ВЕСТНИК
Башкирского университета

ENGLISH
Главная Авторам Рецензентам Выпуски журнала Редколлегия Редакция Загрузить статью Подписка ISSN 1998-4812

Архив | Том 24, 2019, No. 3.

СОЗДАНИЕ ИСКУССТВЕННОЙ НЕЙРОННОЙ СЕТИ ДЛЯ ОПРЕДЕЛЕНИЯ ОПТИМАЛЬНОГО ТЕМПЕРАТУРНОГО РЕЖИМА ВЕДЕНИЯ ХИМИЧЕСКОГО ПРОЦЕССА

Download
  • © Д. Р. Шаймухаметов

    Институт нефтехимии и катализа УФИЦ РАН

    Россия, Республика Башкортостан, 450075 г. Уфа, пр. Октября, 141

  • © С. А. Мустафина

    Башкирский государственный университет

    Россия, Республика Башкортостан, 453103 г. Уфа, ул. Заки Валиди, 32

  • © Д. В. Шаймухаметова

    Башкирский государственный университет

    Россия, Республика Башкортостан, 453103 г. Уфа, ул. Заки Валиди, 32

В работе представлен алгоритм поиска оптимального температурного режима химического процесса, основанный на замене математической модели процесса в форме дифференциальных уравнений моделью на основе искусственной нейронной сети. Апробация созданного алгоритма проводится на примере процесса дегидрирования метилбутенов в изопрен. Для решения задачи оптимального управления построена модель искусственной нейронной сети, позволяющая решать прямую задачу химической кинетики. Далее на основе разработанного алгоритма решена задача теоретической оптимизации по поиску оптимального температурного режима процесса с учетом максимального выхода продукта.

Ключевые слова:

  • искусственные нейронные сети
  • оптимальное управление
  • прямая задача химической кинетики
  • artificial neural networks
  • optimal control
  • direct problem of chemical kinetics

ЛИТЕРАТУРА

  1. Горбань А. Н., Дунин-Барковский В. Л., Кирдин А. Н. Нейроинформатика. Новосибирск: Наука. Сибирское предприятие РАН, 1998. 296 с.
  2. Хайкин С. Нейронные сети: полный курс. М.: Издательский дом «Вильямс», 2006. 1104 с.
  3. Бокин А. И. Дегидрирование метилбутенов в изопрен с использованием оксидных железокалиевых катализаторов: дис. … канд. хим. наук. Уфа, 2004. 105 с.
  4. Бокин А. И., Балаев А. В., Баженов Ю. П., Касьянова Л. З., Кутепов Б. И. Моделирование процесса дегидрирования метилбутенов в адиабатическом реакторе с неподвижным слоем железосодержащего катализатора // Катализ в промышленности. 2004. №6. С. 25-29.
  5. Берзина Д. В., Смирнов Д. Ю., Мустафина С. А. Моделирование процесса дегидрирования метилбутенов в присутствии оксидных железокалиевых катализаторов // Катализ в промышленности. 2014. №4. С. 22-26.
  6. Шаймухаметова Д. В. Оптимизация процесса дегидрирования метилбутенов в изопрен с учетом изменения активности катализатора // Фундаментальная математика и ее приложения в естествознании. Доклады VIII Междунар. школы-конф. для студентов, аспирантов и молодых ученых. Уфа: БашГУ, 2015. С. 354-356.
  7. Шаймухаметова Д. В. Поиск оптимального температурного режима реакции дегидрирования метилбутенов с изменяющейся активностью катализатора в условиях квазистационарности // Математическое моделирование процессов и систем: мат-лы IV Всероссийской научно-практ. конф. Уфа: БашГУ, 2015. С. 125-128.
  8. Ильин В. М., Сайфуллина А. А., Баженов Ю. П., Касьянова А. З., Балаев А. В., Кутепов Б. И. Разработка кинетической модели дегидрирования бутенов на железокалиевых катализаторах // Химическая промышленность сегодня. 2006. №4. С. 19-22.
  9. Мустафина С. А., Смирнов Д. Ю., Балаев А. В., Спивак С. И. Моделирование каталитического процесса дегидрирования метилбутенов // Системы управления и информационные технологии. 2006. №1. С. 10-14.
  10. Shaimukhametov D. R., Mustafina S. I., Shaimukhametova D. V., Mustafina S. A. Nеurаl network modelling of the рrосеss оf methylbutene dehydranation into isoprene // ARPN Journal of Engineering and Applied Sciences. 2018. Т. 13. №21. С. 8499-8504.
  11. Шаймухаметов Д. Р., Мустафина С. А., Шаймухаметова Д. В. Прямое моделирование процесса дегидрирования метилбутенов в изопрен на основе искусственных нейронных сетей // Вестник Казанского технол. ун-та. 2017. Т. 20. №24. С. 123-127.
  12. Горбань А. Н. Обобщенная аппроксимационная теорема и вычислительные возможности нейронных сетей // Сибирский журнал вычислительной математики. 1998. Т. 1. №1. С. 12-24.
  13. Оборнев И. Е., Родионов Е. А. Численные методы решения многомерных обратных задач геоэлектрики с применением нейросетевых технологий // Теория и численные методы решения обратных и некорректных задач. Тезисы IV Междунар. молодежной науч. школы-конф. Новосибирск: Институт математики им. С. Л. Соболева СО РАН, 2012. С. 91.
  14. Спичак В. В. Попова И. В. Методология нейросетевой инверсии геофизических данных // Физика Земли. 2005. №3. C. 71-85.
  15. Шимелевич М. И., Оборнев Е. А. Применение метода нейронных сетей для аппроксимации обратных операторов в задачах электромагнитных зондирований // Известия ВУЗов. Геология и разведка. 1999. №2. С. 63-73.
  16. Poulton M. Neural networks as an intelligence amplification tool: a review of applications // Geophysics. 2002. V. 67. P. 979-993.
  17. Сараев П. В. Многошаговое оптимальное нейросетевое управление // Проблемы управления. 2008. №5. С. 14-18.
  18. Аведьян Э. Д. Алгоритмы настройки многослойных нейронных сетей // Автоматика и телемеханика. 1995. №4. С. 106-118.
  19. Осовский С. Нейронные сети для обработки информации. М.: Финансы и статистика, 2002. 344 с.
  20. Сараев П. В. Обучение искусственных нейронных сетей: учет линейно нелинейной структуры // Вестник молодых ученых. Сер. Прикладная математика и механика. 2003. №2. Вып. 1. С. 92-100.
  21. Blyumin S. L., Saraev P. V. Reduction of Adjusting Weights Space Dimension in Feedforward Artificial Neural Networks Training // Proc. of IEEE Int. Conf. on Artificial Intelligence Systems. 2002. P. 242-247.
  22. Пупков К. А. Егупов Н. Д. Методы робастного, нейро-нечеткого и адаптивного управления. М.: МГТУ им. Н. Э. Баумана, 2002. 744 с.
  23. Пащенко Г. Н. Построение нейросетевой модели для технологического процесса варки стекла // Проблемы информатики. 2013. №4. С. 56-59.
  24. Терехов В. А., Ефимов Д. В., Тюкин И. Ю. Нейросетевые системы управления. М.: Высшая школа, 2002. 183 с.
  25. Сараев П. В. Нейросетевое моделирование и управление ценовой политикой // Системы управления и информационные технологии. 2004. №1(13). С. 37-41.

Copyright © Вестник Башкирского университета 2010-2019