Автоматизация контроля влажности кондитерских масс с применением интеллектуальных технологий
Диссертация
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
- 1. 1. Анализ особенностей технологического процесса уваривания сахаро-паточного сиропа для приготовления конфет из мягкого грильяжа
- 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
- 3. 1. Подбор архитектуры нейронной сети и алгоритма обучения для реализации нейросетевой модели
- 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
Список литературы
- Аверин А.Н. Нечеткие множества в моделях управления иискусственного интеллекта —М.: Наука, 1986.
- Ануфриев И., Смирнов А., Смирнова Е. MATLAB 7.0 в подлиннике -Новая техническая книга, 2005.
- Андреев Е. SCADA-системы: взгляд изнутри М.: Москва, 2004.
- Баффингтон Р., Уилсон М. Детекторы для газовой хроматографии. — М.: Мир, 1993.
- Бергер Г. Автоматизация посредством STEP 7 с использованием STL и SCL и программируемых контроллеров SIMATIC S7−300/400 -Siemens, 2001.
- Бойерл Х.-П., Бах-Беценар Г. Коммуникация в технике автоматизации Siemens, 1991.
- Бутковский А.Г. Методы управления в системах с распределенными параметрами. М.: Наука, 1975.
- Галушкин А.И. Теория нейронных сетей. Книга 1. — М.: ИПРЖР, 2000.
- Гришин В.Г. Образный анализ экспериментальных данных. М.: Наука, 1982.
- Герасимова И.В., Новикова Н. В., Карушева Н. В. Основы кондитерского производства-М.: Колос, 1996.
- Грень А.И., Высоцкая JI.E., Михайлова Т. В. Химия вкуса и запаха мясных продуктов. Киев: Наук, думка, 1985.
- Горбань А.Н. Обучение нейронных сетей. — М.: СП «ParaGraph», 1990.
- ГОСТ 6534–89 «Шоколад. Общие технические условия"-t
- ГОСТ Р ИСО 3972−2005 «Органолептический анализ. Методология. Метод исследования вкусовой чувствительности».
- Денисенко В.В. Компьютерное управление технологическим процессом, экспериментом, оборудованием. М.: Горячая линия-телеком, 2009.
- Дикий Б.Ф. Автоматический контроль состава и свойств пищевых продуктов — М.: Пищевая промышленность, 1968.
- Дорф Р., Бишоп Р. Современные системы управления: Перевод с английского — Лаборатория базовых знаний, 2002.
- Дудников Е.Г., Балакирев B.C., Кривсунов В. Н., Цирлин A.M. Построение математических моделей химико-технологических объектов. Л.: Химия, 1970.
- Драгилев А.И. Оборудование для производства сахарных кондитерских изделий. Учебник для Вузов. М., ИРПО, Академия. 2000.
- Драгилев А. И., Осташенкова Н. В., Войно Л. И. Шоколад, пралине (сырье, технология, оборудование, технохимический и микробиологический контроль). -М.: ДеЛи принт, 2007.
- Дюран Б., Оделл П. Кластерный анализ. М.: Статистика, 1976.
- Дьяконов В.П., Круглов В. А. Математические пакеты расширения MATLAB. Специальный справочник. СПб: Питер. 2001.
- Дьяконов В.П. Matlab 6.5 SP 1/7 + Simulink 5/6 в математике и моделировании —М.: COJIOH-Пресс, 2005.
- Ежов A.C., Шумский С. С. Нейрокомпьютинг и его применение в экономике и бизнесе. М.: Мир, 1998.
- Жамбю М. Иерархический кластер анализ и соответствия. — М.: Финансы и статистика, 1988.
- Зубченко A.B. Технология кондитерского производства — Воронеж, 1999. '
- Иглин С.П. Теория вероятностей и математическая статистика на базе MATLAB Харьков: Издательство НТУ «ХПИ», 2006.
- Калач A.B., Коренман Я. И., Нифталиев С. И. Искусственные нейронные сети — вчера, сегодня, завтра. Воронеж: ВГТА, 2002.
- Катралл Р.В. Химические сенсоры, М.: Научный мир, 2000.
- Кафка Б.В. Техно-химический контроль кондитерского производства -М.: Пищепромиздат, 1956.
- Карпин Е. Б Автоматизация технологических процессов пищевых производств — М.: Агропромиздат, 1985.
- Каллан Р. Основные концепции нейронных сетей. — М.: Издательский дом «Вильяме», 2003.
- Кантере В.М., Матисон В. А., Фоменко М. А. Сенсорный анализ продуктов питания. -М.: Типография РАСХН, 2003.
- Клюев A.C., Глазов Б. В., Дубровский А. Х., Клюев A.A. Проектирование систем автоматизации технологических процессов — М.: Энергоатомиздат, 1990.
- Кокашинский Г. Р. Производство шоколадных изделий М.: Пищевая промышленность, 1966.
- Коротнев В.Д., Винничек Л. Б., Кочетова Г. Н. и др. Организация и управление производством — М.: КолосС, 2005.
- Кохонен Т. Ассоциативные запоминающие устройства. М.: Мир, 1982.
