СИНТЕЗ МНОГОРЕЖИМНОЙ ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ УПРАВЛЕНИЯ СЛАБОФОРМАЛИЗУЕМЫМ ПРОЦЕССОМ

Отмечены характерные особенности многих промышленных процессов биотехнических, биотехнологических, пищевых и других производств. К основным отнесены сложность получения математической модели вследствие неполноты знаний кинетических закономерностей, наличия нелинейностей различного вида в математической модели, нестационарность, а также значительная структурная и параметрическая неопределенность, проявляющаяся в процессе функционирования. Осуществлен синтез нейросетевой системы управления процессом с учетом многорежимности его функционирования в условиях неопределенности. Предложено режимы протекания процесса идентифицировать с помощью характерных изменений скорости изменения концентрации растворенного в среде культивирования автоматически контролируемого углекислого газа в отходящем из аппарата воздухе. На основе проведенного анализа результатов обучения нейронной сети различными методами установлена целесообразности применения алгоритма Левенберга-Марквардта, который обеспечивает большую точность и высокую скорость сходимости вблизи минимума, а, следовательно, позволяет существенно ускорить процедуру обучения. Используя алгоритм Левенберга-Марквардта, проведено обучение нейросетевых моделей объекта управления, каждая из которых на определенных режимах протекания процесса наиболее приближена к фактическому состоянию объекта. Это позволило реализовать основной принцип работы многорежимных систем управления, заключающийся в переключении алгоритмов управления с нейросетевыми моделями при смене режимов процесса, что позволяет обеспечить заданные показателей качества системы в каждом из режимов при изменяющихся условиях функционирования.

многорежимная система управления, нейросетевая модель, неопределенность модели, объект управления, идентификация режимов, скорость изменения углекислого газа

1. Казеев И.В. Масштабирование процесса микробиологического синтеза рекомбинантных белков (на примере получения рекомбинантного человеческого а2-интерферона) 05.17.08 Процессы и аппараты химических технологий 03.00.23 Биотехнология. Автореф. дисс.. канд. техн. наук. Казеев Илья Владимирович; [Место защиты: Рос. хим.-технол. ун-т им. Д.И. Менделеева]. Москва, 2009. 16 с.

2. Терехов В.А., Ефимов Д.В., Тюкин И.Ю. Нейросетевые системы управления. Сер. «Нейрокомпьютеры и их применение». Кн. 8. Под общ. ред. А.И. Галушкина. М.: ИРПЖ. 2002. 480 с.

3. Лубенцов В.Ф. Исследование САУ процессом ферментации с применением технологии нейронных сетей // Приборы и системы. Управление, контроль, диагностика, 2005. № 9. С. 1-4.

4. Рудакова Т.А. Сравнение и выбор нейросетевых моделей на основе метода анализа иерархий [Текст] / Т.А. Рудакова, Н.И. Червяков, В.Ф. Лубенцов // Приборы и системы. Управление, контроль, диагностика. 2008, № 5. С. 1-5.

5. Юсупбеков Н.Р., Бабаянц А.В., Мунгиев А.А., Якубов Э.М. Управление процессами ферментации с применением микро-ЭВМ. Ташкент: Фан, 1987. 200 с.

6. Бирюков В. В. Процесс ферментации как объект регулирования температуры / В. В. Бирюков, В. В. Кафаров // Химико-фармацевтический журнал. 1968. № 3. С. 36-39.

7. Бирюков В. В. Растворенный углекислый газ как параметр управления в процессах ферментации / В. В. Бирюков, С. Б. Ицыгин // Химико-фармацевтический журнал. 1976. № 4. С. 122-126.

8. Червяков Н.И. Сравнение алгоритмов обучения нейросетевой модели управления динамическими системами [Текст] / Н.И. Червяков, Т.А. Рудакова, СЮ. Щербина // Нейрокомпьютеры: разработка, применение. М.: Радиотехника, 2008, №1-2. С. 57-63.

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