Zastosowanie dynamicznych sieci neuronowych do modelowania procesu wytopu miedzi w piecu zawiesinowym

• Autorzy: Stanisławczyk A. , Talar J. , Jarosz P. , Kusiak J.

Warianty tytułu

EN

Application of dynamic artificial neural networks to modelling of the copper flash smelting process

• Języki publikacji: PL

Abstrakty

PL

W pracy przedstawiono przykłady wykorzystania dynamicznych SSN do modelowania złożonych procesów przemysłowych, w których obserwuje się opóźnienie sygnałów wyjściowych w stosunku do zmiany sygnałów wejściowych. Uzyskane wyniki przewidywania wielkości wyjściowych opóźnionych w stosunku do sygnałów wejściowych dla prostej funkcji zainspirowały Autorów do podjęcia próby wykorzystania sieci dynamicznych do modelowania rzeczywistego, złożonego procesu przemysłowego. Przedmiotem analizy był zawiesinowy procesu wytopu miedzi. Analizie poddano wpływ opóźnienia pomiaru nadawy koncentratu na temperaturę gazów za kotłem odzysknicowym. Uzyskane wyniki modelowania tego procesu z wykorzystaniem sieci dynamicznych potwierdzają ich przydatność do tego rodzaju zastosowań. Sieci dynamiczne lepiej odwzorowują rzeczywisty przebieg zmian temperatury niż sieci statyczne. Analizowany problem potwierdza fakt, że sieci dynamiczne są bardziej uniwersalne od sieci statycznych w przypadku modelowania procesów z opóźnieniami.

EN

The main objective of the work is evaluation of effectiveness of the dynamic neural networks in modelling of the copper flash smelting process. The fundamentals of the dynamic neural networks were presented in the paper. This type of neural networks was tested in solving the theoretical problem with time-lag. Next, the dynamic neural networks were applied to prediction of the chosen output parameters of the copper flash smelting process. The work presents the comparison of the results obtained by dynamic and static neural networks.

Słowa kluczowe

EN

dynamic neural networks; modeling of metallurgical process; modeling of flash smelting process

• Wydawca: Wydawnictwa AGH
• Czasopismo: Computer Methods in Materials Science
• Rocznik: 2006
• Tom: Vol. 6, No. 2
• Strony: 116--122
• Opis fizyczny: Bibliogr. 7 poz., rys.

Twórcy

autor

Stanisławczyk A.

autor

Talar J.

autor

Jarosz P.

autor

Kusiak J.

• Wydział Inżynierii Metali i Informatyki Przemysłowej, Akademia Górniczo-Hutnicza w Krakowie

Bibliografia

• Demuth, H., Beale, M., Hagan, M., 2006, Neural Network Tool-box use with Matlab, MathWorks, Natick.
• Jarosz, P., Talar, J., Kondek, T., Kusiak, J., Dobrzański, J., Staszak, J., 2006, Modelowanie składu fazy gazowej procesu zawiesinowego wytopu miedzi z wykorzystaniem sztucznych sieci neuronowych, KomPlas Tech 2006, ed., Szeliga, D., Pietrzyk, M., Kusiak, J., Szczawnica, Wydawnictwo Akapit, Kraków, 201-208.
• Madan, M.G., Liang, J., Noriyasu, H., 2003, Static and Dynamic Neural Networks, Wiley-Interscience, New Jersey.
• Tadeusiewicz, R., 1993, Sieci Neuronowe, Akademicka Oficyna Wydawnicza, Warszawa.
• Tadeusiewicz, R., 1997, Wprowadzenie do sieci neuronowych, w: Zastosowanie sztucznych sieci neuronowych w symulacji i sterowaniu procesami metalurgicznymi, ed., Pietrzyk, M., Materiały 1. Seminarium, Wydawnictwo Akapit, Kraków.
• Talar, J., Jarosz, P., Kondek, T., Kusiak, J., Staszak, J., 2004, Zastosowanie sztucznych sieci neuronowych do sterowania zawiesinowym przetopem koncentratów miedzi, KomPlasTech 2004, ed. Pietrzyk M., Kusiak, J., Grosman, F., Piela, A., Zakopane, Wydawnictwo Akapit, Kraków, 291-300.
• Talar, J., Kondek,T., Jarosz, P., Kusiak, J., Dobrzański, J., Staszak, J., Byszyński, L., 2005, Artificial intelligence control system of the copper flash smelting process, llth IFSC: International Flash Smelting Congress, Bułgaria &Spain, 1-11.