- Кондратов В., Королев С. Matlab как система программирования научно-технических расчетов М.: Мир, 2002.
- Комашинский В.И., Смирнов Д. А. Нейронные сети и их применение в системах управления и связи — М.: Горячая линия-телеком, 2003.
- Комашинский В.И., Смирнов Д. А. Введение нейро-информационные технологии СПб.: Тема, 1999.
- Круглов В.В., Борисов H.H. Искусственные нейронные сети. Теория и практика. М.: Горячая линия — Телеком, 2001.
- Круглов В.В., Борисов B.B. Искусственные нейронные сети. Теория и практика -М.: Горячая линия-телеком, 2001.
- Камман К. Работа с ионоселективными электродами. М.: Мир, 1980.
- Кучменко Т.А. Применение метода пьезокварцевого микровзвешивания в аналитической химии. Воронеж: изд. ВГТА, 2001.
- Лурье И.С. Технохимический контроль сырья в кондитерском производстве. Справочник. -М.: агропромиздат, 1987.
- Леоненков A.B. Нечеткое моделирование в среде МАТЪАВ и fuzzyTECH. СПб.: БХВ — Петербург, 2003.
- Миллер Д. Магическое число семь, плюс или минус два. В кн.: Инженерная психология. М, 1964.
- Минифай Б. Шоколад, конфеты, карамель и другие кондитерские изделия. М.: Профессия, 2005.
- Миттаг Х.И., Ринне X. Статистические методы обеспечения качества -М.: Машиностроение, 1995.
- Мишель Ж. Программируемые контроллеры. Архитектура и применение-М.: Машиностроение, 1992.
- Мкртчян С.О. Нейроны и нейронные сети. (Введение в теорию формальных нейронов) — М.: Энергия, 1971.
- Минский И.И., Пейперт С. Перцептроны. М.: Мир, 1971.102
- Медведев B.C., Потемкин В. Г. «Нейронные сети. MATLAB б» М.: Диалог-МИФИ, 2002.
- Мандель Н.Д. Кластерный анализ. — М.: Финансы и статистика, 1988.
- Малов В.В. Пьзорезонансные датчики. М.: Энергоатомиздат, 1989.
- Нестеров A.JI. Проектирование АСУТП. Методическое пособие. Книга 1 СПб.: Деан, 2006.
- Николайчук О.И. Современные средства автоматизации. — М.: Солон-пресс, 2006.
- Осовский С. Нейронные сети для обработки информации. М.: Финансы и статистика, 2002.
- Олссон Г., Пиани Д. Цифровые системы автоматизации и управления СПб.: Невский диалект, 2001.
- Парр Э. Программируемые контроллеры. Руководство для инженера — М.: Бином. Лаборатория знаний, 2007.
- Петров И.К. Технологические измерения и приборы в пищевой промышленности. -М.: Агропромиздат, 1985.
- Петров И.В. Программируемые контроллеры. Стандартные языки и инструменты. -М.: Солон-Пресс, 2003.
- Порншев C.B. MATLAB 7. Основы работы и программирования. Учебник -М.: «Бином. Лаборатория знаний», 2006 г.
- Позняковский В.М. Кондитерские изделия. Практическое учебное пособие. Кемерово: КТИПП, 1999.
- Потемкин В.Г. Система MATLAB. Справочное пособие — М.: Диалог-МИФИ, 1997.
- Прикладные нечеткие системы. / Под ред. Т. Тэрано, К. Асаи, М. Сученко. — М.: Мир, 1993.
- Потемкин В.Г. Вычисления в среде MATLAB — М.: Диалог-МИФИ. 2004.
- Родина Т.Г., Вукс Г. А. Дегустационный анализ продуктов. — М.: Колос, 1994.
- Розонова С.С. Классификационная проблема в современной науке — Новосибирск: Наука, 1986.
- Рутковская Д., Пилиньский М., Рутковский JI. Нейронные сети, генетические алгоритмы и нечеткие системы — М.: Горячая линия-телеком, 2006.
- Сакодынский К.И., Бражников В. В., Волков С. А. и др. Аналитическая хроматография М.: Химия, 1993.
- Сафронова Т.М. Справочник дегустатора рыбной продукции — М.: ВНИРО, 1998.
- Смагин А.Г., Ярославский М. И. Пьезоэлектричество кварца и кварцевые резонаторы -М.: Энергия, 1970.
- Сокал P.P. Кластер анализ и классификация: основные направления — М., 1980.
- Семененко М. Введение в математическое моделирование — Солон-Р, 2002.
- Суровцев И.С., Клюкин В. И., Пивоварова Р. П. Нейронные сети. — Воронеж: ВГУ, 1994.
- Терехов В.А., Ефимов Д. В., Тюкин И. Ю. Нейросетевые системы управления. Уч. Пособие для вузов. М.: Высшая школа, 2002.
- Тэрано Т., Асаи К., Сугэно М. М.: Мир, 1993.
- Уоссерман Ф. Нейрокомпыотерная техника: теория и практика. — М.: Мир, 1992.
