Оптимізація та прогнозування характеристик металургійних процесів адаптивними синергірованими та гібридними моделями

Размещено на http://www.allbest.ru/

МІНІСТЕРСТВО ОСВІТИ І НАУКИ УКРАЇНИ

НАЦІОНАЛЬНА МЕТАЛУРГІЙНА АКАДЕМІЯ УКРАЇНИ

Автореферат дисертації

на здобуття наукового ступеня кандидата технічних наук

ОПТИМІЗАЦІЯ ТА ПРОГНОЗУВАННЯ ХАРАКТЕРИСТИК МЕТАЛУРГІЙНИХ ПРОЦЕСІВ АДАПТИВНИМИ СИНЕРГІРОВАНИМИ І ГІБРИДНИМИ МОДЕЛЯМИ

01.05.02 - Математичне моделювання та обчислювальні методи

Лиса Наталія Вікторівна

Дніпропетровськ - 2005

Дисертацією є рукопис

Робота виконана в Національній металургійній академії України Міністерства освіти і науки України.

Науковий керівник доктор технічних наук, професор

Михальов Олександр Ілліч,

Національна металургійна академія України,

завідувач кафедрою інформаційних технологій та систем.

Офіційні опоненти: доктор технічних наук, професор

Бідюк Петро Іванович,

інститут прикладного системного аналізу

(Національний технічний університет України “КПІ”);

кандидат технічних наук,

Колодяжний Віталій Володимирович,

проблемна науково-дослідна лабораторія автоматизованих систем управління (Харківський національний університет радіоелектроніки).

Провідна установа Вінницький національний технічний університет України, м. Вінниця.

Захист відбудеться “ 9 ” лютого 2005 р. о 12.30 годині на засіданні спеціалізованої вченої ради Д 08.084.01 у Національній металургійній академії України за адресою: 49635, м.Дніпропетровськ, пр.Гагаріна, 4.

З дисертацією можна ознайомитись у бібліотеці Національної металургійної академії України за адресою: 49635, м.Дніпропетровськ, пр.Гагаріна, 4.

Автореферат розісланий “ 6 ” січня 2005 р.

Вчений секретар

спеціалізованої вченої ради Дерев'янко О.І.

ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ

Сучасний етап експлуатації та обслуговування систем в різних сферах життєдіяльності характеризується потребою забезпечити відповідні вимоги до їх використання в умовах істотного обмеження на виділені ресурси. В рамках цієї суперечності на перший план виходить проблема розробки та впровадження ресурсозберігаючих технологій в системах експлуатації та обслуговування. В цей же час багато технологічних процесів характеризуються невизначеністю щодо своєї структури та параметрів і водночас мають нелінійні статичні та динамічні характеристики. Актуальність розв`язання задач оптимізації характеристик таких процесів і прогнозування їх поведінки визначається ступенем зменшення ризику при ухваленні рішень в таких, наприклад, областях, як управління сталеплавильним процесом, процесами виплавки феросплавів та інші.

Актуальність теми. На цей час існує безліч інтелектуальних прогнозуючих систем, зокрема поширені останнім часом нейромережеві моделі для обробки інформації, системи, які засновані на методах нечіткої логіки, фаззі-нейро системи. Слід відзначити, що звичні широко використовувані алгоритми прогнозування (Бокса-Дженкінса, Брауна) грунтуються на знанні досить великого обсягу апріорної інформації про структуру об'єкту та характеристики впливаючих на нього збурень. Разом з тим, хоча для нечітких нейромережевих (гібридних) моделей, які характеризуються високим рівнем нелінійності та “збуреності”, знання апріорної інформації про об'єкт не є настільки актуальним, вони вимагають деяких витрат часу на навчання.

При цьому зазвичай використовуються процедури навчання нечітких нейромереж, засновані на алгоритмі зворотнього розповсюдження помилки, який характеризується невисокою швидкістю збіжності та не є глобальним, що обмежує їх застосування, особливо у реальному часі. У зв'язку з цим актуальною є задача розробки методів оптимізації та прогнозування показників виробничих процесів, здатних функціонувати в умовах апріорної невизначеності відносно структури та параметрів процесу, які б мали підвищені швидкість навчання та якість прогнозу, зокрема, у області феросплавного та сталеплавильного виробництва.

Зв'язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконувалась у рамках:

державної науково-технічної програми 04.14 “Екологічно чисті технології видобутку, переробки, транспортування та використання рудних та нерудних корисних копалин: проект 04.14.08/001К-95 “Розробка і впровадження ресурсозберігаючих технологічних схем переробки відходів електротермічного виробництва сталі, феросплавів, флюсів, зразків та інших вторинних матеріалів””. Номер держреєстрації 0193U0043717;

у відповідності з планом науково-дослідних робіт Національної металургійної академії України за держбюджетною тематикою:

“Фундаментальні дослідження взаємодій у складних оксидно-металевих

системах та створення новітніх технологій одержання сплавів та матеріалів на основі раціонального використання сировинної бази України, поліметалічних конкрецій та техногенних відходів” (0102U000874); проект “Виявлення значущих факторів багатостадійних вуглецевовідновлювальних електротермічних процесів, визначення та дослідження їх взаємозв'язку, розробка моделей та алгоритмів для прогнозування кінцевих результатів”;

