Метод и алгоритмы нейро-нечёткого управления установкой ускоренного охлаждения листового проката тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат наук Богачев Дмитрий Владимирович

• Богачев Дмитрий Владимирович
• кандидат наук
• 2015

Оглавление диссертации кандидат наук Богачев Дмитрий Владимирович

ВВЕДЕНИЕ

1 ОБЩАЯ ХАРАКТЕРИСТИКА ПРОБЛЕМЫ УПРАВЛЕНИЯ УСТАНОВКОЙ УСКОРЕННОГО ОХЛАЖДЕНИЯ ПРОКАТА

1.1 Анализ существующих моделей, методов и средств управления установками ускоренного охлаждения

1.2 Характеристика процесса ускоренного охлаждения проката как объекта управления

1.3 Определение требований к математическому обеспечению системы управления установкой ускоренного охлаждения проката

1.4 Выводы

2 МАТЕМАТИЧЕСКОЕ ОБЕСПЕЧЕНИЕ СИСТЕМЫ НЕЙРО-НЕЧЕТКОГО УПРАВЛЕНИЯ УСТАНОВКОЙ УСКОРЕННОГО ОХЛАЖДЕНИЯ ПРОКАТА

2.1 Системный анализ управления установкой ускоренного охлаждения проката

2.2 Нейро-нечёткая модель управления установкой ускоренного охлаждения листового проката

2.2.1 Формирование блока нечёткого вывода модели управления

2.2.2 Разработка нейро-нечёткого модуля управления установкой ускоренного охлаждения проката

2.3 Метод предварительной обработки входных переменных в системе управления установкой ускоренного охлаждения проката

2.3.1 Построение эталонной выборки для обучения модели управления

2.3.2 Определение значимых входов нейро-нечёткой модели управления установкой ускоренного охлаждения проката

2.4 Метод нейро-нечёткого управления установкой ускоренного охлаждения листового проката

2.5 Выводы

3 АЛГОРИТМИЧЕСКОЕ ОБЕСПЕЧЕНИЕ СИСТЕМЫ НЕЙРО-НЕЧЁТКОГО УПРАВЛЕНИЯ УСТАНОВКОЙ УСКОРЕННОГО ОХЛАЖДЕНИЯ ЛИСТОВОГО ПРОКАТА

3.1 Алгоритм предварительной обработки входной информации модели управления установкой ускоренного охлаждения проката

3.2 Параллельный алгоритм определения значимых факторов нейро-нечёткой модели управления установкой ускоренного охлаждения проката

3.3 Алгоритм структурной идентификации нейро-нечёткой модели управления установкой ускоренного охлаждения проката

3.4 Алгоритм обучения нейро-нечёткой модели управления установкой ускоренного охлаждения проката

3.5 Алгоритм расчёта скорости рольгангов с помощью нейро-нечёткой сети

3.6 Алгоритм управления установкой ускоренного охлаждения

3.7 Обобщённый алгоритм функционирования системы управления установкой ускоренного охлаждения листового проката

3.8 Выводы

4 ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ МЕТОДА И АЛГОРИТМОВ НЕЙРО-НЕЧЁТКОГО УПРАВЛЕНИЯ УСТАНОВКОЙ УСКОРЕННОГО ОХЛАЖДЕНИЯ ЛИСТОВОГО ПРОКАТА

4.1 Основные функциональные элементы и блоки системы управления установкой ускоренного охлаждения

4.2 Методика настройки алгоритмического обеспечения

4.3 Результаты экспериментальных исследований

4.4 Перспективы применения разработанных метода и алгоритмов нейро-нечёткого управления установкой ускоренного охлаждения листового проката

4.5 Выводы

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ

Введение диссертации (часть автореферата) на тему «Метод и алгоритмы нейро-нечёткого управления установкой ускоренного охлаждения листового проката»

ВВЕДЕНИЕ

Актуальность темы. В настоящее время в России осуществляется активное строительство магистральных трубопроводных систем (проекты «Турецкий поток», «Сила Сибири»), предназначенных для транспортировки природного газа из районов добычи в центры потребления как в нашей стране, так и за ее пределами. В связи с освоением все более отдаленных месторождений и увеличением мощности магистральных трубопроводов, газовая отрасль выдвигает постоянно возрастающие требования к качеству металла труб [1]. Изменения в части требований к трубам большого диаметра влекут за собой соответствующие изменения к требованиям для всех других элементов системы и технологий строительства магистрального трубопровода. Эксплуатационные свойства труб формируются на этапе изготовления листового проката. Свойства стали в листах, поставляемых с металлургических заводов, как правило, сохраняются и в готовых изделиях [2]. Общим направлением развития техники является увеличение мощности и производительности оборудования, транспортных и энергетических установок и систем, технических транспортных средств. Это, в свою очередь, требует применения конструкционных материалов более высокой прочности.

