Browsing by Author "Поркуян, О. В."
Now showing 1 - 20 of 23
Results Per Page
Sort Options
Item Adaptive control of ore pulp thinning in ball mills with the increase of their productivity(2014) Porkuian, O.; Поркуян, О. В.The optimal control problem and its solution algorithm for magnetic separation processes based on clear-fuzzy block predictive model are formulated.Item Rheological model of mixing and transformation processes in multiphase medium(2015) Porkuian, O.; Prokaza, O.; Kutaiba, A. A.; Поркуян, О. В.; Проказа, О.Theory of rheological transitions and transformations was used in multiphase medium for description of mixing and transformation processes. In the article there presented models of irreversible rheological transitions and shown that such transitions are described by integrated impulse Dirac delta function. Rheological model of process with the usage of zero gradient method is obtainedItem The problem of optimal control of processes of ore size reductio(СНУ ім. В. Даля, 2016) Porkuian, O.; Sotnikova, T.; Поркуян, О. В.; Сотнікова, Т. Г.Item Визначення параметрів вібрації бурової установки із використанням методу відстеження порядку обертових машин(СНУ ім. В. Даля, 2024) Моркун, В. С.; Моркун, Н. В.; Поркуян, О. В.; Грищенко, С. М.; Бобров, Є. Ю.; Грищенко, Я. О.; Morkun, V. S.; Morkun, N. V.; Porkuian, O. V.; Hryshchenko, S. M.; Bobrov, E. Yu.; Hryshchenko, Ya. O.Метою дослідження є визначення параметрів вібрації бурової установки в процесі буріння свердловин за допомогою методу відстеження порядку обертових машин. У роботі використані методи аналізу вітчизняного та зарубіжного досвіду, методи математичного моделювання, а також методи математичної статистики і теорії ймовірності для формування оцінки результатів дослідження. Наукова новизна полягає в обґрунтуванні застосування методу відстеження обчисленого порядку обертових машин для визначення частоти на якій доцільно вимірювати статистичні параметри супутнього вібраційного сигналу. Практичне значення полягає у визначенні процедури вимірювання параметрів вібраційного сигналу бурової установки для оцінки фізико-механічних властивостей гірської породи безпосередньо в процесі буріння свердловин. Для виділення корисної складової вібраційного сигналу на буровому долоті з різноманітних завад (вібрації інших частин бурової установки, зовнішні процеси у гірському масиві і т. і.) використаний метод відстеження обчисленого порядку (СОТ) обертових машин з додатковою передискретизацією для підвищення його роздільної здатності. Запропонований підхід полягає в тому, що в процесі зміни робочого режиму приводу обертових частин бурової установки формують карту порядку в усьому діапазоні його обертів, визначають частоту високоамплітудної вібрації долота, яка відповідає визначеному піковому порядку обертів, і на цій частоті вимірюють статистичні параметри змін амплітуди виміряного сигналу. Відповідно до застосованого методу сформовано карту частоти обертів для даних вібрації в процесі зміни робочого режиму бурової установки(підвищення впродовж 40 секунд частоти обертів приводу з 500 до 2150 обертів за хвилину. Аналіз виконаних експериментальних досліджень та моделювання процесу взаємодії долота з залізовмісною гірською породою дозволяє зробити висновок про те, що отримані із застосуванням зазначеного методу статистичні показники супутнього вібраційного сигналу дійсно адекватно характеризують процес буріння свердловин.Item Вплив параметра SPREAD радіально-базісних мереж на апроксимацію основних каналів керування реактору синтезу оцтової кислоти.(СНУ ім. В. Даля, 2025) Поркуян, О. В.; Самойлова, Ж. Г.; Porkuian, O. V.; Samojlova, Zh. G.