“Наукові основи управління властивостями металів і сплавів з використанням принципів синергетики та системного моделювання” (0102U000871). виробничий невизначеність оптимізація нелінійний

Мета та задачі дослідження. Метою роботи є розробка математичної моделі для розв'язання задачі нечіткої (fuzzy) оптимізації складу багатокомпонентної шихти з урахуванням особливостей реальної технологічної задачі, а також розробка нових та модифікація існуючих обчислювальних методів та алгоритмів прогнозування поведінки виробничих процесів в умовах невизначеності щодо структури та параметрів процесу та дії неконтрольованих збурень.

Досягнення поставленої мети здійснюється розв'язанням таких основних задач:

аналіз існуючих методів оптимізації та прогнозування показників виробничих процесів систем в умовах апріорної невизначеності;

розробка методів розв'язання задачі оптимізації в розмитій (fuzzy) постановці;

удосконалення багаторівневих адаптивних алгоритмів прогнозування з метою покращення їх динамічних характеристик;

побудова нечітких нейромережевих моделей нелінійних процесів;

удосконалення процедур навчання нечітких нейромережевих моделей з підвищеною швидкістю збіжності;

тестування розроблених алгоритмів та моделей і розв'язання за їх допомогою прикладних задач металургійного виробництва.

створення програмного забезпечення для реалізації розроблених методів та алгоритмів.

Об'єкт дослідження: виробничі процеси з апріорною невизначеністю щодо структури та параметрів, поведінка яких описується кінцево-різницевими рівняннями.

Предмет дослідження: багатомодельні системи прогнозування, нечіткі нейромережеві (гібридні) моделі, методи нечіткої оптимізації, феросплавне та сталеплавильне виробництво.

Методи дослідження: методи нечіткого математичного програмування, які дозволяють вирішити задачу оптимізації в нечіткій постановці; рекурентна ідентифікація, яка дозволила синтезувати методи настройки параметрів моделей, які використовуються при багатомодельному підході та параметрів нечітких нейромережевих моделей; теорія штучних нейронних мереж, що дозволила синтезувати алгоритми навчання в багатошарових мережах; теорія нечітких систем, яка дозволяє синтезувати нечіткі моделі нестаціонарних процесів.

Наукова новизна отриманих результатів:

вперше запропоновано математичну модель та алгоритм рішення задачі оптимізації складу багатокомпонентної шихти по критерію мінімальної вартості в нечіткій постановці та при різних видах експертних оцінок початкових параметрів процесу;

вдосконалені алгоритми, які використовують багатомодельний підхід до прогнозування поведінки виробничих процесів за рахунок додавання до групи моделей N моделей, настройка параметрів яких здійснюється синергійно;

вперше запропонований синергійний підхід до процесу навчання нечітких нейромереж, який характеризується підвищеними швидкістю навчання та якістю прогнозу;

вперше запропонована синергійна гібридна модель для прогнозування характеристик феросплавного та сталеплавильного виробництв;

проведене порівняння можливостей використання багатомодельного та нечіткого нейромережевого підходів до прогнозування показників технологічних процесів та впливу синергіровання моделей на ефективність передбачення.

Практичне значення отриманих результатів. Розроблені в дисертаційній роботі моделі, методи і алгоритми можуть бути використані для прогнозування показників виробничих процесів в умовах невизначеності щодо структури та параметрів процесу та дії неконтрольованих збурень. Розв'язана актуальна задача оптимізації складу багатокомпонентної шихти по критерію вартості в умовах нечіткого завдання початкових даних, яка дозволяє проводити компромісне корегування складу сплаву в заданих межах змісту хімічних елементів, не виходячи за межі області допустимих рішень. Результати досліджень використані для системи підтримки прийняття рішень на Нікопольському заводі феросплавів, на КГМК “Криворіжсталь”, а також у навчальному процесі в Національній металургійній академії України, що підтверджується відповідними актами.

Особистий внесок здобувача. Всі основні результати, що виносяться на захист, отримані здобувачем особисто. У роботах, написаних в співавторстві, здобувачу належать: у роботах [1 - 5] - вибір методів прогнозування та настройки параметрів моделей, у роботах [6, 7, 10] - розробка методів розв'язання задачі та їх алгоритмічна реалізація; у роботах [8, 9, 12, 13] - архітектура нечіткої нейромережевої моделі та вибір процедури навчання, у роботах [9, 11] - розробка методики моделювання.

