автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.16, диссертация на тему:Моделирование химико-технологических систем с использованием искусственных нейронных сетей

¡1 й - ] я г

Московский ордена Ленина н ордена Трудового Красного Знамени химико-технологический институт имени Д. И. Менделеева

На правах рукописи

ГО ЦЗИНБЯО

МОДЕЛИРОВАНИЕ ХИМИКО-ТЕХНОЛОГИЧЕСКИХ

СИСТЕМ С ИСПОЛЬЗОВАНИЕМ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ

(на примере производства синтетического каучука)

05.13.16— Применение вычислительной техники, математического моделирования и математических методов в научных исследованиях (технические науки)

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

Москва — 1992

Работа выполнена в Московском ордена Ленина и ордена Трудового Красного Знамени химико-технологическом институте им. Д. И. Менделеева.

Научный руководитель — доктор технических наук, профессор )Ветохин В. Н.|; чл.-корр. Международной инженерной академии, доктор технических наук, профессор Гордеев Л. С.

Официальные оппоненты: доктор технических наук, профессор Бояринов А. И.; доктор физических наук, профессор ВЦ'РАН Дикусар В. В.

Ведущее предприятие — Центральный научно-исследовательский институт комплексной автоматизации (г. Москва).

ализированного совета Д 053.34.08 в МХТИ им. Д. И. Менделеева по адресу: 125190, г. Москва, А-190, Миусская пл., дом 9.

С диссертацией можно ознакомиться в научно-информационном центре МХТИ им,. Д. И. Менделеева.

Защита состоится в ауд. в_

1993 года

часов на заседании специ-

Автореферат разослан

1992 г.

Ученый секретарь специализированного совета

Д.. А. БОБРОВ

Л1-.

ОБЩАЯ ХАРШЕРКСТИКА РАЦОТИ

Актуальность работа. Современное химическое проивирдстпо UpM зтавляет coodjt ошнуь нелинейную систему, -.врадчашуп оолькюе -ко-ачвотво процессов различной природы. По .мере повышения- требов&цгй производству, оптимальное управление этими процессами в масштаб.) зального, времени затрудняется. Управление ■ о нрйквдаш^м ■ точной атоматическо1| модели здесь' обично малоэффективно ¡.' Для управления^ зоизводством целесообразно использовать . имзкедиийся ■ опит 'экснлзю-адаи производства о применением экспертных систем (ЭС)Л ; Роиагда./ )ль 'в них. играют экспертные знания,. фор*лули1»уе.мне в вида моделей эедсгавления знаний(M1I3). Уровень качества решений,-, прмима^х 80 •< многом зависит от уровня экспортных. знаний'в системе- и „at/jmraiB -;сти их использования. I) .настоящее' ьрейя 1 при уприв^гний. «йо-шюлогинеснши процессами используются «аддаио ШВ: прчдонЫтмс.-)гические модели,. продукционные правиле, семантические'- ' седа, )ОЙМ-структуры и др. . ' ' -

Однако формализация экспертных знаний в cOau-jW химической 1ХН0Л0ГИИ с подацьп , шмопорвчиоленних ЫПЗ затруднено. • fxi-пергэых, «енения технологических параметров носит нопрершлпй характер в | время как существующие Ш13 могут представлять' лишь знания Дис'н-тного характера. В непрерывном случав представление знаний с новы» существующих ИВ приводит к большому объему базы чаяний и зкому уровню использования знаний непрерывного характера.'- Ио-орих, существушщие МПЗ в сущности могут представлять знании толь• в логическом види, поэтому представление знаний о иомош.» с/ь'.оо-уэдих МПЗ не 'является полним и, следовательно; кие. ойяочтя знаний ведение саст-еш .'кецредскозуомо. В-трет-ьи/ из-за тссоч-ьетс.-ым 3 форле организации знаний 'б человочеасим pauyuo прио^л-д-тк- »» рмализация экспертных знаний, а'также поадердтшо гк«яы ткшплi трудняется.:Кроме того, из-за того, что сущостj,y„,№; гн; цп4*;|ш: от только один механизм вывода в -30 можно ириздидть мйь о »¿у 3, что ограьвншяет козможность пришныиия «ашх йС,