Помимо высокой прочности листовой прокат трубных сталей должен обладать высоким уровнем пластических и вязкостных свойств во всем температурном диапазоне эксплуатации трубопровода, что необходимо для обеспечения трещиностойкости и сопротивляемости распространению протяженных разрушений. Традиционные способы повышения прочности стали за счет увеличения процентного содержания углерода не позволяют существенно повысить прочностные характеристики без заметного снижения запаса пластичности и вязкости разрушения. Поэтому перед металлургами стоит задача освоения других способов достижения высокой прочности

листового проката трубных сталей, в частности за счет применения упрочняющей термообработки листа в процессе прокатки [3].

В условиях жесткой конкуренции на рынке металла использование инновационных технологий в черной металлургии позволяет существенно повысить эффективность производства и, соответственно, конкурентоспособность выпускаемой металлопродукции. На сегодняшний день одной из передовых технологий при производстве листового проката является ускоренное охлаждение. Применение данной технологии позволяет получить на выходе установки мелкозернистую структуру металла, обеспечивающую высокую пластичность продукции, получить требуемые прочностные свойства проката, расширить сортамент высококачественными марками стали, снизить содержание легирующих элементов, сократив при этом себестоимость [4].

Совершенствование управления температурно-скоростным режимом прокатки - одним из основных факторов, определяющих качество горячекатаной продукции, является первоочередной задачей производства горячекатаных полос. Рассматривая стан как объект управления итоговой температурой листового проката, стоит отметить, что из-за способности стана сглаживать колебания температуры наиболее эффективно управлять температурой металла как можно ближе к выходу из стана [5]. На завершающих стадиях прокатки расположены чистовая группа клетей и установка ускоренного охлаждения. Многосвязность объекта и взаимозависимость различных параметров прокатки диктуют целесообразность введения управляющего воздействия непосредственно в месте образования возмущений. С учётом выравнивания температуры металла в линии прокатки и того факта, что наибольшая нестабильность температуры по длине полосы образуется при термоупрочнении, очевидно, что более рационально управлять температурой на этапе ускоренного охлаждения.

Исследования в рассматриваемой области базируются на основах теории моделирования процессов и систем, изложенных в работах: С.А. Айвазяна, В.А.

Котельникова, Ю.Г. Лукашина, Ю.А. Бахвалова, П.С. Новикова, Л.А. Растригина, В.В. Солодовникова, А.А. Денисова, Е.Д. Теряева, А.А. Ляпунова, Я. З. Цыпкина, Ю.Г. Шакаряна, Б.Я. Советова, и зарубежных ученых, таких как С.Е. Shannon, P. Eykhoff, R.E. Kalman, G.M. Jenkins, S.R. Rao и др.

Исследованиями процессов, связанных с функционированием систем ускоренного охлаждения листового проката, занимались такие ученые как, И.В. Франценюк, Э.Е. Бейгельзимер, М.Л. Бернштейн, Ю.В. Кудинов, Ю. И. Липунов, Эфрон Л.И., М.А. Бобров, Морозов Ю.Д., Литвиненко Д.А. и др.

Вопросами проектирования нечетко-логических систем управления применительно к общим вопросам теорий неопределенности, нечеткой логики и множеств занимались и внесли значительных вклад российские и зарубежные ученые: А.Н. Аверкин, Р.А. Алиев, А.Е. Алтунин, Д.А. Поспелов, А.Н. Мелихов, Л.С. Бернштейн, Н.Г. Малышев, С.Д. Штовба, А.В. Леоненков, Л. Заде, А. Кофман, Д. Дюбуа, Х. Прад, Т. Тэрано.

