автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.06, диссертация на тему:Автоматизированная система учета контроля и безопасности производства благородных металлов из отходов электротехнических производств

ГЕОРГИЕВА Эльвира Юрьевна

АВТОМАТИЗИРОВАННАЯ СИСТЕМА КОНТРОЛЯ УЧЕТА И БЕЗОПАСНОСТИ ПРОИЗВОДСТВА БЛАГОРОДНЫХ МЕТАЛЛОВ ИЗ ОТХОДОВ ЭЛЕКТРОТЕХНИЧЕСКИХ ПРОИЗВОДСТВ

Специальность 05.13.06 - Автоматизация и управление

технологическими процессами и производствами (металлургия)

Автореферат диссертации на соискание ученой степени кандидата технических наук

3 О ИЮН 2011

САНКТ-ПЕТЕРБУРГ 2011

4851213

Работа выполнена в федеральном государственном бюджетном образовательном учреждении высшего профессионального образования Санкт-Петербургском государственном горном университете.

Научный руководитель -

доктор технических наук, профессор

Шариков Юрий Васильевич Официальные оппоненты. доктор технических наук, профессор

Харазов Виктор Григорьевич, кандидат технических наук

Блинов Валерий Анатольевич

Ведущая организация - ФГУП «РНЦ «Прикладная химия».

Защита диссертации состоится 5 июля 2011 г. в 14 ч 30 мин на заседании диссертационного совета Д 212.224.03 при Санкт-Петербургском государственном горном университете по адресу: 199106 Санкт-Петербург, 21-я линия, д.2, ауд.3316.

С диссертацией можно ознакомиться в библиотеке Санкт-Петербургского государственного горного университета.

Автореферат разослан 3 июня

УЧЕНЫЙ СЕКРЕТАРЬ диссертационного совета доктор технических наук

2011 г.

В.Н.БРИЧКИН

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы. В настоящее время потребности мирового рынка в благородных металлах с каждым годом увеличиваются. Наряду с этим производство драгоценных металлов из руд постепенно сокращается, а спрос на благородные металлы (Аи, Р1 и Рс1) растёт. При производстве благородных металлов из отходов электротехнических производств огромную роль играет максимальное извлечение драгоценных металлов, а также уменьшение их потерь. Для этого необходимо создание автоматизированной системы управления, контроля и безопасности производства драгоценных металлов. Эта система позволила бы не только автоматизировать непосредственно технологический процесс, но и получать наиболее полные данные о содержании драгоценных металлов. Для управления сложными многостадийными процессами был разработан метод обобщающий опыт работы операторов сложных процессов. Этот принцип впервые сформулировал Лофги Заде и получил широкое применение в теории и практике управления. В дальнейшем был развит: Мамдани,Сугено, Цукамото, Ларсеном и др.

Современные автоматизированные системы управления технологическими процессами основываются на классической теории управления с помощью математических моделей. Такого рода модели могут быть адекватными лишь в одной ограниченной области. В сложных системах присутствуют нелинейные характеристики, а также неконтролируемые внешние факторы и обратные связи. Это всё затрудняет моделирование динамических свойств объектов и реализацию управления. Ранее использовались математические модели, которые были основаны на выборе более оптимальной технологии по переработке отходов электротехнических производств.

В связи с этим необходимо создать новые или модернизировать существующие алгоритмы управления процессами производства драгоценных металлов. Это позволит увеличить эффективность управления.

Повышение эффективности сложного многостадийного процесса и усовершенствование системы учета и контроля движения драгоценных металлов при переработке отходов электротехниче-

ских производств является актуальной задачей совершенствования производства драгоценных металлов из отходов электротехнических производств.

Исследования выполнялись в соответствии с госбюджетной тематикой НИР СПГГУ по теме 6.30.020. «Разработка систем управления сложными техническими объектами с использованием математических моделей в контуре управления» (I кв. 2008 - IV кв. 2010 гг).

Цель диссертационной работы. Повышение качества управления, контроля и безопасности в процессе производства благородных металлов из отходов электротехнических производств.

Идея работы. Для усовершенствования автоматизированной системы управления процессом производства благородных металлов следует использовать вычислительные блоки системы управления, которые позволяют повысить ее адаптационные свойства к многостадийной технологии.

Задачи исследований:

• анализ процессов производства благородных металлов из отходов электротехнических производств как объекта управления;

• анализ основных методов управления технологическими процессами с применением нечеткой логики;

• разработка модели процесса производства благородных металлов из отходов электротехнических производств на основе данных оперативного контроля по работе;

• разработка структуры регулятора для управления процессом производства благородных металлов;

• синтез алгоритмов для системы управления процессом производства благородных металлов;

• оценка эффективности предложенной системы и выработка рекомендаций по ее применению.

Научная новизна работы.

Установлено, что применение в системе управления нечеткой модели процесса извлечения благородных металлов из отходов электротехнических производств, способна воспроизводить нелинейную динамику объекта на основании данных оперативного контроля по содержанию благородных металлов в режиме реального

времени, позволяет повысить качество управления за счет выбора оптимальных управляющих воздействий.

Показано, что повышение качества управления процессом извлечения благородных металлов из отходов электротехнических производств обеспечивается введением нечетких алгоритмов в вычислительные блоки автоматизированной системы управления с использованием сформулированной базы правил.

Обоснована структура нечеткого регулятора для управления процессом производства благородных металлов, полученная путем реструктуризации параллельной схемы нечеткого управления и введением в нее дополнительных блоков истории работы системы, интеллектуального классификатора и выбора способа управления.

Основные положения, выносимые на защиту:

1. Модель процесса производства благородных металлов из отходов электротехнических производств, разработанная на основе нечетких алгоритмов, обеспечивает прогнозирования значений основных параметров процесса на основании данных оперативного контроля содержания благородных металлов со значением ошибки моделирования не более 6 %.

2. В структуру автоматизированной системы управления следует ввести fuzzy регулятор, схема которого получена путем реструктуризации параллельной схемы управления на основе fuzzy модели, которая состоит из базы нечетких правил, блоков фазифи-кации и дефазификации и выбора способа управления, обеспечивает повышение качества управления по величине перерегулирования, времени переходного процесса, плотности вероятности внутри границ допустимых пределов изменения параметра и среднеквадрати-ческому отклонению ошибки регулирования.

Методика исследований.

При исследованиях применялись классические и специальные методы теории автоматического управления, методы теории нечетких множеств, а также методы статистического анализа. Проверка полученных в ходе работы теоретических результатов выполнялась в среде MATLAB.

Практическое значение работы

1.Разработана модель на основе нечеткой логики, позволяющая осуществлять прогноз основных параметров процессов на основании данных оперативного контроля о ходе технологического процесса, пригодная для использования в структуре системы управления процессом производства благородных металлов и для настройки нечеткого регулятора.