Основу хімічної промисловості становлять хімічні реактори. У нинішньому конкурентному сценарії першочергове значення має підтримка різних робочих змінних та відповідність специфікаціям продукту. Безперервний реактор з мішалкою (CSTR) широко використовується в багатьох хімічних, фармацевтичних та нафтових галузях промисловості, а також в галузі охорони навколишнього середовища та керування відходами. Моделі нейронних мереж пропонують найбільш уніфікований підхід до побудови справді інтелектуальних систем, які можуть забезпечити оптимальне керування для багатьох систем. За останнє десятиріччя штучні нейронні мережі (ІНС) набули значення як універсальні структури, керовані даними, для моделювання нелінійних стаціонарних станів, а також динамічних процесів. Для побудови та дослідження властивостей нейронної мережі використовувалися статистичні дані реактора синтезу оцтової кислоти, який працює у стаціонарному режимі. Для моделювання використовувалося середовище програмного симулятора MATLAB 2021b. Метою даної роботи було побудова і дослідження властивостей радіально – базісних нейронних мереж RBF і GRNN, за основними каналами керування реактором синтезу оцтової кислоти, який є газорідинним реактором з безперервним перемішуванням. Досліджену мережу можна запропонувати використовувати для керування реактором. У роботі було досліджено вплив параметра SPREAD на структуру радіальної базисної мережі та якість апроксимації. Для моделювання радіально – базисних мереж RBF і GRNN для керування реактором синтезу оцтової кислоти по кожному каналу керування використовувалася ітераційна процедура формування мереж. Для кількісної оцінки якості апроксимації вихідних параметрів було використано відносну похибку. Параметр впливу SPREAD для радіально – базисної мережі RBF було визначено рівним 0,01, 0,1, 0,7, 2,0, 5,0, 10,0, 20,0, 50,0, 100,0. Для радіально – базисної мережі GRNN було прийнято значення параметра впливу SPREAD 0,7, 2,5,10,20,50,100. Моделювання радіально – базисних мереж RBF і GRNN для керування реактором синтезу оцтової кислоти по кожному каналу керування за допомогою ітераційної процедури формування мереж в MATLAB 2021b показало задовільну якість апроксимації вихідних даних. Також можна казати, що радіально – базисні мережі RBF і GRNN можна використовувати для поліпшення керування реактором синтезу оцтової кислоти за всіма основними каналами керування.Item Вплив функції активації лінійної нейронної мережі на апроксимацію даних основних каналів керування реактру синтезу оцтової кислоти.(СНУ ім. В. Даля, 2024) Поркуян, О. В.; Самойлова, Ж. Г.; Porkuian, O. V.; Samojlova, Zh. G.Штучні нейронні мережі будуються за принципами організації та функціонування їх біологічних аналогів. Вони можуть вирішувати широке коло завдань розпізнавання образів, ідентифікації, прогнозування, оптимізації керування складними об'єктами. Подальше підвищення продуктивності комп'ютерів дедалі більше пов'язують із штучними нейронними мережами, зокрема нейрокомп'ютерами. Нині з'являється більше інтелектуальних систем керування технологічними процесами у хімічної промисловості, у яких вирішуються завдання адаптації, самонавчання, самоналаштування. Для вирішення завдання керування технологічними процесами в хімічній промисловості використовуються багатошарові лінійні нейронні мережі зі зворотним розповсюдженням помилки. Для побудови багатошарової мережі для проміжного шару часто використовують функції активації типу логічної (logsig) або гіперболічного тангенсу (tansig), а для кінцевого шару використовується лінійна функція активації (purelin). У цій роботі для побудови та дослідження властивостей нейронної мережі використовувалися статистичні дані реального реактора синтезу оцтової кислоти, який працює у стаціонарному