Вопросам реализации алгоритмов нечётко-логического вывода посвящены труды E. Мамдани, M. Мизумото, М. Сугэно, T. Такаги, Й. Тсукамото, Г. Ларсена, Б. Коско.

Развитие методов построения нейро-нечетких моделей управления связано с работами таких исследователей, как Л. Рутковский, Д. Рутковская, М. Пилиньский, А. Пегат, С.Д. Штовба, А.В. Леоненков, M. Brown, Chiu. S., Chopra S., Mitra R., Kumar V., Lin C.-T., Lee G. C. S. и др.

На данный момент задача управления процессом ускоренного охлаждения осложняется слабой формализацией теплофизических процессов, происходящих при принудительном охлаждении, нелинейностью, сложной взаимозависимостью параметров, ошибками измерения параметров, а также большой нестационарностью протекающих процессов теплообмена (скорости охлаждения составляют несколько десятков градусов в секунду). Уменьшение доли бракованной продукции за счёт создания специального математического обеспечения нейро-нечёткого управления ускоренным охлаждением,

нечувствительного к неконтролируемым возмущениям теплофизических процессов, является основным способом увеличения конкурентоспособности на мировом рынке листового проката для предприятий металлургического комплекса.

В этой связи разработка метода и алгоритмов адаптивного нейро-нечёткого управления установкой ускоренного охлаждения листового проката является актуальной научно-технической задачей.

Цель и задачи диссертационной работы. Целью диссертационной работы является увеличение доли металла, итоговая температура которого попадает в требуемый диапазон за счёт повышения точности задания управляющих параметров на основе аппарата адаптивных нейро-нечётких сетей.

Для достижения поставленной цели в работе решаются следующие задачи:

1. Выполнен анализ проблемы управления установкой ускоренного охлаждения листового проката.

2. Разработано математическое обеспечение системы управления установкой ускоренного охлаждения листового проката.

3. Разработаны алгоритмы обработки информации в системе управления установкой ускоренного охлаждения.

4. Проведены экспериментальные исследования метода и средств обработки информации в системе управления установкой ускоренного охлаждения.

Объект и предмет исследования. Объектом исследования является система управления установкой ускоренного охлаждения листового проката. Предмет исследования - методы и алгоритмы нейро-нечёткого управления ускоренным охлаждением листового проката.

Методы исследования. Для решения поставленных задач в работе использовались методы математического моделирования металлургических

процессов, искусственного интеллекта, нейронных сетей, нечёткой логики, статистического анализа, кластерного анализа, основы теории построения алгоритмов, программные и языковые средства современных компьютерных технологий.

Научная новизна и основные положения, выносимые на защиту:

1. Разработана математическая модель нейро-нечёткого управления установкой ускоренного охлаждения листового проката, позволяющая задавать требуемый скоростной режим работы установки ускоренного охлаждения в условиях нестационарности протекающих явлений теплообмена, погрешностей измерения параметров, неконтролируемых возмущений.

2. Разработан метод нейро-нечёткого управления процессом ускоренного охлаждения, отличающийся механизмом верификации базы нечетких правил, позволяющий увеличить долю металла, попадающего в требуемый диапазон.

3. Разработана система алгоритмов управления установкой ускоренного охлаждения, реализующая функционально полное алгоритмическое обеспечение:

- алгоритм предварительной обработки входной информации модели управления установкой ускоренного охлаждения проката;

- алгоритм отбора значимых факторов нейро-нечёткой модели управления установкой ускоренного охлаждения;

- алгоритм структурной идентификации нейро-нечёткой модели управления установкой ускоренного охлаждения проката;

- алгоритм обучения нейро-нечёткой модели управления установкой ускоренного охлаждения;

- алгоритм расчёта скорости рольгангов с помощью нейро-нечёткой сети;

- алгоритм управления установкой ускоренного охлаждения;

- обобщенный алгоритм функционирования системы управления установкой ускоренного охлаждения листового проката.

Практическая значимость результатов исследования заключается в том, что реализация разработанных теоретических положений позволила:

- повысить точность определения управляющих параметров на 6,3 % за счет применения математической модели установки ускоренного охлаждения.