2. Выявлены наиболее эффективные методы предварительной обработки данных и модели нечеткой логики для решения задач идентификации процессов производства благородных металлов из отходов электротехнических производств, что позволяет их использовать для большого класса подобных объектов.

3. Разработанная система и алгоритмы управления на базе нечеткой логики могут быть использованы для управления сложными технологическими объектами при наличии случайных возмущений.

Достоверность научных результатов. Достоверность основных научных положений, выводов и рекомендаций обоснована совпадением полученных результатов с промышленными данными и материалами исследования промышленного объекта. Обработка экспериментальных данных осуществлялась с применением программных и статистических пакетов, а также компьютерных технологий.

Апробация работы. Содержание и основные положения работы докладывались на семинаре «Инновационные технологии, моделирование и автоматизация в металлургии» (ВО «РЕСТЭК», Санкт-Петербург, 2011); научно-технических конференциях молодых ученых Санкт-Петербургского государственного горного института (Санкт-Петербург, 2007, 2008, 2009, 2010) и семинарах кафедры автоматизации технологических процессов и производств СПГГУ.

По теме диссертации опубликовано 8 научных работ, из них 2 в изданиях, рекомендуемых ВАК Минобрнауки. Получен патент. Личный вклад автора. Автор самостоятельно выполнил: • постановку задач и разработку общей методики исследований;

• анализ процессов производства благородных металлов как объекта управления;

• синтез модели на основе нечеткой логики, позволяющей осуществлять прогноз основных параметров процесса;

• разработку структуры fuzzy регулятора процесса производства благородных металлов;

• разработку основных нечетких алгоритмов для автоматизированной системы процесса шахтного обжига известняка.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения и библиографического списка. Содержит 151 страниц машинописного текста, 45 рисунков, 27 таблиц и список литературы из 110 наименований.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

В первой главе выполнен анализ технологического процесса производства благородных металлов из отходов электротехнических производств. Подробно изучены все процессы технологической схемы производства благородных металлов. Проанализированы современные системы управления, представлена структура управления предприятием.

Вторая глава посвящена расчету материального баланса по 4 основным видам концентратов из отходов электротехнических производств. В данной главе приведены основы расчетов материального баланса. Для упрощения расчета материального баланса и для быстрого определения на основании химического анализа концентратов написана компьютерная программа, которая позволяет быстро произвести расчет масс драгоценных металлах в металло-концентрате, шлаке, медных анодах, шламе.

Третья глава посвящена применению теории нечетких множеств в системах управления. Приведены основы теории нечетких множеств, разработана система нечеткого вывода. Доказана актуальность применения нечетких алгоритмов в системе управления процессом производства благородных металлов из отходов электротехнических производств, приведено подробное описание предлагаемого алгоритма управления. Описаны и проанализированы наи-

более распространенные способы применения нечеткой логики для решения задач автоматического управления.

В четвертой главе приведена разработанная система управления, структура системы управления, проведена оценка состояния системы управления, проведено построение системы управления с помощью программы МАТЬАВ. Выполнен анализ и оценка качества управления. Разработана новая структура системы с применением нечетких алгоритмов, а также проведено тестирование созданной системы управления на данных оперативного контроля по содержанию благородных металлов и представлена оценка эффективности ее работы.

Заключение отражает обобщенные выводы по результатам исследований в соответствии с целью и решенными задачами.

ОСНОВНЫЕ ПОЛОЖЕНИЯ, ВЫНОСИМЫЕ НА ЗАЩИТУ

1. Модель производства благородных металлов из отходов электротехнических производств, разработана на основе нечеткой логики, позволяет осуществлять адекватное прогнозирование основных параметров процессов (содержание Au,Ag,Pt н Р(1 в конечном продукте сплаве Доре), на основании данных оперативного контроля со значением ошибки не более 6 % .

Качественное управление процессами переработки отходов электротехнических производств обусловлено стабилизацией температур в печи и оптимальным содержанием Аи,А§ДЧ и Рё.

Предлагается новый подход к управлению на основе нечеткой модели процесса, который позволяет прогнозировать содержание благородных металлов в конечном продукте производства на основании химического анализа отходов.

В качестве исходных данных для построения нечеткой модели были взяты данные, полученные после химического анализа радиоэлектронного лома. На основании этих данных для построения нечеткой модели были сформированы функции принадлежности, блок фазификации и блок дефазификации.

Перед построением модели на основе мнения экспертов были определены 5 входных и 2 выходных параметров нечеткой модели.

В качестве входных были выбраны следующие параметры: X) - расход лома на Ре-М-Со основе (Я ие-м-со)» - расход лома на Аи-Си основе (Я Аи-си), Х3 - расход лома на Ag-Cu основе(Я А8-си), Х4 - расход лома на Рс1-Р1 основе (Я Ра.Р,), Х5 -температура в печи (Тп).

В качестве выходных были выбраны следующие параметры: У] - суммарное содержание Au,Ag,Pt,Pd в сплаве ДОРе (8Аи,АЁ,Р1,р<0> У2 - Температура расплава(Тр), на рисунке 1 представлена схема моделирования производства благородных металлов из отходов электротехнических производств.

Рис. I Схема моделирования производства благородных металлов из отходов электротехнических производств

Для повышения вычислительной способности нечеткого регулятора, лежащего в основе нечеткой модели процесса, и повышения точности получаемого результата была проведена предварительная обработка данных. Для этого было проведено исследование, в ходе которого выявлено наиболее эффективное сочетание известных методов предварительной обработки данных для рассматриваемого процесса. Результаты проведенного исследования представлены в таблице 1.

Таблица 1

Результаты применения различных методов предобработки данных

Номер выхода Номер этапа 1 2 3 4

Первый выход Коэффициент корреляции на обучающей выборке 0.53 0.43 0.54 0.70

Коэффициент корреляции на тестовой выборке 0.40 0.41 0.50 0.73

Второй выход Коэффициент корреляции на обучающей выборке 0.65 0.69 0.71 0.80

Коэффициент корреляции на тестовой выборке 0.50 0.56 0.57 0.77

Лучший результат показали методы, используемые на четвертом этапе. Таким образом, предварительная обработка данных для нечеткой модели проводилась двумя методами - масштабированием и удалением избыточных значений. В результате предобработки было получены данные (значение константы Липшица - 130, стационарности - 0,79) для обучения и тестирования нечеткой модели:

= 1К<М')1'=/да?)' гда «(о=И

Разработанная структура системы управления на основе нечеткой логики представлена на рис.2. Она состоит из блока лингвистического представления («фазификатора»), блока генерации количественного значения («дефазификатора»), системы правил нечеткого вывода. Объектом управления является непосредственно технологический процесс.

