Помощь в учёбе, очень быстро...
Работаем вместе до победы

Автоматизация контроля влажности кондитерских масс с применением интеллектуальных технологий

Диссертация: Автоматизация контроля влажности кондитерских масс с применением интеллектуальных технологий
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

В диссертации эта проблема исследована и решена на примере сахаристых кондитерских изделий, поскольку эти изделия становятся наиболее популярными у населения, обладают высокими вкусовыми качествами и хорошей усвояемостью. Производство сахаристых кондитерских изделий в настоящее время является перспективным направлением развития кондитерской промышленности. В технологической цепочке производства… Читать ещё >

Содержание

  • Актуальность проблемы
  • Цель и задачи исследования
  • Объекты и методы исследования
  • Научная новизна работы
  • Практическая ценность
  • Апробация работы
  • Публикации
  • 1. СОВРЕМЕННЫЕ МЕТОДЫ ИЗМЕРЕНИЯ ВЛАЖНОСТИ КОНДИТЕРСКИХ МАСС
    • 1. 1. Анализ особенностей технологического процесса уваривания сахаро-паточного сиропа для приготовления конфет из мягкого грильяжа
      • 1. 1. 1. Особенности приготовления сахаро-паточного сиропа
      • 1. 1. 2. Описание процесса уваривания сахаро-паточного сиропа как объекта управления
    • 1. 2. Методы и средства измерения влажности кондитерских масс
    • 1. 3. Анализ применения нейронных сетей для построения АСУ ТП
    • 1. 4. Возможность применения виртуального датчика влажности для контроля процесса уваривания сахаро-паточного сиропа
    • 1. 5. Задачи исследования
    • 1. 6. Выводы
  • 2. ПОСТАНОВКА ЗАДАЧИ ОПРЕДЕЛЕНИЯ ВЛАЖНОСТИ УВАРИВАЕМОГО САХАРО-ПАТОЧНОГО СИРОПА ДЛЯ ПРИГОТОВЛЕНИЯ КОНФЕТ ИЗ МЯГКОГО ГРИЛЬЯЖА И ФОРМИРОВАНИЕ ОСНОВНЫХ ЭТАПОВ РЕШЕНИЯ ПОСТАВЛЕННОЙ ЗАДАЧИ
    • 2. 1. Постановка задачи измерения влажности
    • 2. 2. Математическая постановка задачи
    • 2. 3. Этапы решения задачи построения виртуалього датчика влажности кондитерских масс
    • 2. 4. Выводы
  • 3. РАЗРАБОТКА НЕЙРОСЕТЕВОЙ МОДЕЛИ ДЛЯ ПОСТРОЕНИЯ ВИРТУЛЬНОГО ДАТЧИКА ВЛАЖНОСТИ КОНДИТЕРСКИХ МАСС
    • 3. 1. Подбор архитектуры нейронной сети и алгоритма обучения для реализации нейросетевой модели
      • 3. 1. 1. Классификация нейронных сетей
      • 3. 1. 2. Анализ возможности применения нейронных сетей различных типов для решения задачи построения виртуального датчика влажности кондитерских масс
      • 3. 1. 3. Подбор количества слоев и количества нейронов каждого слоя нейронной сети
      • 3. 1. 4. Подбор алгоритма и проведение обучения нейронной сети
    • 3. 1. Анализ работоспособности нейросетевой модели
    • 3. 1. Выводы
  • 4. РАЗРАБОТКА ТЕХНИЧЕСКИХ РЕШЕНИЙ ДЛЯ РЕАЛИЗАЦИИ РЕГУЛИРОВАНИЯ ВЛАЖНОСТИ УВАРИВАЕМОГО КАРАМЕЛЬНОГО СИРОПА
    • 4. 1. Структурная схема системы регулирования влажности увариваемого карамельного сиропа для приготовления конфет из мягкого грильяжа
    • 4. 2. Описание элементов системы регулирования влажности увариваемого карамельного сиропа
    • 4. 3. Программно-аппаратные средства, выбранные и используемые для реализации разрабатываемой системы
    • 4. 4. Блок-схемы алгоритмов работы элементов системы регулирования влажности увариваемого карамельного сиропа
    • 4. 5. Выводы

Автоматизация контроля влажности кондитерских масс с применением интеллектуальных технологий (реферат, курсовая, диплом, контрольная)

Актуальность проблемы.

В современных техногенных условиях жизни и при больших эмоциональных и стрессовых нагрузках у населения Российской Федерации возникает все большая потребность в качественных и полезных для организма продуктах питания.

В настоящее время кондитерские предприятия занимают ведущее место среди отраслей пищевой промышленности, а их продукция пользуется неизменным и значительным спросом у населения страны. Кондитерские изделия представляют собой большую группу разнообразных высококалорийных продуктов питания, которые регулярно потребляются практически всеми группами населения различных возрастов. Эта продукция составляет значительную долю рациона питания, ввиду своих вкусовых качеств, а так же потому что она отличается высокой питательностью, усвояемостью и обеспечивает человеческий организм набором физиологически ценных веществ, необходимых для его нормальной жизнедеятельности.

В условиях рыночной экономики, обусловленной жесткой конкуренцией и строгим контролем со стороны государства, эффективность деятельности кондитерских предприятий напрямую зависит от того, насколько его продукция удовлетворяет запросам потребителей.

