Автореферат (Методологические основы создания экспертных систем контроля и прогнозирования качества пищевой продукции с использованием интеллектуальных технологий), страница 3

По материалам диссертации опубликовано 95 печатных работ.Из них 2 монографии, 21 статья в журналах, входящих в список ВАК, 5 – в другихизданиях, а также 67 докладов в сборниках научных докладов международныхконференций.Структура и объем работы.Диссертационная работа состоит из введения, 7 глав, заключения и спискаиспользуемой литературы (205 источников). Работа изложена на 409 страницахмашинописного текста, содержит 153 рисунка, 108 таблиц и 7 актов внедрениянаучно- исследовательской работы.Краткое содержание работыВо введении обосновывается актуальность темы диссертационной работы,формулируются ее цели и задачи, новизна и практическая значимость полученныхрезультатов, а также основные научные положения, выносимые на защиту, оценивается степень достоверности полученных результатов, приводится список конференций, где апробировались результаты работы.Первая глава посвящена анализу подготовленности технологических процессов (ТП) производства пищевой продукции к внедрению интеллектуальныхэкспертных систем, постановке задач исследования.

Рассмотрены особенности изакономерности ТП производства различных видов пищевой продукции, которые10показали важность стабилизации и автоматизации процессов приготовления пищевых масс. Однако, отсутствие методов автоматического контроля в реальном времени основных показателей качества сырья, полуфабрикатов и готовой продукциисоздают большие трудности решения данных вопросов.Исследованы и проанализированы производства различных видов пищевыхпродуктов с разным агрегатным состоянием: твердых, сыпучих, пластичных, жидких. Проведены исследования и анализ ТП кондитерского, мукомольного, молочного и пивобезалкогольного производства как объектов автоматизации, дана характеристика основных стадий производства пищевой продукции. ТП данных производств являются наиболее характерными для технологической обработки пищевыхмасс, и их продукция пользуется повышенным спросом у населения.

Посколькуданные процессы приготовления выбранной пищевой продукции составляют основу пищевых производств, полученные результаты будут обладать общностью и могут быть использованы при решении аналогичных задач в других отраслях пищевой промышленности.Проведена классификация основных операций ТП производства этой пищевой продукции и выбраны факторы, определяющие эффективность этих операций.Проведен всесторонний анализ параметров, оказывающих влияние на качество полуфабрикатов и готовой пищевой продукции. На основании полученных результатов разработаны функционально-структурные схемы (ФСС) влияния показателей качества сырья и промежуточных операций на качество готовой продукции впроцессе производства конфет, муки, сливочного масла и кваса на всех стадияхпроизводств.

На рисунке 1.1 представлен пример разработанной ФСС влияния показателей качества сырья и промежуточных операций на качество сливочного масла на всех стадиях процесса его производства.Выявлены необходимые для стабилизации ТП производства исследуемойпищевой продукции точки контроля и регулирования. На рисунке 1.2 в качествепримера показана разработанная ФСС формирования качества сливочного масла навсех этапах его производства с указанием необходимых точек контроля и регулирования.Выбраны и обоснованы наиболее информативные органолептические показатели контроля качества: вкус и цвет сырья, полуфабрикатов и готовой пищевойпродукции, которые необходимо определять непрерывно в ходе ТП.Показано, что в настоящее время методы оценки этих показателей качествасубъективны и определяются путем лабораторных измерений.

Рассмотрены существующие инструментальные методы и средства контроля этих показателей. Показана роль интеллектуальных технологий в решении задач автоматизации контроляпоказателей качества пищевой продукции в потоке.11Рисунок 1.1 ФСС влияния показателей качества исходного сырья и промежуточныхопераций на качество готового продукта на всех стадиях производстваtτtτЦПриемкамолокаЗКяЦОчисткамолокаК1ВτMτУпаковкаТермостатированиеЖ13Р1ГотовоесливочноемаслоК14ВЦ2Р2ВЗЦ7Р3К12tτ6Р2n7Р1τ7Р2tЖПастеризациясливокСтепень разряженияЦnК6РезервированиемолокаК36Р1ВЦК4ВСепарированиесливок иобезжиренногомолокаК5ВОхлаждениемолокаКяtПодогревмолока4Р1КтьСтепеньзаполнениякамеры13Р1К1313Р1К22Р1ПтьКтьБрак,Ж4Р2К73Р1τЗЦЦ11Р111Р11Р11РτЖТермомеханическаяобработкавысокожирныхсливок (сбивание)t10Р1Скоростьподогрева10РnК1110Р1Нормализациявысокожирныхсливокt8Р1τ8Р2ДезодорированиесливокЖК8К10Сепарирование(пахта)10Р110Рτn1Qв9Р1tв9Р1Вода для мойкизерна сливокК9ЗЦРис. 1.18.

ФСС исследуемого процесса производства сливочного масла с указанием необходимых точек контроля и регулированияРисунок 1.2 ФСС ТП производства сливочного масла с указанием точекконтроля и регулированияПоставлена задача разработки методологических основ создания экспертныхсистем непрерывного контроля и прогнозирования качества пищевой продукции сиспользованием интеллектуальных технологий: нейросетевых систем (НС) и систем компьютерного зрения (СКЗ).12Вторая глава посвящена интеллектуальным информационным системам ианализу возможности их использования для автоматизации контроля качества пищевой продукции.В рамках этой главы проведен обзор и анализ экспертных систем, нейросетевых технологий и систем компьютерного зрения как важнейших направлений искусственного интеллекта.