В этой свягт актуальное значение имеет оадоча poapto-jwu наи<ч '■ii способных_полностью или .частично устранить шдоифвчиелг.ш!., достатки» -

Цель "а. задача иослодш.ания. В р'Л»т» лос-с и.л-.ни и v (кы i думало задачи: (1 )разрпботка нейроига«.сои.йОГ-) -гли«.

;;а как !ШЗ; (Я)т&сретич9скоэ об^онспанко уолзстц представления зи-л-

с иомспцзй КС; (3)математичвСг5й анализ свойства помэхоустсйчк-шош НС; (.»разработка алгоритма обучении КЗ; .(5 )п?огрг:.мная реализация 1-й; (5 Оптимизация топологической структуры НО; (в)проверка возт?гтооти прншнешш нейронных. сетей. для осуш,есгвлеи;л оптимального управления хкшко-тохнологичесммк процессами па примере процесса дистиллята:; (7 разработка система упраг'пенш! производстве;,! 0утад!т9к-ал14а-гдатклстпролького кауч:/т:а с пркгиэиенпад :кспэртпоЯ етлемя па безе НС.

Научная новизна.

(1) Дано Математическое доказательство способности /ГС с одши слоом промэауточаах элементов п с линейной ^ушсциой актиьащи кихо-дны" элементов аппроксимировать любоо непрерывное Ti обращение с любой наперед заданной точностья.

(2) Осуществлен анализ помэхоустонишостн НС.

(3) Предложена модификация алгоритма обучения КС с применением метода сопряженных градиентов. Данный модифицированный алгоритм значительно ускоряет процесс обучения и обеспечивает лучшую сходимость. '

(4) Осуществлено исследование влия.чия топологической структура ПС и выборки обучавщих примеров на обучение НО и способность НС к воспроизведши) и обобщения информации. Получена формула для опре-дэления максимального чкада промежуточных элементов НС. .

(5) Проверена возможность применения НС для оптс.'зльного управления химико-техноЛоГйЧэсМШ процессами на Примере процесса Дистилляции смэей бензола И Толуола.

Практическое значение работы. Разработана система управления производством синтетического бутаДйМ-альйэЧгатилстирольного каучука, основанная на экспертной системе с применением нейронных сетей для осуществления непрерывного контроля 'основных технологических параметров важнейших стадий производства, что позволяет вести-производство в строгом ссоеьетствии с реглам.'-н :ом и получить повишен-но9 качество выпускаемого каучука.

• Система реализована на' персональном 'компьютере типа - IBM PC АТ/ХТ и передана Воронежскому Ю 'СОВТЕХПРОЕКТ' для внедрения на Омском Бавода СК.

Апробация-работы. Основные ' результаты диссертационной работы

огладывались и обсуздалнсь на 5-й Московской кои/Цереиции молодих ченых по хгагли и химической технолога! МЮСТ-Э1, Москва, 1991.

Публикации. Содержание диссертационной работы отрекается г. ублияацзя, а ткаже в трех сданных в почать статьях.

Объем работа. Диссертационная работа состоит из введения, пяти лоз и основных выводов. Общий объем работи./«£0.страниц, в том исле..1.1.рисунков и../^_таб.щщ. Список использованной лктератури одаряй/^., иаименоваипй.

СОДЕРЖАНИЕ ДОССЕРТЩКШОЯ РАБОТЫ

Ввеяешо :Во вводента обоснована актуальность днссертащюшкй аСоти. сформулкрсванн ео цела и задачи, изложат основные розуль-зта работа.