- увеличить долю металла, итоговая температура которого попадает в заданный диапазон, на 4,8 % за счёт повышения точности определения скоростного режима работы установки контролируемого охлаждения, обеспечивающего получение требуемой температуры проката.

- увеличить скорость принятия решений по подбору технологических параметров процесса контролируемого охлаждения проката в 2,3 раза за счет использования разработанного программного обеспечения.

- повысить экономическую эффективность работы на рынке металлургической продукции на 1,4 %.

Реализация результатов работы. Диссертационное исследование выполнено в рамках госзадания Министерства образования и науки РФ 2012 на 2012-2013 гг. на тему «Интеллектуальные модели управления сложными распределёнными многосвязными объектами».

Разработанные метод и алгоритмы управления установкой ускоренного охлаждения прошли экспериментальную проверку в листопрокатном цехе № 3 производства трубного проката ПАО «Северсталь».

Результаты исследования были успешно внедрены и используются в управлении механизации и автоматизации ООО «Северсталь-Промсервис» при построении системы управления установкой контролируемого охлаждения.

Предложенные алгоритмы обработки информации и управления используются в учебном процессе на кафедре «Математическое и программное обеспечение ЭВМ» Череповецкого государственного университета в

дисциплинах: «Структуры и алгоритмы обработки данных», «Системы искусственного интеллекта» для специальности 230105 «Программное обеспечение вычислительной техники и автоматизированных систем».

Апробация работы. Основные результаты диссертационной работы докладывались и получили положительную оценку на следующих научных конференциях: XI, XII Международные конференции «Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации» (Курск, 2013, 2015 гг.); УШ, IX, X Международные конференции «Автоматизация и энергосбережение машиностроительного и металлургического производств, технология и надежность машин, приборов и оборудования» (Вологда, 2013, 2014, 2015 гг.), VII, VIII Международные конференции «Информатизация процессов формирования открытых систем на основе СУБД, САПР, АСНИ и систем искусственного интеллекта (ИНФОС-2013, 2015)» (Вологда, 2013, 2015), XVII, XVIII Международные конференции «Системный анализ в проектировании и управлении» (Санкт-Петербург, 2013, 2014 гг.), III Всероссийская конференция с международным участием «Теория и практика системного анализа» (Рыбинск, 2014 г.), Всероссийская научно-практическая конференция «Череповецкие научные чтения» (Череповец, 2012, 2013, 2014 гг.), VI Международная научно-практическая конференция «Инженерные системы -2013» (Москва, 2013) и др.

Публикации. По теме диссертации опубликовано 39 научных работ, в том числе 8 статей в ведущих рецензируемых научных журналах и изданиях из перечня ВАК Министерства образования и науки РФ, 2 монографии, а также 2 свидетельства о регистрации электронного ресурса (ОФЭРНиО) и 2 свидетельства о государственной регистрации программы для ЭВМ (Роспатент).

Структура и объем работы. Диссертационная работа состоит из введения, четырех разделов, заключения, списка литературы, включающего 106

наименований и 4-х приложений. Работа содержит 146 страниц, 31 рисунок и 7 таблиц.

В первом разделе проведен анализ существующих моделей, методов и средств управления установками ускоренного охлаждения, рассмотрены характеристики процесса ускоренного охлаждения, определены требования к математическому обеспечению системы управления ускоренным охлаждением.

Во втором разделе дано концептуальное описание управления ускоренным охлаждением с помощью системной модели, разработан метод интеллектуального управления ускоренным охлаждением на основе нейро-нечёткой модели, обученной на основе истории ретроспективных данных о работе установки, методика формирования эталонной обучающей выборки, алгоритм отбора значимых факторов модели на основе метода главных компонент и метода box-counting c применением кластеризации на основе концепции доминирующих множеств.

В третьем разделе разработаны алгоритм предварительной обработки информации системы ускоренного охлаждения, алгоритм отбора значимых факторов модели управления, алгоритм обучения нейро-нечёткой модели управления ускоренным охлаждением, алгоритм расчёта управляющих параметров с помощью нейро-нечёткой сети, алгоритм управления установкой ускоренного охлаждения и обобщённый алгоритм функционирования системы управления ускоренным охлаждением листового проката.

