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

Автоматизированная система учета контроля и безопасности производства благородных металлов из отходов электротехнических производств

Диссертация: Автоматизированная система учета контроля и безопасности производства благородных металлов из отходов электротехнических производств
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

В. структуру автоматизированной системы управления следует ввести fuzzy регулятор, схема которого получена путем реструктуризации параллельной схемы управления на основе fuzzy модели, которая состоит из базы нечетких правил, блоков фазификации и дефазификации и выбора способа управления, обеспечивает повышение качества управления по величине перерегулирования, времени переходного процесса… Читать ещё >

Содержание

  • Условные обозначения
  • Глава 1. Современная технология переработки РЭЛ и АСУТП
    • 1. 1. Процессы, протекающие при производстве благородных металлов из радиоэлектронного лома
      • 1. 1. 2. Обогащение лома, содержащего благородные металлы
      • 1. 1. 3. Плавка обогащенного лома
    • 1. 1. АЭлектролиз продуктов радиоэлектронного лома
      • 1. 1. 5. Извлечение благородных металлов из электролитных шламов
      • 1. 1. 6. Переработка шламов электролиза серебра
    • 1. 2. Применение теории управления в проектировании АСУТП
  • Выводы по I главе
  • Глава 2. Материальный баланс процессов извлечения благородных металлов из отходов РЭЛ по Аи и Ag
    • 2. 1. Общие положения материального баланса
    • 2. 2. Материальный баланс по благородным металлам переработки
  • РЭЛ на Ре-М-Со основе
    • 2. 3. Материальный баланс по драгоценным металлам переработки
  • РЭЛ на медной основе
    • 2. 4. Материальный баланс по драгоценным металлам переработки
  • РЭЛ на Аи
  • основе
  • Выводы по главе 2
  • Глава 3. Применение теории нечетких множеств и нечеткой логики в системах управления
    • 3. 1. Основные понятия и определения
    • 3. 2. Типы функций принадлежности
    • 3. 3. Нечеткие и лингвистические переменные
    • 3. 5. Системы нечеткого вывода Мамдани-Заде
    • 3. 6. Нечеткие системы управления
    • 3. 7. Определение входных и выходных параметров модели, постановка задач моделирования
    • 3. 8. Применение программного пакета МаЙаЬ для моделирования
    • 3. 9. Моделирование процесса плавления
    • 3. 10. Моделирование процесса электролиза
    • 3. 11. Моделирование химической переработки шламов, содержащих благородные металлы
    • 3. 12. Синтез структуры системы управления процессом извлечения благородных металлов на основе нечетких алгоритмов
  • Выводы по 3 главе
  • Глава 4. Разработка системы управления
    • 4. 1. Постановка задач управления
    • 4. 2. Структура системы управления
      • 4. 2. 1. Общая структура управления
    • 4. 3. Синтез системы управления производством благородных металлов
    • 4. 4. Анализ результатов тестирования системы и оценка качества. ее работы
    • 4. 5. Выводы по главе

Автоматизированная система учета контроля и безопасности производства благородных металлов из отходов электротехнических производств (реферат, курсовая, диплом, контрольная)

Диссертационная работа выполнена:

• При сотрудничестве с ОАО «Скиф» (г.Санкт-Петербург) — на данном предприятии по разработанной технологии получен патент.

Актуальность работы

В настоящее время потребности мирового рынка в благородных металлах с каждым годом увеличиваются. Наряду с этим производство драгоценных металлов из руд постепенно сокращается, а спрос на благородные* металлы (Аи, А§-, Р1 и Рё) растёт. При производстве благородных металлов из отходов электротехнических производств огромную роль играет максимальное извлечение драгоценных металлов, а также уменьшение их потерь. Для этого необходимо создание автоматизированной системы управления, контроля и безопасности производства драгоценных металлов. Эта. система позволила бы не только автоматизировать непосредственно технологический процесс, но и получать наиболее полные данные о содержаниидрагоценных металлов. Для управления сложными многостадийными процессами был разработан метод обобщающий опыт работы операторов сложных процессов. Этот принцип впервые сформулировал Лофти Заде и получил широкое применение в теории и практике управления. В дальнейшем был развит: Е. Мам-дани, Сугено, Цукамото, Ларсеном и др.