В. первой главе' дана представление экспертных систем (ЗС) ц оэдстздлеи лдтора^урглдЯ обзор их применения в области управления вшсо-технологическкуч процессами. Проанализировали н& достатки /ществующих моделей представления знаний(МПБ), а такта дани общие ведения о нейронных сетях и их. классификаций. Показаны основные травления применения нейронных. сотой.

Вторая глава полностью посвящена НС типа персептрона и их разиню. Описана топологическая структура НО и их функционирование, шо математическое обоснование и модификация алгоритма обучения Ж, а такие математическое доказательство универсальной мододиру-Шй способности НС. Проведен математический анализ помг'хоустойчи->сти НС.

НС представляет собой особий математический аппарат для сохра (Ния и пареработкп информации. Она" состоит из входного, выходного промежуточных уровней иейроноподобнцх перерабатывающих информа-1Ю адамантов Переработка информации в НО осуществляется путем дачи откликов (ее выходных сигналов) на'внешние входные сигналы, ¿но.из преимуществ НС состоит в- том» что вычисления в НС осуществятся. паралдельцо, системой по всем элементам одного уровня в ти. В нашей работе, чсцачьздотся сигасвдэльной нейрон в качестве рэрабатавакдах элементов в Ш. В качес-тье Функции активации ней-на используется следующая Фуцкцвд; На) = 1/(Пехр(-а)), здеск

.. ..

йвляотся. активностью шйрока,. Моя&у элементами разних уровней сущо-• сшштпч&стэтэ связи, значения которых- определяются б ходе ¿бучопия на осиоьог соучоюта* примеров. Обучения НС осушоствляется с помоги.» алгоратм?» Ы~>?чоппи. После' обучения НС яогмиа «ч-кь способна глепр^падт'ь' 'И • обсбгазть кпфо{Ш1ШГ>. им&гаухюя в обучаадгих пршль инк. , •:•,■"'' '.'■'.' ' ' 1 ■

. ('.;.:с:\п структур;; ст^ччаатпоЯ трстургя.я№о<1 ас типа кпровитроиа

Рис.1 Схода трохуропиевой НС типа тгарсентротш.

В настоящее время для обучения НС с промежуточными элементами нсггольяуотся алгоритм СШ, основанный, на градиентном мотодэ с предотвращением колебания -процесса обучения. Однако данный алгоритм обладает медленной скоростью обучения и плохой сходимостью, с цель» улучшения данного алгоритма было осуществлено математическое описание задачи обучения и получеин следующие формулы для определения значений синаптичоских связей (далее назш;земих весами) с применением метода сопряженных градиентов: ' ' Нр 71-71 х

= ха £ ■( о. )■+ ^ аИ0^(<И> .

дтъ4(я) ' JJ + -т^ )

Кр tfv fi

Ш!й, ы = х ЕС ) +-^-а-р )

¿WHbft(q) = \ fj < «Г > + ды(<»> ч )' - ! I■ • ■ • ■

= | VJ(W(a)) I / t VJ(W(q-1 )) 1 ' V(<?-1 ) = £W(<»-1 ) ! V(<?) = -VJ(W(q)) * V(q-1) ' X - X : min Jl W(q) + X.V(q) }

X

J(W>

ä v V ä

■да:

= < Ъ - üi >Л (1 - b.\-

, Hout

5ä - £ c et mia hi(l* ( 1 " J }

Hill число входных эл0мэятов в HO;.

imid ~ число промежуточных. элементов й HG;

Hout, — число шходщх. ¡элементов в НС;

Np • — объем обучрщиз, примеров; - .

?ч . входной сигнал (,-ovo входнох'о а ремонта;

'j. -—: nuxoдноЛ сигнал j-oro ¿.ншдното 'одеыйнти;

d^ требуемое значение ¿-ого вдходаого зломнйта;

liliiÄ — выходной сигнал «-ого промежуточного эл&моп'гг»;

Wlei —зиачинаа сюшптичос-кой связи, овя'зшшййЯ л и:'.