В четвертом разделе определены основные функциональные блоки системы управления ускоренным охлаждением листового проката, описана методика настройки алгоритмического обеспечения, проведены экспериментальные исследования результатов управления, представлены перспективы развития разработанных метода и алгоритмов интеллектуального управления ускоренным охлаждением на рынке металлургической продукции.

Заключение содержит краткое описание основных результатов диссертационной работы.

1 ОБЩАЯ ХАРАКТЕРИСТИКА ПРОБЛЕМЫ УПРАВЛЕНИЯ УСТАНОВКОЙ УСКОРЕННОГО ОХЛАЖДЕНИЯ ПРОКАТА

1.1 Анализ существующих моделей, методов и средств управления установками ускоренного охлаждения

Наиболее эффективной технологией производства толстолистового проката на сегодняшний день является термомеханический контролируемый процесс (ТМСР) [6], соединивший термомеханическую (контролируемую) прокатку и ускоренное охлаждение после прокатки. Технология производства стали с охлаждением на воздухе в большинстве случаев не обеспечивает выпуск продукции, удовлетворяющей требованиям стандартов, а также ограничивает диапазон доступных свойств металла. Поэтому современное развитие процессов термического упрочнения на металлургических предприятиях основано на создании линий и систем ускоренного охлаждения продукции в потоке прокатных станов [7].

Ускоренное охлаждение проката стало важной и неотъемлемой частью технологического процесса во многих производственных цехах. Оно может применяться как самостоятельная операция, но иногда и как составная часть других технологических процессов [8]. Ускоренное охлаждение используется на различных участках производства проката, в частности, непосредственно после выхода проката из чистовой клети, после термообработки в различных нагревательных устройствах, между клетями прокатного стана. Однако наиболее рациональным способом осуществления упрочняющей термической обработки прокатных изделий является их интенсивное охлаждение непосредственно на выходе из прокатного стана [9].

Стандартная схема горячей прокатки толстых листов с использованием ускоренного охлаждения:

1. Черновая прокатка.

2. Выдержка на воздухе.

3. Чистовая прокатка.

4. Ускоренное охлаждение.

5. Охлаждение на воздухе.

6. Замедленное охлаждение в стопе.

Ускоренное охлаждение является одним из способов термической обработки, совершаемой за счет тепла, содержащегося в металле, непосредственно за чистовой группой рабочих клетей прокатных станов. В большинстве случаев данный процесс осуществляется путем подачи на поверхность металла охладителя (чаще всего воды) в виде струй (с помощью форсунок) или брызг. Такой способ охлаждения может обеспечить получение требуемых и равномерных механических свойств металла, повысить качество прокатной продукции [10].

При прокатке листов толщиной более 12 мм температура конца прокатки может достигать 900 - 1050 °С. Данный показатель превышает оптимальное значение на 100 - 150 °с. Кроме того колебания температуры конца прокатки внутри партии листов достигают 50 °с и более. В итоге до 40 % листов не удовлетворяют требованиям стандартов. Поэтому без обеспечения необходимых режимов охлаждения не обходится производство ни одного из видов толстого листа [11].

Анализ технологии охлаждения листового проката. На этапе ускоренного охлаждения обеспечиваются требуемые прочностные, пластические свойства листа. На рисунке 1 представлена схема расположения оборудования на современной установке ускоренного охлаждения.

Рисунок 1 - Расположение оборудования на участке ускоренного охлаждения

Установка ускоренного охлаждения имеет несколько раздельно регулируемых охлаждающих секций. Подача охладителя обеспечивается распределительным узлом системы водоснабжения. Горячекатаный лист выходит из клети при температуре порядка 750 - 1050 °с и поступает на охлаждение в секции установки. При этом при движении по участку до первой секции полоса подстуживается на воздухе, что может повлиять на механические свойства после термического упрочнения. Охладитель подается на раскат сверху и снизу из коллекторов. При этом расходы охладителя, поступающего сверху и снизу, могут задаваться независимо друг от друга. Ускоренное охлаждение понижает температуру проката до 400 - 750 °С.

В условиях металлургических заводов в качестве охладителя может быть использована лишь техническая вода. Применение других охлаждающих сред, таких как масло, эмульсия, растворов и расплавов солей экономически нецелесообразно, так как связано с большими капитальными затратами на оборудование и высокими эксплуатационными расходами [12].