Оценка адекватности работы сети проводилась статистическими методами. Результаты представлены в таблице 2. Нечеткая система правил сформирована с помощью лингвистических переменных, которые записаны в виде терм множеств, характеризующих входные и выходные значения. Точные значения входных перемен ных преобразуются в значения лингвистических переменных посредством применения некоторых положений теории нечетких

Блок лингвистического представления («фазификатор»

Блок генерации количественного

значения («дефазификатор»

Лингвистическое значение 1

Система правил Нечеткого вывода «Если...то...»

Функция принадлежности

Объект управления Система управления

-Датчик(и) | | -Управляющие механизм(ы) Рис.2. Структура системы управления на основе нечеткой логики

множеств, а именно - при помощи определенных функций принадлежности. Алгоритмы обучения адаптивных нечетких систем состоят из двух стадий: 1. Генерация лингвистических правил; 2. Корректировка функций принадлежности. Первая задача относится к задаче переборного типа, вторая - к оптимизации в непрерывных пространствах. Для формирования суммарного управляющего воздействия был применен метод среднего центра, или центроидный метод фа-зификации.

Значения коэффициентов корреляции, среднеквадратическо-го отклонения и критерия Фишера для обучающей и тестовой выборки подтверждают адекватность разработанной нечеткой модели.

В результате нечеткая модель может быть применена в системе управления процессом производства благородных металлов, а также для настройки нечеткого регулятора. Значение ошибки моделирования при этом не превышает 6 %.

Таблица 2

Проверка адекватности нечеткой модели _

Номер выхода 1 2

Обучающая Коэффициент корреляции 0.992 0.993

выборка Среднеквадратическое отклонение 0.0082 0.0045

Критерий Фишера 0.82 1.042

Коэффициент корреляции 0.983 0.984

Тестовая Среднеквадратическое отклонение 0.0243 0.0145

выборка Критерий Фишера 1.121 1.232

2. Введение в структуру автоматизированной системы управления процессом производства благородных металлов нечеткого регулятора, схема которого была получена с помощью реструктуризации параллельной схемы нечеткого управления с добавлением в нее блока выбора способа управления, блока интеллектуального классификатора и блока моделирования, что обеспечивает повышение качества управления по величине перерегулирования, времени переходного процесса, плотности вероятности внутри границ допустимых пределов изменения параметра и среднеквадратическому отклонению ошибки регулирования.

Получение качественного по составу качественного по составу конечного продукта связано с правильным выбором температурного режима работы индукционной тигельной печи. Изменение температуры, а именно отклонение от заданных значений является изменение состава радиоэлектронного лома.

Колебания температуры происходит в основном из-за изменения рабочей плотности тока, а также из-за изменения производительности по металлоконцентрату. Целью управления производством благородных металлов является получение качественного по составу сплава Доре.

В программном пакете МАТЬАВ было проведено моделирование процесса получения сплава Доре. Результаты зависимостей входных и выходных значений для разработанного нечеткого регулятора приведены на рис.3.

Х13(1_от-2) х12(1_от-1)

Рис.3 Визуализация поверхностей «входа-выхода» для нечеткого регулятора производства благородных металлов.

На рисунке 4 представлена структурная предлагаемого нечеткого регулятора.

Нечеткий регулятор для управления производством благородных металлов состоит: объект управления 1; блок первичной переработки данных 2, в этом блоке происходит преобразование данных, которые получены пользователем по текущим данным технологического процесса, блок ввода/вывода данных 3 на основании, полученной информации о ходе процесса, он осуществляет взаимосвязь пользователя и системы, сюда поступает задание 4; блок реализации алгоритмов регулирования 5, отсюда на основании показателей датчиков формируется единичное управляющее воздействие на исполнительный механизм; блока моделирования 8 состоящего из блока лингвистического представления, блока генерации количественного знания, блока нечеткого управления 6, состоящего из трех блоков: интеллектуального классификатора 7, выбирающего оптимальный режим работы системы, блока моделирования 8, блока управления 9, блока выбора способа управления 11, который на основании, полученных данных от блока моделирования 8, выбирает на основании некоторого критерия способ управления для каждого управляемого параметра системы.

I

Рис. 4 Структурная схема нечеткого регулятора для производства благородных

металлов

Проектирование системы нечеткого логического вывода проводилось с помощью программного пакета МАТЪАВ. Основой для проведения операции нечеткого логического вывода является база правил. В общем случае механизм логического вывода включает четыре этапа: введение нечеткости (фазификация), нечеткий вывод, композиция и приведение к четкости, или дефазификация. Моделирование системы приведено на рис.5. Для создания нечеткого логического вывода были разработаны функции принадлежности по входным и выходным значениям процесса рис.6.

гч

x12(Lorri-1)

-о-

Х13(Lom-2) Plavka DORe

x14(Lom-3) (mamdani)

""V

x15(Lom-4)

y8(Splav-D0Re)

y9(shlak)

v-1 BfTr.11

Рис.5 Моделирование производства благородных металлов

Membership function plots P|ot P°ints:

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 Рис.6 Типовая функция принадлежности по входным значениям.

output variable "y9(shlak)"

Рис.7 Типовая функция принадлежности по выходным значениям.

На основании функций принадлежности была создана база знаний и получена визуализация выполнения процедур входных и выходных переменных, рис.12.

х12(Lom-1) = 0.5 X13(Lom-2) = 5 x14(Lom-3) = 2.3

/

\ /

\

0 1

10

4.6

а-входные

5(5р1ау-Р(Же) = 98.5 уЭСэМак) = 0-5

197

б - выходные

Рис.12. Просмотр правил после выполнения процедуры нечеткого вывода для значений входных и выходных переменных производства благородных металлов из отходов электротехнических производств

Качество управления оценивалось по величине перерегулирования (С1), времени переходного процесса (//,), плотности вероятности внутри границ допустимых пределов изменения параметра (Р) и среднеквадратическому отклонению ошибки регулирования {СКО). Результаты оценки качества управления представлены в таблице 3.

Таблица 3

Оценка качества управления _

Номер выхода нечеткой сети 0,% 1р, мин Р СКО

Выход 1 Фактические значения 3.993 4.9 0.993 0.0082

Расчетные значения 1.208 3.4 0.995 0.0039

Оценка изменения показателей, % 69.75 30.61 0.2 52.44

В ыход 2 Фактические значения 1.5 0.3 0.853 0.1341

Расчетные значения 0.7 0.21 0.932 0.0654

Оценка изменения показателей, % 53.33 30 8.48 51.23

Полученные значения подтверждают повышение качества по величине перерегулирования не менее чем на 15%, времени переходного процесса не менее чем на 20 %, плотности вероятности

внутри границ допустимых пределов изменения параметра не менее чем на 0,1 % и среднеквадратическому отклонению ошибки регулирования не менее чем на 20%

ЗАКЛЮЧЕНИЕ

Диссертация представляет собой законченную научно-квалификационную работу, в которой содержится новое решение актуальной для металлургии задачи управления производством благородных металлов с применением fuzzy алгоритмов.