гфомихуточный, эдймоц'1 с i-ым вх<даш зломоитом; ' оначоттв cmiaimrwGKOft связи,' спятаь.ч'Шй .¿:~>. иромежуашниЯ Климент с функцией зтгшциконЛ; '.ппачащш diHRiiwioCKoa . съапн, сын.-иодат^ i ■ гаш,ши.К zjinubWt с 4-ш гфемешу'точите ;'<.•! ¡¡"Нк-и ;

№ЗЪ. — значение : синаптичоской связи, связывающей ¿-ый

выходной элемент с функцией запаздывания. -» + • . С >1 я-= 1 ( 2, Ир } — обучающие,примеры.

Предлагаемый алгоритм отличается от алгоритма СГО следующим: {I) адаптация весов основана на оби;;«; для всех обучающих примеров градиентов вместо чзстннх градиентов для отдельного обучащего примера.

(2) длина шага и коэффициент изменения весов предыдущей итерации оптимально определяются для каждого шага;

На контрольных примерах, получено, что предлагаема алгоритм значительно ускоряет процесс обучения.

Еыло проведено исследование свойств НС а .доказаны следующие теоремы, обосновывающие универсальную моделирукдпую способность НС: Пусть <<>( -) — сигмоидальная функция (•)'—непрерывная функция:

. -» Я п

В(ч>) * { г|г: я" -> /г, гШ = £ а,р< £ с, Л. +Ь.),

¿=11 /=1 и 1

к1 ,С^ е Я, Не )

Г-£

Н II

Э(Ф) - С Пг: к ".-» (0,1), /■<г)--'Ф( Еа.*< Ес.Д.+Ь.)),

. /=1 ' ,/=1 1} 3 1

^ е N е л-4 )

■' Сп(яп)--.— совокупность всех непрерывных Функций п-перемен-

1шх, определешшх на .множестве з>.пг

С* ' — множество всех непрерывных функций п-переменшх,

определенных на множестве д*=[~я,л1п. •

—'подмножество С(яп),но знлч?пия "функций принадлежат интервалу .(1,0)' (открыкму).

Теорема 1: э(ф) всюду плотно вС®(жп). Теорема 2: 8(ф) всюду плотно в Сп(яп).

Доказательство теорем' 1,2 осуществляется .установлением следующих' лемм и предложншй.

Лемма 1": 5(соо) всюду плотно С (зьп). ч Леша 2: БЫ всюду плотно в е(соз).

- ? -

Предложение 1: е(соз) всюду плотно в Сп

Предложение 2: Пусть 8(1) — такая функция, что Ш е С, (я) -*е<0 тогда существуют а^.Ь^.с^ е я, к. е такие,что выполняется:

|| ги>- Г=1 акФ(скг,+.1^) || < .

Суть ■ доказательства , заключается в использование .тригометрпческого ряда Фурье и построении системы ортогональных

функций = к1)

—► 5(1) при Но —»<*>,-

^ 1/11 ^ > • ¿•И = 1Г~ + ара>0,^=1,2,...

Из теоремы 1 следует, что нейронные сети с одним- слоем промежуточных элементов и с лннойшшми элементами в виходном слое способны аппроксимировать любое непрерывное отображение с наперед ая-данной точностью.

Из теороми У. следует, что НС стандартной структуры способны моделировать поведение непрерывных объектов в области определения входных переменных в а значений выходных переменных в (0,1).

В различных областях НС проявляют хорошую помехоустойчивость. Выполнен математический анализ 'данного свойства и получена формула:

э у, .. ПИК! '

-^Г = ** г 1 " т* ( 1 " ь

При' применении НС в процедуре принятия решений,где значения у . всегда ■ ородмапт ьначиния 0. или является малой ь-и.мь

чиной', поэтому» небольшие отклонения ст'истинных х -т ггрилоднт к пЕ.менбнп» значений у . Данное обстоятельство и определяет помехоустойчивость НС.