Показаны задачи, решаемые этими системами. Рассмотрены и проанализированы возможности их использования в пищевой промышленности. Представлены направления развития, области применения и основные задачи, решаемые экспертными системами, нейросетевыми технологиями (НСТ) и системами компьютерного зрения (СКЗ).Реализация поставленных задач возможна лишь при наличии математических моделей этих процессов, что позволит прогнозировать ход этих ТП, определять необходимые при этом режимы работы используемого оборудования.Третья глава посвящена проведению комплексных теоретических и экспериментальных исследований и разработке на этой основе структурно – параметрических (СП), математических и ситуационных моделей всех стадий ТП производства пищевой продукции.Для проведения СП анализа и ситуационного моделирования ТП производства пищевой продукции был необходим опрос опытных специалистов – экспертов.Поэтому была разработана методика выбора количественного и качественного состава экспертов, выработан принцип формирования рабочей группы экспертов дляпроведения опроса.

Выбраны эффективные метод сбора и способ интеллектуального анализа данных, полученных от экспертов. Определен необходимый для ЭС состав знаний, оптимальный способ представления информации.Рассмотрен оптимальный подход к идентификации нестационарных ТП пищевых производств в задачах построения моделей этих процессов в реальном времени. При построении модели объекта возможен уход входных параметров за границы допусков. Следовательно, выпуск пищевой продукции не будет соответствовать техническим требованиям производства. Поэтому решалась задача: в какихпределах могут изменяться входные параметры ТП производства пищевой продукции Dx1 , Dx2 ,!, Dxn для того, чтобы выходной показатель качества лежал в заданныхпределах Dy = y Верхн - у Нижн .

Для промышленного объекта:y = f(x) + e,(3.1)где e - ошибка измерения.После проведения активного эксперимента были получены линейные зависимости y от n входных параметров x1 ,!, xn :!(3.2)y = a0 + a1 x1 + a2 x2 + ... + an xn ,где y! - прогноз выходной величины объекта, ai - коэффициенты, значения которыхполучены в процессе идентификации.Задача состояла в отыскании для желаемого диапазона изменения y ( yH ÷ yВ ,где yВ и yH - границы интересующего диапазона yВ > yH), допустимые диапазоныизменения входных величин xН ÷ xВ .

Имеется допустимая по технологии область13ДОПДОПДОПДОПвариации входных параметров объекта: xmin. При этом границы до, xmax, y min, y maxпустимого диапазона и вид модели играют существенную роль при решении поставленной задачи. Более строго этот случай можно записать так:ДОПДОПДОПДОП, yminи yН < yВ .(3.3)y min£ y Н < y max< y В £ y maxВ этом случае диапазон изменения входов xH ÷ xВ также укладывается в доДОПДОПДОПДОПДОПДОПпустимый диапазон xmin. xmin, xmin, xН < xВ .÷ xmax£ x Н < xmax< x В £ xmaxВ итоге имеем: yH ÷ yВ Þ xH ÷ xВ .Если y превышает в ту или иную сторону допустимый диапазон:ДОПДОПДОПДОП, тогда yH ÷ yВ Þ xminymin> y Н , ymin÷ xВ и< y В £ y maxДОПДОПДОПДОП, y В > y max, тогда yH ÷ yВ Þ x Н ÷ xmax,y min£ y Н < y maxт.е.

не должно произойти превышение по входу для данного типа системы.Для примера рассмотрен объект с двумя входами. Пусть связь между входами ивыходом описывает адекватная модель множественной линейной регрессии:!!или(3.4)y = a0 + a1 x1 + a2 x2 ,y = AT X .Если x1=const, то этому значению соответствует некоторое ограниченное множество x2 вдоль прямой x1=const от нижней до верхней границы допустимой обла!сти, гарантирующее y Î{ yН ,..., yВ }.Задавая значения y требуемого диапазона yВ ÷ y Н , получим целевые ограничения области изменения входов как функции x2 = j ( x1 ) . На рисунке 3.1 показано измеренное значение входа x2 и допустимая область изменения для x1: от x1ДОП до x1*(вдоль линии 1-2). Если рассматривать, например x1, как управляемый вход: x1=u, томы решаем задачу выбора управления, компенсирующего возмущение x2 в допустимом диапазоне стабилизации y выхода.Аналогично мы можем исследовать объект с тремя входами.

В данном слуДОПДОПчае область допустимых ограничений,,x1ДОПx2ДОПmin £ x1 £ x1 maxmin £ x 2 £ x 2 maxДОПДОПx3 min £ x3 £ x3 max будет представлять собой параллелепипед, в котором целевымиплоскостями y Н = a0 + a1 x1 + a2 x2 + a3 x3 и yВ = a0 + a1 x1 + a2 x2 + a3 x3 вырезается выпуклый шестигранник (параллелепипед).Рисунок 3.1.