Моделювання лінійної нейронної мережі з зворотним поширенням помилки для основних каналів керування реактором синтезу оцтової кислоти.
| dc.contributor.author | Поркуян, О. В. | |
| dc.contributor.author | Самойлова, Ж. Г. | |
| dc.contributor.author | Porkuyan, O. V. | |
| dc.contributor.author | Samojlova Zh. G. | |
| dc.date.accessioned | 2024-10-08T18:19:24Z | |
| dc.date.available | 2024-10-08T18:19:24Z | |
| dc.date.issued | 2023 | |
| dc.description.abstract | 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. | |
| dc.description.abstract | Nowadays, to control technological objects, one can use neural networks, fuzzy logic and genetic algo-rithms. There have been few attempts to use artificial in-telligence technologies to build automatic control sys-tems. However, only in recent years, with the growth of research in the field of nonlinear control, the use of arti-ficial intelligence technologies in the management of technological processes has become widespread. Simulation and research of the work of artificial neural networks can be carried out with the help of soft-ware simulators. The most common packages for model-ing the properties of neural networks are Neural Works Pro Plus, Neuro Solution, Matlab (Neural Network Toolbox), Neuro Wisard, ANsim, Neural Ware and oth-ers. Programs differ in complexity, number of types of neurons and learning algorithms supported in the system. The article investigates the construction of linear neural networks with backpropagation of the error for the main control channels of the acetic acid synthesis re-actor. To construct and study the properties of the neural network, statistical data of the acetic acid synthesis reac-tor in the stationary mode of the Severodonetsk acetic acid workshop of CJSC "Azot" were used. The MATLAB 2021 software simulator environment was used for simulation. This program is recommended for modeling different neural networks with different number of neurons and different type of activation func-tion. An iterative procedure was used to build the neural network. Neural network architecture: the first layer con-tains first 9 neurons, then 23 neurons, and later 46 neu-rons with tansig activation function. The second layer contains one neuron with purelin activation function. In-put change range [8900-9800]. Neural network training was performed for 50 cy-cles. Then network modeling was performed. At the end of the simulation, the relative error for the network out-put was calculated. In the event that the dependencies are linear in na-ture, linear neural networks with backpropagation of the error can be used to approximate the data. All created and modeled neural networks for all main control chan-nels showed satisfactory data approximation quality. The quality of data approximation was less than 1% in all cases. This will allow the use of neural networks to con-trol technological processes of acetic acid synthesis and the prospects for further research in this area. | |
| dc.identifier.citation | Поркуян О. В., Самойлова Ж. Г. Моделювання лінійної нейронної мережі з зворотним поширенням помилки для основних каналів керування реактором синтезу оцтової кислоти. Вісник Східноукраїнського національного університету імені Володимира Даля. 2023. № 3(279). С. 31-36. | |
| dc.identifier.doi | https://doi.org/10.33216/1998-7927-2023-279-3-31-36 | |
| dc.identifier.udc | 681.322 | |
| dc.identifier.uri | https://dspace.snu.edu.ua/handle/123456789/1163 | |
| dc.language.iso | uk | |
| dc.publisher | СНУ ім. В. Даля | |
| dc.subject | нейронні мережі | |
| dc.subject | зворотне поширення помилки | |
| dc.subject | реактор | |
| dc.subject | neural networks | |
| dc.subject | error back propagation | |
| dc.subject | reactor | |
| dc.title | Моделювання лінійної нейронної мережі з зворотним поширенням помилки для основних каналів керування реактором синтезу оцтової кислоти. | |
| dc.title.alternative | Modeling of a Linear Neural Network With Inverse Error Propagation for the Main Channels of Acetic Acid Synthesis Reactor Control | |
| dc.type | Article |