Третьи глйбо щаттия программной реализация. 110. )уапа ыя?«я схема создания но. Изжшаи ,ос/чт нрпнцшш риролаедпя .■мюдаяв'ччо.-кой структур!» НО. йроякаыаа ж-вяя фори/лч дои иир.-д.?л.»н;и1

ма.иного чц.-Ъ прл^хучочних О'.-ущестг.^ на граглн.;./!

реализация предлаемогр' алгоритма обучения. .

, В первую очередь обсузден вопрос определения объема обучающих примерев и предварительной обработки обучающих, примеров. Выделено два варианта формулы для осуществления данной обработки. Первой вариант: ,; •■ V ^- :

Уу = --1-- ( 1 - 2с ) + е

■ у*тах~

"yj — выходкой.сигнал пбсле .обработки, — точность. .''•""■ ; ;

" Второй.вариант: • •' . •

,

(дар -:--• 28.бв; - 14.33 '

'•y,/max~ у*тШ ■

Лазы oo'Jine принципы для определения чисел выходах и входах элементов (Hont и Hin) и /прадложоиа новая формула для определении аиюжалмюго предела числа промокуточных алеквнтов (Ntild); '

( fT - 1. ) • iioul ,

Ко ¡it ь Hin i I J

Jvtimtaa Ь'фмули' 'отличается тем, что она даот значительно меньшее ааачвшю нежели формулы известные в литературе. '

Выполнено обоснование начальных значения, весов для алгоритма обучения. ' ... '

в' Осуществлена программная реализация предлагаемого алгоритма обучения и отмочены особенности в алгоритме' — определение оптимальной шага для каждой итерации проводится методом золотого сечения :

а = х": min j£ w(<?) +' л v(<?> > ' "

" А

Однако пределы значений а изменяются в ход • обучения. Поэтому бил продложои метод скашшрования для решения данной задачи.

Программная реализация алгоритма обучения отличается тем, что контроль процесса обучения осуществляется на двух уровнях, что наиболее о'.Моктшлю для персонального компьютера. На первом уровне оеущесггленз роализапия •• прадлагаежач? алгоритма с уже заданиями зн&чогшш нескольких параметров, встроенных в алгоритме, а на шо~ •

Kiiid =• int f

ром уровне осуществлена автоматическая подстройка этих параметров.

По общей схеме создания НС разработан программный комплекс для осуществления каждого этапа создания НС.

В глава 4 рассмотрена возможность применения НС для управления химико-технологическими процессами. Дим результаты исследования ВЛИЯ1ШЯ числа промейуточянх элементов №1(1, точности обучения с и обучающих примеров на обучение и способность воспроиведония и обобщения информации НС.

Рассмотрен процесс дистилляции смеси бензола а толуола. ¡3 данном процессе исходная смесь поступает в смеситель и далее па установку дистилляции;.С верха дистиллятора получают обогащенный бензол, с низа часть жидкости подается на смешение с исходной смесью, а оставшаяся часть отбирается как продукт толуол.

Для осуществления оптимального управления данным процессом поставлена следующая задача: при . любых заданных условиях'исходной :меси (т.о. температура Т1, концентрация С1 «'расход ИД исходной жеси) поддерживать тэшоратуру испарения Т и расход продукта толу->ла РИ таким образом, чтобы получить максимальный расход очищенно->0 бензола (в пересчете иа чистый бензол) с верха дистиллятора РЬ.

Обучающие примэр! получаются повторны?.«! решениями методом нашейного программирования следующей задачи оптимизации 1три различия значениях Т1, 01 и РЬ1:

оЬ,): шах РЬ = Г{Т, РЬ5, О, Т1, РЫ >

ЭЛ. е(Т, Ш, С, Т1, РЫ) = О

Уравнение g{^) = 0 получено на основе теплового, материального злансов и фазового равновесия. Получено всего обучающих приме-1. На основе этих 32-х обучающее примеров построена НС для решения |дачи управления процессом дистилляции-. Данная НС имеет следушу» •руктуру: Мп = 3, Дои); = 3 и !Ш.с1- = .12, точность обучения с =. ОООБОС, число необходимых шагов в ходе обучении ¡{Пег = 2Т90, 0Д1Ш9 сигналы соответсвуют Т1, С1 'и ИЛ, а выходные сигналы — Т, 5 я РЬ. Максимальная погрешность воспроиведешя значений Т, Р15 и , соотвэтсвукотх значениям Т1, С1 и РЫ, присутствующим в обуча-их примерах достаточно мала. Точность продсназащя (обобщения) зчений Т, РТ.5 и РЬ для четырех режимов работы Т1, С1 и РЫ, отсу-гоутпх в обучающих примерах также г-нсса. .Результаты предсясаза-I прмподтч» в табл. 1

Таблица 1: • Результаты предсказания НС ( lipid ='12 ).

Jio. Ï* Del FL5* FL5# Del Fb* ; ï'i» . DgI

1 92 .663 92.662 .001 90.959 90.964 -.005 6.30! 6.306 --.005

2 92 .120 92.058 .062 89.725 90.065 -.340' 6.932 '6.649 .283

•3 -92 .375 92.369 .006 90.819 90.814 .005 6.476 6.480 -.004

4 9 ?. .920 92.931 -.011 92.522 92.140 .382 5.844 5.754 .090

I* —результата полученные ирги использовании нелинейного ; * программирования; . '.■ —'результаты полученные при использовании НС; ■ Ю-..1 — величина рассогласования."

! На основании этих результатов можно сделать вывод, что данная НО'amvi'применяться для поставленной цели. ' Для исследования влияния числа промежуточных элементов Niiid, точности обучения с и обучаюедах примеров на обучение (оцениваемое

■ по числу необходимых тагов для достижения требуемой точности обучения) » способность воспроиведонкя и обобщения информации НС, тюст-¡йш 6 НС с №16 = 8, 10, 12, 13, 14 и 16 соответственно. Такой шбйр значений HhJd обоснован предлагаемой формулой для определенна максимального ЫЩй в главе 3. Для этих НС также осуществлены обучение, воспроизведение и обобщение информации. Результаты по этим ^¿следованиям приведены на рис. 2, За, ЗЬ, 4а, '4Ь. Эти результаты подтверждают предлагаемую формулу .дия, определения максимального числа Nhld. ' '

. _ , Длй 'сравнения предлагаемого алгоритма обучения с известным алгоритмом СШ эщ')олнёно обучшша Нй с JTnid = 1Z с помощью алгоритмы; G№. результаты сравнения показаны на" рис. 5а, 5Ь. (В рисунках . ispKWbiiwi'n и. « являются параметрами, встроенными в алгоритме CDU. ' Цтоиия'-о' а а нуико заранее задавать.)

. ■ • » Г^аьа Б цосвящёна разработке система убавления производством . сицтуткчоского 'Оутадийн-ал14»а-мгл'илсткрсаьйого каучука на Омском зпводо ск. Даио кратаае орасая«э технологачоского процесса, враддо "лито 'ирхщшвю 1р 'в эксперт« системах для управления произьод-

■ et ион каучука с целью получения высокого качоздва каучука, ?а\рА)-чан-;.. ftfeiTOMi, йсувдствднт«г.я шярарывицв контроль таадокачгмочтл

ШЛег

Г?,с. 2 Влияние числа промежуточных элементов (Мг1<1) в НС на число иагсв (П1Цг) для-достижения требуемоЛ точности обучения (с)-.

Рис.За Рис.ЗЬ

эвисимость максимальней погрешности воспроизведблэния информация 3 от точности обучения (рис. За) и числа промежуточных элементов чМ (рИС.ЗЬ), ( 1 — |дТ|, 2 —_|дЕЬ5{. ) — |ДГЬ|. ).

