автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.06, диссертация на тему:Автоматизация контроля влажности кондитерских масс с применением интеллектуальных технологий

кандидата технических наук
Апанасенко, Сергей Игоревич
город
Москва
год
2010
специальность ВАК РФ
05.13.06
цена
450 рублей
Диссертация по информатике, вычислительной технике и управлению на тему «Автоматизация контроля влажности кондитерских масс с применением интеллектуальных технологий»

Автореферат диссертации по теме "Автоматизация контроля влажности кондитерских масс с применением интеллектуальных технологий"

894609484

На правах рукописи

АПАНАСЕНКО СЕРГЕЙ ИГОРЕВИЧ

АВТОМАТИЗАЦИЯ КОНТРОЛЯ ВЛАЖНОСТИ КОНДИТЕРСКИХ МАСС С ПРИМЕНЕНИЕМ ИНТЕЛЛЕКТУАЛЬНЫХ ТЕХНОЛОГИЙ

Специальность 05.13.06 - Автоматизация и управление технологическими процессами и производствами (пищевая промышленность)

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

3 о СЕН 2010

Москва-2010

004609484

Работа выполнена на кафедре «Автоматизация биотехнических систем» Государственного образовательного учреждения высшего профессионального образования «Московский государственный университет прикладной биотехнологии.

Научный руководитель: заслуженный деятель науки РФ

доктор технических наук, профессор Благовещенская Маргарита Михайловна Официальные оппоненты: академик РАСХН,

доктор технических наук, профессор Ивашов Валентин Иванович кандидат технических наук, профессор Кузнецов Владислав Сергеевич

Ведущая организация: ГОУ ВПО Московский Государственный

Университет Пищевых Производств

Защита состоится " А " ¿¿^¿Хт 2010г. в час. на заседании

Диссертационного Совета Д.212.149,04 в ГОУ ВПО Московском государственном университете прикладной биотехнологии по адресу: г.Москва, ул. Талалихина, д.ЗЗ.

Отзывы на автореферат в двух экземплярах, заверенные гербовой печатью, просим направлять по адресу: 109316, Москва ул. Талалихина д.ЗЗ на имя ученого секретаря диссертационного совета Д 212.149.04.

С диссертацией можно ознакомиться в библиотеке ГОУ ВПО Московского государственного университета прикладной биотехнологии.

Автореферат разослан « /2 » сиг/у 2010г. Ученый секретарь

Общая характеристика работы.

Актуальность проблемы

В современных техногенных условиях жизни и при больших эмоциональных и стрессовых нагрузках у населения Российской Федерации возникает все большая потребность в качественных и полезных для организма продуктах питания.

В настоящее время кондитерские предприятия занимают ведущее место среди отраслей пищевой промышленности, а их продукция пользуется неизменным и значительным спросом у населения страны. Кондитерские изделия представляют собой большую группу разнообразных высококалорийных продуктов питания, которые регулярно потребляются практически всеми группами населения различных возрастов. Эта продукция составляет значительную долю рациона питания, ввиду своих вкусовых качеств, а так же потому что она отличается высокой питательностью, усвояемостью и обеспечивает человеческий организм набором физиологически ценных веществ, необходимых для его нормальной жизнедеятельности.

В условиях рыночной экономики, обусловленной жесткой конкуренцией и строгим кошролем со стороны государства, эффективность деятельности кондитерских предприятий напрямую зависит от того, насколько его продукция удовлетворяет запросам потребителей. Введение в действие Федеральных законов «О качестве и безопасности пищевых продуктов» и «О техническом регулировании» выдвигают перед производителями новые требования в повышении качества выпускаемой продукции. Решение данной проблемы в современных условиях возможно только на основе использования новейших научных достижений в области техники и технологии, обеспечения стабильности производственных процессов, соблюдения установленных технологических режимов, оснащения поточно- механизированных линий по производству кондитерских изделий современными средствами непрерывного автоматического контроля, регулирования и управления с использованием интеллектуальных технологий.

Трудность решения этих задач обусловлена нестабильностью свойств поступающего на переработку сырья, многообразием перерабатываемых полуфабрикатов по физико- химическим, биохимическим и структурно- механическим свойствам. Все это вызывает частые колебания режимов работы оборудования, а также параметров процесса приготовления многокомпонентных неоднородных кондитерских масс и не позволяет получать стабильный по качеству готовый продукт.

Одним из основных параметров, по которому судят о качестве выпускаемых кондитерских изделий, является влажность. Определение влажности сыпу-

чих и жидких кондитерских масс играет существенную роль как при контроле протекания технологических процессов, так и при контроле качества продукции. Однако, этот параметр для приготавливаемых кондитерских масс редко сохраняется постоянным. Он меняется от партии к партии и зависит от очень многих факторов, таких как свойства сырья, нестабильность технологических процессов, условия хранения и др.

В настоящее время влажность приготавливаемых кондитерских масс определяется только путем лабораторных измерений, ввиду невозможности или крайней дороговизны технического решения по организации их измерения поточным способом. Ситуация в кондитерской промышленности России требует новых подходов к решению этой важной проблемы в отрасли, и поиску альтернативных вариантов развития автоматизации контроля влажности кондитерских изделий с использованием высокоэффективных интеллектуальных технологий.

Создание системы автоматического контроля влажности кондитерских масс в потоке, позволяющей непрерывно контролировать свойства перерабатываемого сырья, полуфабрикатов и определять оптимальный режим протекания технологических процессов, дает возможность решить задачу стабилизации качества кондитерских изделий и является перспективным направлением развития кондитерской отрасли, а также актуальной научно-технической задачей специальности 05.13.06 - Автоматизация и управление технологическими процессами и производствами (в пищевой промышленности).

В диссертации эта проблема исследована и решена на примере сахаристых кондитерских изделий, поскольку эти изделия становятся наиболее популярными у населения, обладают высокими вкусовыми качествами и хорошей усвояемостью. Производство сахаристых кондитерских изделий в настоящее время является перспективным направлением развития кондитерской промышленности. В технологической цепочке производства кондитерских изделий данного типа (таких как, например, конфеты из мягкого грильяжа), наиболее сложным является процесс уваривания сахаро- паточного сиропа, соблюдение влажности которого в течение всего производственного цикла является наиболее острой проблемой при приготовлении этого продукта, Для обеспечения необходимой стабильности протекания данного технологического процесса необходим непрерывный контроль влажности в режиме реального времени. Проведенный обзор и анализ работ, посвященных этой проблеме выявил, что к настоящему времени в пищевой промышленности для определения влажности для таких процессов применяются лабораторные методы и отсутствуют устройства автоматического контроля данного параметра в потоке, поскольку его значение трудно получить каким-либо другим способом кроме лабораторных замеров по ряду негативных факторов:

• высокая вязкость среды;

• высокая липкость массы;

• высокое давление в варочном котле;

• высокая температура в агрегате.

Перечисленные факторы делают невозможным измерение влажности приготавливаемой массы путем непосредственной установки датчика влажности внутри варочного котла.

Одним из перспективных направлений развития автоматизации процессов пищевой промышленности является применение аппарата искусственных нейронных сетей (ИНС), являющегося важным разделом теории искусственного интеллекта. ИНС способны решать широкий круг задач распознавания образов, идентификации, прогнозирования и оптимизации управления сложными объектами. В общетеоретическом плане ИНС исследовались в работах зарубежных ученых: Д. Хебба, Ф.Розенблатта, М.Минского, Дж. Холфидса, У.С.Мак-Коллака, У. Питтса, К.Э. Шеннона, Дж.М. Маккарти, Дж. Фон Неймана и др. Существенный вклад в решение научных и практических аспектов ИНС вносят отечественные ученые: В.В. Круглов, В.В. Борисов, Г.К. Вороновский, К.В. Махотило, С.Н. Петрашев, С.А. Сергеев, С.В. Фомин, A.A. Фролов, B.JI. Ду-нин- барковский и др., а в пищевой промышленности - М.М.Благовещенская, О.Н. Лимбах, Е.В. Роденков, В.В. Садовой, В.А. Самылина, А.Г. Храмцов, A.B. Шаверин и др.

Работы по реализации виртуальных датчиков на основе нейросетевых технологий и интергации их в процессы управления технологическими процессами рассматривались и проводились главным образом на иностранных предприятиях. Среди теоретиков, занимающихся данным вопросом стоит отметить американских ученых Фортуна Л., Гразиани С., Рицо А., Ксибилиа М., с их работой "Soft Sensors for Monitoring and Control of Industrial Processes" ("Виртуальные датчики для мониторинга и контроля промышленных процессов" (2007), а так же Венкатасубраманиани В., Ренгасвоми Р., Йина С., в 2003 году опубликовавших 3 части статьи "A Review of Process Fault Detection and Diagnosis" ("Обзор обнаружения и диагностики ошибок протекания процесса") в журнале "Computers and Chemical Engineering".

Параллельно с этими исследованиями, возможность использования нейронных сетей для реализации виртуальных датчиков была рассмотрена к.т.н. Ибрагомовым И.М. в его статье «Использование систем искусственного интеллекта при экспуатации энергетических объектов». Так же, под руководством д.г.н. Муромцева Ю.Л. была выполнена работа под названием «Виртуальный датчик влажности в системе оптимального управления процессами сушки», в которой впервые в пищевой промышленности была рассмотрен процесс вне-

дрения в СУ сушильной установкой вальцеленточного типа виртуального датчика, построенного на основе нейросетевых алгоритмов.

В настоящей работе был учтен и проработан опыт предыдущих исследований и были приняты во внимание все рекомендации, приводимые авторами перечисленных ранее трудов.

Анализ опубликованных научных работ в области ИНС свидетельствует о перспективности исследований по этой тематике, необходимости развития этого направления, а так же малочисленности данных исследований в области пищевой промышленности. Изучение отечественной и зарубежной литературы указывает на необходимость углубленного исследований в рассматриваемой области и применения новых подходов к использованию ИНС для построения виртуальных датчиков с учетом специфики кондитерской промышленности. В связи с чем, представляется своевременным и актуальным проведение комплексных исследований, направленных на автоматизацию контроля влажности кондитерских масс с применением интеллектуальных технологий; разработку виртуального датчика влажности кондитерских масс на основе нейросетевых алгоритмов; исследование возможности интеграции такого датчика в систему управления технологическим процессом при производстве кондитерских изделий.

Проведенные исследования показали возможность успешного решения задачи автоматического контроля влажности на примере сахаристых кондитерских масс за счет внедрения в производственный процесс специально разработанного программно-аппаратного комплекса (ПАК) виртуального датчика, построенного на основе искусственной нейронной сети (ИНС), приемлемого по стоимости для любого пищевого предприятия.

Создание и внедрение виртуального датчика влажности с использованием интеллектуальных технологий и современных математических методов позволяет оптимизировать управление технологическими режимами линии производства кондитерских изделий, непрерывно получать данные о влажности кондитерских масс в течение всего технологического процесса в режиме реального времени, существенно уменьшить уровень брака, снизить потери рабочего времени, сырья и энергии, повысить качество готовой продукции. Решение этой проблемы позволит построить эффективную систему регулирования и управления технологическими процессами кондитерских производств.