Основные результаты выполненных исследований сводятся к следующему:

1. Для повышения эффективности управления контроля и учета благородных металлов целесообразно применение нечетких логических алгоритмов в структуре автоматизированной системы управления производством благородных металлов из отходов электротехнических производств.

2. Прогнозирование основных значений параметров процессов производства благородных металлов с наибольшей точностью позволяет применять нечеткую модель, значение ошибки моделирования не превышает 6 %.

3. Обоснована структура нечеткого логического регулятора для управления процессами производства благородных металлов, полученная с помощью применения нечеткой логики, определены функции для каждого блока регулятора.

4. Точность получаемых результатов получена за счет использования методов масштабирования и удаления избыточных значений на этапе предварительной обработки данных при построении fuzzy модели производства благородных металлов.

5. Повышение качества управления достигается с помощью введения предложенных нечетких алгоритмов в структуру автоматизированной системы управления производством благородных металлов, эффективность этих алгоритмов проверена и доказана с помощью проведенного вычислительного эксперимента на основании оперативного контроля данных по результатам работы печи.

ОСНОВНЫЕ ПОЛОЖЕНИЯ ДИССЕРТАЦИИ

ОПУБЛИКОВАНЫ В СЛЕДУЮЩИХ РАБОТАХ:

1. Георгиева Э.Ю. Основные принципы проектирования математической модели процесса электролиза./ Э.Ю.Георгиева, Ю.В. Шариков // Записки Горного института, СПГГУ, Санкт-Петербург, 2011, Т. 189, с.30-34

2. Георгиева Э.Ю. Технология переработки отходов радиоэлектронной промышленности./ А.Н. Теляков, Д.В. Горленков, Э.Ю Георгиева // Цветные металлы, № 6, 2007, с.20-23.

3. Степанова (Георгиева) Э.Ю. Способ электрохимического рафинирования никеля и меди из медно-никелевых сплавов содержащих золото./А.Н.Теляков, Д.В. Горленков, Н.М.Теляков, Э.Ю. Степанова (Георгиева) // Положительное решение от 09.06,2003, № 2003112753, Патент № 2237750

4. Степанова (Георгиева) Э.Ю. Определение потенциалов растворения сплавов на основе меди и никеля, содержащих драгоценные металлы. / А.Н.Теляков, Д.В. Горленков, Н.М.Теляков, Э.Ю.Степанова (Георгиева) //В сборнике тезисов докладов Всероссийской научно-практической конференции «Новые технологии в металлургии, химии, обогащении и экологии», г.Санкт-Петербург, 2004, с.23-27

5. Степанова (Георгиева) Э.Ю. Разработка электролизера для утилизации отходов электротехнических предприятий./ А.Н.Теляков, Д.В. Горленков, Н.М.Теляков, Э.Ю.Степанова (Георгиева) // В сборнике тезисов докладов Всероссийской научно-практической конференции «Новые технологии в металлургии, химии, обогащении и экологии», г. Санкт-Петербург, 2004, с.20-23

6. Георгиева Э.Ю. Изучение условия обжига медно-молибденового сульфидного сырья./ М. Пурэвдаш, Е.С. Афанащен-ко, С.Н. Салтыкова, Н.М. Теляков., Э.Ю. Георгиева // Сборник трудов Всероссийской научно-технической конференции с международным участием «Электротермия-2010», г.Санкт-Петербург, 2010, с Л 8-24

7. Георгиева Э.Ю, Влияние технологических параметров процесса плавки медно-никелевого сырья в руднотермической печи на металлизацию штейнов. / Т.А.Александрова, С.Н.Салтыкова Э.Ю.

Георгиева //Сборник трудов Всероссийской научно-технической конференции с международным участием «Электротермия-2010», г.Санкт-Петербург, с.32-36

8. Степанова (Георгиева) Э.Ю Утилизация отходов электротехнических предприятий./ А.Н.Теляков, Д.В. Горленков, Н.М.Теляков, Э.Ю. Степанова (Георгиева) В сборнике тезисов докладов Международной конференции «Металлургические технологии и экология» // «Руда и металлы» г.Санкт-Петербург, 2003, с.26-29

РИЦ СПГГУ. 02.06.2011. 3.323 Т.100 экз. 199106 Санкт-Петербург, 21-я линия, д.2

Условные обозначения.

Введение.

Глава 1. Современная технология переработки РЭЛ и АСУТП.

1.1. Процессы, протекающие при производстве благородных металлов из радиоэлектронного лома.

1.1.2 Обогащение лома, содержащего благородные металлы.

1.1.3 Плавка обогащенного лома.

1.1 АЭлектролиз продуктов радиоэлектронного лома.

1.1.5 .Извлечение благородных металлов из электролитных шламов.

1.1.6.Переработка шламов электролиза серебра.

1.2. Применение теории управления в проектировании АСУТП.

Выводы по I главе.

Глава 2. Материальный баланс процессов извлечения благородных металлов из отходов РЭЛ по Аи и Ag.

2.1. Общие положения материального баланса.

2.2.Материальный баланс по благородным металлам переработки

РЭЛ на Ре-М-Со основе.

2.3 .Материальный баланс по драгоценным металлам переработки

РЭЛ на медной основе.

2.4.Материальный баланс по драгоценным металлам переработки

РЭЛ на Аи-

§ основе.

Выводы по главе 2.

Глава 3. Применение теории нечетких множеств и нечеткой логики в системах управления.

3.1. Основные понятия и определения.

3.2.Типы функций принадлежности.

3.3. Нечеткие и лингвистические переменные.

3.5. Системы нечеткого вывода Мамдани-Заде.

3.6. Нечеткие системы управления.

3.7. Определение входных и выходных параметров модели, постановка задач моделирования.

3.8. Применение программного пакета МаЙаЬ для моделирования.

3.9. Моделирование процесса плавления.

3.10. Моделирование процесса электролиза.

3.11. Моделирование химической переработки шламов, содержащих благородные металлы.

3.12. Синтез структуры системы управления процессом извлечения благородных металлов на основе нечетких алгоритмов.

Выводы по 3 главе:.

Глава 4. Разработка системы управления.

4.1 Постановка задач управления.

4.2 Структура системы управления.

4.2.1 Общая структура управления.

4.3 Синтез системы управления производством благородных металлов

4.4. Анализ результатов тестирования системы и оценка качества. ее работы.

4.5 Выводы по главе.

Диссертационная работа выполнена:

• При сотрудничестве с ОАО «Скиф» (г.Санкт-Петербург) - на данном предприятии по разработанной технологии получен патент.