По принципу работы установки ускоренного охлаждения делятся на два

типа:

- действующие в проходном режиме и обычно имеющие две зоны охлаждения: зону интенсивного охлаждения для обеспечения высоких скоростей охлаждения и зону вторичного охлаждения для обеспечения охлаждения до температуры конца упрочнения;

- действующие в режиме покачивания, когда лист при охлаждении совершает возвратно-поступательное движение.

Впервые контролируемое охлаждение применили в Великобритании в 1962 году на широкополосном стане. Но наиболее сильное развитие системы ускоренного охлаждения получили в Японии в конце 70-х годов [13]. Первая промышленная установка ускоренного охлаждения была введена в действие в 1980 г. в Японии на заводе фирмы Nippon Kokan в г. Фукуяма. До этого момента на станах применялись только ролико-закалочные машины, обеспечивающие закалку листов. При этом на ряде предприятий для закалки также применялись закалочные баки и прессы.

В период до 1997 г. на станах использовались установки ускоренного охлаждения с однотипными секциями без деления на зоны разной эффективности охлаждения. Последующее развитие технологии производства толстолистового проката потребовало добавление головных секций с высоким давлением воды.

Основные способы ускоренного охлаждения листового проката [14, 15,

16]:

- охлаждение водяной завесой.

- охлаждение воздухо-воздушной смесью;

- охлаждение водяной подушкой;

- охлаждение ламинарными струями;

- струйные устройства форсуночного типа.

Последние два способа охлаждения являются в настоящее время наиболее распространенными. Однако эффективность охлаждения в первую очередь определяется расходом охладителя, а не способом подачи [8, 17].

На установке контролируемого охлаждения (УКО) стана 5000 ПАО «Северсталь» используется струйное охлаждение проката [18].

Использование ускоренного охлаждения позволяет добиться следующих целей [19, 20]:

1. Термическое упрочнение металла непосредственно с прокатного нагрева.

2. Получение мелкозернистой структуры металла, обеспечивающей высокую пластичность.

3. Снижение содержания легирующих элементов, сокращающее себестоимость.

4. Уменьшение окалинообразования в процессе охлаждения.

5. Расширение сортамента высококачественными марками стали.

6. Увеличение производительности стана вследствие сокращения паузы при подстуживании раскатов.

7. Снижение нагрузок на стан за счет более высокой температуры конца прокатки.

8. Повышение хладостойкости, вязкости, коррозийной стойкости проката.

Получение стали с категорией прочности К65 ^80) и выше невозможно без использования ускоренного охлаждения [21, 22].

Можно выделить следующие основные схемы охлаждения листового проката после деформации [6, 23]:

- ускоренное регулируемое охлаждение (ACC);

- прямая закалка с последующим отпуском металла (DQ);

- закалка с самоотпуском (QST), заключающаяся в охлаждении с большой скоростью в течение достаточно короткого времени.

Создаваемые на станах горячей прокатки автоматизированные системы управления технологическими процессами (АСУТП) обеспечивают выбор оптимальных параметров всех технологических операций и их реализацию.

Функционирование АСУТП основано на использовании управляющих электронно-вычислительных машин (УВМ) и локальных систем автоматического регулирования. С помощью АСУТП выполняется в оптимальном режиме множество операций на участках нагрева слябов и слитков, прокатки, термообработки и отделки продукции [24].

Ускоренное охлаждение может быть осуществлено только при высоком уровне автоматизации процесса, так как необходимо учитывать температурные перепады по длине и толщине листа [25]. АСУТП должны осуществлять охлаждение полос, движущихся по рольгангу с переменной скоростью по заданной зависимости абсолютного падения температуры полосы [10].

Теплообмен при водяном охлаждении. Температурный режим прокатки является одним из основных факторов, определяющих качество горячекатаной продукции. Структура металла и его физико-механические свойства в значительной мере определяются температурой металла в момент выхода из последней клети чистовой группы (температурой конца прокатки Ткп). Для получения оптимальной структуры и физико-математических свойств листа необходимо, чтобы прокатка заканчивалась при температуре, соответствующей области однофазного аустенитного состояния металла. Таким образом, температура конца прокатки должна быть выше температуры у^а превращения.