Актуальность работы подтверждается включением тематики проводимых исследований в научно- технический проект по госбюджетной теме №7242 «Снижение риска получения некачественной продукции за счет научно- обоснованных методов, приборов и систем автоматического контроля безопасности сырья, полуфабрикатов и готовых продуктов питания», выполняемой по анали-

тической ведомственной целевой программе «Развитие научного потенциала высшей школы» Министерства образования и науки Российской Федерации (2008-2010 гг.).

Актуальность проблемы, решению которой посвящена диссертационная работа, подтверждается также получением гранта Федерального агентства по образованию Министерства образования и науки Российской Федерации (проект № 7413: "Формирование и развитие кластера высших учебных заведений для интеграции научных и научно-образовательных ресурсов в области автоматизации и информатизации пищевой биотехнологии") по федеральной целевой программе "Развитие научного потенциала высшей школы (2009-2010 годы)" (мероприятие: № 2 "Проведение фундаментальных исследований в области естественных, технических и гуманитарных наук. Научно-методическое обеспечение развития инфраструктуры вузовской науки", раздел: № 2.2 " Научно-методическое обеспечение развития инфраструктуры вузовской науки ", подраздел: 2.2.1. "Развитие механизмов интеграции научной и образовательной деятельности и интегрированных научно-образовательных структур. Развитие инфраструктуры информационно-аналитического обеспечения научных исследований высшей школы", направление: 2.2.1.2." Развитие инфраструктуры информационно-аналитического обеспечения научных исследований высшей школы").

Разделы исследования, посвященные использованию интеллектуальных технологий в кондитерской промышленности, были включены в тематику НИР Московского государственного университета прикладной биотехнологии (МГУПБ) (2009 - 2010 гг.). Тема диссертационной работы соответствует плану НИР кафедры «Автоматизация биотехнических систем МГУПБ.

Изложенное позволяет сделать вывод об актуальности темы диссертационной работы.

Цель и задачи исследования

Целью настоящей работы является разработка, научное обоснование и создание методов и средств автоматизации контроля влажности кондитерских масс в потоке с применением интеллектуальных технологий, обеспечивающих производство кондитерских изделий стабильно высокого качества (на примере процесса уваривания сахаро- паточного сиропа линии приготовления конфет из мягкого грильяжа).

Для достижения поставленной цели были поставлены и решены следующие задачи исследований:

• Обоснование принципов решения проблемы автоматизации контроля влажности кондитерских масс.

• Проведение анализа, обобщение и систематизация направлений использования искусственных нейронных сетей (ИНС) в различных отраслях (в том числе в пищевой) промышленности.

• Разработка и обоснование метода, позволяющего в реальном времени контролировать влажность кондитерских масс.

• Разработка математических моделей, алгоритмов и программ для реализации методов автоматического контроля влажности кондитерских масс.

• Проведение комплексных экспериментальных исследований и анализа технологического процесса производства сахаристых кондитерских изделий (на примере процесса приготовления сахаро- паточного сиропа линии производства конфет из мягкого грильяжа) с целью разработки и апробации метода автоматического контроля влажности.

• Выявление и анализ зависимостей между параметрами сырья и полуфабрикатов, используемых при приготовлении сахаристых кондитерских изделий, параметрами работы технологического оборудования и влажностью увариваемого сахаро- паточного сиропа.

• Математическая постановка задачи автоматического регулирования влажности в процессах уваривания при приготовлении сахаристых кондитерских изделий.

• Проектирование структуры программно-аппаратного комплекса (ПАК) для контроля влажности увариваемой кондитерской массы.

• Научное обоснование и разработка оптимальной НСМ для автоматизации регулирования влажности увариваемой кондитерской массы. Разработка виртуального датчика влажности кондитерских масс на основе нейросе-тевых алгоритмов.

• Разработка схемы интеграции ПАК виртуального датчика в автоматизированную систему управления технологическим процессом (АСУ ТП) при производстве кондитерских изделий.

• Экспериментальная проверка результатов на промышленном оборудовании. Практическая реализация результатов разработки.

Объекты и методы исследования

Объектом исследования является поточная технологическая линия по производству конфет из мягкого грильяжа и нуги, функционирующая на производстве предприятия ОАО Московская Кондитерская Фабрика «Красный Октябрь» (типовая линия производства сахаристых кондитерских изделий).

Предмет исследования составила совокупность теоретических, методологических и практических задач, связанных с автоматизацией контроля влажно-

сти кондитерских масс. Были исследованы модели, методы, средства и способы контроля влажности кондитерских масс по результатам значений различных наиболее информативных технологических параметров процесса, а также физико-химических и реологических параметров сырья и полуфабрикатов, измеренных в процессе производства сахаристых кондитерских изделий.

При проведении теоретических и экспериментальных исследований использованы основные положения и уравнения теории автоматического управления, математического моделирования, элементы теории принятия решений, методы системного анализа, оптимизации, планирования и обработки результатов экспериментов, теории ИНС, теории нечетких множеств, а так же методы математической статистики. Экспериментальные исследования проведены с помощью стандартных методик и поверенных приборов а так же персонального компьютера с использованием пакета прикладных программ Ма^аЬ 2007Ь.

Научная новизна работы

Научная новизна исследования, обеспечившая достижение цели работы заключается в следующем:

В результате теоретического анализа, экспериментальных исследований и расчетов обоснованы наиболее перспективные направления автоматизации контроля влажности кондитерских масс на основе виртуальных датчиков построенных на базе нейросетевых алгоритмов.

Разработаны теоретические и методологические основы автоматического контроля влажности кондитерских изделий (на примере процесса приготовления сахаро- паточного сиропа линии производства конфет из мягкого грильяжа), в частности впервые разработаны:

• Метод автоматизации контроля влажности кондитерских масс.

• Способ автоматического контроля влажности кондитерских масс в потоке, основанный на внедрении в систему управления (СУ) виртуального датчика, построенного на алгоритмах ИНС. Предложенный способ позволяет своевременно получить объективную информацию о текущей влажности увариваемого сиропа по результатам значений технологических параметров процесса, а также на основании физико-химических и реологических параметров сырья и полуфабрикатов, измеренных в процессе производства изделия.

• Нейросетевая модель процесса уваривания сахаро-паточного сиропа.

• Алгоритмическое и математическое обеспечение задачи автоматизации контроля влажности кондитерских масс.

• Методика и алгоритм проектирование архитектуры комплекса системы автоматического контроля влажности.

• Формулирование основных правил использования алгоритмов ИНС для создания виртуальных датчиков для контроля показателей пищевых масс.

• Структура программно - аппаратного комплекса (ПАК) виртуального датчика, реализующего способ автоматического контроля влажности сахаристых кондитерских изделий и интеграция его в систему управления.

• Основные правила использования алгоритмов ИНС для создания виртуальных датчиков контроля влажности кондитерских масс.

Практическая ценность

В результате проведенных исследований продемонстрированы возможности осуществления автоматического контроля влажности кондитерских масс в потоке на основе нейросетевой модели с последующим созданием АСУТП в кондитерской промышленности.

Основные позиции, определяющие практическую ценность работы, заключаются в следующем:

• Создана и апробирована методика автоматического контроля влажности кондитерских масс в режиме реального времени (на примере процесса приготовления сахаро- паточного сиропа линии производства конфет из мягкого грильяжа).

• Сформулированы предложения для обеспечения широкого использования в кондитерской промышленности аппарата искусственных нейронных сетей, являющегося одним из перспективных направлений развития теории искусственного интеллекта.

• Даны рекомендации по созданию ПАК для контроля влажности кондитерских масс с использованием нейросетевой модели. Данная разработка позволит непрерывно в потоке контролировать влажность кондитерских масс.

• Применен и апробирован разработанный способ автоматического контроля влажности в процессах приготовления сахаристых кондитерских изделий. Даны рекомендации по применению разработанного способа для построения системы регулирования влажности в процессе уваривания сахаро-паточного сиропа для приготовления конфет мягкого грильяжа.

• Разработана и апробирована структура реализации ПАК виртуального датчика и его интеграции в АСУ ТП. Даны рекомендации и обоснования по выбору технических средств и программного обеспечения, необходимых для создания этой системы

Апробация работы

Основные положения диссертационной работы были обсуждены и одобрены на:

• Семинаре «Интенсификация и автоматизация технологических процессов обработки пищевых продуктов», МГУПБ, 2009.

• Международной научной конференции студентов и молодых ученых «Экологически безопасные, ресурсосберегающие технологии и средства переработки сельскохозяйственного сырья и производства продуктов питания», МГУПБ, 2009.

• П-ой Конференции молодых ученых «Реология и физико-химическая механика гетерофазных систем», 2009.

• И-ом Испанско- Российском Форуме по информационным и коммуникационным технологиям, Мадрид, 21-25 сентября 2009.

• X Международная научно- практическая конференция «Автоматизация и информационное обеспечение производственных процессов в сельском хозяйстве», Углич, 2009.

• Электронной научной конференции на основе Интернет-форума, научно-информационного издательского центра и редакции журнала «В мире науки», 2009.

• Х-ой Всероссийской выставке научно-технического творчества молодежи «НТТМ-2010».

Получено свидетельство Всероссийской Выставки Научно-технического Творчества Молодежи о результативном участии в создании и успешной демонстрации научно-технического проекта.

Разработанная система контроля влажности кондитерских изделий внедрена и введена в эксплуатацию в конфетном цехе ОАО «МКФ Красный Октябрь». Результаты диссертационной работы внедрены в учебный процесс кафедры «Автоматизация биотехнических систем» ГОУ ВПО Московского государственного университета прикладной биотехнологии по следующим дисциплинам: «Моделирование систем», «Технические средства автоматизации» и «Проектирование автоматизированных систем» о чем свидетельствуют соответствующие акты внедрения.

По итогам работы подготовлены две заявки на изобретения.

Публикации

По теме диссертационной работы опубликовано 5 печатных работ. Структура и объем работы

Диссертационная работа состоит из введения, 4 глав, заключения, списка используемой литературы (104 источника) и приложения. Работа изложена на 117 страницах машинописного текста, содержит 27 рисунков, 12 таблиц, 1 приложения.

Краткое содержание работы

Во введении обоснована актуальность работы, сформулированы цели и задачи исследования, раскрыты научная новизна и практическая ценность работы.

Первая глава посвящена анализу технологического процесса приготовления сахаристых кондитерских масс на примере технологического процесса уваривания сахаро- паточного сиропа линии приготовления конфет мягкого грильяжа как объекта управления. В рамках этой главы описан технологический процесс уваривания сахаро- паточного сиропа, дана характеристика этого процесса. Проведен всесторонний анализ всех параметров, оказывающих влияние на влажность увариваемого сиропа (физико-химические и реологические параметры сырья и полуфабрикатов), измерение которых необходимо для производства конфет из мягкого грильяжа. Определены возможные управляющие воздействия для регулирования влажности кондитерских масс во время протекания данного процесса. Анализ полученных результатов теоретических и экспериментальных исследований показал, что наиболее полно состояние технологического процесса уваривания характеризуют влажность. Влажность тесно связана со структурой вещества и хорошо реагирует на изменения в молекулярном строении исследуемой массы в процессе ее переработки.

Проведен обзор методов и средств измерения влажности, применяемых в процессах пищевой промышленности, а так же рассмотрены некоторые решения, разработанные для контроля влажности в других отраслях, которые могли бы быть адаптированы для поставленной задачи.