Л 12 =

6.2

о.ац аоо2 о.ооз с.осц е

■ Рис.4&

|ЛТ|-о.ю 0.08 о.оЬ о.о4 о.ог О

10 и Ш ШИЛ РйС.4Ь

Зависимость погрешности предсказания информации Ю от точности обучения с (рис.4а) и числа промежуточных элементов 1Ш1й (рио.41). (дафраП,2,3,4)ь рисунках, обозначают номера примеров для проверки).

\

V

N

¿ч

2 V, а /о ииег- ° «я* Змз ¡и I.'Г'

српкичмя - ирвдяпгшюго алгоритма ооучоиия с гшмрк-ш'Л! Ш1.

I ЬПйГ ..... ЧЛСА1 -И0&04ОД1ЭД1Х. ДОГОВ, I- — ючиоеч!. )

(::) ;НиЛГ.Лу;,!ЫЯ ' % '-■-- Ш! ц=0.?>, »-.-и.в,

■ --.¡м 1(0.1/, а-о.а, 4 -• сап о-о.В, .•,;>.

параметров ключевых установок.

Синтетический бутадион-альфа-метилстирольний каучук СКМ0-30 АРКМ-15 представляет собой продукт эмульсионной ссполимеризпшш бутадиена с алъфэ-металстиролом, получерный при температуре 4-8 0 по железо-трилоновому рецепту. Его производство на Омском заводе СК влючает следующие отделештя: отделетте приготовления углеводород-, ной шихты, отделение приготовления растворов, отделение сополкмери-защш, отделение отгонки незаполимеризовагашх мономеров, отделение компримирования бутадиена, отделение выделения и суикп латекса каучука и отделение упаковки каучука.

Качество выпускаемого каучука непосродстве?шо зависит от рабо-' ты каждого из вшеперечислетшх отделений. Состояние отделения có-полимеризашт определяет выход, основные молекулярные характеристики каучука и. содержат» примзсеей в латексе. Эф{ектишгость отделения отгонки мономеров оказывает серьезное влияние на содержание примесей в латексе и его качество, а пластоэластичные характеристики каучука непосредственно зависит от работы отделения выделения и сушки каучука. Поэтому необходимо осуществлять непрернтгнй контроль чад ключевыми технологическими параметрами вшоперочисленных отделений, чтобы вести процессы в строгом соответствии с регламентом работы. КнлО осуществлено применение НС для представления■окспер-пшх знаний с целью управления процессами. Кроме того, была п<>стяв-яопа задача с помощь» НС осуществлять диагностику в случае возмож-' шх неисправностей'или отказа этих процессов.

Разработана система управления производством синтетического 5утэдиен-ал'ьфя-метилстирольного каучука, на Омском заводе СК с применением ЭС на база НС.- НС составляет ядро базы ¡знаний в ЗС, которая осуществляет непрерывный контроль над основными тохтюлогичес-:има параметрами клвчевнх отделений („Например: в»отделеш'и отгонки ©номеров ото температура в колоннах К-бР., К-бь/2 и К-оси, тт>*ра~ ' :уп-) в коняенсаторзх Кт-75, Кт-7б и Кт-77 и давлени* р кпдешах. С СП. К О VI- и К-Св/2 ). В случае отклонений ■■/' 1fx.-ь от

«глэмог. не г--■глмптт быстро определять причини aias. игкл.-:к,|иа1. Еоз.-.э Зс шапат роксмоихянии по устраненщп этик отклонен^;. Таким Срезом, за счет более жестокого контроля технологических ппрпиет-ов возадзжно повышение качества выпускаемого каучука.

■ Схема работы разработанной системы приведена но рис.3.