Актуальность работы

В настоящее время потребности мирового рынка в благородных металлах с каждым годом увеличиваются. Наряду с этим производство драгоценных металлов из руд постепенно сокращается, а спрос на благородные* металлы (Аи, А§, Р1 и Рё) растёт. При производстве благородных металлов из отходов электротехнических производств огромную роль играет максимальное извлечение драгоценных металлов, а также уменьшение их потерь. Для этого необходимо создание автоматизированной системы управления, контроля и безопасности производства драгоценных металлов. Эта. система позволила бы не только автоматизировать непосредственно технологический процесс, но и получать наиболее полные данные о содержании- драгоценных металлов. Для управления сложными многостадийными процессами был разработан метод обобщающий опыт работы операторов сложных процессов. Этот принцип впервые сформулировал Лофти Заде и получил широкое применение в теории и практике управления. В дальнейшем был развит: Е.Мам-дани, Сугено, Цукамото, Ларсеном и др.

Современные автоматизированные системы управления технологическими процессами основываются на классической теории управления с помощью математических моделей. Такого рода модели могут быть адекватными лишь в одной ограниченной области. В сложных системах присутствуют нелинейные характеристики, а также неконтролируемые внешние факторы и обратные связи. Это всё затрудняет моделирование динамических свойств объектов и реализацию управления. Ранее использовались математические модели, которые были основаны на выборе более оптимальной технологии по переработке отходов электротехнических производств.

В связи с этим необходимо создать новые или модернизировать существующие алгоритмы управления процессами производства драгоценных металлов. Это позволит увеличить эффективность управления.

Повышение эффективности сложного многостадийного процесса и усовершенствование системы учета и контроля движения драгоценных металлов при переработке отходов электротехнических производств является актуальной задачей совершенствования производства драгоценных металлов из отходов электротехнических производств.

Цель диссертационной работы

Повышение качества управления, контроля и безопасности процессом производства благородных металлов.

Задачи исследования

• Научно-технический анализ процессов производства благородных металлов из отходов электротехнических производств как объекта управления;

• анализ основных методов управления технологическими процессами с применением нечеткой логики;

• разработка модели процесса извлечения благородных металлов из отходов электротехнических производств на основе данных оперативного контроля по,работе;

• разработка структуры регулятора для управления процессом производства благородных металлов;

• синтез алгоритмов для системы управления процессом производства благородных металлов;

• оценка эффективности предложенной системы и выработка рекомендаций по ее применению.

Научная новизна,работы

Установлено, что применение в системе управления нечеткой модели процесса извлечения благородных металлов из отходов электротехнических производств, способна воспроизводить нелинейную динамику объекта на основании данных оперативного контроля по содержанию благородных металлов в режиме реального времени, позволяет повысить качество управления за счет выбора оптимальных управляющих воздействий.

Показано, что повышение качества управления процессом извлечения благородных металлов'из отходов электротехнических производств обеспечивается введением нечетких алгоритмов в вычислительные блоки автоматизированной системы управления с использованием сформулированной* базы правил.

Обоснована структура нечеткого регулятора для управления процессом производства благородных металлов, полученная путем реструктуризации параллельной схемы нечеткого управления и введением в нее дополнительных блоков истории работы системы, интеллектуального классификатора и выбора способа управления.

Основные положения, выносимые на защиту

1. Модель процесса производства благородных металлов из отходов электротехнических производств, разработанная на основе нечетких алгоритмов, обеспечивает прогнозирования значений основных параметров процесса на основании данных оперативного контроля содержания благородных металлов со значением ошибки моделирования не более-6.%.

2. В. структуру автоматизированной системы управления следует ввести fuzzy регулятор, схема которого получена путем реструктуризации параллельной схемы управления на основе fuzzy модели, которая состоит из базы нечетких правил, блоков фазификации и дефазификации и выбора способа управления, обеспечивает повышение качества управления по величине перерегулирования, времени переходного процесса, плотности- вероятности внутри границ допустимых пределов изменения* параметра и среднеквадра-тическому отклонению ошибки регулирования.

Практическое значение работы

1 .Разработана модель на основе нечеткой логики, позволяющая осуществлять прогноз основных параметров процесса на основании данных оперативного контроля о ходе технологического процесса; пригодная для использования в структуре системы управления'процессом производства, благородных металлов и для настройки нечеткого регулятора.

2. Выявлены наиболее эффективные методы предварительной обработки данных и? модели; нечеткой логики для решения- задач идентификации: процессов производства^ благородных металлов; из; отходов электротехнических производств,, что позволяет их использовать для большого класса подобных объектов;

3 . Разработанная система и алгоритмы управления на базе нечеткой логики могут быть, использованы для>управления?сложными технологическими* объектами при наличии случайных возмущений;

Методика исследований

При исследованиях применялись классические- и, специальные методы теории? автоматического управления, методы теории нечетких множеств, а также методы статистического'анализа. Проверка полученных в ходе работы теоретических результатов выполнялась, в среде МАТИАВ.

Достоверность научных? результатов получена на основании научных положений, выводов и рекомендаций, а также совпадением полученных результатов с промышленными данными и материалами исследования промышленного объекта; использованием, адекватных: математических моделей: и статистических методов^ обработки данных с применением компьютерных технологий;

Апробация работы

Содержание и основные положения работы докладывались на семинаре «Инновационные технологии; моделирование и. автоматизация в металлургии» (ВО «РЕСТЭК», Санкт-Петербург, 2011); научно-технических конференциях молодых ученых Санкт-Петербургского государственного горного института (Санкт-Петербург, 2007, 2008, 2009, 2010) и семинарах кафедры автоматизации технологических процессов и производств СПГГУ.

По теме диссертации опубликовано 8 научных работ, из них 2 в издании, рекомендуемом ВАК Минобрнауки. Получен патент. Личный вклад автора Автор самостоятельно выполнил:

• Постановку задач и разработку общей методики исследований;

• Анализ процессов производства благородных металлов как объекта управления;

• Синтез модели на основе нечеткой логики, способной осуществлять прогноз основных параметров процесса;

• Разработку структуры нечеткого регулятора процесса производства благородных металлов;

• Разработку основных нечетких алгоритмов для автоматизированной системы управления производством благородных металлов.

Структура и объем работы

Диссертация состоит из введения, четырех глав, заключения, библиографического списка и приложений. Содержит 151 страницу машинописного текста, 45 рисунков, 27таблиц, список литературы из 110 наименований и приложения на 1 странице.

Основные результаты выполненных исследований:

1. Установлено, что наличие нечеткой модели производства благородных металлов позволяет дать адекватное описание рабочих показателей процессов переработки РЭЛ в зависимости от установленных параметров.