Были рассмотрены лабораторные и экспресс - методы контроля влажности, как основные средства определения качества протекания технологического процесса приготовления кондитерских изделий на большинстве кондитерских предприятий, а также инструментальные методы и средства косвенного определения влажности, основанные на применении:

• микроволновых влагомеров резонаторного типа;

• СВЧ-влагомеров;

• емкостных влагомеров;

• электрокондухтометрических влагомеров;

• ультразвуковых влагомеров;

• инфракрасных влагомеров;

• диэлектрических влагомеров и др.

Был проведен анализ возможности использования инструментальных методов для автоматического определения влажности увариваемого сахаро- паточного сиропа в потоке при приготовлении конфет из мягкого грильяжа.

Проведенный в работе обзор и анализ литературы, посвященной этой проблеме, выявил, что к настоящему времени в пищевой промышленности для контроля влажности в процессах уваривания применяются лишь лабораторные методы и отсутствуют автоматические устройства контроля данного параметра в потоке. Были отмечены причины невозможности или нецелесообразности использования данных методов для решения поставленных в работе задач.

Поскольку для стабилизации технологических процессов приготовления кондитерских изделий необходима полная, объективная, достоверная и своевременная информация о состоянии этих процессов, была поставлена задача разработки метода и способа автоматического контроля влажности кондитерских масс в потоке.

В данной главе было проведено исследование возможностей применения интеллектуальных нейросетевых технологий для контроля влажности кондитерских масс. Были проанализированы возможности разработки и внедрения в СУ процессом приготовления кондитерских масс виртуального датчика влажности. В качестве альтернативных основ построения виртуального датчика были рассмотрены математические модели микро и макро уровня, а так же аппарат нейронных сетей. Были детерминированы сильные и слабые стороны обоих подходов и приведено подробное обоснование выбора нейросетевых алгоритмов для решения данной задачи.

Во время проведения исследования так же были проанализированы возможности применения искусственных нейронных сетей для автоматизации технологических процессов, было рассмотрено некоторое количество решений, в которых нейронные сети были использованы для определения параметров пищевых масс.

Вторая глава посвящена математической постановке задачи определения влажности увариваемого сахаро- паточного сиропа для приготовления конфет из мягкого грильяжа, а так же формированию основных этапов решения поставленной задачи.

Математически, задачу определения влажности уваривания сахаро- паточного сиропа можно сформулировать следующим образом:

[(' = Р<ХатХыЪ (1)

где

хат - (automation measurement) входной вектор, характеризующий параметры технологического процесса, полученные в результате автоматических измерений, производимых СУ;

Xim - (laboratory measurement) входной вектор, характеризующий исходные показатели качества сырья и полуфабрикатов, определенные в процессе входного контроля и полученных в результате лабораторных измерений.

Так же необходимо определить управляющее воздействие и ограничения, накладываемые на систему.

Для данного технологического процесса возможно использовать два управляющих воздействия - изменение конечной температуры уваривания и изменение времени уваривания, однако изменение конечной температуры уваривания не может обеспечить регулирование параметра влажности с точностью, требуемой для данной работы, тогда как продление, или наоборот, сокращение продолжительности уваривания может обеспечить качественное регулирование протекания процесса.

Таким образом, основной задачей системы регулирования будет расчет такого времени процесса уваривания, которое не выходило бы за рамки, обозначенные оператором как нижний и верхний пределы продолжительности. На остальные параметры протекания процесса действуют ограничения, предусмотренные технологической инструкцией.

Дальнейшая разработка математической модели представляет собой отдельную задачу, не рассмотренную в рамках данной диссертации.

При постановке задачи в виде формулы (1) на модель ложится проблема определения единственного параметра технологического процесса. Основой для определения искомого показателя служат разнообразные статистические данные о ходе технологического процесса и параметры сырья и полуфабрикатов, корреляция которых с определяемым параметром выражена не явно, таким образом, в случае использования для построения модели аппарата ИНС, задача нейронной сети в данной системе сводится к задаче прогнозирования результата.

При правильном формировании обучающей выборки, значения параметров которой будут охватывать весь допустимый диапазон изменения их значений, задача прогнозирования искомого показателя представляет собой задачу интерполяции результатов. Это означает, что данный виртуальный датчик будет стабильно работать с заданной погрешностью в данном диапазоне значений технологических параметров.

Таким образом, нейросетевая модель, обученная по выборке в которой проводилось соответствие искомого параметра и характерных для данного значения параметров технологического процесса вида:

?: = \Хст1.7.1пС\-. (2)

производит интерполяцию значения влажности, основываясь на имеющихся данных о процессе:

У| = ¡]: (3)

Решение задачи построения и интеграции виртуального датчика на основе ИНС в АСУ ТП в общем случае состоит из следующих этапов:

Рисунок 1. Этапы построения и интеграции виртуального датчика на основе ИНС в АСУ ТП.

В третьей главе разрабатывается нейросетевая модель определения влажности увариваемого сахаро- паточного сиропа (на примере уваривания са-харо- паточного сиропа для приготовления конфет из мягкого грильяжа).

В процессе работы над данной главой были завершены этапы построения виртуального датчика на основе ИНС и его интеграции в АСУ ТП, касающиеся анализа АСУ ТП линии. Были проанализированы все параметры данного участка технологического процесса, измеряемые посредствам системы автоматики. Так же был составлен список параметров сырья и полуфабрикатов, получаемых в процессе входного контроля посредствам лабораторных измерений.

Результаты работ по этим этапам представлены в Таблице 1 и Таблице 2

Таблица 1.

Технологические параметры, измеряемые во время протекания технологического процесса.

Операция Оборудование Объект контроля Параметр контроля Тип измерений

Промежуточное хранение патоки Буферный бак патоки Патока Температура Авто

Промежуточное хранение шоре яблочного Буферные баки пюре яблочного Пюре яблочное Температура Авто

Дозирование компонентов Рецешурные весы Компоненты сиропа Вес Авто

Уваривание сахаро-паточного сиропа Варочный котел Сироп Температура Авто

Давление Авто

Паровая рубашка котла Пар Давление Авто

Определенные технологическими регламентами данного сорта конфет предельные потери сухих веществ в 3% при приготовлении готового изделия определяют особые требования к погрешности работы нейросетевой модели. Предел допустимой погрешности был выбран равным 1,5%.

Кроме того в данной главе была сформирована и обучена нейросетевая модель процесса уваривания.

Был осуществлен подбор архитектуры НС. В процессе реализации подбора были проклассифицированы основные типы архитектур НС. После чего был проведен анализ на возможность использования различных архитектур НС для решения задачи определения влажности.

Так же в рамках данной главы был проведен предварительный анализ различных топологий нейронных сетей, для определения тех типов, которые смогли бы решить поставленную задачу. Выбор структуры ИНС определялся главным образом спецификой поставленной задачи, в рассматриваемом случае задачи интерполяции данных.

Анализ однослойных НС показал непригодность их для решения поставленной задачи в виду их низкой вычислительной способности.

Дальнейшее рассмотрение структур ИНС привело к выбору многослойных НС прямого распространения, типа многослойный персептрон. Сеть, такого типа имеет структуру, показанную на Рисунок 2. Такая структура является наиболее распространенной для решения задач интерполяции.

Таблица 2.

Технологические параметры, получаемые в результате входного контроля

Объект контроля Нормативная документация Параметр контроля Тип измерений

Вкус Органолептика

Запах Органолептика

Цвет Органолептика

§ СМ Массовая доля сухого вещества Рефрактометр

Патока о о о Массовая доля редуцирующих веществ Метод Лейна-Эйнона

«Л н Массовая доля общей золы Сжигание в муфельной печи

о е. Водородный показатель Измерение рН-метром

Кислотность Метод нейтрализации кислот

Содержание диоксида серы Окисление раствором йода

Температура карамельной пробы Нагрев

Вкус Органолептика

оч го Запах Органолептика

£ ©V о Цвет Органолептика

5 £ к 6 § аз 1 Массовая доля сухого вещества Рефрактометр

1 Массовая доля бензойнокислого натрия В соответствии с ГОСТ 28467-90

1 Массовая доля сорбиновой кислота В соответствии с ГОСТ 26181 -84

Массовая доля минеральных примесей В соответствии с ГОСТ 25555.3-82

Вкус Органолептика

Запах Органолептика

ы о 8 а Цвет Органолептика

с 1 Г} § Массовая доля влаги Высушивание

а Массовая доля сахарозы Феррицианидный метод

Массовая доля редуцирующих веществ Йодометрический метод

Массовая доля золы Сжигание в муфельной печи

Рисунок 2. Структура сети, типа многослойный персептрон.

Результаты эксперимента, призванные продемонстрировать различие в вычислительных способностях различных видов нейронных сетей отображены на Рисунок 3. Для данного эксперимента были выбраны однослойная сеть и многослойный персептрон. Количество входных параметров обоих НС было одинаковым. Для обучения сетей была сформирована единая выборка, содержащая в себе результаты 50 экспериментов. В случае с использованием многослойной сети заданной произвольным образом результат обучения оказался значительно лучше, чем при использовании сети однослойного типа.

Количество скрытых слоев НС определялось экспериментальным путем в среде «МаЙаЬ» с учетом теоретического обоснования. В процессе экспериментов были рассмотрены следующие структуры НС:

« сеть с одним скрытым слоем (расходящаяся сеть);

® сеть с двумя скрытыми слоями (расходящаяся сеть);

в сеть с тремя скрытыми слоем (расходящаяся сеть);

« сеть с одним скрытым слоем (сходящаяся сеть);

® сеть с двумя скрытыми слоями (сходящаяся сеть);

• сеть с тремя скрытыми слоем (сходящаяся сеть).

Представленные структуры НС подвергались обучению согласно алгоритма обратного распространения ошибки. На вход НС подавалась одинаковая обучающая выборка.

Результаты экспериментов продемонстрированы на Рисунок 4.

Рисунок 3. Графическое представление результатов обучения двух сетей различных топологий

уРЧ

Выходу'-ого нейрона скрытого слоя / вычислялся следующим образом:

1 + е ' (4)

где

я

£=1 (5)

где

- значение ¡-ого элемента входного вектора х,, - соответствующий весовой коэффициент;

Из уравнений (4) и(5) следует:

^ Ц-з-^^Ц (6)

Выход НСМу вычислялся по формуле:

У = = (7)

где

® Расходящаяся сеть Э Сходящаяся сеть

3,00% 2,50% 2,00% 1,50% 1,00% 0,50% 0,00%

1 скрытый слой

2 скрытых слоя

3 скрытых слоя

Рисунок 4. Результаты эксперимента по определению количества скрытых слоев НС.

Подставляя, в уравнение (7) значения (8) получим:

т

_Ч_

р1 1 + (9)

Отсюда следует, что в итоге значение выхода НСМ .V будет вычисляться по формуле:

__1_

1 + е "'и.-***« (10)

В качестве алгоритма обучения сети был выбран градиентный метод обратного распространения ошибки, который является одним из наиболее эффек-

тивных методов обучения многослойных нейронных сетей. Суть данного алгоритма состоит в том, что после предъявления НС каждой обучающей выборки происходит уточнение весовых коэффициентов сети. Цель обучения состоит в том, чтобы определить значения весовых коэффициентов для казвдого слоя сети таким образом, что бы заранее определенном входном векторе получить выходное значение .у, с заданной точностью совпадающее с ожидаемым.