Современные автоматизированные системы управления технологическими процессами основываются на классической теории управления с помощью математических моделей. Такого рода модели могут быть адекватными лишь в одной ограниченной области. В сложных системах присутствуют нелинейные характеристики, а также неконтролируемые внешние факторы и обратные связи. Это всё затрудняет моделирование динамических свойств объектов и реализацию управления. Ранее использовались математические модели, которые были основаны на выборе более оптимальной технологии по переработке отходов электротехнических производств.

В связи с этим необходимо создать новые или модернизировать существующие алгоритмы управления процессами производства драгоценных металлов. Это позволит увеличить эффективность управления.

Повышение эффективности сложного многостадийного процесса и усовершенствование системы учета и контроля движения драгоценных металлов при переработке отходов электротехнических производств является актуальной задачей совершенствования производства драгоценных металлов из отходов электротехнических производств.

Цель диссертационной работы

Повышение качества управления, контроля и безопасности процессом производства благородных металлов.

Задачи исследования

• Научно-технический анализ процессов производства благородных металлов из отходов электротехнических производств как объекта управления;

• анализ основных методов управления технологическими процессами с применением нечеткой логики;

• разработка модели процесса извлечения благородных металлов из отходов электротехнических производств на основе данных оперативного контроля по, работе;

• разработка структуры регулятора для управления процессом производства благородных металлов;

• синтез алгоритмов для системы управления процессом производства благородных металлов;

• оценка эффективности предложенной системы и выработка рекомендаций по ее применению.

Научная новизна, работы

Установлено, что применение в системе управления нечеткой модели процесса извлечения благородных металлов из отходов электротехнических производств, способна воспроизводить нелинейную динамику объекта на основании данных оперативного контроля по содержанию благородных металлов в режиме реального времени, позволяет повысить качество управления за счет выбора оптимальных управляющих воздействий.

Показано, что повышение качества управления процессом извлечения благородных металлов’из отходов электротехнических производств обеспечивается введением нечетких алгоритмов в вычислительные блоки автоматизированной системы управления с использованием сформулированной* базы правил.

Обоснована структура нечеткого регулятора для управления процессом производства благородных металлов, полученная путем реструктуризации параллельной схемы нечеткого управления и введением в нее дополнительных блоков истории работы системы, интеллектуального классификатора и выбора способа управления.

Основные положения, выносимые на защиту

1. Модель процесса производства благородных металлов из отходов электротехнических производств, разработанная на основе нечетких алгоритмов, обеспечивает прогнозирования значений основных параметров процесса на основании данных оперативного контроля содержания благородных металлов со значением ошибки моделирования не более-6.%.

2. В. структуру автоматизированной системы управления следует ввести fuzzy регулятор, схема которого получена путем реструктуризации параллельной схемы управления на основе fuzzy модели, которая состоит из базы нечетких правил, блоков фазификации и дефазификации и выбора способа управления, обеспечивает повышение качества управления по величине перерегулирования, времени переходного процесса, плотностивероятности внутри границ допустимых пределов изменения* параметра и среднеквадра-тическому отклонению ошибки регулирования.

Практическое значение работы

1 .Разработана модель на основе нечеткой логики, позволяющая осуществлять прогноз основных параметров процесса на основании данных оперативного контроля о ходе технологического процессапригодная для использования в структуре системы управления’процессом производства, благородных металлов и для настройки нечеткого регулятора.

2. Выявлены наиболее эффективные методы предварительной обработки данных и? моделинечеткой логики для решениязадач идентификации: процессов производства^ благородных металловизотходов электротехнических производств, что позволяет их использовать для большого класса подобных объектов;

3. Разработанная система и алгоритмы управления на базе нечеткой логики могут быть, использованы для>управления?сложными технологическими* объектами при наличии случайных возмущений;

Методика исследований

При исследованиях применялись классическиеи, специальные методы теории? автоматического управления, методы теории нечетких множеств, а также методы статистического’анализа. Проверка полученных в ходе работы теоретических результатов выполнялась, в среде МАТИАВ.

