Материалы в свободном доступе

Исследование посвящено совершенствованию системы управления сложной технологической системы переработки рудных отходов. Такие отходы в больших объемах скапливаются на прилегающих к горно-обогатительным комбинатам территориях, представляя большую экологическую угрозу как для населения, так и для окружающей среды за счет пылеобразования и проникновения вредных соединений в почву и грунтовые воды. Поэтому задача совершенствования систем управления переработкой рудных отходов, как одна из приоритетных, стоит на актуальной повестке дня менеджмента горно-обогатительных комбинатов. Комплексность технологической системы проявляется в наличии двух линий переработки, отличающихся набором агрегатов, а выбор линии зависит от гранулометрического состава рудных отходов. Научную новизну результатов исследования составляет предложенная структура нейросетевого регулятора на основе эталонной модели процесса управления, в котором применены глубокие рекуррентные нейронные сети в качестве цифровой копии объекта управления. В состав общей структуры нейрорегулятора входит несколько локальных нейроконтроллеров для каждого из агрегатов технологической системы. Рекуррентные нейронные сети позволяют создать высокоточные цифровые копии отдельных агрегатов двух технологических линий переработки и использовать их для имитации отклика объектов управления при настройке контроллеров. Апробирование предложенной структуры нейрорегулятора проводилось в среде MatLab-Simulik, нейронные сети проектировались с помощью инструмента Deep Network Designer. Результаты апробирования показали, что быстродействие системы управления повышается по сравнению с другими архитектурами нейрорегуляторов, доступными в среде Simulik, что может положительно сказаться на работе всей технологической системы в переходных режимах, в частности снизить технологические потери.