Структура сети выбиралась опытным путем сравнения различных вариантов. Основным критерием выбора стала ошибка обучения, которая оказалась минимальной в случае использования сети с одним скрытым слоем, где количество нейронов скрытого слоя возрастает по сравнению с предыдущим (расходящаяся сеть). Для данной системы минимальная ошибка обучения составила 1,04%, что укладывается в предел допустимой погрешности для данной системы, определенный 1,5%.

Рассчитывается ошибка сети В* для выходного слоя по формуле:

Ч (11)

Рассчитывается изменения весов выходного слоя :

лп(] = -п-б, 'у^ (12)

Рассчитывается <5'/*0 и для скрытого слоя:

5®» =

(13)

*<> = -'/■ ¿Г-*) (14)

Корректируются все веса НС :

= и^М + (15)

Если ошибка сети существенна, корректировка весовых коэффициентов продолжается, в противном случае - сеть можно считать обученной.

По результатам обучения был проведен анализ работоспособности НСМ.

После проведения обучения сети была произведена оценка ее работоспособности, путем подачи на вход сети тестовой выборки с целью определить соответствие результатов работы НС заданной точности.

Четвертая глава посвящена разработке структуры ПАК виртуального датчика влажности увариваемого сахаро-паточного сиропа для приготовления

конфет из мягкого грильяжа. Для данного ПАК разработаны алгоритмы работы каждого из его элементов, а так же виртуального датчика, как единого устройства. Так же разработан совместный алгоритм работы АСУ ТП и интегрированного в нее виртуального датчика, в соответствие с чем произведен подбор технических средств, для реализации виртуального датчика и интеграции его в СУ линией.

Основным предназначением интеграции виртуального датчика влажности в СУ является возможность построения системы регулирования данного параметра технологического процесса. Структурная схема регулирования представлена на Рисунок 5

Рисунок 5. Структурная схема замкнутой системы регулирования влажности увариваемого сахаро-паточного сиропа, построенная на базе показаний виртуального датчика влажности.

Для построения и интеграции виртуального датчика были определены требования к функциям информационно-вычислительной системы с целью обеспечения разрабатываемого устройства полным набором данных, необходимых для работы:

1. Получение лабораторных данных о сырье и полуфабрикатах.

2. Получение данных автоматических измерений.

3. Хранение данных.

4. Структурирование и преобразование данных для работы нейросетевой модели.

5. Обеспечение вычислительных мощностей для работы нейросетевой модели.

6. Передача значения влажности увариваемого сиропа в СУ в режиме реального времени.

Структурная схема, системы, обеспечивающей все вышеперечисленные функции, отображена на Рисунок 6.

Ниже приведено описание основных элементов системы:

БСАОА-система оператора-технолога - устройство ЧМИ с предустановленным программным обеспечением, посредствам которого оператор-технолог осуществляет контроль, настройку и управление технологическим процессом.

БСАБА-система (система ЧМИ) - в данном случае - программное обеспечение, предустановленное на персональном компьютере, которое осуществляет пользовательский интерфейс для ввода технологом результатов лабораторных измеренных параметров сырья и полуфабрикатов.

СУБД - программный продукт, предоставляющий возможность структурированного хранения, и доступа к информации, полученной при помощи автоматических измерений в ходе технологического процесса или посредствам лабораторных измерений. Так же в СУБД хранятся данные обучающих и тестовых выборок для обучения нейронной сети.

1

.е.

воздеййвиян* процесс ,, ¡|

...........................з

Объект управления (пр сцесс увзризаиЕц! ррамеяьяого, '' ; сиропа)

с—^

Авгоматйчесетес ] „ средств! ! Г гонеревия- I

J

Лабораторные -1 замеры 1

1 /__к

■ Я—И

ОРС сервер /ф. ,• *

^САОА-сяиыа ■ опер агор а-"текяолега'

5САО А-систеыа \

%

СУБД '

Рисунок 6. Структурная схема системы компонентов виртуального датчика интегрированного в СУ участком технологической линии.

ОРС-сервер - семейство программных технологий, представляющих единый интерфейс для управления объектами автоматизации и технологическими процессами. В данной системе реализации виртуального датчика ОРС выполняет роль шлюза для обмена данными между СУБД и СКМ.

С КМ- программный продукт, или пакет прикладных программ, предоставляющий широкий спектр математических функций. Основное предназначение данного продукта в разработанной системе - предоставление возможности реализации НСМ.

Описанная выше структура представляет собой идеологическое представление компонентов системы, она обеспечивает получение данных о влажности увариваемого сахаро-паточного сиропа в режиме реального времени.

Помимо этого, в рамках данной главы проведен подбор технических средств для физической реализации структуры ПАК в системе управления участком уваривания сахаро-паточного сиропа:

Объектом управления является участок технологической линии по производству конфет из мягкого грильяжа, на котором осуществляется уваривание сахаро-паточного сиропа.

В качестве устройства для получения данных автоматических измерений в рассматриваемом случае была использована собственная система автоматики, внедренная на линии.

Данная система базируется на ПЖ, который осуществляет непосредственное управление участком линии, а так же производит непрерывный опрос группы датчиков, установленных в различных частях технологического оборудования.

Для получения данных о результатах лабораторных анализов сырья и полуфабрикатов от центральной лаборатории в рамках проведенной работы была разработана система человеко-машинного интерфейса, реализованная на базе программного обеспечения Simatic WinCC7, установленной на персональном компьютере, расположенном на рабочем месте сотрудника лаборатории. Данная программа предоставляет пользователю интуитивно понятный эргономичный интерфейс, позволяющий заносить необходимую информацию о сырье и полуфабрикатах, после проведения входного контроля.

Средства хранения информаиии. Для хранения данных полученных от технологического процесса выбрана система управления реляционными базами данных СУБД MS SQL SERVER. Она позволяет осуществить прием информационного потока как с программного логического контроллера, так и с практически любой SCADA-системы. Выбранная СУБД поддерживает протоколы взаимодействия с базами данных, такие как ODBC и OLE DB, что повышает ее возможности интеграции с приложениями уровня автоматизированных систем управления производством.

Рисунок 7. Блок-схема алгоритма работы виртуального датчика влажности.

В качестве средства конвертирования протоколов было выбрано программное обеспечение, позволяющее преобразовывать информацию, полученную при помощи прямых SQL запросов к базе данных в данные формата ОРС.

Средства нейросетеваго моделирования. СКМ Matlab была выбрана для данной системы благодаря тому, что в состав пакета входит инструмент для синтеза, обучения и анализа ИНС (Neural Network Toolbox). При помощи данного инструмента была создана и обучена ИНС. Задачей этой искусственной НС является получение с определенной дискретностью данных из СУБД и преобразование их в данные о вкусовых качествах приготовленного продукта.

Средства отображения информации. Информация, о рассчитанном показателе влажности отображается на экране SCADA-системы опереатора-технолога, на ряду с другими параметрами технологического процесса, что позволяет ему своевременно и грамотно принимать стратегические решения по управлению линией.

Устройство управления. Устройствами, осуществляющими выдачу управляющих воздействий на исполнительные механизмы является ПЛК. Информационный сигнал, поступающий от интеллектуального модуля нейросете-вого моделирования, обрабатывается программой контроллера, после пересчи-тывается необходимое время уваривания, и тем самым происходит корректировка технологического процесса.

Разработанный комплекс программно-технических средств является универсальным и может быть адаптирован под измерение других технологических параметров различных техпроцессов.

Так же в рамках работы над диссертацией был составлен алгоритм работы разработанного виртуального датчика влажности (Рисунок 7)

Результаты внедрения ПАК виртуального датчика влажности отображены в таблицах 3,4.

Таблица 3

Снижение количества выпуска бракованной продукции (относительно общего количества брака на линии)

Количество брака на участках линии

U Ä Iii л о i л 6

1 <5 £ lis 3 s в и а х 1 -е- й е Ü

% от общего количества браха Участок Ш1Я ciipi луфабрик i Участок вания Участок ния добш Участок вання к о Л и 1 в Итоговое ние

До внедрения 4,3 29,8 ш 5,3 2,8 2,8 3,9 100

После внедрения 8,5 57,7 т 10,4 5,7 5,7 7,8 100

Таблица 4

Снижение количества выпуска бракованной продукции (относительно общего объема впускаемой продукции)

Количество брака на участках линии

% от общего количества продукции Участок хранения сырья и полуфабрикатов Участок дозирования рецептурных компонентов Участок уваривания Участок внесе-| ния добавок Участок формования Участок глазировки Участок упаковки Итоговое значение

До внедрения 0,344 2,384 0,424 0,224 0,224 0,312 8

После внедрения 0,344 2,384 ¡Ш 0,424 0,224 0,224 0,312 4.1

Заключение и основные результаты работы.

• Систематизированы и обоснованы решения проблемы автоматизации контроля влажности кондитерских масс с применением интеллектуальных технологий.

• Проведен анализ, обобщение и систематизация направлений использования ИНС в различных отраслях промышленности (в том числе в пищевой) для автоматического контроля влажности пищевых масс. Обоснованы наиболее перспективные направления автоматизации влажности кондитерских масс на основе применения аппарата искусственных нейронных сетей.

• Сформулированы предложения для обеспечения широкого использования в кондитерской промышленности аппарата ИНС, являющегося одним из перспективных направлений развития теории искусственного интеллекта.

• Разработаны теоретические и методологические основы автоматического контроля влажности кондитерских изделий (на примере процесса приготовления сахаро- паточного сиропа линии производства конфет из мягкого грильяжа), в частности впервые разработаны и апробированы:

■ Метод автоматизации контроля влажности кондитерских масс.

■ Способ автоматического контроля влажности кондитерских масс в потоке, основанный на внедрении в СУ технологическим процессом виртуального датчика, построенного на алгоритмах ИНС.

• Методика автоматического контроля влажности кондитерских масс в режиме реального времени (на примере процесса приготовления сахаро- паточного сиропа линии производства конфет из мягкого грильяжа).

■ Нейросетевая модель процесса уваривания сахаро- паточного сиропа.

■ Алгоритмическое и математическое обеспечение задачи автоматизации контроля влажности кондитерских масс.

■ Основные правила использования алгоритмов ИНС для создания виртуальных датчиков контроля влажности кондитерских масс.

■ Методика и алгоритм проектирование архитектуры комплекса системы автоматического контроля влажности.

Проведены комплексные экспериментальные исследования и проанализирован технологический процесс производства сахаристых кондитерских изделий (на примере процесса уваривания сахаро- паточного сиропа линии производства конфет из мягкого грильяжа. Выявлены и проанализированы зависимости между измеряемыми в процессе производства кондитерских изделий и влажностью увариваемого сахаро- паточного сиропа. На основе исследования экспериментальных данных разработана структура ПАК виртуального датчика, реализующего способ автоматического контроля влажности сахаристых кондитерских изделий. Сформулирована математическая постановка задачи автоматизации контроля влажности кондитерских масс на примере процесса уваривания сахаро- паточного сиропа линии производства конфет из мягкого грильяжа. Разработаны математические модели, алгоритмы и программы для реализации методов автоматического контроля влажности кондитерских масс. На основе нейросетевых алгоритмов разработан и апробирован виртуальный датчик влажности автоматического контроля влажности кондитерских масс в процессах приготовления сахаристых кондитерских изделий. Даны рекомендации по применению разработанного способа для построения системы регулирования влажности в процессе уваривания сахаро -паточного сиропа для приготовления конфет мягкого грильяжа. Разработана оптимальная НСМ для автоматизации регулирования влажности увариваемой кондитерской массы. Проведена экспериментальная проверка результатов исследования на промышленном оборудовании линии производства конфет из мягкого грильяжа.