Апробація результатів дисертації. Основні наукові результати роботи докладалися і обговорювалися на 2-й, 4-й, 10-й Українських конференціях “Автоматика-95”, “Автоматика-97”, “Автоматика-2003” (Львів, 1995, Черкаси, 1997, Севастополь, 2003), 3-й і 7-й науково-технічних конференціях країн СНД “Контроль і управління в технічних системах” (Вінниця, 1995, 2003), 1-й Всеукраїнської конференції “Математичне і програмне забезпечення інтелектуальних систем” (Днепропетровск,2003), 4-th International Symposium of Croatian Metallurgical Society “Materials and Metallurgy” (Хорватія, 2000), VI Miкdzynarodow№ Konferencjк “Naukow№ - Teoria i praktyka. EKONOMIA - INFORMATYKA - ZARZҐDZANIE”, Всеросійській конференції з міжнародною участю “Комп'ютерне моделювання при оптимізації технологічних процесів електротермічних виробництв” (ЭЛЕКТРОТЕРМИЯ-2004) Публікації. За результатами наукових досліджень опубліковано 16 друкованих праць (6 публікацій у збірниках наукових праць, що входять до переліку ВАК України та 10 публікацій в працях конференцій), у тому числі 4 за кордоном. Структура і обсяг дисертації. Дисертаційна робота складається з вступу, п'яти розділів, загальних висновків, списку використаних джерел і двох додатків. Повний обсяг дисертації становить 149 сторінок, містить 45 ілюстрацій, 35 таблиць, 2 додатки на 20 сторінках, список використаних джерел, який складається з 102 найменувань та займає 10 сторінок.

ОСНОВНИЙ ЗМІСТ РОБОТИ

У вступі обґрунтовано актуальність теми дисертації, зазначено зв'язок з науковими програмами, планами та темами, сформульовано мету та задачі дослідження. Також охарактеризовано наукову новизну та практичне значення одержаних результатів, наведено інформацію про впровадження результатів роботи, їх апробацію та публікації.

В першому розділі проведено огляд та аналіз існуючих підходів до розв'язання задач оптимізації в нечіткій постановці, до прогнозування показників виробничих процесів в умовах апріорної невизначеності відносно структури та параметрів процесу та дії неконтрольованих збурень та постановку задач дослідження. Розглянуто різні види невизначеності інформації, характерні для технологічних процесів та зроблено висновок про доцільність розв'язання задачі оптимізації кінцевих показників процесів феросплавного виробництва з використанням нечіткого підходу. Наведено основні ідеї прогнозування показників виробничих процесів за допомогою нечіткого підходу, а також з використанням гібридного підходу (адаптивних нечітких нейромереж).

В дисертації розглядаються процеси, динаміку яких в загальному випадку можна описати кінцево-різницевим рівнянням вигляду:

, (1)

Задача полягає в побудові моделі, спроможної прогнозувати поведінку процесу, вигляду:

, (3)

Другий розділ роботи присвячено розв'язанню задачі формування багатокомпонентної шихти оптимального складу за критерієм її мінімальної вартості при отриманні феросплавів (феромарганець, силікомарганець, агломерат) заданого складу вуглецевотермічним процесом в умовах невизначеності початкових параметрів процесу. Невизначеність в даному випадку має місце в основному через неможливість точно визначити хімічний склад компонентів шихти, ступінів їх переходу в сплав, а також нечіткого представлення деяких коефіцієнтів. Мають лише виміри цих параметрів в окремих точках, а, зважаючи на неоднорідність середовища, ці величини можуть змінюватися по об'єму. Застосування середніх і середньозважених значень параметрів для розрахунків може приводити до отримання значно зміщених точкових оцінок параметрів. Тому для вирішення цієї задачі запропоновано використовувати нечіткий підхід, коли параметри процесу задаються у вигляді інтервалів та описуються функцією належності. Як початкові дані завдаються: інтервальні обмеження на відсотковий зміст хімічних елементів у сплаві; хімічний склад компонентів шихти, їх вартість та ступінь перехода хімічних елементів з шихти в сплав. На відміну від практики попереднього отримання точкових оцінок для кожного параметра на основі різних способів усереднювання, пропонується підхід, коли кожний параметр задається у вигляді функції приналежності. Нечітку долеву частку кожного з компонентів позначено як .

З урахуванням всіх обмежень складаються балансові рівняння по хімічним елементам вигляду:

; (5)

Задача полягає в знаходженні допустимих рішень, які мінімізують функцію мети (вартості шихти):

. (6)

Приведені рівняння та викладення будуть справедливі, якщо для отримання металевого сплаву використовуються компоненти шихти, в яких обмежені елементи сплаву знаходяться у вигляді чистих металів, а не оксидів, як це має місце при вуглецевотермічному процесі. В цьому випадку для виконання умов допустимості можливий компроміс, який полягає у тому, що в рівняння замість часток оксидних компонентів підставляються їх еквіваленти , виражені через вихід металевої частини з кожного компонента шихти. Вихід металевої частини - коефіцієнта , (в долях) з оксидного компоненту обчислюється з урахуванням ступеня переходу в метал хімічних елементів. Враховуючи, що хімічний склад компонентів шихти та ступінь переходу їх в сплав є нечіткими величинами, відповідно і коефіцієнт виходу металевої частини з оксидних компонентів також буде нечітким параметром, який визначатиметься виразом:

, (7)

З врахуванням (7) матриця хімічного складу компонентів шихти виглядатиме, як:

.

