A trial of the usage of artificial neural networks to the controlling of the convertor process

• Autorzy: Wajda W.

Warianty tytułu

PL

Próba zastosowania sztucznych sieci neuronowych do sterowania procesem konwertorowym

• Języki publikacji: EN

Abstrakty

EN

There can be observed on quick growth of interest of artificial neural networks for the last few years. It refers to biological neural systems. lt is caused by wide range of its usage in which model's outputs and inputs are described well, however mechanism is not known. The characteristic of neural networks are: low sensitivity for errors, possibility of usage in predictability of results in case of very complicated relations between variabIes. Neural networks find special adjustment in non-linear problems, optimization. identification where the parameters are not exactly undefined. In this work, there was taken a trial to define neural network which task was to predict a heat oxygen requirement into a convertor. Industrial data from convertor of capacity 330 Mg were used to teach the network. The usage of neural networks to- this problem seems to be reasonable and has the confirrnation in advantages of the networks. Low sensitivity for errors in data and filtering disturbances allows the network to learn well some problems with a teaching set consisting data of a high error. This is very profitable because the convertor works in very high temperatures what enables a measurement all of important state parameters. Evolution of the networks e.i. the adjustment of inputs layers and hidden neurons runs in a way of eliminalion and verification of further models. If we compare it with statistical methods, which need a definition of researched function class it - is an enormous advantage. The learned net can work in real time e.g. controlling of a convertor process, In case of the convertor process it has a great meaning - because it is very difficult to describe all of the phenomena over in a classical model. The marvelous example: the relation of refractory consumption in convertor with the amount of accomplished heats. The mentioned characteristic are reasonable confirmation of trying the usage of the neural networks to the controlling of the convertor process.

PL

W ostatnich latach można zauważyć gwałtowny wzrost zainteresowania sztucznymi sieciami neuronowymi, znajdującymi zastosowanie w problemach nieliniowych. zagadnieniach optymalizacji i identyfikacji oraz wszędzie tam, gdzie dane i wyniki są niedokładnie określone, czy wręcz rozmyte. W pracy podjęto próbę określenia parametrów sieci, której zadaniem miało być przewidywanie parametrów dmuchu do konwertora, a tym samym sterowanie nim. Do uczenia sieci zostały użyte dane przemysłowe z konwertora o pojemności 330 Mg. Zastosowanie sieci neuronowej do tego problemu wydaje się być rozwiązaniem sensownym i mającym uzasadnienie we własnościach i zaletach, jakie oferuje sieć. Mała wrażliwość na błędy w danych i filtrowanie zakłóceń pozwala sieci dobrze nauczyć się danego problemu przy zbiorze uczącym, zawierającym dane obarczone stosunkowo dużym błędem. Cecha ta ­ w odniesieniu do danych z konwertora - jawi się bardzo korzystnie, ponieważ pracuje on w bardzo wysokich temperaturach, co uniemożliwia pomiar wszystkich wielkości z odpowiednią dokładnością. Rozwój sieci, tj. dobór wejść oraz warstw i neuronów ukrytych, następuje w sposób naturalny na drodze eliminacji i weryfikacji kolejnych modeli. W porównaniu z metodami statystycznymi, które wymagają określenia klasy badanej funkcji jest to poważną zaletą, Cechy te stanowią wystarczające uzasadnienie do tego, aby próbować wykorzystać sieci neuronowe do sterowania procesem konwertorowym.

Słowa kluczowe

EN

artificial neural networks; controlling; convertor process

PL

sztuczne sieci neuronowe; sterowanie; proces konwertorowy

• Wydawca: AGH University of Science and Technology Press
• Czasopismo: Metallurgy and Foundry Engineering
• Rocznik: 1998
• Tom: T. 24, no. 4
• Strony: 305--314
• Opis fizyczny: Bibliogr. 4 poz., rys., wykr.

Twórcy

autor

Wajda W.

• Koło Naukowe Informatyków "METALSOFT", Wydział Metalurgii i Inżynierii Materiałowej AGH, Kraków, Polska