На базе современного программного и аппаратного обеспечения разработаны технические решения и практические рекомендации по функционированию программно- аппаратного комплекса контроля влажности кондитерских масс в автоматическом режиме для применения на автоматизированных технологических линиях кондитерских предприятий, с возможностью интеграции в АСУ ТП.

На основании данных, получаемых при апробации созданного виртуального датчика, разработана система регулирования влажности увариваемого сахаро-паточного сиропа для приготовления конфет из мягкого грильяжа.

• Сформулированы требования к АСУ ТП приготовления сахаро- паточного сиропа линии производства конфет из мягкого грильяжа для возможности интеграции в нее виртуального датчика. Даны рекомендации и обоснования по выбору технических средств и программного обеспечения, необходимых для создания этой системы

• Разработаны схемы и способ интеграции ПАК виртуального датчика в АСУ ТП при производстве кондитерских изделий.

• Проведена экспериментальная проверка результатов исследования на промышленном оборудовании

• Результаты работы внедрены на ОАО «МКФ Красный Октябрь», а также в учебном процессе ГОУ ВПО Московского государственного университета прикладной биотехнологии студентов специальности 220301 - «Автоматизация технологических процессов и производств».

Список работ, опубликованных по теме диссертации:

1. Апанасенко С.И., Благовещенская М.М. Системы регулирования показателей качества пищевых продуктов на основе нейросетевых алгоритмов // Сборник докладов II Конференции молодых ученых «Реология и физико-химическая механика гетерофазных систем», Звенигород, 2009. - с.65 - 67.

2. Апанасенко С.И., Благовещенская М.М. Application of neural networks to control the technological process.// Сборник докладов II Испано-Российского форума по информационным и телекоммуникационным технологиям, Мадрид, 2009.

3. Апанасенко С.И., Благовещенская М.М. О построении системы регулирования показателей качества пищевых продуктов с применением нейронных сетей // Сборник докладов международной научной конференции студентов и молодых ученых «Экологически безопасные, ресурсосберегающие технологии и средства переработки сельскохозяйственного сырья и производства продуктов питания», М.: МГУПБ, 2009. - с.157 - с.159.

4. Апанасенко С.И., Благовещенская М.М. Применение нейронных сетей для построения автоматизированной системы корректоров™ рецептуры приготовления кондитерских масс// Сборник докладов научного семинара по «Интенсификация и автоматизация процессов обработки пищевых продуктов», М.: МГУПБ, 2010. - с. 26 - 30.

5. Апанасенко С.И., Благовещенская М.М. Построение виртуальных датчиков на основе нейросетевых алгоритмов для определения качественных показателей пищевых масс// Вестник Воронежского государственного университета Воронеж:ВГТА, 2010 . - с. 5 - 8.

Издательство ООО «Франтера» ОГР № 1067746281514 от 15.02.2006г. Москва, Талалихина, 33

Отпечатано в типографии ООО "Франтера" Подписано к печати 10.09.2010г. Формат 60x84/16. Бумага "Офсетная №1" 80г/м2. Печать трафаретная. Усл.печ.л. 1,82. Тираж 100. Заказ 342.

WWW.FRANTERA.RU

Оглавление автор диссертации — кандидата технических наук Апанасенко, Сергей Игоревич

ВВЕДЕНИЕ.

Актуальность проблемы.

Цель и задачи исследования.

Объекты и методы исследования.

Научная новизна работы.

Практическая ценность.

Апробация работы.

Публикации.

1. СОВРЕМЕННЫЕ МЕТОДЫ ИЗМЕРЕНИЯ ВЛАЖНОСТИ КОНДИТЕРСКИХ МАСС.

1.1 Анализ особенностей технологического процесса уваривания сахаро-паточного сиропа для приготовления конфет из мягкого грильяжа.

1.1.1 Особенности приготовления сахаро-паточного сиропа.

1.1.2 Описание процесса уваривания сахаро-паточного сиропа как объекта управления.

1.2 Методы и средства измерения влажности кондитерских масс.

1.3 Анализ применения нейронных сетей для построения АСУ ТП.

1.4 Возможность применения виртуального датчика влажности для контроля процесса уваривания сахаро-паточного сиропа.

1.5 Задачи исследования.

1.6 Выводы.

2. ПОСТАНОВКА ЗАДАЧИ ОПРЕДЕЛЕНИЯ ВЛАЖНОСТИ УВАРИВАЕМОГО САХАРО-ПАТОЧНОГО СИРОПА ДЛЯ ПРИГОТОВЛЕНИЯ КОНФЕТ ИЗ МЯГКОГО ГРИЛЬЯЖА И ФОРМИРОВАНИЕ ОСНОВНЫХ ЭТАПОВ РЕШЕНИЯ ПОСТАВЛЕННОЙ ЗАДАЧИ.

2.1 Постановка задачи измерения влажности.

2.2 Математическая постановка задачи.

2.3 Этапы решения задачи построения виртуалього датчика влажности кондитерских масс.

2.4 Выводы.

3. РАЗРАБОТКА НЕЙРОСЕТЕВОЙ МОДЕЛИ ДЛЯ ПОСТРОЕНИЯ ВИРТУЛЬНОГО ДАТЧИКА ВЛАЖНОСТИ КОНДИТЕРСКИХ МАСС.

3.1 . Подбор архитектуры нейронной сети и алгоритма обучения для реализации нейросетевой модели.

3.1.1 Классификация нейронных сетей.

3.1.2 Анализ возможности применения нейронных сетей различных типов для решения задачи построения виртуального датчика влажности кондитерских масс.

3.1.3 Подбор количества слоев и количества нейронов каждого слоя нейронной сети.

3.1.4 Подбор алгоритма и проведение обучения нейронной сети.

3.1 Анализ работоспособности нейросетевой модели.

3.1 Выводы.

4. РАЗРАБОТКА ТЕХНИЧЕСКИХ РЕШЕНИЙ ДЛЯ РЕАЛИЗАЦИИ РЕГУЛИРОВАНИЯ ВЛАЖНОСТИ УВАРИВАЕМОГО КАРАМЕЛЬНОГО СИРОПА.

4.1 Структурная схема системы регулирования влажности увариваемого карамельного сиропа для приготовления конфет из мягкого грильяжа.

4.2 Описание элементов системы регулирования влажности увариваемого карамельного сиропа.

4.3 Программно-аппаратные средства, выбранные и используемые для реализации разрабатываемой системы.

4.4 Блок-схемы алгоритмов работы элементов системы регулирования влажности увариваемого карамельного сиропа.

4.5 Выводы.

Введение 2010 год, диссертация по информатике, вычислительной технике и управлению, Апанасенко, Сергей Игоревич

Актуальность проблемы

В современных техногенных условиях жизни и при больших эмоциональных и стрессовых нагрузках у населения Российской Федерации возникает все большая потребность в качественных и полезных для организма продуктах питания.

В настоящее время кондитерские предприятия занимают ведущее место среди отраслей пищевой промышленности, а их продукция пользуется неизменным и значительным спросом у населения страны. Кондитерские изделия представляют собой большую группу разнообразных высококалорийных продуктов питания, которые регулярно потребляются практически всеми группами населения различных возрастов. Эта продукция составляет значительную долю рациона питания, ввиду своих вкусовых качеств, а так же потому что она отличается высокой питательностью, усвояемостью и обеспечивает человеческий организм набором физиологически ценных веществ, необходимых для его нормальной жизнедеятельности.

В условиях рыночной экономики, обусловленной жесткой конкуренцией и строгим контролем со стороны государства, эффективность деятельности кондитерских предприятий напрямую зависит от того, насколько его продукция удовлетворяет запросам потребителей. Введение в действие Федеральных законов «О качестве и безопасности пищевых продуктов» и «О техническом регулировании» выдвигают перед производителями новые требования в повышении качества выпускаемой продукции. Решение данной проблемы в современных условиях возможно только на основе использования новейших научных достижений в области техники и технологии, обеспечения стабильности производственных процессов, соблюдения установленных технологических режимов, оснащения поточно- механизированных линий по производству кондитерских изделий современными средствами непрерывного автоматического контроля, регулирования- и управления с использованием' интеллектуальных технологий.

Трудность решения этих задач обусловлена нестабильностью свойств поступающего на переработку сырья, многообразием перерабатываемых полуфабрикатов по физико-химическим, биохимическим и структурно-механическим свойствам. Все это вызывает частые колебания режимов работы оборудования, а также параметров процесса приготовления многокомпонентных неоднородных кондитерских масс и не позволяет получать стабильный по качеству готовый продукт.

Одним из основных параметров, по которому судят о качестве выпускаемых кондитерских изделий, является влажность. Определение влажности сыпучих и жидких кондитерских масс играет существенную роль как при контроле протекания технологических процессов, так и при-контроле качества продукции. Однако, этот параметр для приготавливаемых кондитерских масс редко сохраняется - постоянным. Он меняется от партии к партии и зависит от очень многих факторов, таких как свойства сырья, нестабильность технологических процессов, условия хранения и др.

В настоящее время влажность приготавливаемых кондитерских масс определяется только путем лабораторных измерений, ввиду невозможности или крайней дороговизны технического решения по организации их1 измерения поточным способом. Ситуация в кондитерской промышленности России требует новых подходов к решению этой важной проблемы в отрасли, и поиску альтернативных вариантов развития автоматизации контроля влажности кондитерских изделий с использованием высокоэффективных интеллектуальных технологий.

Создание системы автоматического контроля влажности кондитерских масс в потоке, позволяющей непрерывно контролировать * свойства перерабатываемого сырья, полуфабрикатов и определять оптимальный режим 6 протекания технологических процессов, дает возможность решить задачу стабилизации качества кондитерских изделий и является перспективным направлением развития кондитерской отрасли, а также актуальной научно-технической задачей специальности 05.13.06 - Автоматизация и управление технологическими процессами и производствами (в пищевой промышленности).

В диссертации эта проблема исследована и решена на примере сахаристых кондитерских изделий, поскольку эти изделия становятся наиболее популярными у населения, обладают высокими вкусовыми качествами и хорошей усвояемостью. Производство сахаристых кондитерских изделий в настоящее время является перспективным направлением развития кондитерской промышленности. В технологической цепочке производства кондитерских изделий данного типа (таких как, например, конфеты из мягкого, грильяжа), наиболее сложным является процесс уваривания сахаро-паточного сиропа, соблюдение влажности которого в течение всего производственного цикла является наиболее острой проблемой при приготовлении этого продукта, Для обеспечения необходимой стабильности протекания данного технологического процесса необходим непрерывный контроль влажности в режиме реального времени. Проведенный обзор и анализ работ, посвященных этой проблеме выявил, что к настоящему времени в пищевой промышленности для определения влажности для таких процессов применяются лабораторные методы и отсутствуют устройства автоматического контроля данного параметра в потоке, поскольку его значение трудно получить каким-либо другим способом кроме лабораторных замеров по ряду негативных факторов:

• высокая вязкость среды;

• высокая липкость массы;

• высокое давление в варочном котле;

• высокая температура в агрегате.