Введение

в действие Федеральных законов «О качестве и безопасности пищевых продуктов» и «О техническом регулировании» выдвигают перед производителями новые требования в повышении качества выпускаемой продукции. Решение данной проблемы в современных условиях возможно только на основе использования новейших научных достижений в области техники и технологии, обеспечения стабильности производственных процессов, соблюдения установленных технологических режимов, оснащения поточномеханизированных линий по производству кондитерских изделий современными средствами непрерывного автоматического контроля, регулированияи управления с использованием' интеллектуальных технологий.

Трудность решения этих задач обусловлена нестабильностью свойств поступающего на переработку сырья, многообразием перерабатываемых полуфабрикатов по физико-химическим, биохимическим и структурно-механическим свойствам. Все это вызывает частые колебания режимов работы оборудования, а также параметров процесса приготовления многокомпонентных неоднородных кондитерских масс и не позволяет получать стабильный по качеству готовый продукт.

Одним из основных параметров, по которому судят о качестве выпускаемых кондитерских изделий, является влажность. Определение влажности сыпучих и жидких кондитерских масс играет существенную роль как при контроле протекания технологических процессов, так и при-контроле качества продукции. Однако, этот параметр для приготавливаемых кондитерских масс редко сохраняется — постоянным. Он меняется от партии к партии и зависит от очень многих факторов, таких как свойства сырья, нестабильность технологических процессов, условия хранения и др.

В настоящее время влажность приготавливаемых кондитерских масс определяется только путем лабораторных измерений, ввиду невозможности или крайней дороговизны технического решения по организации их1 измерения поточным способом. Ситуация в кондитерской промышленности России требует новых подходов к решению этой важной проблемы в отрасли, и поиску альтернативных вариантов развития автоматизации контроля влажности кондитерских изделий с использованием высокоэффективных интеллектуальных технологий.

Создание системы автоматического контроля влажности кондитерских масс в потоке, позволяющей непрерывно контролировать * свойства перерабатываемого сырья, полуфабрикатов и определять оптимальный режим 6 протекания технологических процессов, дает возможность решить задачу стабилизации качества кондитерских изделий и является перспективным направлением развития кондитерской отрасли, а также актуальной научно-технической задачей специальности 05.13.06 — Автоматизация и управление технологическими процессами и производствами (в пищевой промышленности).

В диссертации эта проблема исследована и решена на примере сахаристых кондитерских изделий, поскольку эти изделия становятся наиболее популярными у населения, обладают высокими вкусовыми качествами и хорошей усвояемостью. Производство сахаристых кондитерских изделий в настоящее время является перспективным направлением развития кондитерской промышленности. В технологической цепочке производства кондитерских изделий данного типа (таких как, например, конфеты из мягкого, грильяжа), наиболее сложным является процесс уваривания сахаро-паточного сиропа, соблюдение влажности которого в течение всего производственного цикла является наиболее острой проблемой при приготовлении этого продукта, Для обеспечения необходимой стабильности протекания данного технологического процесса необходим непрерывный контроль влажности в режиме реального времени. Проведенный обзор и анализ работ, посвященных этой проблеме выявил, что к настоящему времени в пищевой промышленности для определения влажности для таких процессов применяются лабораторные методы и отсутствуют устройства автоматического контроля данного параметра в потоке, поскольку его значение трудно получить каким-либо другим способом кроме лабораторных замеров по ряду негативных факторов:

• высокая вязкость среды;

• высокая липкость массы;

• высокое давление в варочном котле;

• высокая температура в агрегате.

Перечисленные факторы делают невозможным измерение влажности приготавливаемой массы путем непосредственной установки датчика влажности внутри варочного котла.

Одним из перспективных направлений развития автоматизации процессов пищевой промышленности является применение аппарата искусственных нейронных сетей (ИНС), являющегося важным разделом теории искусственного интеллекта. ИНС способны решать широкий круг задач распознавания образов, идентификации, прогнозирования и оптимизации управления сложными объектами. В общетеоретическом плане ИНС исследовались в работах зарубежных ученых: Д. Хебба, Ф. Розенблатта, М. Минского, Дж. Холфидса, У.С.Мак-Коллака, У. Питтса, К. Э. Шеннона, Дж.М. Маккарти, Дж. Фон Неймана и др. Существенный вклад в решение научных и практических аспектов ИНС вносят отечественные ученые: В. В. Круглов, В. В. Борисов, Г. К. Вороновский, К. В. Махотило, С. Н. Петрашев, С. А. Сергеев, C.B. Фомин, A.A. Фролов, B.JI. Дунинбарковский и др., а в пищевой промышленности — М. М. Благовещенская, О. Н. Лимбах, Е. В. Роденков, В. В. Садовой, В. А. Самылина, А. Г. Храмцов, A.B. Шаверин и др.

В настоящей работе был учтен и проработан опыт предыдущих исследований и были приняты во внимание все рекомендации, приводимые авторами перечисленных ранее трудов.