режимі в цеху оцтової кислоти,. Для моделювання використовувалося середовище програмного симулятора MATLAB 2021. Ця програма рекомендована для моделювання різних нейронних мереж із різною кількістю нейронів і різним типом функції активації. В даній роботи була побудована і досліджена лінійна нейронна мережа зі зворотним поширенням помилки з фіксованою кількістю нейронів першого шару за основними каналами керування реактором синтезу оцтової кислоти. В роботі досліджувався вплив функцій активації першого шару та кінцевого шару нейронної мережі на апроксимацію даних реактора синтезу оцтової кислоти. Архітектура нейронної мережі перший шар містить 23 нейрона. Функція активації нейронів змінюється. Спочатку це функція hardlim, потім функція tansig, потім функція logsig і purelin. Другий шар містить один нейрон також з різними функціями активації: hardlim, tansig, logsig і purelin. Діапазон зміни входу [8900-9800]. Моделювання нейромережі з використанням MATLAB 2021 показало успішність процесу побудови та навчання нейронної мережі та його задовільну якість, яка дозволить використовувати нейромережі для керування технологічними процесами синтезу оцтової кислоти та перспективність подальших досліджень цього напряму.Item Дослідження математичної моделі апарату нейтралізації у виробництві аміачної селітри(2010) Проказа, О. І.; Поркуян, О. В.; Стенцель, Й. І.У роботі наведені результати досліджень математичної моделі апарату нейтралізації у виробництві аміачної селітри, отриманої на основі теорії реологічних перетворень. Показано, що сталі часу є функціями контролюючих технологічних параметрів і визначають характер перехідного процесуItem Застосування нечітких підходів в ультразвукових діагностичних системах(СНУ ім. В. Даля, 2024) Дубовський, О. Р.; Поркуян, О. В.Item Керування нелінійними динамічними об'єктами збагачувальних виробництв на основі гібридних моделей Гамерштейна(2009) Поркуян, О. В.Дисертація на здобуття наукового ступеня доктора технічних наук за фахом 05.13.07 «Автоматизація процесів керування». – Криворізький технічний університет, Кривий Ріг, 2009. Дисертація присвячена розв'язанню актуальної наукової проблеми підвищення ефективності автоматизованого керування процесами магнітного збагачення залізних руд шляхом удосконалення моделей та методів ідентифікації нелінійних динамічних об’єктів керування та контролю технологічних параметрів. Розроблено методи оперативної ідентифікації об'єктів збагачувального виробництва на базі гібридних моделей класу Гамерштейна, що дозволяють здійснювати керування процесами магнітного збагачення в умовах неповної та нечіткої інформації про об’єкти керування. Розроблено методи ультразвукового контролю характеристик подрібнених матеріалів, які засновані на використанні виявлених закономірностей поширення ультразвукових хвиль Лява. На основі розроблених методів побудована система керування процесами магнітного збагачення залізних руд, яка дозволила досягти оптимальних техніко-економічних показників.Item Комп’ютерні системи автоматизації технологічних процесів виробництва синтетичного аміаку(СНУ ім. В. Даля, 2020) Стенцель, Й. І.; Поркуян, О. В.; Літвінов, К. А.; Сотнікова, Т. Г.У посібнику наводяться принципи автоматизації технологічних процесів виробництва синтетичного аміаку на основі комп’ютерних технологій. Розглядаються системи автоматичного регулювання та контролю технологічних параметрів, а також системи сигналізації та блокувань. Описується загальна структура комп’ютерної системи управління виробництвом синтетичного аміаку, її особливості та робоче місце оператора. Наводяться технічні засоби побудови такої системи та принципи надання інформації. Призначається для студентів спеціальності 151 – Автоматизація та комп'ютерно-інтегровані технології, для студентів хіміко-технологічних спеціальностей, а також для спеціалістів з проєктування та експлуатації комп'ютерних систем автоматизації виробництва синтетичного аміаку.Item Математичне моделювання нелінійних процесів енерго-масоперенесення методом балансу швидкостей.