Wyniki wyszukiwania - BazTech

1

Neural network modelling of the gas phase of a copper flash smelting process

Stanisławczyk A., Kusiak J.

Computer Methods in Materials Science

|

2009

|

Vol. 9, No. 3

374-378

EN

The paper presents the results of modelling of gaseous phase parameters of the copper flash smelting process. Models based on static and dynamic artificial neural networks are presented. The worked out models can be used for process optimisation, in turn resulting in reduction of the amount of harmful waste in the environment.

PL

Celem pracy jest prezentacja wyników modelowania para-metrów fazy gazowej dla procesu wytopu miedzi w piecu za-wiesinowym. W pracy zaprezentowano modele oparte o statyczne i dynamiczne sztuczne sieci neuronowe. Opracowane modele mogą być zastosowane do optymalizacji procesu, prowadzącej m.in. do zmniejszenia ilość odpadów szkodliwych dla środowiska.

2

Copper flash smelting process. modelling and control

Kusiak J.

Computer Methods in Materials Science

|

2009

|

Vol. 9, No. 3

362-368

EN

The paper presents the description of the copper flash smelting process and the idea of its modelling based on Artificial Intelligence techniques: Artificial Neural Networks, Expert Systems and Data Mining. Proposed approach is illustrated by examples of obtained results. They show that models based on Artificial Intelligence tools can be useful in process analysis and in control systems.

PL

W pracy przedstawiono proces zawiesinowego wytopu oraz ideę jego modelowania z wykorzystaniem narzędzi sztucznej inteligencji. Omówiono idee modeli opartych o sztuczne sieci neuronowe oraz systemy ekspertowe. Ponadto, przedstawiono możliwości wykorzystania algorytmów eksploracji danych do analizy danych procesu. Przedstawione przykładowe wyniki potwierdzają przydatność modeli na bazie sztucznej inteligencji w analizie procesu, jak również w systemach sterowania.

3

Bio-inspired optimization strategies in control of copper flash smelting process

Sztangret Ł., Stanisławczyk A., Kusiak J.

Computer Methods in Materials Science

|

2009

|

Vol. 9, No. 3

400-408

EN

The paper presents optimization methods that are inspired by the mechanisms occurring in nature and their application in the determination of the values of signals controlling a copper flash smelting process. The furnace model that is used in the optimization process, was created on the base of artificial neural network. The control was aimed at the obtaining of the required values of SO2, CO2 and NOx concentrations in exhaust gases at a specific concentrate’s composition. The optimization process was based on a static furnace model and, therefore, the control consisted in the problem of static optimization. Block limitations were imposed on all the decision variables. The paper gives the theoretical background of each method, the way of implementation and the results obtained with its respective application. In addition, the results were compared with the results obtained by using one of deterministic methods.

PL

Artykuł przedstawia metody optymalizacji inspirowane występującymi w przyrodzie mechanizmami oraz ich zastosowanie w wyznaczaniu wartości sy-gnałów sterujących piecem zawiesinowym do wytopu miedzi. Stosowany w procesie optymalizacji model pieca, stworzony został w oparciu o sztuczne sieci neuronowe. Celem sterowania było uzyskanie pożądanych wartości stężeń SO2, CO2 oraz NOX w gazach wylotowych przy danym składzie koncentratu. Proces optymalizacji opierał się na statycznym modelu pieca, dlatego zagadnienie sterowania sprowadziło się do problemu optymalizacji statycznej. Na wszystkie zmienne decyzyjne zostały nałożone ograniczenia kostkowe. W pracy przedstawiono podstawy teoretyczne każdej metody, sposób implementacji oraz uzyskane przy jej zastosowaniu wyniki. Dodatkowo wyniki te porównano z wynikami otrzymanymi jedną z metod deterministycznych.

4

Wykorzystanie technik sztucznej inteligencji do optymalizacji zawiesinowego procesu otrzymywania miedzi

Talar J., Stanisławczyk A., Jarosz P., Kusiak J., Gostyński Z., Haze D., Wroński P.

Rudy i Metale Nieżelazne

|

2006

|

R. 51, nr 12

736-741

PL

Wytop miedzi w piecu zawiesinowym jest procesem bardzo złożonym [1, 2], a sterowanie nim w warunkach przemysłowych opiera się głównie na doświadczeniu technologów i operatorów pieca. Spotykane modele tego procesu [3÷6] są mało przydatne dla celów sterowania i optymalizacji ze względu na długie czasy obliczeń, jak również na znaczne uproszczenia. Przedstawiono ideę systemu umożliwiającego optymalizację procesu zawiesinowego wytwarzania miedzi opartego o narzędzia sztucznej inteligencji oraz eksplorację danych („data mining"). Do optymalizacji procesu wykorzystano metodę algorytmów genetycznych (AG) oraz model procesu oparty o sztuczne sieci neuronowe (SSN). Zastosowano optymalizację z dodatkowymi ograniczeniami sterujących parametrów wejściowych procesu. Ograniczenia te wyznaczono w wyniku analizy skupień przemysłowych danych pomiarowych. Przedstawiono wyniki optymalizacji wybranych parametrów procesu zawiesinowego.

EN

The objective of the work is optimisation of the copper flash smelting process using the techniques based on artificial inteligence and data mining. The copper flash smelting process is very complex [1, 2]. In the industrial conditions, the control of the process is based on the experience of engineers and operators. The existing models of the process [3÷6] are useless from the automatic control system point of view, because of the long computation time and low accuracy. In the paper, the results of optimisation of the chosen process parameters are presented. The genetic algorithm (GA) and artificial neural networks (ANN) model were used to optimisation of the process. In this work, the optimisation with additional constraints of the input process parameters was applied. These constraints were obtained in the result of the clustering of industrial data.