Анализ опубликованных научных работ в области ИНС свидетельствует о перспективности исследований по этой тематике, необходимости развития этого направления, а так же малочисленности данных исследований в области пищевой промышленности. Изучение отечественной и зарубежной литературы указывает на необходимость углубленного исследований в рассматриваемой области и применения новых подходов к использованию ИНС для построения виртуальных датчиков с учетом специфики кондитерской промышленности. В связи с чем, представляется своевременным и актуальным проведение комплексных исследований, направленных на автоматизацию контроля 8 влажности кондитерских масс с применением интеллектуальных технологийразработку виртуального датчика влажности кондитерских масс на основе нейросетевых алгоритмовисследование возможности интеграции такого датчика в систему управления технологическим процессом при производстве кондитерских изделий.

Проведенные исследования показали возможность успешного решения задачи автоматического контроля влажности на примере сахаристых кондитерских масс за счет внедрения в производственный процесс специально разработанного программно-аппаратного комплекса (ПАК) виртуального датчика, построенного на основе искусственной нейронной сети (ИНС), приемлемого по стоимости для любого пищевого предприятия.

Создание и внедрение виртуального датчика влажности с использованием интеллектуальных технологий и современных математических методов позволяет оптимизировать управление технологическими режимами линии производства кондитерских изделий, непрерывно получать данные о влажности кондитерских масс в течение всего технологического процесса в режиме реального времени, существенно уменьшить уровень брака, снизить потери рабочего времени, сырья и энергии, повысить качество готовой продукции. Решение этой проблемы позволит построить эффективную систему регулирования и управления технологическими процессами кондитерских производств.

Изложенное позволяет сделать вывод об актуальности темы диссертационной' работы.

Цель и задачи исследования

.

Целью настоящей работы является разработка, научное обоснование и создание методов и средств автоматизации контроля влажности кондитерских масс в потоке с применением интеллектуальных технологий, обеспечивающих производство кондитерских изделий стабильно высокого качества (на примере 9 процесса уваривания сахаропаточного сиропа линии приготовления конфет из мягкого грильяжа).

Для достижения поставленной цели были поставлены и решены следующие задачи исследований:

• Обоснование принципов решения проблемы автоматизации контроля влажности кондитерских масс.

• Проведение анализа, обобщение и систематизация направлений использования искусственных нейронных сетей (ИНС) в различных отраслях (в том числе в пищевой) промышленности.

• Разработка и обоснование метода, позволяющего в реальном времени контролировать влажность кондитерских масс.

• Разработка математических моделей, алгоритмов и программ для реализации методов автоматического контроля влажности. кондитерских масс.

• Проведение комплексных экспериментальных исследований и анализа технологического процесса производства сахаристых кондитерских изделий (на примере процесса приготовления сахаро-паточного сиропа линии производства конфет из мягкого грильяжа) с целью разработки и апробации метода автоматического контроля влажности.

•, Выявление и анализ зависимостей между параметрами сырья и полуфабрикатов, используемых при приготовлении сахаристых кондитерских изделий, параметрами работы технологического оборудования и влажностью увариваемого сахаро-паточного сиропа.

• Математическая постановка задачи автоматического регулирования влажности в процессах уваривания при приготовлении сахаристых кондитерских изделий.

• Проектирование структуры программно-аппаратного комплекса (ПАК) для контроля влажности увариваемой кондитерской массы.

• Научное обоснование и разработка оптимальной НСМ для автоматизации регулирования влажности увариваемой кондитерской массы. Разработка виртуального датчика влажности кондитерских масс на основе нейросетевых алгоритмов.

• Разработка схемы интеграции ПАК виртуального датчика в автоматизированную систему управления технологическим процессом (АСУ ТП) при производстве кондитерских изделий.

• Экспериментальная проверка результатов на промышленном оборудовании. Практическая реализация результатов разработки.

Объекты и методы исследования.

Объектом исследования является поточная технологическая линия по производству конфет из мягкого грильяжа и нуги, функционирующая на производстве предприятия ОАО Московская Кондитерская Фабрика «Красный Октябрь» (типовая линия производства сахаристых кондитерских изделий).

Предмет «исследования составила совокупность теоретических, методологических и практических задач, связанных с автоматизацией контроля влажности кондитерских масс. Были исследованы модели, методы, средства и способы контроля влажности кондитерских масс по результатам значений различных наиболее информативных технологических параметров процесса, а также физико-химических и реологических параметров сырья и полуфабрикатов, измеренных в процессе производства сахаристых кондитерских изделий.

При проведении теоретических и экспериментальных исследований использованы основные положения и уравнения теории автоматического управления, математического моделирования, элементы теории принятия решений, методы системного анализа, оптимизации, планирования и обработки результатов экспериментов, теории ИНС, теории нечетких множеств, а так же методы математической статистики. Экспериментальные.

11 исследования проведены с помощью стандартных методик и поверенных приборов, а так же персонального компьютера с использованием пакета прикладных программ Ма1. ЬаЬ 2007Ь.

Научная новизна работы.

Научная новизна исследования, обеспечившая достижение цели работы заключается в следующем:

• В результате теоретического анализа, экспериментальных исследований и расчетов обоснованы наиболее перспективные направления автоматизации контроля влажности кондитерских масс на основе виртуальных датчиков построенных на базе нейросетевых алгоритмов.