(СНУ ім. В. Даля, 2018) Стенцель, Й. І.; Поркуян, О. В.; Літвінов, К. А.; Сотнікова, Т. Г.У статті приводиться аналіз методів математичного моделювання нелінійних процесів перенесення імпульсу енергії та маси в технологічних об’єктах управління. Вказується, що відомі закони явищ перенесення описують процеси від джерела безмежної потужності до середовища. Показані недоліки математичного моделювання нелінійних процесів та складність розв'язку нелінійних математичних моделей. Пропонується метод моделювання таких процесів на основі теорії реологічних переходів та інтегральної імпульсної дельта-функції Дірака. Показано, що технологічні процеси розділяються на джерела, зони реологічних перетворень і накопичувача новоствореної маси, енергії та кількості руху.Item Моделювання лінійної нейронної мережі з зворотним поширенням помилки для основних каналів керування реактором синтезу оцтової кислоти.(СНУ ім. В. Даля, 2023) Поркуян, О. В.; Самойлова, Ж. Г.; Porkuyan, O. V.; Samojlova Zh. G.В наш час для управління технологічними об'єктами можуть бути використані нейронні мережі, нечітка логіка чи генетичні алгоритми. Було небагато спроб використати технології штучного інтелекту для по-будови автоматичних систем керування. Однак тільки в останні роки, зі зростанням дослі-джень у галузі нелінійного управління, використання технологій штучного інтелекту в керуванні техноло-гічними процесами набуло широкого поширення. Моделювання та дослідження роботи штучних ней-ронних мереж можна проводити за допомогою про-грамних симуляторів. Найбільш поширеними паке-тами для моделювання властивостей нейромереж є Neural Works Pro Plus, Neuro Solution, Matlab (Neural Network Toolbox), Neuro Wisard, ANsim, Neural Ware та інші. Програми відрізняються складністю, кількі-стю типів нейронів та алгоритмів навчання, що під-тримуються в системі. У статті досліджується побудова лінійних нейрон-них мереж із зворотним розповсюдженням помилки для основних каналів управління реактора синтезу оцтової кислоти. Для побудови та дослідження властивостей нейрон-ної мережі використовувалися статистичні дані ре-актора синтезу оцтової кислоти у стаціонарному режимі цеху оцтової кислоти Сєвєродонецького ЗАО «Азот». Для моделювання використовувалося середо-вище програмного симулятора MATLAB 2021. Ця програма рекомендована для моделювання різних нейронних мереж із різною кількістю нейронів і різ-ним типом функції активації. Для побудови нейрон-ної мережі використовувалася ітераційна проце-дура. Архітектура нейронної мережі: перший шар міс-тить спочатку 9 нейронів, потім 23 нейрона, а згодом 46 нейронів з функцією активації tansig. Дру-гий шар містить один нейрон з функцією активації purelin. Діапазон зміни входу [8900-9800]. Навчання нейронної мережі виконувалося протягом 50 циклів. Потім виконувалося моделювання мережі. Наприкінці моделювання розраховували відносну по-хибку для виходу мережі. У тому випадку, якщо залежності мають лінійний характер для апроксимації даних можна використо-вувати лінійні нейронні мережі з зворотнім поши-ренням помилки. Всі створені та промодельовані ней-ронні мережі для всіх основних каналів керування по-казали задовільну якість апроксимації даних. Якість апроксимації даних складала во всіх випадках менше 1%. Це дозволить використовувати нейромережі для управління технологічними процесами синтезу оцто-вої кислоти та перспективність подальших дослі-джень цього напряму.Item Моделювання процесу синтезу метанолу як об’єкта керування.