Достоверность научных? результатов получена на основании научных положений, выводов и рекомендаций, а также совпадением полученных результатов с промышленными данными и материалами исследования промышленного объектаиспользованием, адекватных: математических моделей: и статистических методов^ обработки данных с применением компьютерных технологий;

Апробация работы

Содержание и основные положения работы докладывались на семинаре «Инновационные технологиимоделирование и. автоматизация в металлургии» (ВО «РЕСТЭК», Санкт-Петербург, 2011) — научно-технических конференциях молодых ученых Санкт-Петербургского государственного горного института (Санкт-Петербург, 2007, 2008, 2009, 2010) и семинарах кафедры автоматизации технологических процессов и производств СПГГУ.

По теме диссертации опубликовано 8 научных работ, из них 2 в издании, рекомендуемом ВАК Минобрнауки. Получен патент. Личный вклад автора Автор самостоятельно выполнил:

• Постановку задач и разработку общей методики исследований;

• Анализ процессов производства благородных металлов как объекта управления;

• Синтез модели на основе нечеткой логики, способной осуществлять прогноз основных параметров процесса;

• Разработку структуры нечеткого регулятора процесса производства благородных металлов;

• Разработку основных нечетких алгоритмов для автоматизированной системы управления производством благородных металлов.

Структура и объем работы

Диссертация состоит из введения, четырех глав, заключения, библиографического списка и приложений. Содержит 151 страницу машинописного текста, 45 рисунков, 27таблиц, список литературы из 110 наименований и приложения на 1 странице.

Основные результаты выполненных исследований:

1. Установлено, что наличие нечеткой модели производства благородных металлов позволяет дать адекватное описание рабочих показателей процессов переработки РЭЛ в зависимости от установленных параметров.

2. Установлено, что из-за отклонения в составе расплава, при плавлении металлоконцентрата, возникающее явление ликвации влияет на конечный продукт, так как по своему составу слиток получается неоднородный и в результате время запаздывания может увеличиваться в соответствии с алгоритмом управления по нечеткой модели.

3. Обоснована структура нечеткого регулятора для управления производством благородных металлов из отходов электротехнических производств. Она получена с помощью

Заключение

Диссертационная работа представляет собой законченную научно-квалификационную работу, в которой содержится новое решение актуальной для металлургической промышленности задачи — управление сложным многостадийным процессом производства, а также контролем и учетом благородных металлов.

Это дает возможность более точно производить расчет с поставщиками РЭЛ, так как эта система позволяет иметь точную информацию о наличии благородных металлов в отходах электротехнических производств.