• Разработаны теоретические и методологические основы автоматического контроля влажности кондитерских изделий (на примере процесса приготовления сахаро-паточного сиропа линии производства конфет из мягкого грильяжа), в частности впервые разработаны:

Метод автоматизации контроля влажности кондитерских масс.

Способ автоматического контроля влажности кондитерских масс в потоке, основанный на внедрении в систему управления (СУ) виртуального датчика, построенного на алгоритмах ИНС. Предложенный способ позволяет своевременно получить объективную информацию о текущей влажности увариваемого сиропа по результатам значений технологических параметров процесса, а также на основании физико-химических и реологических параметров сырья и полуфабрикатов, измеренных в процессе производства изделия.

Нейросетевая модель процесса уваривания сахаро-паточного сиропа.

Алгоритмическое и математическое обеспечение задачи автоматизации контроля влажности кондитерских масс.

Методика и алгоритм проектирование архитектуры комплекса системы автоматического контроля влажности.

Формулирование основных правил использования алгоритмов ИНС для создания виртуальных датчиков для контроля показателей пищевых масс.

Структура программно — аппаратного комплекса (ПАК) виртуального датчика, реализующего способ автоматического контроля влажности сахаристых кондитерских изделий и интеграция его в систему управления.

Основные правила использования алгоритмов ИНС для создания виртуальных датчиков контроля влажности кондитерских масс.

Практическая ценность.

В результате проведенных исследований продемонстрированы возможности осуществления автоматического контроля влажности кондитерских масс в потоке, на основе нейросетевой модели с последующим созданием АСУТП в кондитерской промышленности.

Основные позиции, определяющие практическую ценность работы, заключаются в следующем:

• Создана и апробирована методика автоматического контроля влажности кондитерских масс в режиме реального времени (на примере процесса приготовления сахаро-паточного сиропа линии производства конфет из мягкого грильяжа).

• Сформулированы предложения для обеспечения широкого использования в кондитерской промышленности аппарата искусственных нейронных сетей, являющегося одним из перспективных направлений развития теории искусственного интеллекта.

• Даны рекомендации по созданию ПАК для контроля влажности кондитерских масс с использованием нейросетевой модели. Данная разработка позволит непрерывно в потоке контролировать влажность кондитерских масс.

• Применен и апробирован разработанный способ автоматического контроля влажности в процессах приготовления сахаристых кондитерских изделий. Даны рекомендации по применению разработанного способа для построения системы регулирования влажности в процессе уваривания сахаро-паточного сиропа для приготовления конфет мягкого грильяжа.

• Разработана и апробирована структура реализации ПАК виртуального датчика и его интеграции в АСУ ТП. Даны рекомендации и обоснования по выбору технических средств и программного обеспечения, необходимых для создания этой системы.

Практическая значимость диссертационной работы подтверждается включением тематики проводимых исследований в научнотехнический проект по госбюджетной теме № 7242 «Снижение риска получения некачественной продукции за счет научнообоснованных методов, приборов и систем автоматического контроля безопасности сырья, полуфабрикатов и готовых продуктов питания», выполняемой по аналитической ведомственной целевой программе «Развитие научного потенциала высшей школы» Министерства образования и науки Российской Федерации (2008 — 2010 г.).

Кроме того практическая значимость данного труда подтверждается получением гранта Федерального агентства по образованию Министерства образования и науки Российской Федерации (проект № 7413: «Формирование и развитие кластера высших учебных заведений для интеграции научных и научно-образовательных ресурсов в области автоматизации и информатизации.

14 пищевой биотехнологии") по федеральной целевой программе «Развитие научного потенциала высшей школы (2009;2010 годы)» (мероприятие: № 2 «Проведение фундаментальных исследований в области естественных, технических и гуманитарных наук. Научно-методическое обеспечение развития инфраструктуры вузовской науки», раздел: № 2.2 «Научно-методическое обеспечение развития инфраструктуры вузовской науки», подраздел: 2.2.1. «Развитие механизмов интеграции научной и образовательной деятельности и интегрированных научно-образовательных структур. Развитие инфраструктуры информационно-аналитического обеспечения научных исследований высшей школы», направление: 2.2.1.2. «Развитие инфраструктуры. информационно-аналитического обеспечения научных исследований высшей школы»).

Разделы исследования, посвященные использованию интеллектуальных технологий в кондитерской промышленности, были включены в тематику НИР Московского государственного университета прикладной биотехнологии (МГУПБ) (2009 -2010 гг.). Тема диссертационной работы соответствует плану НИР кафедры «Автоматизация биотехнических систем» МГУПБ.

Апробация работы.

Основные .положения диссертационной работы были обсуждены и одобрены на:

• П-ом Испанско-Российском Форуме по информационным и коммуникационным технологиям, Мадрид, 2009 г.

• Х-ой Всероссийской выставке научно-технического творчества молодежи «НТТМ-2010».

• Международной научной конференции студентов и молодых ученых «Экологически безопасные, ресурсосберегающие технологии и средства переработки сельскохозяйственного сырья и производства продуктов питания», МГУПБ, 2009 г.

• И-ой Конференции молодых ученых «Реология и физико-химическая механика гетерофазных систем», 2009 г.

• X Международная научнопрактическая конференция «Автоматизация и информационное обеспечение производственных процессов в сельском хозяйстве», Углич, 2009 г.

