Постановка задачи диагностики технологического оборудования с применением искусственных нейронных сетей
Многомерные балансные модели анализа баланса потоков в технологической установке производства. Диагностирование оборудования при неполноте и зашумленности входных данных. Выбор типа искусственных нейронных сетей. Проведение обучения нейронной сети.
Рубрика | Производство и технологии |
Вид | статья |
Язык | русский |
Дата добавления | 20.08.2018 |
Размер файла | 16,4 K |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Размещено на http://www.allbest.ru/
УДК 65.011.56
постановка задачи диагностики технологического оборудования с применением искусственных нейронных сетей
Кулаков П.А.
Филиал ФГБОУ ВПО Уфимского государственного авиационного
технического университета в г. Стерлитамаке E-mail: petr20071@mail.ru
В работе рассматриваются вопросы описания задачи диагностики оборудования нефтехимического производства с применением искусственных нейронных сетей. Предложены многомерные балансные модели анализа баланса потоков в технологической установке, применительно к области нефтехимии.
Ключевые слова: нейронные сети, модель, диагностика, нефтехимия.
PROBLEM DIAGNOSIS PROCESS EQUIPMENT OF ARTIFICIAL NEURAL NETWORKS
Kulakov P.A.
The paper deals with the description of the diagnosis of petrochemical equipment manufacturing problem with the use of artificial neural networks. Proposed multivariate analysis model balanced flow balance in the process plant, with respect to the field of petrochemistry.
Keywords: neural networks, model diagnostics, petrochemistry.
Диагностика технологического оборудования на сегодняшний день является одной из наиболее сложных задач [1]. Решение многих проблем оперативного контроля и диагностики оборудования на объектах нефтехимии сводится к исследованию дисбалансов газожидкостных потоков в узлах установки и к выявлению причин дисбалансов с получением оценок изменения технологических характеристик реагентов.
Теоретические вопросы моделирования состояния технологического оборудования, идентификации параметров и диагностики состояния производственной установки с использованием известных химико-математических моделей довольно распространены [2, 3, 6-8].
Однако на практике модели и основанные на них методы (model-based methods) сложно применить при анализе состояния и идентификации параметров химических реакторов, из-за сложного протекания процесса полимеризации, и отсутствия полноты данных в реальном масштабе времени, а также большое влияние оказывает наличие большого числа неучтенных факторов.
С использованием искусственного интеллекта, обработка и интерпретация данных реального времени лежит в области применения методов, основанных на знаниях (knowledge-based methods) [4].
Одним из перспективных направлений диагностики технологического оборудования является применение нейронных сетей [5]. Именно эта задача и является предметом настоящего исследования.
Нейронные сети справляются диагностированием оборудования при неполноте и зашумленности входных данных, а также обладают мгновенным откликом. Нейронные сети позволяют существенно сократить количество замеряемых параметров, в результате отпадает необходимость в проведении частых и дорогостоящих химических анализов [4].
Решение задачи диагностики технологической установки решается в два этапа. На первом производится выбор типа искусственных нейронных сетей, на втором - определение параметров архитектуры сети, и в заключении - обучение сети.
При балансовом анализе оборудования, основанном на применении традиционных технологий, структура нефтехимической установки, включающая аппараты и узлы, объединенные многокомпонентными газожидкостными потоками (мономер, промотор, катализатор, растворитель и другие примеси), представлена орграфом. Ориентированный граф имеет: М -вершины граф, N - ребра (дуги) графа. Для каждой вершины графа соответствует аппарат технологической установки, для ребра графа - входной или выходной поток какого-либо аппарата. С помощью метода взвешенных наименьших квадратов согласуются результаты измерений. При этом учитывается класс точности средств измерения [6-7]:
Q= BX, (1)
где Q - вектор притоков (утечек, потерь) в узлах ИС;
B - матрица баланса;
X - вектор состояния (распределение параметров) аппарата, содержат систему уравнений связи между вектором состояния аппарата X и вектором результатов измерения параметров состояния аппарата Y:
X = F(Y) + V (2)
где F(Y) - нелинейная векторная функция связи; V- вектор погрешностей измерений.
Поток, соответствующий j-му ребру графа аппарата, с учетом его многокомпонентного состава (мономер, промотор, катализатор, растворитель) описывается набором переменных xjl , характеризующих массовый расход или изменение накопленной массы полимеризата по компонентам l = [1, p] в технологических трубопроводах, аппаратах или в накопительных элементах, соответствующих j-му ребру графа.