2. Установлено, что из-за отклонения в составе расплава, при плавлении металлоконцентрата, возникающее явление ликвации влияет на конечный продукт, так как по своему составу слиток получается неоднородный и в результате время запаздывания может увеличиваться в соответствии с алгоритмом управления по нечеткой модели.

3. Обоснована структура нечеткого регулятора для управления производством благородных металлов из отходов электротехнических производств. Она получена с помощью

Заключение

Диссертационная работа представляет собой законченную научно-квалификационную работу, в которой содержится новое решение актуальной для металлургической промышленности задачи - управление сложным многостадийным процессом производства, а также контролем и учетом благородных металлов.

Это дает возможность более точно производить расчет с поставщиками РЭЛ, так как эта система позволяет иметь точную информацию о наличии благородных металлов в отходах электротехнических производств.

1. Семенов Г.А., Ефремов Н.Л., Баранов М.И. Организация заготовки и переработки лома и отходов цветных металлов/М.: «Металлургия», 1981 -360 с.

2. Александров В. М. Последовательный синтез оптимального по быстродействию управления- линейными системами с возмущения-ми//Сибирский журнал вычислительной математики, № И, 2008, с. 251— 270.

3. Андриевский Б.Р. Избранные главы теории автоматического управления с примерами на языке MATLAB/ Б.Р.Андриевский,

4. A.JI.Фрадков//СПб.: Наука, 2000. 475 с.

5. Андрющенко В.А. Теория систем автоматического управления: Учеб. пособие. JL, Издательство Ленинградского университета, 1990. — 256 с.

6. Анхимюк В. Л. Теория автоматического управления./

7. B.Л.Анхимюк, О.Ф.Опейко, Н.Н.Михеев//Мн.: Дизайн ПРО, 2000. 352 с.

8. Аоки М. Введение в методы оптимизации// Пер. с англ., Главная редакция физико-математической литературы издательства «Наука», М., 1977.-344 с.

9. Ахназарова Л.С. Методы оптимизации эксперимента в химической технологии/ Л.С.Ахназарова, В.В.Кафаров//Учеб. Пособие для хим.-технол. спец. Вузов. 2-е изд., перераб. и доп. М.: Высшая школа, 1985.- 327 с.

10. Барский А. Б. Нейронные сети: распознавание, управление, принятие решений. -М.: Финансы и статистика, 2004- 176 с.

11. Беркинблит М;Б. Нейронные сети: Учебное пособие М:МИРОС и ВЗМШ РАО, 1993.-96с.

12. Бесекерский В.А. Теория систем автоматического управления/ В.А.Бесекерский, Е.П. Попов// Изд. 4-е перераб; и доп. Спб, Изд-во «Профессия», 2003. - 752 с.

13. Вдовиченко И.Н. Об экспертном управлении технологическими объектами/ url: http: www.Nbuv.gov.ua/ portal/natural/NewTech/2008 4/articles/2-17.pdf

14. Власов К.П. Теория автоматического управления. Учебное пособие. X.: Издательство «Гуманитарный центр», 2006.- 342 с.

15. Вороновский Г.К. Проблемы и перспективы использования искусственных нейронных сетей в энергетике. Часть 1. Моделирова-ние/Г.К.Вороновский, К.В. Махотило, С.А. Сергеев./ДТроблеми загальноТ енер- гетики, №14, 2006, с. 50-61.

16. Вороновский Г.К. Проблемы и перспективы использования искусственных нейронных сетей в энергетике. Часть 2. Управле-ние/Г.К.Вороновский; К.В. Махотило, С.А. Сергеев.// Проблеми загальноТ енер- гетики, №16, 2007, с. 54-67.

17. Галушкин А.И. Теория нейронных сетей. Кн. 1: Учеб. пособие для вузов/ Общая ред. А.И. Галушкина-М.: ИПРЖР,' 2000. 416с.

18. Гартман Т.Н. Основы компьютерного моделирования химико-технологических процессов: Учеб. пособие для вузов М: ИКЦ "Академкнига", 2006.-416 с.

19. Глинков Г.М. АСУ ТП в черной металлургии/ Г.М.Глинков, В.А.Маковский // Учебник для вузов. 2-е изд. перераб. и доп. М: «Металлургия», 1999.-310 с.

20. Голубятников В.А. Автоматизация производственных процессов в химической промышленности/В.А.Голубятников, В.В-Шувалов // Учебн. Для техникумов; — 2-е изд., перераб. и доп. — М: Химия, 1985 — 352'с.

21. Демин A.B. Логическая^ модель адаптивной системы управления/ А.В.Демин, Е.Е.Витяев//Нейроинформатика, том 3,.№Г, 2008, с. 79-108.

22. Савва В.И;, Пархомовский В.Л., Диамидовский Д.А. Технологические измерениям цветной металлургии,Л; : ЛГИ, 1988; 188 с.

23. Елизаров И.А. Самонастраивающаяся нейросетевая система управления многосвязными динамическими объектами/ И;А.Елизаров, М.Н. Солуда- нов//Информационные процессы и-управление, № 1, 2006, с. 30-44.

24. Еременко Ю.И. Автоматизация управления шахтными печами цеха металлизации с использованием динамической экспертной системы/ Мехатро- ника, автоматизация, управление, № 4, 2004, с. 44-49.

25. Еремин Е.Ш Адаптивно-робастные алгоритмы следящей: системы для объекта с запаздыванием по управлению/ Е.Л.Еремищ. Л.В.Черпак //Дальневосточный математический журнал, 2003, Том 4, № 1, с. 141-1501

26. Еремин ЕЛ. Адаптивные системы с динамическим упредитель-компенсатором;Для объектов-с запаздыванием по управлению/ Е.Л.Еремин; Л.В. Ильина//ИСУ, Адаптивные И' робастные' системы, №1(3), .2002, с. 97102.

27. Заенцев И. В. Нейронные сети. Основные модели. Воронеж: Изд- во Воронежского государственного университета.—: 1999:- 76с.

28. Зайцев Г.Ф. Теория автоматического управления, и регулирования,- 2-е изд., перераб: и доп. — Киев, Высшая школа. 1989. — 431 с.

29. Закарюкин В.П. Моделирование и прогнозирование процессов электропотребления на железнодорожном транспорте./ В.П. Закарюкин, А.В.Крюков, Н.В.Раевский и др.//Под< ред. Проф. А.В: Крюкова: Иркутск -2007.-115с.

30. Штовба С.Д. Проектирование нечетких систем средствами MATLAB/ М.:-Горячая линия, Телеком 2007, 288с.

31. ЗГ. Ротштейн А.П., Штовба С.Д. Идентификация нелинейной зависимости нечеткой базы знаний с нечеткой обучающей выборкой./ Проблемы искусственного интеллекта, 2000, № Зс.1-10

32. Левин М.В. Автоматизация пиро- и гидрометаллургических производств. / Л.:ЛГИ,1986, 98 с.

