября 2022 года
Рубрика: Модели и методики

Нейросетевой метод анализа процессов термической обработки окомкованного фосфатного рудного сырья

В настоящее время остро стоит проблема утилизации рудных отходов горно-обогатительных комбинатов. Эти отходы в значительных объемах скапливаются на прилегающих к комбинатам территориях и представляют серьезную угрозу для экологии. В этой связи создание технологических систем переработки рудных отходов и совершенствование их информационного обеспечения представляют актуальное направление исследований. Примером такой системы является сложная химико- энерготехнологическая система производства желтого фосфора из отходов апатит- нефелиновых руд. Целью проводимого исследования являлась разработка модели сбора данных о параметрах процессов термической обработки окомкованного фосфатного рудного сырья в такой системе, а также метода выявления зависимостей между этими параметрами. Выявление зависимостей в информационном обеспечении системы производства желтого фосфора позволит повысить качество ее функционирования с точки зрения критериев управления, энергетической и ресурсной эффективности. Для достижения указанной цели решались задачи выбора математической концепции для основы разрабатываемого метода, построения алгоритма и создания программного обеспечения, реализующего данный метод, проведения модельных экспериментов. В основе метода лежит применение глубоких рекуррентных нейронных сетей долгой краткосрочной памяти, обладающих высокой обобщающей способностью и применяемых при решении задач регрессии и классификации многомерных временных последовательностей, в форме которых, как правило, и представлены параметры химико-энерготехнологической системы. Метод реализован в виде приложения, созданного в среде MatLab 2021. Интерфейс приложения позволяет в интерактивном режиме проводить эксперименты с различными наборами входных и выходных параметров для выявления взаимосвязи между ними, а также изменять гиперпараметры нейронных сетей. В результате работы приложения создается репозиторий обученных нейронных сетей, которые моделируют найденные взаимосвязи между указанными параметрами технологической системы и могут быть применены в системах поддержки принятия решений, управления и инжиниринга.

Ключевые слова

глубокие рекуррентные нейронные сети, выявление скрытых зависимостей, фосфатное сырье

Автор статьи:

Пучков А. Ю.

Ученая степень:

канд. техн. наук, доцент, кафедра информационных технологий в экономике и управлении, филиал Федерального государственного бюджетного образовательного учреждения высшего образования «Национальный исследовательский университет «МЭИ» в г. Смоленске

Местоположение:

г. Смоленск, Россия

Автор статьи:

Соколов  А. М.

Ученая степень:

ведущий инженер, научно-исследовательский отдел, филиал Федерального государственного бюджетного образовательного учреждения высшего образования «Национальный исследовательский университет «МЭИ» в г. Смоленске

Местоположение:

Смоленск, Россия

Автор статьи:

Федотов В. В.

Ученая степень:

магистрант, кафедра электромеханических систем, филиал Федерального государственного бюджетного образовательного учреждения высшего образования «Национальный исследовательский университет «МЭИ» в г. Смоленске

Местоположение:

г. Смоленск, Россия