Показать весь текст

Список литературы

  1. Г. А., Ефремов Н. Л., Баранов М. И. Организация заготовки и переработки лома и отходов цветных металлов/М.: «Металлургия», 1981 -360 с.
  2. В. М. Последовательный синтез оптимального по быстродействию управления- линейными системами с возмущения-ми//Сибирский журнал вычислительной математики, № И, 2008, с. 251— 270.
  3. .Р. Избранные главы теории автоматического управления с примерами на языке MATLAB/ Б. Р. Андриевский,
  4. A.JI.Фрадков//СПб.: Наука, 2000. 475 с.
  5. В.А. Теория систем автоматического управления: Учеб. пособие. JL, Издательство Ленинградского университета, 1990. — 256 с.
  6. В. Л. Теория автоматического управления./
  7. B.Л.Анхимюк, О. Ф. Опейко, Н.Н.Михеев//Мн.: Дизайн ПРО, 2000. 352 с.
  8. Л.С. Методы оптимизации эксперимента в химической технологии/ Л. С. Ахназарова, В.В.Кафаров//Учеб. Пособие для хим.-технол. спец. Вузов. 2-е изд., перераб. и доп. М.: Высшая школа, 1985.- 327 с.
  9. А. Б. Нейронные сети: распознавание, управление, принятие решений. -М.: Финансы и статистика, 2004- 176 с.
  10. Беркинблит М-Б. Нейронные сети: Учебное пособие М: МИРОС и ВЗМШ РАО, 1993.-96с.
  11. В.А. Теория систем автоматического управления/ В. А. Бесекерский, Е.П. Попов// Изд. 4-е перераб- и доп. Спб, Изд-во «Профессия», 2003. — 752 с.
  12. И.Н. Об экспертном управлении технологическими объектами/ url: http: www.Nbuv.gov.ua/ portal/natural/NewTech/2008 4/articles/2−17.pdf
  13. К.П. Теория автоматического управления. Учебное пособие. X.: Издательство «Гуманитарный центр», 2006.- 342 с.
  14. Г. К. Проблемы и перспективы использования искусственных нейронных сетей в энергетике. Часть 1. Моделирова-ние/Г.К.Вороновский, К. В. Махотило, С. А. Сергеев./ДТроблеми загальноТ енер- гетики, № 14, 2006, с. 50−61.
  15. Г. К. Проблемы и перспективы использования искусственных нейронных сетей в энергетике. Часть 2. Управле-ние/Г.К.Вороновский- К. В. Махотило, С. А. Сергеев.// Проблеми загальноТ енер- гетики, № 16, 2007, с. 54−67.
  16. А.И. Теория нейронных сетей. Кн. 1: Учеб. пособие для вузов/ Общая ред. А.И. Галушкина-М.: ИПРЖР,' 2000. 416с.
  17. Т.Н. Основы компьютерного моделирования химико-технологических процессов: Учеб. пособие для вузов М: ИКЦ «Академкнига», 2006.-416 с.
  18. Г. М. АСУ ТП в черной металлургии/ Г. М. Глинков, В. А. Маковский // Учебник для вузов. 2-е изд. перераб. и доп. М: «Металлургия», 1999.-310 с.
  19. В.А. Автоматизация производственных процессов в химической промышленности/В.А.Голубятников, В. В-Шувалов // Учебн. Для техникумов- — 2-е изд., перераб. и доп. — М: Химия, 1985 — 352'с.
  20. A.B. Логическая^ модель адаптивной системы управления/ А. В. Демин, Е.Е.Витяев//Нейроинформатика, том 3,.№Г, 2008, с. 79−108.
  21. Савва В. И-, Пархомовский В. Л., Диамидовский Д. А. Технологические измерениям цветной металлургии, Л-: ЛГИ, 1988- 188 с.
  22. И.А. Самонастраивающаяся нейросетевая система управления многосвязными динамическими объектами/ И-А.Елизаров, М.Н. Солуда- нов//Информационные процессы и-управление, № 1, 2006, с. 30−44.
  23. Ю.И. Автоматизация управления шахтными печами цеха металлизации с использованием динамической экспертной системы/ Мехатро- ника, автоматизация, управление, № 4, 2004, с. 44−49.
  24. Еремин Е. Ш Адаптивно-робастные алгоритмы следящей: системы для объекта с запаздыванием по управлению/ Е. Л. Еремищ. Л. В. Черпак //Дальневосточный математический журнал, 2003, Том 4, № 1, с. 141−1501
  25. ЕЛ. Адаптивные системы с динамическим упредитель-компенсатором-Для объектов-с запаздыванием по управлению/ Е.Л.Еремин- Л.В. Ильина//ИСУ, Адаптивные И' робастные' системы, № 1(3), .2002, с. 97 102.