33. Земенкова М.Ю. Методы системного'анализа-в решении задач управления сложными техническими системами/ М.Ю.Земенкова, Д.А.Бабичев, Ю.Д Земенков// Нефтегазовое дело, 2007,url: http ://www. ogbus .ru/authors/Zemenkova/Zemenkoval .pdf.

34. Иберла К. Факторный анализ/Пер. с нем. В.М.Ивановой; Пре-дисл. A.M. Дуброва. М: Статистика, 1980,- 398с.

35. Ивахненко* А.Г. Долгосрочное прогнозирование и управление сложными системами. — Киев: «Техника», 1975.- 312 с.

36. Информационные системы в металлургии: Конспект лекций (отдельные главы из учебника для вузов)/ Н.А.Спирин, В.В.Лавров. Екатеринбург: Уральский» государственный технический университет УПИ, 2004. — 495с.

37. Кабанов С.А. Управление системами на прогнозирующих моде-лях./СПб, Издательство С-Петербургского университета, 1997-200с.

38. Казанович Я.Б. Нейросетевая модель слежения за несколькими объектами/ Я.Б.Казанович, Р.М.Борисюк //Нейроинформатика, том 1, № 1, 2006, с. 4-33.

39. Калан Р. Основные концепции нейронных сетей: Пер. с англ. — М.: Издательский дом «Вильяме», 2001— 287с.

40. Комашинский В.И. Нейронные сети и их применение в системах управления и связи/ В.И.Комашинский, Д.А.Смирнов // М: Горячая линия -Телеком, 2003 .-94с.

41. Компьютерные методы моделирования доменного процесса/ Под ред. Н.А. Спирина. Екатеринбург: УГТУ УПИ, 2005. - 301 с.

42. Крисилов В.А. Преобразование входных данных нейросети с целью.улучшения их различимости/ В :А.Крисилов, А.В. Кондратюк//

43. Кричевский МЛ. Интеллектуальный анализ данных в менеджменте: Учеб. пособие/ СПбГУАП; Спб., 2005. 208 с.

44. Круг ШГ.Нейронные сети и нейрокомпьютеры: Учебное пособие по курсу «Микропроцессоры». М:: Издательство МЭИ; 2002. - 176 с.

45. Круглов В.В. Искусственные : нейронные сети. Теория и практика.- 2-е изд., стереотип/ В .В. Круглов, В.В.Борисов// М.: Горячая линия Телеком; 2002.-382 е.,

46. Круглов В.В., Нечеткая логика и искусственные нейронные сети/ В.Круглов, М.И. Дли, Р.Ю. Годунов// Учеб.пособие.- М: Издательство Фи-зико-математическойшитературы, 2001.-224с.

47. Кудашкин C.B. Применение искусственных нейронных сетей для моделирования- многокомпонентных систем/ С.В.Кудашкин, В.Д.Черкасов и др.//Информационные технологии моделирования и- управления; 2007, №9(43), с. 1041-1045:

48. Лю Б. Теория и практика неопределенного программирования. /Пер. с англ. Москва: БИНОМ. Лаборатория знаний, 2005.-416 с.

49. Медведев B.C. Нейронные сети. MATLAB 6/ В.С.Медведев, В.Г.Потемкин // Под общ. ред. к.т.н. В.Г. Потемкина. М.: ДИАЛОГ-МИФИ, 2002.-496 с.

50. Методы исследований и организация экспериментов / под ред. проф. К.П. Власова - X.: Издательство «Гуманитарный центр», 2002. - 256 с.

51. Методы робастного, нейро-нечеткого и адаптивного управления: учебник/Под ред. Н.Д. Егупова; издание 2-ое, стереотипное.- М.: Изд-во МГТУ им. Н.Э. Баумана, 2002.-744с.

52. Минаев Ю.Н. Методы и алгоритмы идентификации и прогнозирования в условиях неопределенности в нейросетевом логическом базисе/ Ю.Н.Минаев, О.Ю.Филимонова, Лиес Бенамеур//М;: Горячая-линия — Телеком, 2003 .-205с.

53. Минский М. Пресептроны/ М.Минский, С. Пейперт// Пер. с англ Г.Л. Гиммельфарба, В.М. Шарыпанова: М.: «Мир», 1971.-262с.

54. Мирекс Е.М. Нейрокомпьютер: проект стандарта. Новосибирск: Наука, 1999.-337с.

55. Монастырев А.В. Производство извести. Учебник для подготовки рабочих на производстве. М., «Высш. школа», 1971. - 272с.

56. Науменко В.Д. Производство извести, известкового молока и са-ту- рационного газа на сахарных заводах/ В.Д.Науменко, И.В.Науменко, А.В Hay- менко/ЛСиев, 2004 220 с.

57. Научная сессия МИФИ-2007. VIII Всероссийская научно- техническая конференция «Нейроинформатика-2007»: Лекции по нейроинфор-матике. Часть 1. -М.: МИФИ, 2007. 178с.

58. Нейроинформатика/ А.НГорбань, В.Л.Дунин-Барковский, А.Н.Кирдин и др. Новосибирск: Наука. Сибирское предприятие РАН, 1998.- 296с.

59. Нейронные сети. STATISTIC A Neural Networks: Методологиями-технологии современного анализа данных/ Иод редакцией В.П. Боровикова.- 2-е изд., перераб.и доп. — М.: Горячая линия — Телеком, 2008. — 392 с.

60. Никульчев Е.В. Моделирование и идентификация динамически-сложных систем на основе методов группового анализа/ Механотроника, Автоматизация, Управление, №10; 2004, с.2-7.

61. Никульчев Е.В.Моделирование систем с нелинейной динамикой по экспериментальным данным/ Механотроника, Автоматизация, Управление, №5, 2006, с.7-14.

62. Олешко Д.Н. Повышение качества и* скорости обучения нейронных сетей в задаче прогнозирования поведения временных; рядов/ Д.Н.Олешко, В.А.Крисилов // url: . .

63. Омату С. Нейроуправление и его приложения/С. Омату, М.Халид, Р.Юсоф/М.: ИПРЖР, 2000. 272с.

64. Оптимизация системы управления процессомподготовки нефти/ А.П. Веревкин, И.Д. Ельцов, О.В. Кирюшин//Вклад науки Республики Башкортостан в реальные секторы экономики : тр. науч.-практ. конф. Уфа : ТРАНСТЭК, 2003. с. 50-52.

65. Осовский С. Нейронные сети для обработки информации / Пер. с польского И.Д. Рудинского. М.: Финансы и статистика, 2002.-344с.

