Поркуян, О. В.Самойлова, Ж. Г.Porkuian, O. V.Samojlova, Zh. G.2025-09-272025-09-272025Поркуян О. В., Самойлова Ж. Г. Вплив параметра SPREAD радіально-базісних мереж на апроксимацію основних каналів керування реактору синтезу оцтової кислоти. Вісник Східноукраїнського національного університету імені Володимира Даля. 2025. № 5 (291). С. 53-58.https://doi.org/10.33216/1998-7927-2025-291-5-53-58https://dspace.snu.edu.ua/handle/123456789/2492Основу 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.The chemical industry is based on chemical reactors. In today's competitive scenario, it is paramount to support the various operating variables and meet product specifications. The continuous stirred tank reactor (CSTR) is widely used in many chemical, pharmaceutical and petroleum industries, as well as in environmental protection and waste management.Neural network models offer the most unified approach to building truly intelligent systems that can provide optimal control for many systems. Over the past decade, artificial neural networks (ANNs) have gained importance as versatile data-driven structures for modelling nonlinear steady-state and dynamic processes. To build and study the properties of the neural network, we used statistical data from an acetic acid synthesis reactor operating in a stationary mode. The MATLAB 2021b software simulator environment was used for modelling. The aim of this work was to build and study the properties of radial basis neural networks RBF and GRNN, according to the main control channels of the acetic acid synthesis reactor, which is a gas-liquid reactor with continuous stirring. The investigated network can be proposed to be used for reactor control. In this paper, we investigated the effect of the SPREAD parameter on the structure of the radial basis network and the quality of approximation. To model the radial basis networks RBF and GRNN for controlling an acetic acid synthesis reactor for each control channel, an iterative procedure for forming networks was used. The relative error was used to quantify the quality of the approximation of the initial parameters. The SPREAD influence parameter for the radial basis function (RBF) network was determined to be 0.01, 0.1, 0.7, 2.0, 5.0, 10.0, 20.0, 50.0, 100.0. For the radial basis network GRNN, the values of the influence parameter SPREAD were taken to be 0.7, 2.5, 10, 20, 50, 100. The modelling of the radial basis networks RBF and GRNN for controlling the acetic acid synthesis reactor for each control channel using the iterative procedure for forming networks in MATLAB 2021b showed a satisfactory quality of approximation of the original data. It can also be said that the radial basis networks RBF and GRNN can be used to improve the control of the acetic acid synthesis reactor by all the main control channels.ukрадіально-базісна нейронна мережареакторапроксимаціяпараметр впливуradial basis neural networkreactorapproximationinfluence parameterArticle681.322