(2013) Поркуян, О. В.; Озорнін, О. Ю.У статті розглянуто кінетичне моделювання процесу синтезу метанолу в залежності від умов реалізації процесу. Сформульовані в загальному вигляді моделі синтезу метанолу–сирцю на основі матеріального та теплового балансу.Item Оптимальне управління вузлом охолодження і конденсації газопродуктової суміші у виробництвісинтезу метанолу.(СНУ ім. В. Даля, 2019) Лорія, М. Г.; Поркуян, О. В.; Целіщев, О. Б.; Єлісєєв, П. Й.В роботі розглянуто аналіз впливу роботи вузла охолодження і конденсації газопродуктової суміші на стабільність виробничого процесу синтезу метанолу. Запропоновано нетрадиційний підхід до регулювання роботи вузла охолодження і конденсації, заснований на принципі компенсації збурень шляхом вибору оптимальної схеми включення елементів вузла.Item Оптимальні настроювання регуляторів промислових систем управління технологічними об’єктами(СНУ ім. В. Даля, 2019) Лорія, М. Г.; Поркуян, О. В.; Ананьєв, М. В.; Целіщев, О. Б.Монографія присвячена підвищенню ефективності роботи об’єктів керування у промислових об’єктах за рахунок розробки розподіленої системи управління виробництвом, яка забезпечує оптимальну роботу систем автоматичного регулювання за рахунок знаходження оптимальних настроювань ПІД-регулятора за квадратичною оптимізаційною функцію на основі експериментально-теоретичного способу. Розраховано на наукових працівників, викладачів, здобувачів вищої освіти, аспірантів, працівників сфери автоматизації процесів керування.Item Практикум з дискретної математики(Харків: Видавництво та друкарня «Технологічний Центр», 2016) Поркуян, О. В.; Тімошин, А. С.; Давиденко, В. М.Навчальний посібник містить основні теоретичні відомості курсу дискретної математики, приклади виконання завдань з кожної теми дисципліни та завдання для самостійного виконання.Item Item Проектування, алгоритмізація і діагностика систем автоматизованого керування технологічними комплексами(2010) Стенцель, Й. І.; Поркуян, О. В.; Проказа, О. І.Показано, що технологічні комплекси сучасних хімічних виробництв відносяться до багатопараметричних об’єктів з великою кількістю регулюючих, регульованих і збурюючих технологічних параметрів, які супроводжуються реологічними переходами. Розглянуто принцип моделювання таких об’єктів з використанням теорії реологічних переходів і перетворень.Item Системи керування з моделлю технологічними об’єктами(СНУ ім. В. Даля, 2020) Лорія, М. Г.; Поркуян, О. В.; Целіщев, О. Б.; Купіна, О. А.Монографія присвячена підвищенню ефективності роботи об’єктів керування у промислових об’єктах за рахунок розробки розподіленої системи управління виробництвом, яка забезпечує оптимальну роботу систем автоматичного регулювання. Розраховано на наукових працівників, викладачів, здобувачів вищої освіти, аспірантів, працівників сфери автоматизації процесів керування.Item Створення багатофункціональних наукомістких методів енергетичного керування інженерією поверхонь контакту "колесо-рейка" для забезпечення еколого-ефективної передачі потужності : Звіт про НДР (заключ.)(СНУ ім. В. Даля, 2020) Ковтанець, М. В.; Горбунов, М. І.; Дьомін, Ю. В.; Фомін, О. В.; Поркуян, О. В.; Бойко, Г. О.; Могила, В. І.; Нєженцев, О. Б.; Ноженко, О. С.; Кравченко, К. О.; Костюкевич, О. І.; Кічкіна, О. І.; Кузьменко, С. В.; Сергієнко, О. В.; Михайлов, Є. В.; Бєлоусова, Л. І.; Морнева, М. О.; Серєбряк, К. І.; Дьомін, Р. Ю.; Воронцов, Б. С.; Ноженко, В. С.; Просвiрова, О. В.; Кара, С. В.; Семенов, С. О.; Кічкін, О. В.; Фомiна, А. М.; Ковтанець, Т. М.; Сова, С. С.; Фомiн, В. В.; Коваленко, В. В.; Бурлуцький, О. В.; Коротенко, Б. М.; Бiловол, Є. О.; Лисенко, Ю. В.