Данная система отличается том, что qua реализована ъ рамках рогршкаой оболочки КНТЕГ-ЗКСПЕРТ,: которая предназначена для соз-

Нвйронше сети рсуще СТБЛЯИЩ18 непрерывней контроль

-- 1

¡отделение

|сополимэ-

¡ризащш

отделение выделения и сушки каучука

¡отделение приготовления растворов

отделение незаполиые-риэовашшх мономеров

отделение приготовления углеводородной шихту,

продукционные ■ цра.вада

отделение |

упаковки |

каучука |

»отделение июмпремирования {бутадиена

Гис.6 ' Схема система ."управления п$юизъадстаом.сштетачоского«. : бутадион-альфа-мчтилстирольного каучука на Омском заводе СК

далия экспортно!! системы на база продукционных правил. В ШГГКР-ЭКСПЕРТ рассмотрен интерфейс с операционной системой ПОЗ, что позволяет создать отдолышЯ мехатюм для использования КС в рамках ШГПГР-ЭСПЕРТ. Поэтому, созданная система управлени-г производством каучука наследует друге'сккД интерфейс с пользователями.

ОСНОВНЫЕ ГПЗУЯЬТАТЫ И ВЫВОДУ ДЙССЕРТЛШПЮП РАБОТЫ .

1. Осущес-.злэно исследование свойств НО и получено, что

- нейронные сети с одш.ч слоем промежуточных элементов и с лилойнныки элементам! в выходном слое спосоС:аппроксимировать любое непрерывное qTodparcmie с наперед заданной точностью.

- трехуровневые НС стс-вдортной структуры .способны моделировать поведение непрерывных объектов в области определения входны- переменных в Rn, а значений гх< одних переменгих в (0,1).

2. Предложена новая модификация алгоритма GDR с применением метода сспряйенных градиентов и показано, что предлагаемый алгоритм обучешм значительно ускоряет процесс обучения и обеспечивает лучшую сходимость. . .

3. Выполнено исследование 'нлигшл ¡лзлйчгшх факторов па про-. Ц8СС обучения и функционирования'НС и получено, что

- максимальный предел значения числа промежуточных элементов Nhid определяется по Формуле:

г ( Н_ - 1 ) • Mout

. Rhid = Int -£--

L «out + Hin + 1 J

- Nhld оказывает влияние на процесс обучения и точность обоб-шения информации НС, но оно не влияет на. точность воспроиведеяия информации НС.- 1

- обучакжие примеры оказывают значительное влияние яа точность обобщения информации НС. Получено, "что для повышения точности предсказания информации необходимо, чтобы в обучащих.примерах содержалась полная информация об изменении интересующих' входных параметров. . ,

4. Осуществлена проверка применения' НС для управления установкой дистилляции смеси бензола и толуола и показана ее эффективность. . . . - . •

5. Предложено использование НС в качестве моделей представления знаний. Разработана система унравлешя производством синтети-

' ческого бутадиен-альфа-метилстирольного каучука на Омском завода СК с применением 3G на базе НС, которая осуществляет непрерывный контроль над ключевыми технологическими параметрами в отделении сопо-лимеризадаи, отделении отгонки незаполиыеризированных мономеров, н отделении выделения и суаки латекса каучука. .

ПУБЛИКАЦИИ ПО ТВ.Ш ДИССЕРТАЦИОННОЙ РАБОТЫ

Содержание диссертационной работы отражается в публикации; 1.|Го Цзинбяо, Глебов М.Б. Разработка экспертной системы на базе нейронных сетей для .управления и диагностики качества в проиводстве бутадиен-альфа-мэтилстирольного каучука. / тез. докл. 5-й Московской ко51ференида молодых ученых по химии и химической технологии/ М:19Э1. стр.56-58. , ■

а ткахе в трах сданных в печать статьях в сборник "Груда МХТИ им. 'Д.Ц.Менделеева, 1Аоделирование химико-технологических процессов и систем'-М., 1993/

1. Гордеев Л.С.,. Глебов Ы.Б., Го Цзинбяо Нейронные сети как модели представления знаний. ,

2. Гордеев J1.0., Глебов U. В., Го Цзинбяо Нейронные сета как модели, представления знаний: алгоритм обучения.

3. Го Цзинбяо, М.Б.Глебов, Ц.Б.Тлебаев, В.А.Жидков Применение нейронных сетей в системах коррозионного мониторинга оборудования фэсфорно-кислотного производства.