• Семинаре академика РАСХН Рогова И. А. «Интенсификация и автоматизация технологических процессов обработки пищевых продуктов», МГУПБ, 2009 г.

• Электронной научной* конференции на основе Интернет-форума, научно-информационного издательского центра и редакции журнала «В мире науки», 2009 г.,.

Получено свидетельство Всероссийской Выставки Научно-технического Творчества Молодежи о результативном участии в создании и успешной <. демонстрации научно-технического проекта.

Разработанная система контроля влажности кондитерских изделий, внедрена и введена в эксплуатацию в конфетном цехе ОАО «МКФ Красныйл Октябрь». Результаты диссертационной работы внедрены в учебный процесс кафедры «Автоматизация биотехнических систем» ГОУ ВПО Московского государственного университета прикладной биотехнологии по следующим дисциплинам: «Моделирование систем», «Технические средства автоматизации» и «Проектирование автоматизированных систем» о чем свидетельствуют соответствующие акты внедрения.

По итогам работы подготовлены две заявки на изобретения.

Публикации.

По теме диссертационной работы опубликовано 4 печатные работы.

• Результаты работы внедрены на ОАО «МКФ Красный Октябрь», а также в учебном процессе ГОУ ВПО Московского государственного университета прикладной биотехнологии студентов специальности 220 301 — «Автоматизация технологических процессов и производств».

СПИСОК ИСПОЛЬЗУЕМЫХ СОКРАЩЕНИЙ.

ПО — программное обеспечение.

АСУ ТП — автоматизированная система управления технологическим процессом.

ИНС — искусственная нейронная сеть НС — нейронная сеть СУ — система управления.

ПЛК — программируемый логический контроллер СУБД — система управления базой данных ЧМИ — человеко-машинный интерфейс СКМ — система компьютерной математики 111 111 — пакет прикладных программ.

ЗАКЛЮЧЕНИЕ

И ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ.

Систематизированы и обоснованы решения проблемы автоматизации контроля влажности кондитерских масс с применением интеллектуальных технологий.

Проведен анализ, обобщение и систематизация направлений использования ИНС в различных отраслях промышленности (в том числе в пищевой) для автоматического контроля влажности пищевых масс. Обоснованы наиболее перспективные направления автоматизации влажности кондитерских масс на основе применения аппарата искусственных нейронных сетей.

Сформулированы предложения для обеспечения широкого использования в кондитерской промышленности аппарата ИНС, являющегося одним из перспективных направлений развития теории искусственного интеллекта.

Разработаны теоретические и методологические основы автоматического контроля влажности кондитерских изделий (на примере процесса приготовления сахаропаточного сиропа линии производства конфет из мягкого грильяжа), в частности впервые разработаны и апробированы:

Метод автоматизации контроля влажности кондитерских масс. Способ автоматического контроля влажности кондитерских масс в потоке, основанный на внедрении в СУ технологическим процессом виртуального датчика, построенного на алгоритмах ИНС. Методика автоматического контроля влажности кондитерских масс в режиме реального времени (на примере процесса приготовления сахаропаточного сиропа линии производства конфет из мягкого грильяжа).

Нейросетевая модель процесса уваривания сахаропаточного сиропа.

• Алгоритмическое и математическое обеспечение задачи автоматизации контроля влажности кондитерских масс.

• Основные правила использования алгоритмов ИНС для создания виртуальных датчиков контроля влажности кондитерских масс.

• Методика и алгоритм проектирование архитектуры комплекса системы автоматического контроля влажности.

• Проведены комплексные экспериментальные исследования и проанализирован технологический процесс производства сахаристых кондитерских изделий (на примере процесса уваривания сахаро-паточного сиропа линии производства конфет из мягкого грильяжа. Выявлены и проанализированы зависимости между измеряемыми в процессе производства кондитерских изделий и влажностью увариваемого сахаропаточного сиропа. На основе исследования экспериментальных данных разработана структура ПАК виртуального датчика, реализующего способ автоматического контроля влажности сахаристых кондитерских изделий.

• Сформулирована математическая постановка задачи автоматизации контроля влажности кондитерских масс на примере процесса уваривания сахаропаточного сиропа линии производства конфет из мягкого грильяжа. Разработаны математические модели, алгоритмы и программы для реализации методов автоматического контроля влажности кондитерских масс.

• На основе нейросетевых алгоритмов разработан и апробирован виртуальный датчик влажности автоматического контроля влажности кондитерских масс в процессах приготовления сахаристых кондитерских изделий.

• Даны рекомендации по применению разработанного способа для построения системы регулирования влажности в процессе уваривания сахаропаточного сиропа для приготовления конфет мягкого грильяжа.

• Разработана оптимальная НСМ для автоматизации регулирования влажности увариваемой кондитерской массы. Проведена экспериментальная проверка результатов исследования на промышленном оборудовании линии производства конфет из мягкого грильяжа.

• На базе современного программного и аппаратного обеспечения разработаны технические решения и практические рекомендации по функционированию программноаппаратного комплекса контроля влажности кондитерских масс в автоматическом режиме для применения на автоматизированных технологических линиях кондитерских предприятий, с возможностью интеграции в АСУ ТП.