Перечисленные факторы делают невозможным измерение влажности приготавливаемой массы путем непосредственной установки датчика влажности внутри варочного котла.

Одним из перспективных направлений развития автоматизации процессов пищевой промышленности является применение аппарата искусственных нейронных сетей (ИНС), являющегося важным разделом теории искусственного интеллекта. ИНС способны решать широкий круг задач распознавания образов, идентификации, прогнозирования и оптимизации управления сложными объектами. В общетеоретическом плане ИНС исследовались в работах зарубежных ученых: Д. Хебба, Ф.Розенблатта, М.Минского, Дж. Холфидса, У.С.Мак-Коллака, У. Питтса, К.Э. Шеннона, Дж.М. Маккарти, Дж. Фон Неймана и др. Существенный вклад в решение научных и практических аспектов ИНС вносят отечественные ученые: В.В. Круглов, В.В. Борисов, Г.К. Вороновский, К.В. Махотило, С.Н. Петрашев, С.А. Сергеев, C.B. Фомин, A.A. Фролов, B.JI. Дунин- барковский и др., а в пищевой промышленности — М.М.Благовещенская, О.Н. Лимбах, Е.В. Роденков, В.В. Садовой, В.А. Самылина, А.Г. Храмцов, A.B. Шаверин и др.

В настоящей работе был учтен и проработан опыт предыдущих исследований и были приняты во внимание все рекомендации, приводимые авторами перечисленных ранее трудов.

Анализ опубликованных научных работ в области ИНС свидетельствует о перспективности исследований по этой тематике, необходимости развития этого направления, а так же малочисленности данных исследований в области пищевой промышленности. Изучение отечественной и зарубежной литературы указывает на необходимость углубленного исследований в рассматриваемой области и применения новых подходов к использованию ИНС для построения виртуальных датчиков с учетом специфики кондитерской промышленности. В связи с чем, представляется своевременным и актуальным проведение комплексных исследований, направленных на автоматизацию контроля 8 влажности кондитерских масс с применением интеллектуальных технологий; разработку виртуального датчика влажности кондитерских масс на основе нейросетевых алгоритмов; исследование возможности интеграции такого датчика в систему управления технологическим процессом при производстве кондитерских изделий.

Проведенные исследования показали возможность успешного решения задачи автоматического контроля влажности на примере сахаристых кондитерских масс за счет внедрения в производственный процесс специально разработанного программно-аппаратного комплекса (ПАК) виртуального датчика, построенного на основе искусственной нейронной сети (ИНС), приемлемого по стоимости для любого пищевого предприятия.

Создание и внедрение виртуального датчика влажности с использованием интеллектуальных технологий и современных математических методов позволяет оптимизировать управление технологическими режимами линии производства кондитерских изделий, непрерывно получать данные о влажности кондитерских масс в течение всего технологического процесса в режиме реального времени, существенно уменьшить уровень брака, снизить потери рабочего времени, сырья и энергии, повысить качество готовой продукции. Решение этой проблемы позволит построить эффективную систему регулирования и управления технологическими процессами кондитерских производств.

Изложенное позволяет сделать вывод об актуальности темы диссертационной' работы.

Цель и задачи исследования

Целью настоящей работы является разработка, научное обоснование и создание методов и средств автоматизации контроля влажности кондитерских масс в потоке с применением интеллектуальных технологий, обеспечивающих производство кондитерских изделий стабильно высокого качества (на примере 9 процесса уваривания сахаро- паточного сиропа линии приготовления конфет из мягкого грильяжа).

Для достижения поставленной цели были поставлены и решены следующие задачи исследований:

• Обоснование принципов решения проблемы автоматизации контроля влажности кондитерских масс.

• Проведение анализа, обобщение и систематизация направлений использования искусственных нейронных сетей (ИНС) в различных отраслях (в том числе в пищевой) промышленности.

• Разработка и обоснование метода, позволяющего в реальном времени контролировать влажность кондитерских масс.

• Разработка математических моделей, алгоритмов и программ для реализации методов автоматического контроля влажности. кондитерских масс.

• Проведение комплексных экспериментальных исследований и анализа технологического процесса производства сахаристых кондитерских изделий (на примере процесса приготовления сахаро-паточного сиропа линии производства конфет из мягкого грильяжа) с целью разработки и апробации метода автоматического контроля влажности.

• , Выявление и анализ зависимостей между параметрами сырья и полуфабрикатов, используемых при приготовлении сахаристых кондитерских изделий, параметрами работы технологического оборудования и влажностью увариваемого сахаро-паточного сиропа.

• Математическая постановка задачи автоматического регулирования влажности в процессах уваривания при приготовлении сахаристых кондитерских изделий.

• Проектирование структуры программно-аппаратного комплекса (ПАК) для контроля влажности увариваемой кондитерской массы.

• Научное обоснование и разработка оптимальной НСМ для автоматизации регулирования влажности увариваемой кондитерской массы. Разработка виртуального датчика влажности кондитерских масс на основе нейросетевых алгоритмов.

• Разработка схемы интеграции ПАК виртуального датчика в автоматизированную систему управления технологическим процессом (АСУ ТП) при производстве кондитерских изделий.

• Экспериментальная проверка результатов на промышленном оборудовании. Практическая реализация результатов разработки.

Объекты и методы исследования

Объектом исследования является поточная технологическая линия по производству конфет из мягкого грильяжа и нуги, функционирующая на производстве предприятия ОАО Московская Кондитерская Фабрика «Красный Октябрь» (типовая линия производства сахаристых кондитерских изделий).

Предмет "исследования составила совокупность теоретических, методологических и практических задач, связанных с автоматизацией контроля влажности кондитерских масс. Были исследованы модели, методы, средства и способы контроля влажности кондитерских масс по результатам значений различных наиболее информативных технологических параметров процесса, а также физико-химических и реологических параметров сырья и полуфабрикатов, измеренных в процессе производства сахаристых кондитерских изделий.

При проведении теоретических и экспериментальных исследований использованы основные положения и уравнения теории автоматического управления, математического моделирования, элементы теории принятия решений, методы системного анализа, оптимизации, планирования и обработки результатов экспериментов, теории ИНС, теории нечетких множеств, а так же методы математической статистики. Экспериментальные

11 исследования проведены с помощью стандартных методик и поверенных приборов а так же персонального компьютера с использованием пакета прикладных программ Ма1.ЬаЬ 2007Ь.

Научная новизна работы

Научная новизна исследования, обеспечившая достижение цели работы заключается в следующем:

• В результате теоретического анализа, экспериментальных исследований и расчетов обоснованы наиболее перспективные направления автоматизации контроля влажности кондитерских масс на основе виртуальных датчиков построенных на базе нейросетевых алгоритмов.

• Разработаны теоретические и методологические основы автоматического контроля влажности кондитерских изделий (на примере процесса приготовления сахаро-паточного сиропа линии производства конфет из мягкого грильяжа), в частности впервые разработаны:

Метод автоматизации контроля влажности кондитерских масс.

Способ автоматического контроля влажности кондитерских масс в потоке, основанный на внедрении в систему управления (СУ) виртуального датчика, построенного на алгоритмах ИНС. Предложенный способ позволяет своевременно получить объективную информацию о текущей влажности увариваемого сиропа по результатам значений технологических параметров процесса, а также на основании физико-химических и реологических параметров сырья и полуфабрикатов, измеренных в процессе производства изделия.

Нейросетевая модель процесса уваривания сахаро-паточного сиропа.

Алгоритмическое и математическое обеспечение задачи автоматизации контроля влажности кондитерских масс.

Методика и алгоритм проектирование архитектуры комплекса системы автоматического контроля влажности.

Формулирование основных правил использования алгоритмов ИНС для создания виртуальных датчиков для контроля показателей пищевых масс.

Структура программно - аппаратного комплекса (ПАК) виртуального датчика, реализующего способ автоматического контроля влажности сахаристых кондитерских изделий и интеграция его в систему управления.

Основные правила использования алгоритмов ИНС для создания виртуальных датчиков контроля влажности кондитерских масс.

Практическая ценность

В результате проведенных исследований продемонстрированы возможности осуществления автоматического контроля влажности кондитерских масс в потоке, на основе нейросетевой модели с последующим созданием АСУТП в кондитерской промышленности.

Основные позиции, определяющие практическую ценность работы, заключаются в следующем:

• Создана и апробирована методика автоматического контроля влажности кондитерских масс в режиме реального времени (на примере процесса приготовления сахаро-паточного сиропа линии производства конфет из мягкого грильяжа).

• Сформулированы предложения для обеспечения широкого использования в кондитерской промышленности аппарата искусственных нейронных сетей, являющегося одним из перспективных направлений развития теории искусственного интеллекта.

• Даны рекомендации по созданию ПАК для контроля влажности кондитерских масс с использованием нейросетевой модели. Данная разработка позволит непрерывно в потоке контролировать влажность кондитерских масс.

• Применен и апробирован разработанный способ автоматического контроля влажности в процессах приготовления сахаристых кондитерских изделий. Даны рекомендации по применению разработанного способа для построения системы регулирования влажности в процессе уваривания сахаро-паточного сиропа для приготовления конфет мягкого грильяжа.

• Разработана и апробирована структура реализации ПАК виртуального датчика и его интеграции в АСУ ТП. Даны рекомендации и обоснования по выбору технических средств и программного обеспечения, необходимых для создания этой системы.

Практическая значимость диссертационной работы подтверждается включением тематики проводимых исследований в научно- технический проект по госбюджетной теме №7242 «Снижение риска получения некачественной продукции за счет научно- обоснованных методов, приборов и систем автоматического контроля безопасности сырья, полуфабрикатов и готовых продуктов питания», выполняемой по аналитической ведомственной целевой программе «Развитие научного потенциала высшей школы» Министерства образования и науки Российской Федерации (2008 - 2010 г.).

Кроме того практическая значимость данного труда подтверждается получением гранта Федерального агентства по образованию Министерства образования и науки Российской Федерации (проект № 7413: "Формирование и развитие кластера высших учебных заведений для интеграции научных и научно-образовательных ресурсов в области автоматизации и информатизации

14 пищевой биотехнологии") по федеральной целевой программе "Развитие научного потенциала высшей школы (2009-2010 годы)" (мероприятие: № 2 «Проведение фундаментальных исследований в области естественных, технических и гуманитарных наук. Научно-методическое обеспечение развития инфраструктуры вузовской науки», раздел: № 2.2 «Научно-методическое обеспечение развития инфраструктуры вузовской науки», подраздел: 2.2.1. «Развитие механизмов интеграции научной и образовательной деятельности и интегрированных научно-образовательных структур. Развитие инфраструктуры информационно-аналитического обеспечения научных исследований высшей школы», направление: 2.2.1.2. «Развитие инфраструктуры. информационно-аналитического обеспечения научных исследований высшей школы»).