  26. И. В. Нейронные сети. Основные модели. Воронеж: Изд- во Воронежского государственного университета.—: 1999: — 76с.
  27. Г. Ф. Теория автоматического управления, и регулирования, — 2-е изд., перераб: и доп. — Киев, Высшая школа. 1989. — 431 с.
  28. В.П. Моделирование и прогнозирование процессов электропотребления на железнодорожном транспорте./ В. П. Закарюкин, А. В. Крюков, Н. В. Раевский и др.//Под< ред. Проф. А. В: Крюкова: Иркутск -2007.-115с.
  29. С.Д. Проектирование нечетких систем средствами MATLAB/ М.:-Горячая линия, Телеком 2007, 288с.
  30. ЗГ. Ротштейн А. П., Штовба С. Д. Идентификация нелинейной зависимости нечеткой базы знаний с нечеткой обучающей выборкой./ Проблемы искусственного интеллекта, 2000, № Зс.1−10
  31. М.В. Автоматизация пиро- и гидрометаллургических производств. / Л.:ЛГИ, 1986, 98 с.
  32. М.Ю. Методы системного’анализа-в решении задач управления сложными техническими системами/ М. Ю. Земенкова, Д. А. Бабичев, Ю. Д Земенков// Нефтегазовое дело, 2007, url: http ://www. ogbus .ru/authors/Zemenkova/Zemenkoval .pdf.
  33. К. Факторный анализ/Пер. с нем. В.М.Ивановой- Пре-дисл. A.M. Дуброва. М: Статистика, 1980, — 398с.
  34. Ивахненко* А. Г. Долгосрочное прогнозирование и управление сложными системами. — Киев: «Техника», 1975.- 312 с.
  35. Информационные системы в металлургии: Конспект лекций (отдельные главы из учебника для вузов)/ Н. А. Спирин, В. В. Лавров. Екатеринбург: Уральский" государственный технический университет УПИ, 2004. — 495с.
  36. С.А. Управление системами на прогнозирующих моде-лях./СПб, Издательство С-Петербургского университета, 1997−200с.
  37. Я.Б. Нейросетевая модель слежения за несколькими объектами/ Я. Б. Казанович, Р. М. Борисюк //Нейроинформатика, том 1, № 1, 2006, с. 4−33.
  38. Р. Основные концепции нейронных сетей: Пер. с англ. — М.: Издательский дом «Вильяме», 2001— 287с.
  39. В.И. Нейронные сети и их применение в системах управления и связи/ В. И. Комашинский, Д. А. Смирнов // М: Горячая линия -Телеком, 2003 .-94с.
  40. Компьютерные методы моделирования доменного процесса/ Под ред. Н. А. Спирина. Екатеринбург: УГТУ УПИ, 2005. — 301 с.
  41. В.А. Преобразование входных данных нейросети с целью.улучшения их различимости/ В: А. Крисилов, А.В. Кондратюк//
  42. МЛ. Интеллектуальный анализ данных в менеджменте: Учеб. пособие/ СПбГУАП- Спб., 2005. 208 с.
  43. Круг ШГ. Нейронные сети и нейрокомпьютеры: Учебное пособие по курсу «Микропроцессоры». М: Издательство МЭИ- 2002. — 176 с.
  44. В.В. Искусственные : нейронные сети. Теория и практика.- 2-е изд., стереотип/ В .В. Круглов, В.В.Борисов// М.: Горячая линия Телеком- 2002.-382 е.,
  45. В.В., Нечеткая логика и искусственные нейронные сети/ В. Круглов, М. И. Дли, Р.Ю. Годунов// Учеб.пособие.- М: Издательство Фи-зико-математическойшитературы, 2001.-224с.
  46. C.B. Применение искусственных нейронных сетей для моделирования- многокомпонентных систем/ С. В. Кудашкин, В. Д. Черкасов и др.//Информационные технологии моделирования и- управления- 2007, № 9(43), с. 1041−1045:
  47. Лю Б. Теория и практика неопределенного программирования. /Пер. с англ. Москва: БИНОМ. Лаборатория знаний, 2005.-416 с.
  48. B.C. Нейронные сети. MATLAB 6/ В. С. Медведев, В. Г. Потемкин // Под общ. ред. к.т.н. В. Г. Потемкина. М.: ДИАЛОГ-МИФИ, 2002.-496 с.
  49. Методы исследований и организация экспериментов / под ред. проф. К. П. Власова — X.: Издательство «Гуманитарный центр», 2002. — 256 с.
  50. Методы робастного, нейро-нечеткого и адаптивного управления: учебник/Под ред. Н.Д. Егупова- издание 2-ое, стереотипное.- М.: Изд-во МГТУ им. Н. Э. Баумана, 2002.-744с.