Использование технологии ускоренного охлаждения приводит к увеличению скорости охлаждения металла, и как результат, смещением начала у^а превращения в область более низких температур. Увеличение скорости охлаждения в температурном интервале превращений приводит к измельчению зерна феррита, изменению соотношения структурных составляющих (например, формированию бейнита и/или небольших участков мартенсита и остаточного аустенита взамен перлита), а также влияет на структуру феррита [26].

Ускоренное охлаждение проката на отводящем рольганге происходит в результате передачи теплоты от поверхности металла воде за счет большого перепада их температур, а также при излучении, свободной конвекции и передаче теплоты рольгангу. Этот процесс теплопередачи во времени при подаче воды на полосу характеризуется коэффициентом теплоотдачи. В первый момент соприкосновения воды с горячим металлом из-за большой разницы их температур происходит быстрая теплоотдача, и коэффициент теплоотдачи имеет высокое значение [10]. Однако соприкосновение высоко нагретых тел с низкокипящими жидкостями сопровождается испарением жидкостей вплоть до кипения. При этом сменяют друг друга пузырьковое и пленочное кипение. Следует отметить, что интенсивность теплообмена к жидкости значительно превышает интенсивность теплообмена к пару.

Пленочное кипение действует как изолирующий слой, замедляя процесс теплоотдачи. Некоторое время коэффициент теплоотдачи имеет минимальной значение, характеризуя период замедленной теплоотдачи. Постепенно, с охлаждением металла, паровой слой теряет свою устойчивость, и между поверхностью полосы и подаваемой новой порцией воды возникает непосредственный контакт, приводящий снова к высокой теплоотдаче. Со временем температура металла становится все более низкой, поэтому теплоотдача даже в моменты контактов воды с полосой уменьшается. Следовательно, скорость охлаждения полосы зависит от того, насколько быстро разрушается паровой слой на поверхности охлаждаемого металла [10]. Для струйного способа охлаждения было обнаружено увеличение интенсивности разрушения парового слоя между струями воды и поверхностью раската при росте скорости истечения воды [17].

Список литературы диссертационного исследования кандидат наук Богачев Дмитрий Владимирович, 2015 год

СПИСОК ЛИТЕРАТУРЫ

1. Akio F., Kazuo O. JFE Steel's Advanced Manufacturing Technologies for High Performance Steel Plates // JFE Technical report, 2005, № 5, С. 10-14.

2. Башнин Ю.А., Ушаков Б.К., Секей А.Г. Технология термической обработки стали. - М.: Металлургия, 1986. - 424 с.

3. Варламов Н.И, Макаров Г.И., Гиллер Г.А. Современные научные тенденции в области разработки и применения труб нового поколения для магистральных трубопроводов // Территория нефтегаз. - 2011. - № 9. - С. 1-8.

4. Салганик В.М., Румянцев М.И. Технология производства листовой стали: Учебное пособие. - Магнитогорск: ФГБОУ ВПО «МГТУ им. Г.И. Носова», 2013, - 320с.

5. Генкин А.Л. Моделирование и оптимизация процесса горячей прокатки полос. М.: ЛЕНАНД, 2012, - 168с.

6. Streisselberger A., Kirsch H.-J., Schwinn V. Process developments in TMCP to produce heavy plates in high strength steel grades // 2nd Intern. Conf. on Thermo-mechanical Processing of Steels. TMP'2004, June 15-17, Belgium, Liege, 2004, pp. 275-284.

7. Богачев Д.В., Ершов Е.В., Варфоломеев И.А. Обеспечение оптимального скоростного режима работы установки ускоренного охлаждения // Автоматизация и энергосбережение машиностроительного и металлургического производств, технология и надежность машин, приборов и оборудования: материалы X международной научно-технической конференции. - Вологда: ВоГУ, 2015. - С. 31-35.

8. Губинский В.И., Минаев А.Н., Гончаров Ю.В. Уменьшение окалинообразования при производстве проката. - Киев: Техшка, 1981. - 135 с.

9. Целиков А.И., Полухин П.И., Гребеник В.М. и др. Машины и агрегаты металлургических заводов. В 3-х т. Т. 3. Машины и агрегаты для

производства и отделки проката. Учебник для вузов. - М.: Металлургия, 1988. -680 с.