Разделы исследования, посвященные использованию интеллектуальных технологий в кондитерской промышленности, были включены в тематику НИР Московского государственного университета прикладной биотехнологии (МГУПБ) (2009 -2010 гг.). Тема диссертационной работы соответствует плану НИР кафедры «Автоматизация биотехнических систем» МГУПБ.

Апробация работы

Основные .положения диссертационной работы были обсуждены и одобрены на:

• П-ом Испанско-Российском Форуме по информационным и коммуникационным технологиям, Мадрид, 2009 г.

• Х-ой Всероссийской выставке научно-технического творчества молодежи «НТТМ-2010».

• Международной научной конференции студентов и молодых ученых «Экологически безопасные, ресурсосберегающие технологии и средства переработки сельскохозяйственного сырья и производства продуктов питания», МГУПБ, 2009 г.

• И-ой Конференции молодых ученых «Реология и физико-химическая механика гетерофазных систем», 2009 г.

• X Международная научно- практическая конференция «Автоматизация и информационное обеспечение производственных процессов в сельском хозяйстве», Углич, 2009 г.

• Семинаре академика РАСХН Рогова И.А. «Интенсификация и автоматизация технологических процессов обработки пищевых продуктов», МГУПБ, 2009 г.

• Электронной научной* конференции на основе Интернет-форума, научно-информационного издательского центра и редакции журнала «В мире науки», 2009 г.,

Получено свидетельство Всероссийской Выставки Научно-технического Творчества Молодежи о результативном участии в создании и успешной <. демонстрации научно-технического проекта.

Разработанная система контроля влажности кондитерских изделий, внедрена и введена в эксплуатацию в конфетном цехе ОАО «МКФ Красныйл Октябрь». Результаты диссертационной работы внедрены в учебный процесс кафедры «Автоматизация биотехнических систем» ГОУ ВПО Московского государственного университета прикладной биотехнологии по следующим дисциплинам: «Моделирование систем», «Технические средства автоматизации» и «Проектирование автоматизированных систем» о чем свидетельствуют соответствующие акты внедрения.

По итогам работы подготовлены две заявки на изобретения.

Публикации

По теме диссертационной работы опубликовано 4 печатные работы.

Заключение диссертация на тему "Автоматизация контроля влажности кондитерских масс с применением интеллектуальных технологий"

• Результаты работы внедрены на ОАО «МКФ Красный Октябрь», а также в учебном процессе ГОУ ВПО Московского государственного университета прикладной биотехнологии студентов специальности 220301 - «Автоматизация технологических процессов и производств».

СПИСОК ИСПОЛЬЗУЕМЫХ СОКРАЩЕНИЙ

ПО - программное обеспечение

АСУ ТП - автоматизированная система управления технологическим процессом

ИНС - искусственная нейронная сеть НС — нейронная сеть СУ — система управления

ПЛК - программируемый логический контроллер СУБД — система управления базой данных ЧМИ — человеко-машинный интерфейс СКМ — система компьютерной математики 111111 - пакет прикладных программ

ЗАКЛЮЧЕНИЕ И ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

Систематизированы и обоснованы решения проблемы автоматизации контроля влажности кондитерских масс с применением интеллектуальных технологий.

Проведен анализ, обобщение и систематизация направлений использования ИНС в различных отраслях промышленности (в том числе в пищевой) для автоматического контроля влажности пищевых масс. Обоснованы наиболее перспективные направления автоматизации влажности кондитерских масс на основе применения аппарата искусственных нейронных сетей.

Сформулированы предложения для обеспечения широкого использования в кондитерской промышленности аппарата ИНС, являющегося одним из перспективных направлений развития теории искусственного интеллекта.

Разработаны теоретические и методологические основы автоматического контроля влажности кондитерских изделий (на примере процесса приготовления сахаро- паточного сиропа линии производства конфет из мягкого грильяжа), в частности впервые разработаны и апробированы:

Метод автоматизации контроля влажности кондитерских масс. Способ автоматического контроля влажности кондитерских масс в потоке, основанный на внедрении в СУ технологическим процессом виртуального датчика, построенного на алгоритмах ИНС. Методика автоматического контроля влажности кондитерских масс в режиме реального времени (на примере процесса приготовления сахаро- паточного сиропа линии производства конфет из мягкого грильяжа).

Нейросетевая модель процесса уваривания сахаро- паточного сиропа.

• Алгоритмическое и математическое обеспечение задачи автоматизации контроля влажности кондитерских масс.

• Основные правила использования алгоритмов ИНС для создания виртуальных датчиков контроля влажности кондитерских масс.

• Методика и алгоритм проектирование архитектуры комплекса системы автоматического контроля влажности.

• Проведены комплексные экспериментальные исследования и проанализирован технологический процесс производства сахаристых кондитерских изделий (на примере процесса уваривания сахаро-паточного сиропа линии производства конфет из мягкого грильяжа. Выявлены и проанализированы зависимости между измеряемыми в процессе производства кондитерских изделий и влажностью увариваемого сахаро- паточного сиропа. На основе исследования экспериментальных данных разработана структура ПАК виртуального датчика, реализующего способ автоматического контроля влажности сахаристых кондитерских изделий.

• Сформулирована математическая постановка задачи автоматизации контроля влажности кондитерских масс на примере процесса уваривания сахаро- паточного сиропа линии производства конфет из мягкого грильяжа. Разработаны математические модели, алгоритмы и программы для реализации методов автоматического контроля влажности кондитерских масс.

• На основе нейросетевых алгоритмов разработан и апробирован виртуальный датчик влажности автоматического контроля влажности кондитерских масс в процессах приготовления сахаристых кондитерских изделий.

• Даны рекомендации по применению разработанного способа для построения системы регулирования влажности в процессе уваривания сахаро -паточного сиропа для приготовления конфет мягкого грильяжа.

• Разработана оптимальная НСМ для автоматизации регулирования влажности увариваемой кондитерской массы. Проведена экспериментальная проверка результатов исследования на промышленном оборудовании линии производства конфет из мягкого грильяжа.

• На базе современного программного и аппаратного обеспечения разработаны технические решения и практические рекомендации по функционированию программно- аппаратного комплекса контроля влажности кондитерских масс в автоматическом режиме для применения на автоматизированных технологических линиях кондитерских предприятий, с возможностью интеграции в АСУ ТП.

• На основании данных, получаемых при апробации созданного виртуального датчика, разработана система регулирования влажности увариваемого сахаро-паточного сиропа для приготовления конфет из мягкого грильяжа.

• Сформулированы требования к АСУ ТП приготовления сахаро-паточного сиропа линии производства конфет из мягкого грильяжа для возможности интеграции в нее виртуального датчика. Даны рекомендации и обоснования по выбору технических средств и программного обеспечения, необходимых для создания этой системы

• Разработаны схемы и способ интеграции ПАК виртуального датчика в АСУ ТП при производстве кондитерских изделий.

• Проведена экспериментальная проверка результатов исследования на промышленном оборудовании

Библиография Апанасенко, Сергей Игоревич, диссертация по теме Автоматизация и управление технологическими процессами и производствами (по отраслям)

1. Аверин А.Н. Нечеткие множества в моделях управления иискусственного интеллекта —М.: Наука, 1986.

2. Ануфриев И., Смирнов А., Смирнова Е. MATLAB 7.0 в подлиннике -Новая техническая книга, 2005.

3. Андреев Е. SCADA-системы: взгляд изнутри М.: Москва, 2004.

4. Баффингтон Р., Уилсон М. Детекторы для газовой хроматографии. — М.: Мир, 1993.

5. Бергер Г. Автоматизация посредством STEP 7 с использованием STL и SCL и программируемых контроллеров SIMATIC S7-300/400 -Siemens, 2001.

6. Бойерл Х.-П., Бах-Беценар Г. Коммуникация в технике автоматизации Siemens, 1991.

7. Бутковский А.Г. Методы управления в системах с распределенными параметрами. М.: Наука, 1975.

8. Галушкин А.И. Теория нейронных сетей. Книга 1. — М.: ИПРЖР, 2000.

9. Гришин В.Г. Образный анализ экспериментальных данных. М.: Наука, 1982.

10. Герасимова И.В., Новикова Н.В., Карушева Н.В. Основы кондитерского производства-М.: Колос, 1996.

11. Грень А.И., Высоцкая JI.E., Михайлова Т.В. Химия вкуса и запаха мясных продуктов. Киев: Наук, думка, 1985.

12. Горбань А.Н. Обучение нейронных сетей. — М.: СП "ParaGraph", 1990.

13. ГОСТ 6534-89 «Шоколад. Общие технические условия»;t

14. ГОСТ Р ИСО 3972-2005 «Органолептический анализ. Методология. Метод исследования вкусовой чувствительности».

15. Денисенко В.В. Компьютерное управление технологическим процессом, экспериментом, оборудованием. М.: Горячая линия-телеком, 2009.

16. Дикий Б.Ф. Автоматический контроль состава и свойств пищевых продуктов — М.: Пищевая промышленность, 1968.

17. Дорф Р., Бишоп Р. Современные системы управления: Перевод с английского — Лаборатория базовых знаний, 2002.

18. Дудников Е.Г., Балакирев B.C., Кривсунов В.Н., Цирлин A.M. Построение математических моделей химико-технологических объектов. Л.: Химия, 1970.

19. Драгилев А.И. Оборудование для производства сахарных кондитерских изделий. Учебник для Вузов. М., ИРПО, Академия. 2000.

20. Драгилев А. И., Осташенкова Н. В., Войно Л. И. Шоколад, пралине (сырье, технология, оборудование, технохимический и микробиологический контроль). -М.: ДеЛи принт, 2007.

21. Дюран Б., Оделл П. Кластерный анализ. М.: Статистика, 1976.

22. Дьяконов В.П., Круглов В.А. Математические пакеты расширения MATLAB. Специальный справочник. СПб: Питер. 2001.

23. Дьяконов В.П. Matlab 6.5 SP 1/7 + Simulink 5/6 в математике и моделировании —М.: COJIOH-Пресс, 2005.

24. Ежов A.C., Шумский С.С. Нейрокомпьютинг и его применение в экономике и бизнесе. М.: Мир, 1998.

25. Жамбю М. Иерархический кластер анализ и соответствия. — М.: Финансы и статистика, 1988.

26. Зубченко A.B. Технология кондитерского производства — Воронеж, 1999. '

27. Иглин С.П. Теория вероятностей и математическая статистика на базе MATLAB Харьков: Издательство НТУ "ХПИ", 2006.

28. Калач A.B., Коренман Я.И., Нифталиев С.И. Искусственные нейронные сети — вчера, сегодня, завтра. Воронеж: ВГТА, 2002.

29. Катралл Р.В. Химические сенсоры, М.: Научный мир, 2000.

30. Кафка Б.В. Техно-химический контроль кондитерского производства -М.: Пищепромиздат, 1956.

31. Карпин Е.Б Автоматизация технологических процессов пищевых производств — М.: Агропромиздат, 1985.

32. Каллан Р. Основные концепции нейронных сетей. — М.: Издательский дом "Вильяме", 2003.

33. Кантере В.М., Матисон В.А., Фоменко М.А. Сенсорный анализ продуктов питания. -М.: Типография РАСХН, 2003.