  51. Ю.Н. Методы и алгоритмы идентификации и прогнозирования в условиях неопределенности в нейросетевом логическом базисе/ Ю. Н. Минаев, О. Ю. Филимонова, Лиес Бенамеур//М-: Горячая-линия — Телеком, 2003 .-205с.
  52. М. Пресептроны/ М. Минский, С. Пейперт// Пер. с англ Г. Л. Гиммельфарба, В. М. Шарыпанова: М.: «Мир», 1971.-262с.
  53. Е.М. Нейрокомпьютер: проект стандарта. Новосибирск: Наука, 1999.-337с.
  54. А.В. Производство извести. Учебник для подготовки рабочих на производстве. М., «Высш. школа», 1971. — 272с.
  55. В.Д. Производство извести, известкового молока и са-ту- рационного газа на сахарных заводах/ В. Д. Науменко, И. В. Науменко, А. В Hay- менко/ЛСиев, 2004 220 с.
  56. Нейроинформатика/ А. НГорбань, В.Л.Дунин-Барковский, А. Н. Кирдин и др. Новосибирск: Наука. Сибирское предприятие РАН, 1998.- 296с.
  57. Нейронные сети. STATISTIC A Neural Networks: Методологиями-технологии современного анализа данных/ Иод редакцией В. П. Боровикова.- 2-е изд., перераб. и доп. — М.: Горячая линия — Телеком, 2008. — 392 с.
  58. Е.В. Моделирование и идентификация динамически-сложных систем на основе методов группового анализа/ Механотроника, Автоматизация, Управление, № 10- 2004, с.2−7.
  59. Никульчев Е. В. Моделирование систем с нелинейной динамикой по экспериментальным данным/ Механотроника, Автоматизация, Управление, № 5, 2006, с.7−14.
  60. Д.Н. Повышение качества и* скорости обучения нейронных сетей в задаче прогнозирования поведения временных- рядов/ Д. Н. Олешко, В. А. Крисилов // url:. .
  61. С. Нейроуправление и его приложения/С. Омату, М. Халид, Р. Юсоф/М.: ИПРЖР, 2000. 272с.
  62. Оптимизация системы управления процессомподготовки нефти/ А. П. Веревкин, И. Д. Ельцов, О.В. Кирюшин//Вклад науки Республики Башкортостан в реальные секторы экономики: тр. науч.-практ. конф. Уфа: ТРАНСТЭК, 2003. с. 50−52.
  63. С. Нейронные сети для обработки информации / Пер. с польского И. Д. Рудинского. М.: Финансы и статистика, 2002.-344с.
  64. Ф. Синтез прогнозирующих систем с нейрофаззи сетями для управления нелинейными динамическими объектами с переменными параметрами/ Палис Ф., Филаретов В. Ф., Цепковский Ю. А., Юхимец Д'.А.// иг1
  65. .Н. Сравнительная статистическая оценка параметров функции >отклика при планировании эксперимента/ Нефтегазовое дело, 2007, иг1:
  66. М.Н. Постановка и решение задачи оптимизации технологического регламента сушки керамического кирпича// Вестник Воронежского государственного технического университета, т.2, № 8, 2006, с. 146−153.
  67. В.А. Исследование искусственных- нейронных1 сетей методами линеаризации и полиномиальной аппроксимации/ Доклады БГУ-ИР, № 1,2004, с. 5−18.
  68. О.И. Разработка системы автоматического конструирования нейросетевой модели прогнозирования спроса/О.И.Пятковский, А.С.Авдеев//Ползуновский вестник № 1, 2006, с. 4−8.
  69. Л. А. Адаптация сложных систем. Рига: Зинатне, 1981. -375 с.
  70. Т.А. Анализ моделей нейросетевого управления в условиях параметрической неопределенности /Материалы X региональной научно- технической конференции «Вузовская наука-— Северо-Кавказскому региону». СевКавГТУ, 2006.
  71. О.Г. Нейроуправление нелинейными объектами на основе радиально-базисных сетей/ О. Г. Руденко, А. А. Бессонов // Вестник ХГТУ, № 2 (18), 2003, с.42−47.
  72. О.Г. Синтез нейросетевой системы управления технологическим процессом производства кальцинированной соды/ О. Г. Руденко, А. А. Шамраев // Вестник ХГТУ, № 1(19), 2004, с.366−370.
  73. Руководство по эксплуатации печи обжига известняка. Санкт-Петербург: ОАО «ОМЗ-Спецсталь».
  74. Д. Нейронные сети, генетические алгоритмы и нечеткие системы/ Д. Рутковская, М. Пилиньский, Л. Рутковский // Пер. с польск. И.Д. Ру- динского.- М.: Горячая линия — Телеком, 2007.-452с.