• На основании данных, получаемых при апробации созданного виртуального датчика, разработана система регулирования влажности увариваемого сахаро-паточного сиропа для приготовления конфет из мягкого грильяжа.

• Сформулированы требования к АСУ ТП приготовления сахаро-паточного сиропа линии производства конфет из мягкого грильяжа для возможности интеграции в нее виртуального датчика. Даны рекомендации и обоснования по выбору технических средств и программного обеспечения, необходимых для создания этой системы.

• Разработаны схемы и способ интеграции ПАК виртуального датчика в АСУ ТП при производстве кондитерских изделий.

• Проведена экспериментальная проверка результатов исследования на промышленном оборудовании.

Показать весь текст

Список литературы

  1. А.Н. Нечеткие множества в моделях управления иискусственного интеллекта —М.: Наука, 1986.
  2. И., Смирнов А., Смирнова Е. MATLAB 7.0 в подлиннике -Новая техническая книга, 2005.
  3. Андреев Е. SCADA-системы: взгляд изнутри М.: Москва, 2004.
  4. Р., Уилсон М. Детекторы для газовой хроматографии. — М.: Мир, 1993.
  5. Г. Автоматизация посредством STEP 7 с использованием STL и SCL и программируемых контроллеров SIMATIC S7−300/400 -Siemens, 2001.
  6. Бойерл Х.-П., Бах-Беценар Г. Коммуникация в технике автоматизации Siemens, 1991.
  7. А.Г. Методы управления в системах с распределенными параметрами. М.: Наука, 1975.
  8. А.И. Теория нейронных сетей. Книга 1. — М.: ИПРЖР, 2000.
  9. В.Г. Образный анализ экспериментальных данных. М.: Наука, 1982.
  10. И.В., Новикова Н. В., Карушева Н. В. Основы кондитерского производства-М.: Колос, 1996.
  11. А.И., Высоцкая JI.E., Михайлова Т. В. Химия вкуса и запаха мясных продуктов. Киев: Наук, думка, 1985.
  12. А.Н. Обучение нейронных сетей. — М.: СП «ParaGraph», 1990.
  13. ГОСТ 6534–89 «Шоколад. Общие технические условия"-t
  14. ГОСТ Р ИСО 3972−2005 «Органолептический анализ. Методология. Метод исследования вкусовой чувствительности».
  15. В.В. Компьютерное управление технологическим процессом, экспериментом, оборудованием. М.: Горячая линия-телеком, 2009.
  16. .Ф. Автоматический контроль состава и свойств пищевых продуктов — М.: Пищевая промышленность, 1968.
  17. Р., Бишоп Р. Современные системы управления: Перевод с английского — Лаборатория базовых знаний, 2002.
  18. Е.Г., Балакирев B.C., Кривсунов В. Н., Цирлин A.M. Построение математических моделей химико-технологических объектов. Л.: Химия, 1970.
  19. А.И. Оборудование для производства сахарных кондитерских изделий. Учебник для Вузов. М., ИРПО, Академия. 2000.
  20. А. И., Осташенкова Н. В., Войно Л. И. Шоколад, пралине (сырье, технология, оборудование, технохимический и микробиологический контроль). -М.: ДеЛи принт, 2007.
  21. ., Оделл П. Кластерный анализ. М.: Статистика, 1976.
  22. В.П., Круглов В. А. Математические пакеты расширения MATLAB. Специальный справочник. СПб: Питер. 2001.
  23. Дьяконов В.П. Matlab 6.5 SP 1/7 + Simulink 5/6 в математике и моделировании —М.: COJIOH-Пресс, 2005.
  24. A.C., Шумский С. С. Нейрокомпьютинг и его применение в экономике и бизнесе. М.: Мир, 1998.
  25. М. Иерархический кластер анализ и соответствия. — М.: Финансы и статистика, 1988.
  26. A.B. Технология кондитерского производства — Воронеж, 1999. '
  27. С.П. Теория вероятностей и математическая статистика на базе MATLAB Харьков: Издательство НТУ «ХПИ», 2006.
  28. A.B., Коренман Я. И., Нифталиев С. И. Искусственные нейронные сети — вчера, сегодня, завтра. Воронеж: ВГТА, 2002.
  29. Р.В. Химические сенсоры, М.: Научный мир, 2000.
  30. .В. Техно-химический контроль кондитерского производства -М.: Пищепромиздат, 1956.
  31. Карпин Е. Б Автоматизация технологических процессов пищевых производств — М.: Агропромиздат, 1985.
  32. Р. Основные концепции нейронных сетей. — М.: Издательский дом «Вильяме», 2003.
  33. В.М., Матисон В. А., Фоменко М. А. Сенсорный анализ продуктов питания. -М.: Типография РАСХН, 2003.
  34. A.C., Глазов Б. В., Дубровский А. Х., Клюев A.A. Проектирование систем автоматизации технологических процессов — М.: Энергоатомиздат, 1990.
