Pewne aspekty wykorzystania sztucznych sieci neuronowych dla identyfikacji i sterowania procesem przemiału cementu

• Autorzy: Rojek R. , Bursy G.

Warianty tytułu

EN

Some aspects of use of artificial neural networks for identification and control of cement grinding process

• Języki publikacji: PL

Abstrakty

PL

artykule przedstawiono wybrane aspekty zastosowania sztucznych sieci neuronowych do identyfikacji i sterowania energochłonnym procesem przemiału cementu. Jest to złożony nieliniowy proces dynamiczny. Sterowanie takim procesem z wykorzystaniem klasycznych układów regulacji nie jest efektywne. Zaproponowano zatem wykorzystanie niestandardowych algorytmów opartych na sieciach neuronowych. Do ich realizacji wykorzystano dane pomiarowe oraz wiedzę operatorów. Badania symulacyjne układu przeprowadzono w środowisku Matlab-Simulink pod kątem optymalizacji struktury sieci i wyboru odpowiedniego procesu uczenia. Uzyskane wyniki potwierdzają możliwości wykorzystania algorytmów neuronowych do sterowania procesem przemiału.

EN

This paper presents selected aspects of application of artificial neural networks to identification and control of the cement grinding process occurring in the closed-circuit ball mill (Fig. 1) [13, 14]. Cement grinding is a complicated, nonlinear, energy-consuming process. Control of the process by means of classical control systems is not effective. Therefore, nonstandard neural network algorithms combined with the inverse modeling method of Jordan and Jacon [2, 15, 18] are proposed for the purpose. The NARX neural network model (Fig. 3) is used, in addition to the expert operator knowledge developed on a basis of a number of experiments run at a domestic cement plant. Simulation runs in the Matlab/Simulink environment are directed to optimization of the network structure and selection of its adequate learning process. The obtained results enable concluding that the application of a neurocontroller to control of the grinding process can yield satisfactory process performance [4].

Słowa kluczowe

PL

sieci neuronowe; identyfikacja; diagnostyka; sterowanie; przemiał cementu; młyn kulowy

EN

neural networks; identification; diagnostics; control; cement grilling; ball mill

• Wydawca: Wydawnictwo PAK
• Czasopismo: Pomiary Automatyka Kontrola
• Rocznik: 2011
• Tom: R. 57, nr 2
• Strony: 190--192
• Opis fizyczny: Bibliogr. 18 poz., rys., schem., wykr

Twórcy

autor

Rojek R.

autor

Bursy G.

• Politechnika Opolska, Wydział Elektrotechniki, Automatyki i Informatyki, Instytut Automatyki i Informatyki, ul. Sosnkowskiego 31, 45-272 Opole,

Bibliografia

• [1] Bartecki K.: Zastosowanie algorytmów neuronowych do optymalizacji pracy systemów grzewczych. Rozprawa doktorska, Politechnika Opolska, Wydział Elektrotechniki i Automatyki, Opole 2004 (promotor: prof. dr hab. inż. Ryszard Rojek).
• [2] Bartecki K., Rojek R.: Neuronowo-adaptacyjne sterowanie procesem wymiany ciepła. Materiały XV Krajowej Konferencji Automatyki, Warszawa 27-30.06.2005r, tom 3, str. 187-192.
• [3] Bursy G., Rojek R.: Diagnostyka młyna cementu dla potrzeb sterowania; Problemy Współczesnej Nauki Teoria i Zastosowania. Automatyka i Robotyka, Diagnostyka Procesów i Systemów, (red. Korbicz J., Patan K., Kowala M.). Akademicka Oficyna Wydawnicza EXIT, Warszawa 2007.
• [4] Bursy G.: Sterowanie neuronowe procesem przemiału cementu. Rozprawa doktorska. Politechnika Opolska, Wydział Elektrotechniki, Automatyki i Informatyki, Opole 2008, (promotor prof. dr hab. inż. Ryszard Rojek)
• [5] Bursy G., Rojek R.: Neurosterowanie procesem przemiału cementu w oparciu o quasi-ciągły pomiar stopień rozdrobnienia, PAR Pomiary Automatyka Robotyka nr 2/2008; Materiały XII Konferencja Naukowo-Techniczna Automatyzacja-Nowości i Perspektywy Automation 2008.
• [6] Bursy G., Rojek R.: Neuroidentyfikacja procesu przemiału cementu, XVI Krajowej Konferencji Automatyki, Szczyrk, 11-15.05.2008r. Akademicka Oficyna Wydawnicza EXIT, Komitet Automatyki i Robotyki PAN, Polskie Towarzystwo Sieci Neuronowych, (Red. Krzysztof Malinowski, Leszek Rutkowski), str. 643-651.
• [7] Duch W., Korbicz J., Rutkowski L., Tadeusiewicz R. (2000): Sieci neuronowe, Polska Akademia Nauk. Biocybernetyka i Inżynieria Biomedyczna 2000, Tom 6, Akademicka Oficyna Wydawnicza EXIT, Warszawa 2000.
• [8] Duda J. T.: Modele matematyczne, struktury i algorytmy nad-rzędnego sterowania komputerowego. Monografie Komitetu Automatyki i Robotyki PAN Tom 6. Uczelniane Wydawnictwa Naukowo-Dydaktyczne AGH, Kraków 2003.
• [9] Duda W. H.: Cement-data-book, Bauverlag GmbH Wiesbaden-Berlin 1985.
• [10] Jańczak A.: Identification of Nonlinear Systems Using Neural Networks and Polynomial Models. A Block-Oriented Approach Springer-Verlay. Berlin, Heidelberg, 2005.
• [11] Korbicz J., Kościelny J. M., Kowalczuk Z., Cholewa W.: Diagnostyka procesów. Modele. Metody sztucznej inteligencji. Zastosowania. Komitet Automatyki i Robotyki PAN. Monografia tom 3. WNT Warszawa 2002.
• [12] Korbicz J., Kościelny J. M.: Modelowanie, diagnostyka i sterowanie nadrzędne procesami. Implementacja w systemie DiaSter. Monografie Komitetu Automatyki i Robotyki PAN, tom 14. WNT Warszawa 2009.
• [13] Kurdowski W. (2007): 150 lat przemysłu cementowego na ziemiach polskich, Budownictwo, technologie, architektura 3/2007.
• [14] Mokrzycki E., Eliasz-Bocheńczyk A.: Wybrane problemy zużycia energii w przemyśle cementowym. Problematyka Energetyczna, tom 9, zeszyt , Warszawa 2006, str. 61-70.
• [15] Ng G. W.: Application of Neural Networks to Adaptive Control of nonlinear Systems, Control Systems Center 1997.
• [16] Rojek. R., Bartecki K., Korniak J.: Metody sztucznej inteligencji w zastosowaniach automatyki, Pomiary Automatyka Kontrola nr 10/2006, str. 29-34.
• [17] Rutkowski L.: Metody i techniki sztucznej inteligencji (wyd. II), Inteligencja obliczeniowa. Wydawnictwo Naukowe PWN Warszawa 2009.
• [18] Tatjewski P.: Sterowanie zaawansowane obiektów przemysłowych. Struktury i algorytmy. Monografie PAN, Exit 2002.