  75. . Я. Моделирование систем/ Б. Я'.Советов, С.А.Яковлев// Учеб. для вузов 3-е изд., перераб. и доп. — М.: Высш. шк., 2001.-343 с.
  76. Спесивцев. Металлургический процесс как объект изучения: новые концепции, системность, практика. СПб.: Изд-во Политехи., ун-та, 2004. 307 с.
  77. C.B. Нейронная интерпретация выборки для структурного статистического моделирования совокупностей предприятий/ Вопросы статистики, № 6, 2004, с. 21−33.
  78. Ю.В., Белоглазов И. Н. Моделирование сложных систем в металлургии/Спб, 2004−86 с.
  79. А.Н. Разработка эффективной технологии извлечения цветных и благородных металлов из отходов электротехнической промышленности., Дисс.канд.н., 2007 г.- 120с.
  80. Ф. Нейрокомпьютерная техника: Теория и практика. Перевод на русский язык, Ю. А. Зуев, В. А. Точенов, 1992. 102 с.
  81. Управление производством при нечеткой исходной информации/ Р. А. Алиев, А. Э. Церковный, Г. А. Мамедова. М.: Энергоатомиздат, 1991. -240с.
  82. М.В. Алгоритм обучения нейронных сетей для задач диагностики состояния оборудования нефтегазовой отрасли/ Нефтегазовое дело, 2007, url: http://www.ogbus.ru/authors/Fazylova/Fazyloval.pdf
  83. T.B. Применение нейронных сетей для аппроксимации данных//Кибернетика и системный анализ, № 6, 2004, с. 121−125.
  84. Хайкин, Саймон. Нейронные сети: полный курс, 2-е издание.: Пер. с англ. М.: Издательский дом*"Вильяме", 2008.-1104с.
  85. С.М. Основы автоматики и автоматизации производственных процессов: Учебник для вузов связи/ С. М. Хлытчиев, A.C. Ворож-цов, И. А. Захаров. -М.: Радиои связь, 1985. — 288 с.
  86. В.Г. Оптимизация предобработки данных для-обучаемой нейросети: критерий оптимальности предобработки//Материалы XIV. Международной конференции по нейрокибернетике, Ростов-на-Дону, т.2, 2005, с.64−67.
  87. Чен К. MATLAB в математических исследованиях/ К. Чен, П. Джиблин, А. Ирвинг//Пер. с англ.-М.: Мир, 2001.-346с.
  88. В.Ю. Оптимизация управления процессом измельчения и классификации в условиях ГМЗ-2/ В. Ю. Черкасов, И. Н. Гуцев, З.Я. Клинев-ски // Горный вестник Узбекистана, № 2(21), 2005, с. 85−91.
  89. A.A. Исследования тепловых процессов с применением моделирования: учебное пособие / A.A. Черный. Пенза: Пензенский государственный университет, 2008. — 48с.
  90. A.A. Системный анализ результатов расчетов по математическим моделям: учебное пособие / A.A. Черный. Пенза: Пензенский государственный университет, 2007. — 143 с.
  91. Barto A.G. Connectionist learning for control in Neural Networks for Control// MIT Press, Cambridge, Massachusetts, 1990, pp. 5−58.
  92. Gordon Y.M. New technolodgy and shaft furnace for high quality metallurgical lime production, pp. 1−4.
  93. Д.А. Контроль и автоматизация в цветной металлургии./М.: «Металлургия», ч.1, 374с.
  94. Д.А. Контроль и автоматизация в цветной металлургии./М.: «Металлургия», ч.2, 401 с.
  95. Ю.В., Ветюков М. М. Электролиз расплавленных со-лей./М.: «Металлургия», 1966, 558 с.
  96. В.Г. Математические методы оптимального управ-ления./М.: «Наука», 1966, 305 с.
  97. Юлиус Ту Современная теория управления. Пер. с англ. Я. И. Гибадулина, М.: «Машиностроение», 1971, 468 с.
  98. A.B., Батыршин И. З., Блишун А. Ф., Силов В. Б., Тарасов В. Б. Нечеткие множества в моделях управления и искусственного интеллекта./ Под ред. Поспелова Д.А.- М.: «Наука», Гл. ред. физ.-мат., 1986 г., 312 с.
  99. А. П. Митюшкин Ю.И. Извлечение нечетких правил из экспериментальных данных с помощью генетических алгоритмов. //Кибернетика и системный анализ- 2001,-№ №, с.45−53
  100. А. П. Штовба С.Д. Влияние методов фазификации на скорость настройки нечеткой модели //Кибернетика и системный анализ -2002-№ 5, с. 169−176
Заполнить форму текущей работой

Пора сдавать?