  35. Г. Р. Производство шоколадных изделий М.: Пищевая промышленность, 1966.
  36. В.Д., Винничек Л. Б., Кочетова Г. Н. и др. Организация и управление производством — М.: КолосС, 2005.
  37. Т. Ассоциативные запоминающие устройства. М.: Мир, 1982.
  38. В., Королев С. Matlab как система программирования научно-технических расчетов М.: Мир, 2002.
  39. В.И., Смирнов Д. А. Нейронные сети и их применение в системах управления и связи — М.: Горячая линия-телеком, 2003.
  40. В.И., Смирнов Д. А. Введение нейро-информационные технологии СПб.: Тема, 1999.
  41. В.В., Борисов H.H. Искусственные нейронные сети. Теория и практика. М.: Горячая линия — Телеком, 2001.
  42. В.В., Борисов B.B. Искусственные нейронные сети. Теория и практика -М.: Горячая линия-телеком, 2001.
  43. К. Работа с ионоселективными электродами. М.: Мир, 1980.
  44. Т.А. Применение метода пьезокварцевого микровзвешивания в аналитической химии. Воронеж: изд. ВГТА, 2001.
  45. И.С. Технохимический контроль сырья в кондитерском производстве. Справочник. -М.: агропромиздат, 1987.
  46. A.B. Нечеткое моделирование в среде МАТЪАВ и fuzzyTECH. СПб.: БХВ — Петербург, 2003.
  47. Д. Магическое число семь, плюс или минус два. В кн.: Инженерная психология. М, 1964.
  48. . Шоколад, конфеты, карамель и другие кондитерские изделия. М.: Профессия, 2005.
  49. Х.И., Ринне X. Статистические методы обеспечения качества -М.: Машиностроение, 1995.
  50. . Программируемые контроллеры. Архитектура и применение-М.: Машиностроение, 1992.
  51. С.О. Нейроны и нейронные сети. (Введение в теорию формальных нейронов) — М.: Энергия, 1971.
  52. И.И., Пейперт С. Перцептроны. М.: Мир, 1971.102
  53. B.C., Потемкин В. Г. «Нейронные сети. MATLAB б» М.: Диалог-МИФИ, 2002.
  54. Н.Д. Кластерный анализ. — М.: Финансы и статистика, 1988.
  55. В.В. Пьзорезонансные датчики. М.: Энергоатомиздат, 1989.
  56. A.JI. Проектирование АСУТП. Методическое пособие. Книга 1 СПб.: Деан, 2006.
  57. О.И. Современные средства автоматизации. — М.: Солон-пресс, 2006.
  58. С. Нейронные сети для обработки информации. М.: Финансы и статистика, 2002.
  59. Г., Пиани Д. Цифровые системы автоматизации и управления СПб.: Невский диалект, 2001.
  60. Э. Программируемые контроллеры. Руководство для инженера — М.: Бином. Лаборатория знаний, 2007.
  61. И.К. Технологические измерения и приборы в пищевой промышленности. -М.: Агропромиздат, 1985.
  62. И.В. Программируемые контроллеры. Стандартные языки и инструменты. -М.: Солон-Пресс, 2003.
  63. Порншев C.B. MATLAB 7. Основы работы и программирования. Учебник -М.: «Бином. Лаборатория знаний», 2006 г.
  64. В.М. Кондитерские изделия. Практическое учебное пособие. Кемерово: КТИПП, 1999.
  65. В.Г. Система MATLAB. Справочное пособие — М.: Диалог-МИФИ, 1997.
  66. Прикладные нечеткие системы. / Под ред. Т. Тэрано, К. Асаи, М. Сученко. — М.: Мир, 1993.
  67. В.Г. Вычисления в среде MATLAB — М.: Диалог-МИФИ. 2004.
  68. Т.Г., Вукс Г. А. Дегустационный анализ продуктов. — М.: Колос, 1994.
  69. С.С. Классификационная проблема в современной науке — Новосибирск: Наука, 1986.
  70. Д., Пилиньский М., Рутковский JI. Нейронные сети, генетические алгоритмы и нечеткие системы — М.: Горячая линия-телеком, 2006.
  71. К.И., Бражников В. В., Волков С. А. и др. Аналитическая хроматография М.: Химия, 1993.
  72. Т.М. Справочник дегустатора рыбной продукции — М.: ВНИРО, 1998.
  73. А.Г., Ярославский М. И. Пьезоэлектричество кварца и кварцевые резонаторы -М.: Энергия, 1970.
  74. P.P. Кластер анализ и классификация: основные направления — М., 1980.
  75. М. Введение в математическое моделирование — Солон-Р, 2002.
  76. И.С., Клюкин В. И., Пивоварова Р. П. Нейронные сети. — Воронеж: ВГУ, 1994.
  77. В.А., Ефимов Д. В., Тюкин И. Ю. Нейросетевые системы управления. Уч. Пособие для вузов. М.: Высшая школа, 2002.
  78. Т., Асаи К., Сугэно М. М.: Мир, 1993.
  79. Ф. Нейрокомпыотерная техника: теория и практика. — М.: Мир, 1992.
  80. С.Д. Проектирование нечетких систем средствами MATLAB— М.: Горячая Линия Телеком, 2007 г.
  81. E.H., Пирогов A.B. Хроматографические методы анализа.1. М.: МГУ, 2007.
