Система автоматичного управління температурним режимом похилої дифузійної установки

Реферат: Система автоматичного управління температурним режимом похилої дифузійної установки, що містить датчики температури, розташовані за зонами апарата. Додатково містить блок нейронечіткої мережі з базою правил. При цьому вихід блока підключений до виконавчих механізмів, розташованих на лінії подачі граючої пари в апарат, а виходи датчиків температури зв'язані з входами нейронечіткої мережі. UA 86636 U (54) СИСТЕМА АВТОМАТИЧНОГО УПРАВЛІННЯ ТЕМПЕРАТУРНИМ РЕЖИМОМ ПОХИЛОЇ ДИФУЗІЙНОЇ УСТАНОВКИ UA 86636 U UA 86636 U 5 10 15 20 25 30 35 Корисна модель належить до систем автоматичного управління температурним режимом похилої дифузійної установки (ПДУ). Як прототип вибрана "Система автоматического управления температурным режимом наклонной диффузионной установки" [Система автоматического управления температурным режимом наклонной диффузионной установки [текст]: патент 1252340 СССР: (1984) С13D 3/10 / Ладанюк А.П., Негода Ф.В., Лысянский В.М., Сегай A.M., Медяник А.И.; власник патенту Національний університет харчових технологій. - № 3829485/28-13; заявл. 22.11.1984; опублік. 23.08.1986, Бюл. № 31. - 3 с: іл.], що містить в своєму складі датчик для виміру витрати стружки, розташований на стрічковому транспортері, витратомір дифузійного соку, розташований на лінії виводу соку на очистку, витратомір екстрагента та датчик температури екстрагента, розташовані на лінії подачі екстрагента в апарат, датчики температури, розташовані за зонами апарата, виходи котрих зв'язані з входами стабілізуючих регуляторів, причому вихід останніх підключений до виконавчих механізмів, розташованих на лінії подачі гріючої пари в апарат. До недоліків даної корисної моделі можна віднести необхідність у знаходженні еталонної моделі, відносно складна система управління, відсутність інтелектуальних методів в управлінні складним об'єктом. В основу корисної моделі поставлена задача розробки системи автоматичного управління температурним режимом похилої дифузійної установки, яка більш точно підтримує температуру на заданому рівні, що сприяє підвищенню ефективності функціонування технологічного комплексу (ТК). Поставлена задача вирішується за рахунок того, що система автоматичного управління температурним режимом похилої дифузійної установки, що містить датчики температури, розташовані за зонами апарата, згідно з корисною моделлю, додатково містить блок нейронечіткої мережі з базою правил, при цьому вихід блока підключений до виконавчих механізмів, розташованих на лінії подачі граючої пари в апарат, а виходи датчиків температури зв’язані з входами нейронечіткої мережі. Причинно-наслідковий зв'язок між запропонованими ознаками та технічним результатом полягає в наступному. В системі автоматичного управління температурним режимом похилої дифузійної установки в режимі реального часу дані за кожною зоною похилого дифузійного апарата надходять до блока нейронечіткої мережі, де на основі сформованої бази правил, вибирається найкраще управління, в результаті чого система управління більш точно підтримує температуру на заданому рівні, що сприяє підвищенню ефективності функціонування технологічного комплексу. На фігурі 1 представлена структура запропонованої системи автоматичного управління температурним режимом похилої дифузійної установки. На фігурі 2 представлена терммножина змінної "температура в третій зоні" з п'ятьма термами (критично низька, нижче норми, норма, вище норми, критично висока) та з гаусівською функцією належності ( x )  e 40 45 50 55 ( x c i 2 ) ai , де ai , c i - параметри, що описують вид функції. Система управління температурним режимом похилої дифузійної установки складається з датчиків температури (1-4), бази правил, блоків фазифікації (Ф) та дефазифікації (ДФ) для перетворення чіткої інформації в нечітку і навпаки, виконавчих механізмів (5-8), нечіткої адаптивної нейронної мережі (ANFIS), призначенням якої є прогнозування характеру перехідних процесів управління та вибір нових правил. Система працює наступним чином: першими необхідними кроками є визначення вхідних та вихідних змінних, збір інформації про поведінку об'єкта при діях на нього неконтрольованих параметричних та зовнішніх збурень (накопичення даних про зміну вхідних та вихідних показників САУ з метою отримання навченої вибірки для нейронної мережі); створення бази правил, що враховує досвід експерта, визначення функцій належностей змінних та вибір кількості термів для кожної змінної, розробка структури нейронечіткої мережі (ННМ), вибір методу навчання. Для вирішення поставленої задачі використовується нечітка логіка, де для кожної вибраної змінної вибирається певна функція належності, яка може приймати трикутний, трапецеїдальний, гаусівський та інші види. База правил сформована на основі експериментальних даних у вигляді нечітких логічних рівнянь "ЯКЩО …, ТО …". Система автоматичного управління розглядається як системи нечітких правил, при цьому налаштування функцій належності в передумовах і висновках правил на основі навчальної множини виробляється з використанням алгоритмів навчання нейронних мереж. Система 1 UA 86636 U 5 10 15 20 використовує не тільки апріорну інформацію, але і здобуває нові знання. Налаштування моделі (параметрична ідентифікація моделі) полягає в налаштуванні параметрів функцій належності на основі навчальної множини за допомогою нейронних мереж. Система виведення ANFIS реалізується у вигляді нейроподібної структури, що складається з п'яти шарів. Нейрони першого шару слугують для представлення термів вхідних змінних. При конкретних (заданих) значеннях входів на виході шару формуються значення функцій належності. Нейрони другого шару виконують роль антецедентів (посилок) нечітких правил. Виходами цього шару є міри істинності передумов кожного правила бази знань системи. Нейрони третього шару слугують для нормалізації ступенів виконання правил. Вихід нейрона цього шару являє собою відношення ступеня істинності передумови і-го правила до суми ступенів передумов усіх правил. Четвертий шар призначений для обчислення висновків правил. П'ятий шар виконує агрегування результату, отриманого за різними правилами. Єдиний нейрон цього шару обчислює вихідне значення мережі. Для навчання мережі ANFIS в роботі використовується гібридний градієнтний метод. Для оцінки похибки нечіткої нейронної мережі будується функція помилки, що являє собою середньоквадратичне відхилення між фактичними значеннями вихідної змінної та точковою оцінкою. Так як в процесі рішення задачі система виведення ANFIS має можливість здобувати нові знання, то база знань не залишається фіксованою, а модернізується у міру надходження експериментальних даних. Тому топологія нечіткої нейронної мережі також змінюється в міру набуття нових знань. Технічний результат: отримується за рахунок створення оптимальних корегуючих дій, що призводить до більш точного підтримання температури на заданому рівні, що дозволяє підвищити ефективність функціонування похилої дифузійної установки. 25 ФОРМУЛА КОРИСНОЇ МОДЕЛІ 30 Система автоматичного управління температурним режимом похилої дифузійної установки, що містить датчики температури, розташовані за зонами апарата, яка відрізняється тим, що додатково містить блок нейронечіткої мережі з базою правил, при цьому вихід блока підключений до виконавчих механізмів, розташованих на лінії подачі граючої пари в апарат, а виходи датчиків температури зв'язані з входами нейронечіткої мережі. 2 UA 86636 U Комп’ютерна верстка Д. Шеверун Державна служба інтелектуальної власності України, вул. Урицького, 45, м. Київ, МСП, 03680, Україна ДП “Український інститут промислової власності”, вул. Глазунова, 1, м. Київ – 42, 01601 3