Поставлена таким чином задача оптимізації з параметрами, заданими у вигляді функцій належності, розв'язується за допомогою дискретних r-рівнів. Усі функції належності нечітко заданих вхідних параметрів дискретизуються на кінцеве число r-рівнів, початкова нечітка задача представляється у вигляді сукупності звичайних задач оптимізації для усіх r-рівнів, перебравши, таким чином, усі можливі значення r, отримують функції належності вихідних параметрів процесу.

Розроблена математична модель процесу нечіткої оптимізації складу багатокомпонентної шихти при виплавці марганцевих феросплавів дозволяє формувати шихту мінімальної вартості при різних видах експертних оцінок початкових даних.

У розділі також наведені встановлені залежності, формули зв'язку для аналізу впливу якості початкової марганцевої сировини, складу шихти, її оптимальної вартості та технологічних параметрів на кінцеві показники процесу виплавки марганцевих феросплавів.

Запропонований алгоритм для прогнозування кінцевих хімічних складів феромарганця та силікомарганця, агломерату та малофосфорного шлаку в заданих межах змісту елементів при оптимальній вартості шихти.

У третьому розділі розглядається задача прогнозування динаміки виробничого процесу з застосуванням багатомодельного підходу з використанням адаптивних багаторівневих алгоритмів передбачення. У відповідність прогнозованій послідовності ставиться комбінована модель, до складу якої входить набір моделей різної структури, параметри яких настроюються за допомогою адаптивних алгоритмів ідентифікації, а кінцевий прогноз будується у вигляді лінійної комбінації прогнозів, одержуваних за допомогою окремих моделей.

Припустимо, що модель, яка описує динаміку процесу, задана у формі різницевого рівняння вигляду:

, (11)

У відповідність (11) ставиться група адаптивних моделей різної структури (АР, КС, АРКС та ін.) загального вигляду:

, (12)

Для настройки вектора невідомих параметрів моделей застосовуються алгоритми рекурентної ідентифікації (алгоритм Качмажа, методи Брауна, Гудвіна-Ремеджа-Кейнеса та ін.).

Кінцевий прогноз будується у вигляді лінійної комбінації прогнозів, одержуваних за допомогою окремих моделей:

(13)

Запропонована наступна процедура настройки коефіцієнтів лінійної форми з урахуванням обмежень на незміщеність прогнозу та невід'ємність коефіцієнтів.

Коефіцієнти участі кожної з моделей в лінійній формі визначаються за виразом:

, (14)

- коефіцієнт, що враховує незміщеність прогнозу та визначається як:

, (15)

Для підвищення якості прогнозу до моделей типу АР, КС, АРКС, що входять до групи прогнозних та настроюються за допомогою безпошукових методів, пропонується додавати N адаптивних моделей, що працюють за принципом синергії (мал.1), параметри яких настроюються адаптивно-пошуковим методом (запропонованим та дослідженим у роботах Михальова О.І.), який поєднує в собі стратегію адаптивного пошуку та рандомізацію пошукових дій.

Алгоритмічна реалізація методу в системі настроювання параметрів моделі-предіктора полягає у формуванні кусково-постійних дій настройки n коефіцієнтів моделі:

(16)

тривалості інтервалів знакопостійності яких формуються у відповідності з функціональним рівнянням (дискретна форма):

, (17)

де підсумовування виконується на дискретних значеннях інтервалу, розділеного на точок.

Поточні значення коефіцієнтів моделі формуються як вихідні сигнали інтеграторів блоку настройки:

(18)

В зв'язку з тим, що в процесі одночасної настройки n параметрів моделі необхідною умовою успішної настройки є незалежність параметрів з погляду досягнення екстремуму критерію якості прогнозу, загальний алгоритм доповнюється алгоритмом розділення каналів настройки моделі.

Критеріями процесу настройки моделей виступають парні функції помилок

або , (21)

Робочі кроки пошуку екстремумів функцій обчислюють відповідно до комбінованого алгоритму одночасної настройки N адаптивних моделей, який включає пошукову та синергійну компоненти. При цьому пошукова компонента алгоритму призначена для організації автоматичного обчислення робочого кроку в процесі адаптивної настройки моделей (вирази (19), (20)), синергійна компонента алгоритму реалізує ігровий підхід до вибору найкращого робочого кроку з сукупності обчислених для кожної з N моделей при одночасній настройці всіх параметрів.

Вибір найкращого робочого кроку настройки параметрів в моменти перемикання здійснюється по синергійній стратегії.

У свою чергу, якщо найкращою моделлю у момент часу виявилася, наприклад, модель з індексом i=p, то відповідно до синергійної стратегії у цей момент відбудеться перемикання всіх моделей на модель з індексом p:

(23)

Алгоритм (19) - (23) реалізує як можливості незалежного пошуку ((19), (20)), який може здійснювати кожна з N моделей в процесі настройки своїх параметрів, так і ефективну взаємодію всіх N моделей (вирази (22), (23)). Це забезпечує підвищену швидкість настройки параметрів моделей і тим самим дозволяє прогнозувати стани нестаціонарних динамічних систем в умовах дії перешкод і параметричних збурень.