66. Палис Ф. Синтез прогнозирующих систем с нейрофаззи сетями для управления нелинейными динамическими объектами с переменными параметрами/ Палис Ф., Филаретов В.Ф., Цепковский Ю.А., Юхимец Д'.А.// иг1

67. Поляков Б.Н. Сравнительная статистическая оценка параметров функции >отклика при планировании эксперимента/ Нефтегазовое дело, 2007, иг1:

68. Прокопенко М.Н. Постановка и решение задачи оптимизации технологического регламента сушки керамического кирпича// Вестник Воронежского государственного технического университета, т.2, №8, 2006, с. 146-153.

69. Птичкин В.А. Исследование искусственных- нейронных1 сетей методами линеаризации и полиномиальной аппроксимации/ Доклады БГУ-ИР, №1,2004, с. 5-18.

70. Пятковский О.И. Разработка системы автоматического конструирования нейросетевой модели прогнозирования спроса/О.И.Пятковский, А.С.Авдеев//Ползуновский вестник № 1, 2006, с. 4-8.

71. Растригин Л. А. Адаптация сложных систем. Рига: Зинатне, 1981. -375 с.

72. Рудакова Т.А. Анализ моделей нейросетевого управления в условиях параметрической неопределенности /Материалы X региональной научно- технической конференции «Вузовская наука-— Северо-Кавказскому региону». СевКавГТУ, 2006.

73. Руденко О.Г. Нейроуправление нелинейными объектами на основе радиально-базисных сетей/ О.Г.Руденко, А.А.Бессонов // Вестник ХГТУ, №2 (18), 2003, с.42-47.

74. Руденко О.Г. Синтез нейросетевой системы управления технологическим процессом производства кальцинированной соды/ О.Г.Руденко, А.А.Шамраев // Вестник ХГТУ, №1(19), 2004, с.366-370.

75. Руководство по эксплуатации печи обжига известняка. Санкт-Петербург: ОАО «ОМЗ-Спецсталь».

76. Рутковская Д. Нейронные сети, генетические алгоритмы и нечеткие системы/ Д.Рутковская, М.Пилиньский, Л.Рутковский // Пер. с польск. И.Д. Ру- динского.- М.: Горячая линия — Телеком, 2007.-452с.

77. Советов Б. Я. Моделирование систем/ Б. Я'.Советов, С.А.Яковлев// Учеб. для вузов 3-е изд., перераб. и доп. - М.: Высш. шк., 2001.-343 с.

78. Спесивцев. Металлургический процесс как объект изучения: новые концепции, системность, практика. СПб.: Изд-во Политехи., ун-та, 2004. 307 с.

79. Степанов C.B. Нейронная интерпретация выборки для структурного статистического моделирования совокупностей предприятий/ Вопросы статистики, № 6, 2004, с. 21-33.

80. Шариков Ю.В., Белоглазов И.Н. Моделирование сложных систем в металлургии/Спб, 2004-86 с.

81. Теляков А.Н. Разработка эффективной технологии извлечения цветных и благородных металлов из отходов электротехнической промышленности., Дисс.канд.н.,2007г.- 120с.

82. Уоссермен Ф. Нейрокомпьютерная техника: Теория и практика. Перевод на русский язык, Ю. А. Зуев, В. А. Точенов, 1992. 102 с.

83. Управление производством при нечеткой исходной информации/ Р.А. Алиев, А.Э. Церковный, Г.А. Мамедова. М.: Энергоатомиздат, 1991. -240с.

84. Фазылова М.В. Алгоритм обучения нейронных сетей для задач диагностики состояния оборудования нефтегазовой отрасли/ Нефтегазовое дело, 2007, url: http://www.ogbus.ru/authors/Fazylova/Fazyloval.pdf

85. Филатова T.B. Применение нейронных сетей для аппроксимации данных//Кибернетика и системный анализ, №6, 2004, с. 121-125.

86. Хайкин, Саймон. Нейронные сети: полный курс, 2-е издание.: Пер. с англ. М.: Издательский дом*«Вильяме», 2008.-1104с.

87. Хлытчиев С.М. Основы автоматики и автоматизации производственных процессов: Учебник для вузов связи/ С.М. Хлытчиев, A.C. Ворож-цов, И.А. Захаров. -М.: Радиои связь, 1985. — 288 с.

88. Царегородцев В.Г. Оптимизация предобработки данных для-обучаемой нейросети: критерий оптимальности предобработки//Материалы XIV . Международной конференции по нейрокибернетике, Ростов-на-Дону, т.2, 2005, с.64-67.

89. Чен К. MATLAB в математических исследованиях/ К.Чен, П.Джиблин, А.Ирвинг//Пер. с англ.-М.: Мир, 2001.-346с.

90. Черкасов В.Ю. Оптимизация управления процессом измельчения и классификации в условиях ГМЗ-2/ В.Ю.Черкасов, И.Н.Гуцев, З.Я. Клинев-ски // Горный вестник Узбекистана, №2(21), 2005, с. 85-91.

91. Черный A.A. Исследования тепловых процессов с применением моделирования: учебное пособие / A.A. Черный. Пенза: Пензенский государственный университет, 2008. — 48с.

92. Черный A.A. Системный анализ результатов расчетов по математическим моделям: учебное пособие / A.A. Черный. Пенза: Пензенский государственный университет, 2007. — 143 с.

93. Barto A.G. Connectionist learning for control in Neural Networks for Control// MIT Press, Cambridge, Massachusetts, 1990, pp. 5-58.

94. Gordon Y.M. New technolodgy and shaft furnace for high quality metallurgical lime production, pp. 1-4.

95. Диамидовский Д.А. Контроль и автоматизация в цветной металлургии./М.: «Металлургия», ч.1, 374с.

96. Диамидовский Д.А. Контроль и автоматизация в цветной металлургии./М.: «Металлургия», ч.2, 401 с.

97. Баймаков Ю.В., Ветюков М.М. Электролиз расплавленных со-лей./М.: «Металлургия», 1966, 558 с.

98. Болтянский В.Г. Математические методы оптимального управ-ления./М.: «Наука», 1966, 305 с.

99. Юлиус Ту Современная теория управления. Пер.с англ. Я.И.Гибадулина, М.: «Машиностроение», 1971, 468 с.

100. Аверкин A.B., Батыршин И.З., Блишун А.Ф., Силов В.Б., Тарасов В.Б. Нечеткие множества в моделях управления и искусственного интеллекта./ Под ред. Поспелова Д.А.- М.: «Наука», Гл. ред. физ.-мат., 1986 г., 312 с.

101. Ротштейн А.П. Митюшкин Ю.И. Извлечение нечетких правил из экспериментальных данных с помощью генетических алгоритмов. //Кибернетика и системный анализ- 2001,-№ №, с.45-53

102. Ротштейн А.П. Штовба С.Д. Влияние методов фазификации на скорость настройки нечеткой модели //Кибернетика и системный анализ -2002-№5, с. 169-176