Автореферат (1152186), страница 3
Текст из файла (страница 3)
Полученныезначения сравниваются с контрольными показателями путем статистической обработкиданных, в результате чего рассчитывается отклонение значений параметров микроклимата всилосе от эталонных и выдается результат о соответствии этих показателей заданным13значениям для выполнения дальнейших действий в процессе бестарного хранения муки всилосах.Рисунок 5. Алгоритм работы нейросетевой модели.14На основании проведенных исследований и полученных результатов был построеналгоритм работы интеллектуального комплекса адаптивного управления параметрамимикроклимата процесса БХМ (рисунок 6).Рисунок 6.
Алгоритм работы интеллектуального комплекса адаптивного управленияпараметрами микроклимата процесса БХМ.От SCADA-системы информация о ходе ТП подается в БД, где она хранится вструктурированном виде. Разработанная нейросетевая модель с использованием Matlab, всостав пакета которого входит инструмент для синтеза, обучения и анализа НС (NeuralNetwork Toolbox), производит автоматический расчет основных величин параметровмикроклимата: температуры, влажности и содержания СО2 внутри силоса.
НСМ вопределенные промежуткивремени получаетданные из БД и всредеMatlabпреобразовывает полученные векторы данных в необходимые нам величины параметровмикроклимата в силосе. В результате работы данного алгоритма в зависимости от режима15управленияТПнаэкранмонитора технологабудетвыдаватьсяинформация опрогнозируемых величинах параметров микроклимата с рекомендациями об изменении ходаТП, либо в случае полностью автоматизированного управления, управляющие воздействиябудут поданы непосредственно на исполнительные механизмы.Для анализа таких сложных и многопараметрических систем, построенных на основеприменения интеллектуальных технологий, как БХМ используют технологии имитационногомоделирования. Имитационная модель всегда создается как реализуемая во времени,позволяя после запуска строить для пользователя траектории изменения состояния системы.Данная модель является набором правил, по которым происходит переход системы из одногосостояния в другое.
В связи с этим построена имитационная модель системы управленияскладом БХМ (рисунок 7).Рисунок 7. Имитационная модель БХМ.Представленная имитационная модель содержит набор объектов, имитирующихработу оборудования склада БХМ и обеспечивающих бесперебойную подачу муки в силосыи своевременную её выгрузку. Для отражения динамического поведения логическойимитационной модели создана двумерная модель, содержащая описание процесса храненияи просеивания муки (рисунок 8).
Данная модель включает два временных графика,описывающихцикличностьпросеиваниямуки(кг),столбиковуюдиаграммудляотображения информации об общем количестве муки, прошедшей этап обработки. Всепараметры модели поддаются регулированию для имитации конкретного объема данного16технологического процесса при изменяющихся внешних условиях и возмущающихфакторах.Рисунок 8. Визуализация модели в двумерной графике.В четвертой главе проанализирована существующая на мукомольном предприятииавтоматизированная система управления. Предложена структурно-функциональная схемаинтеллектуальнойавтоматизированнойсистемыуправления(АСУ),показывающаявключение НС-Р в систему управления и его взаимодействие с различными блоками сбораинформации.
Для обеспечения автоматического управления технологическим процессомБХМ в режиме реального времени разработано автоматизированное рабочее место (АРМ)оператора-технолога с помощью SCADA-системы TraceMode 6.0. Посредством объектноориентированного редактора представления данных создана мнемосхема технологическогопроцесса, на которой в режиме реального времени отображается ход ТП с указаниемконтролируемых параметров (рисунок 9). При необходимости возможно отслеживатьконтролируемые параметры микроклимата в силосе посредством трендов – графиков,отображающих и анализирующих историю ТП.Для экспериментальных испытаний адаптивной системы с применением НС-Р былоразработано альтернативное решение на PC-совместимой платформе (рисунок 10).Предложена аппаратная и программная часть для реализации интеллектуальной системыуправления на базе ПЛК Омрон серии Cj1G.17Рисунок 9.
Визуализация ТП БХМ в TraceMode 6.0.При экспериментальных исследованиях в качестве системы верхнего уровняиспользовался портативный персональный компьютер с соответствующим программнымобеспечением. В процессе исследования системы регистрировались технологическиепараметры процесса и параметры внешних воздействий, а также учитывалась информация отбазы данных о качественных показателях муки.
По результатам измерений строилисьвременные графики (тренды), которые затем сравнивались с заданием ведущего технолога.Рисунок 10. Включение РС-совместимой платформы в ТП БХМ.18На рисунке 11 представлен график изменения температуры воздуха в силосе дляхранения муки при изменяющейся наружной температуре в зимний период времени.