- Штовба С.Д. Проектирование нечетких систем средствами MATLAB— М.: Горячая Линия Телеком, 2007 г.
- Шаповалова E.H., Пирогов A.B. Хроматографические методы анализа.1. М.: МГУ, 2007.
- Фатхутдинов P.A. Организация производства М.: ИНФРА-М, 2000.
- Федоров Ю. Н. Справочник инженера по АСУТП: Проектирование и разработка -М.: Инфра-Инженерия, 2008.
- Черных И. Simulink: среда создания инженерных приложений -М.:Диалог-МИФИ, 2003.
- Царев И.Н., Царев В. И., Катраков И. Б. Практическая газовая хроматография. Барнаул: АтлГУ, 2000.
- Beckett S.T. Science of chocolate. RSCPublishing, 2008.
- Gardner- J., Bartlett P. Electronic Noses: Principles and Applications Oxford University Press, 1998.
- Garner W.R., Hake H.W., Eriksen C.W. Operationism and the concept of perception. Psychol. Rev, 1956.
- Haykin S., Neural networks a Comprehensive Foundation, Second Edition Prentice Hall, Inc., 1999.
- Kohonen T., «Self-Organizing Maps», Springer, 1995
- Kohonen T., «Self-Organizing Maps»(2-nd edition), Springer, 1997.
- Kohonen T., Huang T.S., Schroeder M.R. «Self-Organizing Maps»(Third edition), Springer, 2003.
- Mahnke W OPC Unified Architecture Springer-Verlag, 2009.
- Legin A., Rudnitskaya A., Vlasov Yu., Di Natale C., D’Amico A. Sensors and Actuators B, 1999.
- Legin A., Rudnitskaya A., Vlasov Yu. In: Integrated Analytical Systems, Comprehensive Analytical Chemistry. V. XXXIX. Ed. S. Alegret. Amsterdam: Elsevier, 2003.
- Newton D. E. Food Chemestry Facts On File, Inc., 2007.
- Swingler K. Applying Neural Networks. A Practical Guide Morgan Kaufman Publishers.
- Sun D.W. Modern Techniques for food authentication — Academic Press, 2008.
- Principe J. Euliano N. Lefebvre C. Neural and Adaptive Systems. Fundamentals through Simulation John Wiley & Sons.
- Trion R.G. Cluster analysis L.: Ann Arbor Edwards Bros., 1939.
- Wong M.A. A hybrid clustering method for identifying hign JASA, 1982.
- 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.
- Zurada J. Introduction to Artificial Neural Systems West Publishing Company, 1994.
- Операция Оборудование Объект контроля Параметр контроля Единицы измерения шш шах ## 1 2 3 4 5 6
- Промежуточное хранение патоки Буферный бак патоки Патока Температура «С 70 80 I 76,2 73,1 79,1 73,2 76,8 73,6
- 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
- Дозирование компонентов Рецептурные весы Патока Вес % 15,73 17,02 III 16,7 16,3 15,8 16,8 16,7 16,1
- Пюре яблочное Вес % 9,27 10,1 IV 10,1 9,4 9,7 10 9,5 10
- Сахар Вес % 72,87 75,01 V 74,9 74 73,5 73 74,6 73,6
- Уваривание сахаро-паточного сиропа Варочный котел Сироп Температура °С 124 126 VI 124 124,9 125 126 125 125
- Давление Мпа 0,4 0,6 VII 0,5 0,6 0,4 0,6 0,6 0,5
- Паровая рубашка котла Пар Давление Мпа 5,5 6,5 VIII 5,9 6,5 5,6 6,2 6,4 6,5
- Участок линии Процесс Время сек. 620 700 IX 635 669,7 665 642 665 6791. Лабораторные анализы
- Объект контроля Нормативная документация Параметр контроля Тип измерений Единицы измерения тш шах ## 1 2 3 4 5 6
- Патока ГОСТ Р 52 060−2003 Вкус Органолептика Ранжирование 0 10 X 9,6 3,3 0,8 1,6 7,6 3,2
- Запах Органолептика Ранжирование 0 10 XI 0,6 7,1 3,3 9,9 4,1 5,5
- Цвет Органолептика Ранжирование 0 10 XII 6,6 8,7 10 2,1 0,1 9
- Массовая доля сухого вещества Рефрактометр % 78 80,3 XII 79,7 79,6 78,8 79,7 78,2 78,5
- Массовая доля редуцирующих веществ Метод Лейна-Эйнона % 36 44 XIV 36,7 36,6 36 40,2 41,2 40,6
- 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
- Водородный показатель Измерение рН-метром конц. 25,3 26 XVI 26 25,8 25,7 25,8 25,5 25,5
- Кислотность Метод нейтрализации кислот конц. 16,44 17 XVII 16,5 16,8 16,7 16,5 17 16,8
- Содержание диоксида серы Окисление раствором йода мг/кг 37,56 40 XVII 38,1 38,5 39,5 39,7 38,1 39,9
- Температура карамельной пробы Нагрев °с 143 145 XIX 144 144,2 144 145 144 143