Для характеристики этого потока используется также переменная xj0, описывающая массовый расход реагента в целом или изменение накопленной массы полимеризата в накопительных элементах, соответствующих j-му ребру.
Таким образом, сформулированы основные уравнения балансной модели, что является основой для адаптации балансной моделей и представления ее в нейросетевом базисе.
нейронный сеть обучение технологический
Список литературы
1. Kopytov, E., Labendik, V., Yunusov, S., Tarasov, A. Managing and Control of Aircraft Power Plant Using Artificial Neural Networks. In: Proceedings of the 7th International Conference “RELIABILITY and STATISTICS in TRANSPORTATION and COMMUNICATION (RelStat'07)”. October 24-27, 2007, Transhort and Telecommunication institute. Riga, Latvia. Riga: TTI, 2007, pp. 215- 218.
2. Способ контроля состояния инженерных сетей и калибровки каналов измерения параметров потоков: пат. 2287683 Рос. Федерация: МПК E21B47/10. Ю.И. Зозуля, С.И. Братцев, Н.М. Сибагатуллин, М.А. Слепян; заявитель и патентообладатель Межрегиональное открытое акционерное общество «НЕФТЕАВТОМАТИКА». - № 2002118833/03; заявл. 12.07.2002; опубл. 20.11.2006,. - 12 с., ил.
3. Кулаков П.А., Чариков П.Н. Модель системы оптимизации процесса управления материальными потоками // Экономика и менеджмент систем управления. 2015. Т. 18. № 4 С. 469475.
4. Зозуля Ю.И., Жильцов А.А., Кабальнов Ю.С. Системная интеграция нейросетевых анализаторов при диагностике состояния инженерных сетей // Вестник УГАТУ. - 2009. - Т.12, № 1(30). С. 25-33
5. Хайкин, С. Нейронные сети: полный курс. Москва, Санкт-Петербург; Киев: Вильямс, 2006.
6. Кулаков П.А., Шишкина А.Ф., Карасев Е.М. Управление функционированием объектов нефтехимии на основе менеджмента риска // Современные проблемы науки и образования. 2014. №6; URL: www.science-education.ru/120-16482 (дата обращения: 07.03.2015).
7. Кулаков П.А. Обеспечение безопасности технологической установки производства олигопипериленового синтетического каучука: Дис. на соискание ученой степени канд. техн. наук. 05.26.03: Казань, 2011. 121 с.
8. Чариков П.Н. Системное моделирование организационного управления машиностроительным предприятием при производстве под заказ: Дис. на соискание ученой степени канд. техн. наук: 05.13.06: Уфа, 2004. -162 с.
9. Муравьева Е.А., Маннанов Ф.Ф., Шарипов М.И., Каяшева Г.А. Система управления температурой воздуха механического цеха с использованием инфракрасных обогревателей // Теория. практика. инновации. - 2016. - №1. С.61-74.
Размещено на Allbest.ru
...Подобные документы
Изучение основных функций активации (пороговой, линейный, сигмоидный) элементов нейронных сетей и правил их обучения (Больцман, Хебб) сетей с целью разработки метода автоматизации процесса металлизации на базе адаптивного нейросетевого подхода.
дипломная работа [305,8 K], добавлен 31.05.2010Анализ научных разработок в области прогнозирования качества продукции и оценка математических методов решения статистических задач. Разработка структуры нейронной сети. Прогнозирование качества швейных изделий с использованием аппарата нейронных сетей.
дипломная работа [3,9 M], добавлен 14.04.2013Назначение и механические характеристики стали 45Г, выбор и краткая характеристика типа печного оборудования и процесса ее разливки. Технологический процесс и состав оборудования последних двух станов технологического потока производства рельса Р75.
контрольная работа [4,0 M], добавлен 13.01.2011Описание технологии производства и конструкций разрабатываемого оборудования. Технологический расчет колонны. Технологический расчет теплообменника. Расчет, выбор стандартизированного вспомогательного оборудования. Автоматизация технологического процесса.
дипломная работа [2,5 M], добавлен 03.05.2009Выбор оборудования токарной, шлифовальной, разрезной, сверлильной и фрезерной групп в зависимости от вида обработки, типа производства, габаритов детали. Определение параметров заготовок. Технические характеристики станков: класс точности, размеры, масса.