Изграфиков видно, что при изменении наружной температуры воздуха, температурный режим всилосе меняется в соответствии с уставками технолога, отклонение составляет не более0,2оС.Рисунок 11. График изменения температуры воздуха внутри силоса, при возмущающемвоздействии в виде изменяющейся наружной температуры.График изменения влажности воздуха в силосе представлен на рисунке 12.Рисунок 12. График изменения влажности воздуха в силосе при изменяющейсявнутренней и наружной температуре.На основании задания технолога, влажность воздуха внутри силоса в зимний периодвремени для пшеничной муки высшего качества составляет 62%. Судя по графику, имеетсяотклонение от задания, но оно составляет не более 3,3%, а это входит в максимальноеотклонение в 5%, установленное технологом.На рисунке 13 представлен график изменения концентрации CO2 в силосе поотношению к изменению наружной температуры воздуха.19Рисунок 13.
График изменения СО2 в силосе.Из графика видно, что значение концентрации СО2 также изменяется в соответствии суставками, показанными пунктирной линией. Наибольшее отклонение установлено впределах 100 ppm, что также входит в предел допустимой погрешности.Таким образом, в процессе исследования управления технологическим процессом набазе мельничного комбината, интеллектуальный комплекс с нейросетевым регуляторомобеспечил адаптацию параметров процесса при непрерывно изменяющихся внешнихусловиях со стабилизацией параметров в пределах допустимой точности управления,удовлетворяющих своевременному созреванию и сохранности муки.ЗАКЛЮЧЕНИЕ И ВЫВОДЫВ ходе исследования получены следующие основные результаты:1.Обоснована целесообразность разработки интеллектуального комплекса дляадаптивного управления параметрами микроклимата процесса бестарного хранения муки,реализуемого на базе нейросетевого регулятора.2.Представленамодельмножественныхвзаимосвязейуправляющимисигналами.параметровмеждуПоказанамикроклиматапараметрамивсилосе,технологическогоцелесообразностьсучетомпроцессаиспользованияисистемавтоматического управления параметрами микроклимата с учетом многосвязности объектауправления.3.Обоснована целесообразность использования для автоматизации управленияпараметрами микроклимата интеллектуальных технологий управления на базе разработкинейросетевого регулятора.4.Разработана архитектура и алгоритм обучения нейросети.5.Представлен алгоритм работы интеллектуального комплекса адаптивногоуправления параметрами микроклимата силоса.6.Представлено имитационное моделирование ТП БХМ в AnyLogic.207.Разработана система слежения и сбора параметров ТП хранения муки вSCADA-системе TraceMode.8.системуРазработаны технические решения по внедрению в автоматизированнуюуправлениятехнологическимпроцессомбестарногохранениямукиинтеллектуального комплекса адаптивного управления параметрами микроклимата на базенейросетевого регулятора.9.Разработана PC – совместимая платформа в качестве верхнего уровня надпромышленной системой управления технологическими параметрами, с соответствующимпрограммным обеспечением.10.Представленырезультатыопытно-промышленныхиспытаний,которыепоказали, что система обеспечивает требуемое качество управления и является адаптивнойпо отношению к условиям осуществления процесса.Список работ, в которых опубликованы основные положения диссертации.1.
Карелина Е.Б., Благовещенская М.М., Клехо Д.Ю. Внедрение Scada-системы TraceMode в производственные процессы на примере бестарного хранения муки.// ВестникВоронежскогогосударственногоуниверситетаинженерныхтехнологий.2015. № 2 (64). С. 82-85.2.КарелинаЕ.Б.,БлаговещенскаяМ.М.,БлаговещенскийИ.Г.Структурно-параметрическое моделирование как инструмент определения критерия качества наскладе бестарного хранения муки.// Хранение и переработка сельхозсырья. 2015.
№ 4.С. 36-39.3.Карелина Е.Б., Благовещенская М.М., Кириллов С.Б. Автоматизация процессабестарного хранения муки.// Хранение и переработка сельхозсырья. 2015. № 4. С. 1215.4.Карелина Е.Б., Благовещенская М.М., Клехо Д.Ю. Использование нейросетевогорегулятора для управления технологическим процессом бестарного хранения муки.//Хранение и переработка сельхозсырья. 2017. № 9. С. 38-40.5.КарелинаЕ.Б.,БлаговещенскаяМ.М.,КлехоД.Ю.Построениеструктурывзаимосвязи параметров микроклимата силоса для бестарного хранения муки.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