У четвертому розділі розглядається задача синтезу нечітких нейромережевих (гібридних) моделей для прогнозування поведінки виробничих процесів як продовження питань, поставлених у розділі 3.

Для апроксимації невідомої функціональної залежності між входами та виходами одномірного процесу, що описується рівнянням вигляду (1), використовується нечітка модель Такагі-Сугено, представлена у вигляді нечіткої нейромережевої моделі на мал. 2.

Нечітка модель містить правил вигляду:

(24)

Вихід моделі обчислюється за виразом:

(25)

де - ступінь виконання i-го правила;

- нормалізований ступінь виконання правила.

Ступіні виконання обчислюються за формулою:

, , (26)

де - функція належності на j-му вході в антецеденті i-го правила.

Оскільки параметри нечітких нейромережевих моделей в загальному випадку невідомі, вони визначаються за допомогою спеціальних процедур навчання, для синтезу яких використовується запис системи Такагі-Сугено у вигляді

, (27)

Для навчання мережі використовуються градієнтні процедури, які мінімізують функцію похибок

,

де - вектор похибки моделювання.

Процедура настройки параметрів функцій належності є модифікацією алгоритму Марквардта і має вигляд:

(28)

Згідно (27) , тому процедуру настройки параметрів консеквентів можна представити як лінійну модифікацію (28):

(29)

Для підвищення швидкості навчання та якості прогнозу в дисертації запропоновано застосувати до процесу навчання нечітких нейромереж принцип багатомодельного підходу. Для цього у відповідність до поведінки процесу ставиться комбінована модель, яка складається з N нечітких нейромережевих моделей, для настройки параметрів яких пропонується застосовувати підхід, що поєднує в собі адаптивну та синергійну стратегії настройки.

Для настройки параметрів усіх N моделей використовуються алгоритми (28), (29), поширені на N моделей, при цьому для забезпечення незалежності пошуку в процесі настройки параметрів кожна модель має свої скалярні коефіцієнти забування застарілої інформації та свої параметри .

Критеріями процесу синергіровання моделей виступають парні функції помилок у вигляді функції якості:

або , , (32)

Вибір оптимальних на кроці k параметрів кожної з N моделей здійснюється по синергійній стратегії відповідно до алгоритму, аналогічного (22). При цьому, якщо найкращою моделлю на кроці k виявилася нейромережа з індексом i=m, то відповідно до синергійної стратегії у цей момент відбудеться перемикання всіх нелінійних моделей на модель з індексом m:

, (33)

При цьому адаптивний підхід (30), (31) здійснюватиме настройку параметрів кожної з N нечітких нейромережевих моделей на основі поточної інформації з метою досягнення оптимального критерію якості прогнозу, а синергійний підхід (32), (33) здійснює обмін інформацією між мережами з метою побудови найефективнішої стратегії оптимізації цього критерію.

П'ятий розділ присвячено тестуванню запропонованих в розділах 3 та 4 методів та алгоритмів і розв'язанню прикладних задач - прогнозування показників процесу виплавки феросплавів.

Проведені експерименти по прогнозуванню нелінійних залежностей із застосуванням методу адаптивно-пошукової настройки, з використанням групи моделей, які об'єднані в лінійну форму та настроюються за відомими процедурами, до яких додані моделі, що настроюються синергійно за методом адаптивно-пошукової настройки, а також за допомогою нечіткої нейромережі, що настроюється за описаними в розділі 4 градієнтними процедурами навчання нечітких нейромережевих (гібридних) моделей. Наведені результати прогнозування кінцевих показників процесу виплавки марганцевих феросплавів з застосуванням описаних методів та підходів.

Досліджено вплив синергійності на швидкість навчання нечітких нейромереж та якість прогнозу. Показано перевагу синергійного підходу до навчання гібридних моделей як за точністю, так і за швидкодією.

Проведене порівняння можливостей застосування описаних підходів для прогнозування станів нелінійних процесів, наведені оцінки якості прогнозу і їх порівняння оцінками прогнозів по відомим підходам. Показано перевагу застосування синергірованого підходу до процесу як навчання нечітких нейромереж, так і настройки параметрів лінійних моделей, перед несинергірованою настройкою параметрів.

ВИСНОВКИ

У дисертаційній роботі вирішена взаємозв'язані задачі оптимізації показників виробничих процесів та прогнозування їх поведінки в умовах апріорної невизначеності та дії неконтрольованих збурень. Проведені дослідження дозволили зробити наступні висновки:

1. В результаті аналізу сучасного стану проблеми прогнозування оптимальних витратних показників процесів при невизначених параметрах обстановки відмічений ряд недоліків, що знижують ефективність їх застосування. Так, неточність завдання параметрів або технологічної інформації практично не враховується, що приводить до необхідності варіювати параметрами для задоволення заданих рівнянь. Крім того, застосування в рівняннях середніх та середньозважених значень параметрів для розрахунків при прогнозуванні може приводити до отримання значно зміщених точкових оцінок результатів.