34. Клюев A.C., Глазов Б.В., Дубровский А.Х., Клюев A.A. Проектирование систем автоматизации технологических процессов — М.: Энергоатомиздат, 1990.

35. Кокашинский Г.Р. Производство шоколадных изделий М.: Пищевая промышленность, 1966.

36. Коротнев В.Д., Винничек Л.Б., Кочетова Г.Н. и др. Организация и управление производством — М.: КолосС, 2005.

37. Кохонен Т. Ассоциативные запоминающие устройства. М.: Мир, 1982.

38. Кондратов В., Королев С. Matlab как система программирования научно-технических расчетов М.: Мир, 2002.

39. Комашинский В.И., Смирнов Д.А. Нейронные сети и их применение в системах управления и связи — М.: Горячая линия-телеком, 2003.

40. Комашинский В.И., Смирнов Д.А. Введение нейро-информационные технологии СПб.: Тема, 1999.

41. Круглов В.В., Борисов H.H. Искусственные нейронные сети. Теория и практика. М.: Горячая линия - Телеком, 2001.

42. Круглов В.В., Дли М.И., Голусов Р.Ю. Нечеткая логика и искусственные нейронные сети. М.: Издательство физико-математической литературы, 2001.

43. Круглов В.В., Борисов B.B. Искусственные нейронные сети. Теория и практика -М.: Горячая линия-телеком, 2001.

44. Камман К. Работа с ионоселективными электродами. М.: Мир, 1980.

45. Кучменко Т.А. Применение метода пьезокварцевого микровзвешивания в аналитической химии. Воронеж: изд. ВГТА, 2001.

46. Лурье И.С. Технохимический контроль сырья в кондитерском производстве. Справочник. -М.: агропромиздат, 1987.

47. Леоненков A.B. Нечеткое моделирование в среде МАТЪАВ и fuzzyTECH. СПб.: БХВ - Петербург, 2003.

48. Миллер Д. Магическое число семь, плюс или минус два. В кн.: Инженерная психология. М, 1964.

49. Минифай Б. Шоколад, конфеты, карамель и другие кондитерские изделия. М.: Профессия, 2005.

50. Миттаг Х.И., Ринне X. Статистические методы обеспечения качества -М.: Машиностроение, 1995.

51. Мишель Ж. Программируемые контроллеры. Архитектура и применение-М.: Машиностроение, 1992.

52. Мкртчян С.О. Нейроны и нейронные сети. (Введение в теорию формальных нейронов) — М.: Энергия, 1971.

53. Минский И.И., Пейперт С. Перцептроны. М.: Мир, 1971.102

54. Медведев B.C., Потемкин В.Г. «Нейронные сети. MATLAB б» М.: Диалог-МИФИ, 2002.

55. Мандель Н.Д. Кластерный анализ. — М.: Финансы и статистика, 1988.

56. Малов В.В. Пьзорезонансные датчики. М.: Энергоатомиздат, 1989.

57. Нестеров A.JI. Проектирование АСУТП. Методическое пособие. Книга 1 СПб.: Деан, 2006.

58. Николайчук О.И. Современные средства автоматизации. — М.: Солон-пресс, 2006.

59. Осовский С. Нейронные сети для обработки информации. М.: Финансы и статистика, 2002.

60. Олссон Г., Пиани Д. Цифровые системы автоматизации и управления СПб.: Невский диалект, 2001.

61. Парр Э. Программируемые контроллеры. Руководство для инженера — М.: Бином. Лаборатория знаний, 2007.

62. Петров И.К. Технологические измерения и приборы в пищевой промышленности. -М.: Агропромиздат, 1985.

63. Петров И.В. Программируемые контроллеры. Стандартные языки и инструменты. -М.: Солон-Пресс, 2003.

64. Порншев C.B. MATLAB 7. Основы работы и программирования. Учебник -М.: "Бином. Лаборатория знаний", 2006г.

65. Позняковский В.М. Кондитерские изделия. Практическое учебное пособие. Кемерово: КТИПП, 1999.

66. Потемкин В.Г. Система MATLAB. Справочное пособие — М.: Диалог-МИФИ, 1997.

67. Прикладные нечеткие системы. / Под ред. Т. Тэрано, К. Асаи, М. Сученко. — М.: Мир, 1993.

68. Потемкин В.Г. Вычисления в среде MATLAB — М.: Диалог-МИФИ. 2004.

69. Родина Т.Г., Вукс Г.А. Дегустационный анализ продуктов. — М.: Колос, 1994.

70. Розонова С.С. Классификационная проблема в современной науке — Новосибирск: Наука, 1986.

71. Рутковская Д., Пилиньский М., Рутковский JI. Нейронные сети, генетические алгоритмы и нечеткие системы — М.: Горячая линия-телеком, 2006.

72. Сакодынский К.И., Бражников В.В., Волков С.А. и др. Аналитическая хроматография М.: Химия, 1993.

73. Сафронова Т.М. Справочник дегустатора рыбной продукции — М.: ВНИРО, 1998.

74. Смагин А.Г., Ярославский М.И. Пьезоэлектричество кварца и кварцевые резонаторы -М.: Энергия, 1970.

75. Сокал P.P. Кластер анализ и классификация: основные направления — М., 1980.

76. Семененко М. Введение в математическое моделирование — Солон-Р, 2002.

77. Суровцев И.С., Клюкин В.И., Пивоварова Р.П. Нейронные сети. — Воронеж: ВГУ, 1994.

78. Терехов В.А., Ефимов Д. В., Тюкин И.Ю. Нейросетевые системы управления. Уч. Пособие для вузов. М.: Высшая школа, 2002.

79. Тэрано Т., Асаи К., Сугэно М. М.: Мир, 1993.

80. Уоссерман Ф. Нейрокомпыотерная техника: теория и практика. — М.: Мир, 1992.

81. Штовба С.Д. Проектирование нечетких систем средствами MATLAB- М.: Горячая Линия Телеком, 2007 г.

82. Шаповалова E.H., Пирогов A.B. Хроматографические методы анализа.1. М.: МГУ, 2007.

83. Фатхутдинов P.A. Организация производства М.: ИНФРА-М, 2000.

84. Федоров Ю.Н.Справочник инженера по АСУТП: Проектирование и разработка -М.: Инфра-Инженерия, 2008.

85. Черных И. Simulink: среда создания инженерных приложений -М.:Диалог-МИФИ, 2003.

86. Царев И.Н., Царев В.И., Катраков И.Б. Практическая газовая хроматография. Барнаул: АтлГУ, 2000.

87. Beckett S.T. Science of chocolate. RSCPublishing, 2008.

88. Gardner- J., Bartlett P. Electronic Noses: Principles and Applications Oxford University Press, 1998.

89. Garner W.R., Hake H.W., Eriksen C.W. Operationism and the concept of perception. Psychol.Rev, 1956.

90. Haykin S., Neural networks a Comprehensive Foundation, Second Edition Prentice Hall, Inc., 1999.

91. Kohonen T., "Self-Organizing Maps", Springer, 1995

92. Kohonen T., "Self-Organizing Maps"(2-nd edition), Springer, 1997.

93. Kohonen T., Huang T.S., Schroeder M.R. "Self-Organizing Maps"(Third edition), Springer, 2003.

94. Mahnke W OPC Unified Architecture Springer-Verlag, 2009.

95. Legin A., Rudnitskaya A., Vlasov Yu., Di Natale C., D'Amico A. Sensors and Actuators B, 1999.

96. Legin A., Rudnitskaya A., Vlasov Yu. In: Integrated Analytical Systems, Comprehensive Analytical Chemistry. V. XXXIX. Ed. S. Alegret. Amsterdam: Elsevier, 2003.

97. Newton D. E. Food Chemestry Facts On File, Inc., 2007.

98. Swingler K. Applying Neural Networks. A Practical Guide Morgan Kaufman Publishers.

99. Sun D.W. Modern Techniques for food authentication — Academic Press, 2008.

100. Principe J. Euliano N. Lefebvre C. Neural and Adaptive Systems. Fundamentals through Simulation John Wiley & Sons.

101. Trion R.G. Cluster analysis L.: Ann Arbor Edwards Bros., 1939.

102. Wong M.A. A hybrid clustering method for identifying hign JASA, 1982.

103. Wilson C.I. Threapleton L. Application Of Artificial Intelligence For Predicting Beer Flavours From Chemical Analysis European Brewery Convention, from the Proceedings of the 29th EBC Congress — Dublin, 2003.

104. Zurada J. Introduction to Artificial Neural Systems West Publishing Company, 1994.

105. Операция Оборудование Объект контроля Параметр контроля Единицы измерения шш шах ## 1 2 3 4 5 6

106. Промежуточное хранение патоки Буферный бак патоки Патока Температура "С 70 80 I 76,2 73,1 79,1 73,2 76,8 73,6

107. Промежуточное хранение пюре яблочного Буферные баки пюре яблочного Пюре яблочное Температура °С 70 80 II 73,6 78,3 78,2 74,9 74,9 70,1

108. Дозирование компонентов Рецептурные весы Патока Вес % 15,73 17,02 III 16,7 16,3 15,8 16,8 16,7 16,1

109. Пюре яблочное Вес % 9,27 10,1 IV 10,1 9,4 9,7 10 9,5 10

110. Сахар Вес % 72,87 75,01 V 74,9 74 73,5 73 74,6 73,6

111. Уваривание сахаро-паточного сиропа Варочный котел Сироп Температура °С 124 126 VI 124 124,9 125 126 125 125

112. Давление Мпа 0,4 0,6 VII 0,5 0,6 0,4 0,6 0,6 0,5

113. Паровая рубашка котла Пар Давление Мпа 5,5 6,5 VIII 5,9 6,5 5,6 6,2 6,4 6,5

114. Участок линии Процесс Время сек. 620 700 IX 635 669,7 665 642 665 6791. Лабораторные анализы

115. Объект контроля Нормативная документация Параметр контроля Тип измерений Единицы измерения тш шах ## 1 2 3 4 5 6

116. Патока ГОСТ Р 52060-2003 Вкус Органолептика Ранжирование 0 10 X 9,6 3,3 0,8 1,6 7,6 3,2

117. Запах Органолептика Ранжирование 0 10 XI 0,6 7,1 3,3 9,9 4,1 5,5

118. Цвет Органолептика Ранжирование 0 10 XII 6,6 8,7 10 2,1 0,1 9

119. Массовая доля сухого вещества Рефрактометр % 78 80,3 XII 79,7 79,6 78,8 79,7 78,2 78,5

120. Массовая доля редуцирующих веществ Метод Лейна-Эйнона % 36 44 XIV 36,7 36,6 36 40,2 41,2 40,6

121. Массовая доля общей золы Сжигание в муфельной печи % 0,38 0,4 XV 0,4 0,4 0,4 0,4 0,4 0,4

122. Водородный показатель Измерение рН-метром конц. 25,3 26 XVI 26 25,8 25,7 25,8 25,5 25,5

123. Кислотность Метод нейтрализации кислот конц. 16,44 17 XVII 16,5 16,8 16,7 16,5 17 16,8

124. Содержание диоксида серы Окисление раствором йода мг/кг 37,56 40 XVII 38,1 38,5 39,5 39,7 38,1 39,9

125. Температура карамельной пробы Нагрев °с 143 145 XIX 144 144,2 144 145 144 143