практическая работа [681,1 K], добавлен 04.10.2013Технологические процессы производства молочных продуктов, технологические операции, выполняемые на разных машинах и аппаратах. Описание технологической схемы производства спредов, сравнительная характеристика и эксплуатация технологического оборудования.
курсовая работа [1,5 M], добавлен 27.03.2010Выбор и расчет необходимого технологического оборудования для участков автопредприятия: комбинированный роликовый стенд для определения тяговых и тормозных качеств автомобиля; установка для мойки автомобилей, оборудование для диагностики и ремонта.
контрольная работа [841,0 K], добавлен 15.11.2010Технологический анализ конструкции. Определение типа производства. Оценка структуры технологического процесса, последовательности и содержания операций. Выбор метода контроля точности изготовления изделия, оборудования и технологической оснастки.
курсовая работа [532,8 K], добавлен 09.05.2015Анализ технологичности конструкции детали, выбор способа получения заготовки и разработка плана обработки. Выбор основного технологического оборудования и технологической оснастки, расчет режимов резания и припусков на обработку, анализ схем базирования.
курсовая работа [480,1 K], добавлен 09.09.2010Этапы производства алюминиевой тары и розлива пива: выбор оборудования, сырья, помещения и персонала. Подбор оборудования для производства упаковки. Размещение оборудования цеха штампования, сушки, печати, розлива и упаковки пива в алюминиевые банки.
курсовая работа [2,9 M], добавлен 18.10.2013Требования ГОСТ к заданному изделию. Выбор схемы технологического процесса производства, типа оборудования и его основных параметров. Ориентировочный расчет деформационного и скоростного режимов прокатки. Технологический процесс производства.
курсовая работа [19,5 K], добавлен 14.02.2007Описание технологического процесса производства в обжимном цехе, основные технологические линии цеха. Расчет параметров агрегатов и выбор оборудования технологических линий обжимного стана, составление баланса металла, расчет параметров блюминга.
курсовая работа [203,0 K], добавлен 07.06.2010- Характеристика технологического оборудования поточной линии производства сухого обезжиренного молока
Технологическая схема производства, сравнительная характеристика оборудования. Назначение, устройство и принцип действия оборудования, которое входит в технологическую линию. Правила эксплуатации и техники безопасности. Выполнение расчетов оборудования.
курсовая работа [2,8 M], добавлен 01.12.2009 Общая характеристика, свойства и природа алмазов, их крупнейшие месторождения и способы добычи. Необходимость и особенности развития и применения технологии производства искусственных алмазов. Анализ современных технологий выращивания и обработки алмазов.
контрольная работа [750,5 K], добавлен 30.03.2010Характеристика объекта. Классификация помещения. Характеристика окружающей среды производственного помещения. Степень защиты оборудования. Схема распределительной и питающей сети. Прокладка и монтаж внутрицеховой силовой сети и заземляющих устройств.
курсовая работа [176,3 K], добавлен 03.12.2007Разработка технологического процесса. Служебное назначение и техническая характеристика детали. Постановка задачи на проектирование. Анализ технологичности конструкции детали. Разработка технологического чертежа. Выбор и обоснование типа производства.
дипломная работа [1,2 M], добавлен 24.11.2010Выбор способа производства портландцемента. Расчет сырьевых компонентов и материального баланса завода. Подбор транспортного и технологического оборудования. Компоновка поточной линии производства. Мероприятия по технике безопасности и охране труда.
курсовая работа [147,9 K], добавлен 11.03.2014Этапы технологических процессов изготовления деталей машин и операций. Характеристика зубчатого колеса, служащего для передачи вращательного движения. Процесс производства детали "Вал" для крупносерийного типа производства. Выбор оборудования, материалов.
курсовая работа [1,7 M], добавлен 14.07.2012Обоснование выбора технологического способа производства лака ПФ-060. Выбор оборудования для стадии растворения и постановки на "тип" и для фильтрации. Расчет фонда времени работы оборудования. Расчёт количества реакторов и выбор объёма реактора.
курсовая работа [432,4 K], добавлен 10.06.2015Характеристика сортов винограда Каберне-Совиньон и Саперави для производства вин типа Портвейн розовый. Выбор и обоснование технологического оборудования. Материальный расчет основного сырья. Технохимический и микробиологический контроль производства.
курсовая работа [203,7 K], добавлен 14.01.2015