2. Розроблена математична модель для прогнозування залежностей процесу виплавки марганцевих феросплавів в умовах нечіткого (fuzzy) завдання початкових даних із застосуванням методів прийняття рішень на основі нечіткої логіки та інтервальних оцінок. Запропоновано алгоритм для прогнозування хімічних складів феромарганця та силікомарганця, агломерату та малофосфорного шлаку в заданих межах змісту елементів при оптимальній вартості шихти.

3. Вдосконалена процедура прогнозування з використанням багатомодельного підходу за рахунок додавання до групи моделей N моделей, що настроюються синергійно адаптивно-пошуковим методом з рандомізованою стратегією настройки. Запропонована процедура настройки коефіцієнтів лінійної форми, що враховує обмеження на незміщеність прогнозу та якість прогнозу по кожній з моделей.

4. Вперше запропонований метод настройки нечітких нейромереж, заснований на комбінованій стратегії, що поєднує в собі адаптивні властивості градієнтних процедур навчання з варіабельністю синергійного підходу для настройки параметрів гібридних моделей.

5. Проведені експерименти по прогнозуванню показників виробничих процесів із застосуванням методу адаптивно-пошукової настройки, групи моделей, об'єднаних в лінійну форму, до яких додані моделі, що настроюються синергийно, а також за допомогою нечіткої нейромережі, що настроюється за градієнтними процедурами навчання та з використанням синергійного підходу. Проведене порівняння з відомими процедурами як по швидкодії, так і по точності прогнозу. Показано перевагу застосування синергірованого підходу до процесу навчання нечітких нейромереж і настройки параметрів лінійних моделей, перед незалежною настройкою параметрів.

6. Розв'язані прикладні задачі прогнозування кінцевих показників процесів металургійного виробництва. Результати досліджень впроваджені на Нікопольському заводі феросплавів, на КГМК “Криворіжсталь”, а також у навчальний процес в Національній металургійній академії України.

7. Розроблені в дисертаційній роботі моделі, методи та алгоритми можуть бути використані для прогнозування вихідних показників виробничих процесів в умовах апріорної невизначеності щодо їхньої структури та параметрів.

СПИСОК ОПУБЛІКОВАНИХ ПРАЦЬ ЗА ТЕМОЮ ДИСЕРТАЦІЇ

Михалев А.И., Лысая Н.В. Многомодельный подход к прогнозированию состояний нестационарных динамических систем // Системные технологии. Компьютерная обработка экспериментальных данных: Регион. межвуз. сб. научн. тр. - Вып. 3. - Днепропетровск: "Системные технологии", 1998. - С. 99-105.

Гасик М.И., Гладких В.А., Михалев А.И., Лысая Н.В. и др. Оптимизация состава многокомпонентной шихты углеродовосстановительной плавки ферросплавов // Электрометаллургия. - 1999. - №3. - С. 35-40.

Михалев А.И., Лысая Н.В. Сравнение многомодельного и фаззи-нейро подходов к прогнозированию состояний нестационарных динамических систем //Адаптивні системи автоматичного управління. Міжвідом. науково-техн. зб. - Вип. 5(25). - 2002. - С. 136 - 144.

Михалев А.И., Гладких В.А., Лысая Н.В., Лысенко В.Ф. Оптимизация состава многокомпонентной шихты при выплавке ферросплавов в условиях нечеткого задания исходных данных //Сучасні проблеми металургії. Наукові праці Нац. метал. академії України. - Том 6. - 2003. - С. 183 - 185.

Михалев А.И., Лысая Н.В., Пройдак Ю.С. FUZZY-NEURO технологии прогнозирования процесса управления производством //ZAGADNIENIA TECHNICZNO-EKONOMICZNE. - Kwartalnik akademii gornicko-hutniczej im. Stanislawa Staszica w Krakowie. - Informatika. - Tom 48. - Zeszyt 3. - Krakow: wydawnictwo AGH, 2003. - C. 907 - 912.

Михальов О.І., Лиса Н.В. Застосування фазі - нейро алгоритмів для аналізу і прогнозування залежностей металургійних процесів //Вісник ВПІ. -2004. -№6(39). - С. 275-278.

Михалёв А.И., Власова Н.В. Адаптивно-поисковые методы в прогнозировании поведения динамических систем //Тез. докл. 3-й научно-техн. конф. стран СНГ “Контроль и управление в технических системах”. - 18 - 21 сентября 1995 г. - Винница. - С. 111.

Михалёв А.И., Власова Н.В. Синергийная стратегия настройки в прогнозирующих системах //Тез. докл. 2-ой Украинской конференции по автоматическому управлению (Автоматика-95), 24-30 сентября 1995 г.-Львов.-Т.3. - С. 93-94

Михалев А.И., Власова Н.В. Адаптивные методы прогнозирования оптимального состава многокомпонентной шихты для получения ферросплавов //Материалы 4-ой Укр. конф.по автомат.упр. ("Автоматика-97"), 23-28 июня 1997 г. - Черкассы. - С. 100-101.