  82. P.A. Организация производства М.: ИНФРА-М, 2000.
  83. Федоров Ю. Н. Справочник инженера по АСУТП: Проектирование и разработка -М.: Инфра-Инженерия, 2008.
  84. Черных И. Simulink: среда создания инженерных приложений -М.:Диалог-МИФИ, 2003.
  85. И.Н., Царев В. И., Катраков И. Б. Практическая газовая хроматография. Барнаул: АтлГУ, 2000.
  86. Beckett S.T. Science of chocolate. RSCPublishing, 2008.
  87. Gardner- J., Bartlett P. Electronic Noses: Principles and Applications Oxford University Press, 1998.
  88. Garner W.R., Hake H.W., Eriksen C.W. Operationism and the concept of perception. Psychol. Rev, 1956.
  89. Haykin S., Neural networks a Comprehensive Foundation, Second Edition Prentice Hall, Inc., 1999.
  90. Kohonen T., «Self-Organizing Maps», Springer, 1995
  91. T., «Self-Organizing Maps»(2-nd edition), Springer, 1997.
  92. T., Huang T.S., Schroeder M.R. «Self-Organizing Maps»(Third edition), Springer, 2003.
  93. Mahnke W OPC Unified Architecture Springer-Verlag, 2009.
  94. Legin A., Rudnitskaya A., Vlasov Yu., Di Natale C., D’Amico A. Sensors and Actuators B, 1999.
  95. Legin A., Rudnitskaya A., Vlasov Yu. In: Integrated Analytical Systems, Comprehensive Analytical Chemistry. V. XXXIX. Ed. S. Alegret. Amsterdam: Elsevier, 2003.
  96. Newton D. E. Food Chemestry Facts On File, Inc., 2007.
  97. Swingler K. Applying Neural Networks. A Practical Guide Morgan Kaufman Publishers.
  98. Sun D.W. Modern Techniques for food authentication — Academic Press, 2008.
  99. Principe J. Euliano N. Lefebvre C. Neural and Adaptive Systems. Fundamentals through Simulation John Wiley & Sons.
  100. Trion R.G. Cluster analysis L.: Ann Arbor Edwards Bros., 1939.
  101. Wong M.A. A hybrid clustering method for identifying hign JASA, 1982.
  102. Wilson C.I. Threapleton L. Application Of Artificial Intelligence For Predicting Beer Flavours From Chemical Analysis European Brewery Convention, from the Proceedings of the 29th EBC Congress — Dublin, 2003.
  103. Zurada J. Introduction to Artificial Neural Systems West Publishing Company, 1994.
  104. Операция Оборудование Объект контроля Параметр контроля Единицы измерения шш шах ## 1 2 3 4 5 6
  105. Промежуточное хранение патоки Буферный бак патоки Патока Температура «С 70 80 I 76,2 73,1 79,1 73,2 76,8 73,6
  106. Промежуточное хранение пюре яблочного Буферные баки пюре яблочного Пюре яблочное Температура °С 70 80 II 73,6 78,3 78,2 74,9 74,9 70,1
  107. Дозирование компонентов Рецептурные весы Патока Вес % 15,73 17,02 III 16,7 16,3 15,8 16,8 16,7 16,1
  108. Пюре яблочное Вес % 9,27 10,1 IV 10,1 9,4 9,7 10 9,5 10
  109. Сахар Вес % 72,87 75,01 V 74,9 74 73,5 73 74,6 73,6
  110. Уваривание сахаро-паточного сиропа Варочный котел Сироп Температура °С 124 126 VI 124 124,9 125 126 125 125
  111. Давление Мпа 0,4 0,6 VII 0,5 0,6 0,4 0,6 0,6 0,5
  112. Паровая рубашка котла Пар Давление Мпа 5,5 6,5 VIII 5,9 6,5 5,6 6,2 6,4 6,5
  113. Участок линии Процесс Время сек. 620 700 IX 635 669,7 665 642 665 6791. Лабораторные анализы
  114. Объект контроля Нормативная документация Параметр контроля Тип измерений Единицы измерения тш шах ## 1 2 3 4 5 6
  115. Патока ГОСТ Р 52 060−2003 Вкус Органолептика Ранжирование 0 10 X 9,6 3,3 0,8 1,6 7,6 3,2
  116. Запах Органолептика Ранжирование 0 10 XI 0,6 7,1 3,3 9,9 4,1 5,5
  117. Цвет Органолептика Ранжирование 0 10 XII 6,6 8,7 10 2,1 0,1 9
  118. Массовая доля сухого вещества Рефрактометр % 78 80,3 XII 79,7 79,6 78,8 79,7 78,2 78,5
  119. Массовая доля редуцирующих веществ Метод Лейна-Эйнона % 36 44 XIV 36,7 36,6 36 40,2 41,2 40,6
  120. Массовая доля общей золы Сжигание в муфельной печи % 0,38 0,4 XV 0,4 0,4 0,4 0,4 0,4 0,4
  121. Водородный показатель Измерение рН-метром конц. 25,3 26 XVI 26 25,8 25,7 25,8 25,5 25,5
  122. Кислотность Метод нейтрализации кислот конц. 16,44 17 XVII 16,5 16,8 16,7 16,5 17 16,8
  123. Содержание диоксида серы Окисление раствором йода мг/кг 37,56 40 XVII 38,1 38,5 39,5 39,7 38,1 39,9
  124. Температура карамельной пробы Нагрев °с 143 145 XIX 144 144,2 144 145 144 143
Заполнить форму текущей работой

Пора сдавать?