Михалев А.И., Власова Н.В., Лысый Д.А. Адаптивный прогноз - как результат игры N моделей //Материалы 4-ой Укр. конф.по автомат.упр. ("Автоматика-97"), 23-28 июня 1997 г. - Черкассы. - С. 102-103.

Optimum Components Selection Agglomerate for Ferromanganese Smelting /A. I. Mikhalyov, V. A. Gladkih, V. F. Lisenko, N. V. Lisa, T. E. Vlasova //4-th International Symposium of Croatian Metallurgical Society Materials and Metallurgy (SCMS'2000, June, 24-28, 2000). - Metallurgy. -Vol. 39. - N.3, 2000. - P. 213. (ISSN 0543-5846).

Михалев А.И., Лысая Н.В. Применение нейро-фаззи сети для анализа и прогнозирования временных рядов // Материалы 10-й Международной конференции по автоматическому управлению “Автоматика - 2003”, 15-19 сентября 2003 г., г. Севастополь, Украина: в 3-х т. - Севастополь,2003. - Т.3. - С. 80-81.

Михалев А.И., Лысая Н.В. Нейро-фаззи модели для анализа и прогнозирования протекания металлургических процессов /Тези доповідей VII Міжнародної науково-технічної конференції, м. Вінниця, 8-11 жовтня 2003 р., - Вінниця, 2003. - С. 11.

Михалев А.И., Лысая Н.В. Нейро-фаззи модель для анализа и прогнозирования временных рядов /Тези доповідей І Всеукраїнської науково-практичної конференції “Математичне та програмне забезпечення інтелектуальних систем” MPZIS-2003, м. Дніпропетровськ, 17-19 жовтня 2003 р., - Дніпропетровськ, 2003. - С. 46-47.

Михалев А.И., Гладких В.А., Лысенко В.Ф., Лысая Н.В. Алгоритмизация углеродовосстановительных процессов производства ферросплавов //Тезисы докладов Всероссийской конференции с международным участием “Компьютерное моделирование при оптимизации технологических процессов электротермических производств” (ЭЛЕКТРОТЕРМИЯ-2004). - Санкт-Петербург, 1-4 июня 2004 года.

Михалев А.И., Гладких В.А., Лысенко В.Ф., Лысая Н.В. FUZZY-оптимизация состава многокомпонентной шихты при выплавке ферросплавов //Тезисы докладов Всероссийской конференции с международным участием “Компьютерное моделирование при оптимизации технологических процессов электротермических производств” (ЭЛЕКТРОТЕРМИЯ-2004). - Санкт-Петербург, 1-4 июня 2004 года.

АНОТАЦІЯ

Лиса Н.В. Оптимізація та прогнозування характеристик металургійних процесів адаптивними синергірованими та гібридними моделями. - Рукопис.

Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 01.05.02 - Математичне моделювання та обчислювальні методи. - Національна металургійна академія України, Дніпропетровськ, 2005.

Розглянуто задачу формування багатокомпонентної шихти оптимального складу за критерієм її мінімальної вартості при отриманні феросплавів заданого складу. Вперше запропоновано нечітка модель для рішення задачі оптимізації складу багатокомпонентної шихти по критерію мінімальної вартості в нечіткій постановці, коли параметри процесу задаються у вигляді інтервалів та описуються функцією приналежності. Проведене оцінювання технологічних параметрів процесу виплавки марганцевих феросплавів при різних видах експертних оцінок початкових даних процесу.

Розглянуто задачу прогнозування показників виробничого процесу з використанням багатомодельного підходу та за допомогою навченої нечіткої нейромережі. Вдосконалені алгоритми, що використовують багатомодельний підхід до прогнозування показників виробничих процесів. Вперше запропоновано застосовувати синергійний підхід до процесу навчання гібридних моделей, який характеризується підвищеною швидкістю навчання та точністю прогнозу. Запропонована синергійна гібридна модель для прогнозування характеристик феросплавного виробництва.

Проведені експерименти по прогнозуванню динаміки нелінійних процесів із застосуванням методу адаптивно-пошукової настройки, групи моделей, об'єднаних в лінійну форму, до яких додані моделі, що настроюються синергійно, а також за допомогою нечіткої нейромережі, яка настроюється за градієнтними процедурами навчання та з використанням синергійного підходу. Проведене порівняння якості прогнозу по багатомодельному та нечіткому нейромережевому підходам до прогнозування поведінки виробничих процесів.

Розв'язані практичні задачі прогнозування кінцевих показників процесу виплавки марганцевих феросплавів з використанням розроблених методів та моделей.

Ключові слова: виробничий процес, оптимізація, прогнозування, нечітка модель, адаптивна модель, нейромережева (гібридна) модель, синергірований підхід, настройка параметрів, процедура навчання, феросплавне виробництво.

АННОТАЦИЯ

Лысая Н.В. Оптимизация и прогнозирование характеристик металлургических процессов адаптивными синергированными и гибридными моделями. - Рукопись.

Диссертация на соискание ученой степени кандидата технических наук по специальности 01.05.02 - Математическое моделирование и вычислительные методы. - Национальная металлургическая академия Украины, Днепропетровск, 2005.

Рассмотрены задачи оптимизации и прогнозирования характеристик производственных процессов в условиях неопределенности относительно структуры и параметров процесса и действия неконтролируемых возмущений. В результате анализа современного состояния проблемы прогнозирования оптимальных расходных показателей технологических процессов при неопределенных параметрах обстановки отмечен ряд недостатков, снижающих эффективность их применения. Сделан вывод о целесообразности применения методов, учитывающих неопределенность исходных данных при решении задач прогнозирования показателей производственных процессов, а также разработки методов оптимизации и прогнозирования, способных функционировать в условиях априорной неопределенности относительно структуры и параметров объекта, обладающих вместе с тем повышенными скоростью обучения и качеством предсказания, применимых, в частности, для процессов в ферросплавном и сталеплавильном производстве.

Рассмотрена задача формирования многокомпонентной шихты оптимального состава по критерию минимальной стоимости при получении ферросплавов заданного состава. Впервые предложена математическая модель решения задачи оптимизации в нечеткой постановке, когда параметры процесса задаются в виде интервалов и описываются функциями принадлежности. Проведено оценивание технологических параметров процесса выплавки марганцевых ферросплавов при разных видах экспертных оценок исходных данных. Установлены зависимости, формулы связи для осуществления анализа влияния качества исходного марганцевого сырья, состава шихты, ее оптимальной стоимости и технологических параметров на конечные результаты выплавки марганцевых ферросплавов. Предложен алгоритм для прогнозирования конечных химических составов ферромарганца, силикомарганца, агломерата и малофосфористого шлака в заданных пределах содержания элементов при оптимальной стоимости шихты.

Для предсказания динамики производственного процесса использованы многомодельный и нечеткий нейросетевой (гибридный) подходы. Для многомодельного подхода усовершенствована процедура прогнозирования за счет добавления в группу моделей N моделей типа АР, СС, АРСС и др., параметры которых настраиваются синергийно с использованием адаптивно-поискового метода с рандомизированной стратегией настройки. Предложена процедура настройки коэффициентов линейной формы, учитывающая ограничения на несмещенность прогноза и качество предсказания по каждой из моделей.

В качестве гибридной модели выбрана нечеткая нейросеть на основе системы нечеткого вывода Такаги-Сугено, которая хорошо приспособлена для использования различных процедур обучения. Для повышения скорости сходимости алгоритмов обучения нечетких нейросетевых моделей с произвольным типом разбиения пространства входов впервые предложен метод настройки, основанный на комбинированной стратегии, сочетающей в себе адаптивные свойства градиентных процедур обучения с вариабельностью синергийного подхода для настройки параметров нейросетей.

Проведены эксперименты по прогнозированию показателей нелинейных процессов с использованием многомодельного подхода, обученной нечеткой нейросети, настраивающихся по предложенным алгоритмам. Исследовано влияние синергийности на качество обучения нечетких нейросетей и предсказания с использованием этих нейросетей. Показано преимущество применения синергированного подхода к процессам как обучения нечетких нейросетей, так и настройки параметров линейных моделей, перед несинергированной настройкой параметров. Предложена синергийная гибридная модель для прогнозирования характеристик ферросплавного производства. Решены практические задачи прогнозирования конечных показателей процесса выплавки марганцевых ферросплавов с применением разработанных методов и моделей.

Ключевые слова: производственный процесс, оптимизация, прогнозирование, нечеткая модель, адаптивная модель, нечеткая нейросетевая (гибридная) модель, синергированный подход, настройка параметров, процедура обучения, ферросплавное производство.

ABSTRACT

Lysa N.V. Optimization and prediction of characteristics in metallurgical processes with adaptive synergetic and hybrid models. - Manuscript.

Dissertation for a candidate of technical science (Ph.D.) degree in specialty 01.05.02 - Mathematical simulation and computation methods. - National Metallurgical Academy of Ukraine, Dnepropetrovsk, 2005.

The problem of optimum composition (to the measure of minimum cost) the parts of multicomponent ferro-alloy charge in the preset chemical boundaries is considered. The algorithm for solving the problem with the parameters of process set as intervals and described by the membership functions is proposed. Evaluation of technological parameters of manganese ferro-alloys smelting process with the different types of expert estimation is conducted.

The problem of prediction the dynamic of technological processes with the use of multimodel and fuzzy-neuro net is considered. The algorithms that use multimodel approach for prediction of the nonlinear processes are improved. The synergy approach for the learning algorithms for fuzzy-neuro net is proposed that is characterized with faster learning and high prediction quality. Synergetic hybrid model for prediction of ferro-alloy production characteristics is developed.

Computer testing of developed prediction methods and approaches is carried out. The comparison of prediction quality with the use of multimodel and fuzzy-neuro approaches is conducted. Real practical tasks for prediction of output parameters of manganese ferro-alloys smelting process with the application of the developed methods and models are solved.

Keywords: production process, optimization, prediction, fuzzy model, adaptive model, synergetic approach, tuning of parameters, learning procedure, ferro-alloys processes.

Размещено на Allbest.ru

...