10. Гулидов И.Н. Оборудование прокатных цехов (эксплуатация, надежность): Учеб. пособие для студентов сред. спец. учеб. заведений - М.: Интермет Инжиниринг, 2004. - 320 с.

11. Богачев Д.В., Варфоломеев И.А., Ершов Е.В. Построение нейро-нечёткой модели управления установкой контролируемого охлаждения листа // Автоматизация и энергосбережение машиностроительного и металлургического производств, технология и надежность машин, приборов и оборудования»: Материалы девятой международной научно-технической конференции. - Вологда: ВоГУ, 2014. - С. 37-41.

12. Стародубов К.Ф., Узлов И.Г., Савенков В.Я., Поляков С.Н., Борковский Ю.З., Калмыков В.В. Термическое упрочнение проката. - М.: Металлургия, 1970. - 368 с.

13. Губанов С.А., Чикишев Д.Н. Ускоренное контролируемое охлаждение, применяемое на толстолистовых станах для высокопрочных сталей // Калибровочное бюро, 2014 № 3.1, С. 4-10.

14. Шмидт Д., Демель Р., Хорн Г. Технологии охлаждения для высокопрочных листов // Черные металлы, 2009, № 1, С. 27-31.

15. Omata K., Yoshimura H., Yamamoto S. Leading high performance steel plates with advanced manufacturing technologies // NKK Tech. Rev, 2003, № 88, pp. 73-80.

16. Zhao Y. The cooling of a hot steel plate by an impinging water jet, PhD thesis, School of Mechanical, Materials and Mechatronics, University of Wollongong, 2005.

17. Узлов И.Г. Управляемое термическое упрочнение проката / И.Г.Узлов, В.В.Парусов, Р.В.Гвоздев, О.В.Филонов. - К.: Техника. - 1989, - 118 с.

18. Липунов Ю.И., Эйсмондт К.Ю. Разработка систем автоматизированного управления технологическим процессом упрочнения проката в потоке стана // Известия ВУЗов. Черная металлургия, 2009, № 12, С. 68-72.

19. Морозов Ю.Д., Матросов Ю.И., Эфрон Л.И. Термомеханическая прокатка с последующим ускоренным охлаждением — способ получения листового проката для электросварных труб большого диаметра с повышенными требованиями // Тез. докл. Междунар. науч.-техн. конф. «Теория и технология процессов пластической деформации - 2004». 26-27 октября 2004 г. - М.: MULTIPRINT; МИСиС, 2004, С. 221-222 .

20. Матросов М.Ю., Эфрон Л.И., Ильинский В.И. Использование ускоренного охлаждения для повышения механических и технологических свойств толстолистового проката для изготовления газопроводных труб большого диаметра // Металлург, 2005, № 6, С. 49-54.

21. Эфрон Л.И., Ильинский В.И., Голованов А.В., Ламухин А.М. Разработка и промышленное опробование технологии производства широкоформатного листа для труб диаметром 1420 мм на стане 5000 ОАО «Северсталь» // Металлург, 2003, № 6, С. 49-51.

22. Немтинов А.А., Голованов А.В., Головин С.В., Матросов М.Ю., Эфрон Л.И. Использование технологии ускоренного охлаждения для производства листового проката для электросварных труб большого диаметра на стане 5000 ОАО «Северсталь» // Труды Международного семинара «Современные стали для газонефтепроводных труб; проблемы и перспективы». - Москва, 15-16 марта 2006г. C. 132-134.

23. Schwinn V. New Metallurgical approaches to extend the application of TMCP for the heavy plate production // HSLA Steels, 2000, pp. 365-371.

24. Грудев А.П., Машкин Л.Ф., Ханин М.И. Технология прокатного производства. Учебник для вузов. - М.: Металлургия, 1994. - 656 с.

25. Диомидов Б.Б., Литовченко Н.В. Технология прокатного производства: Учебное пособие для вузов - М.: Металлургия, 1979. - 488 с.

26. Эфрон Л.И. Металловедение в «большой» металлургии. Трубные стали - М.: Металлургиздат, 2012. - 696 с.

27. Горбунов В.А. Использование нейросетевых технологий для повышения энергетической эффективности теплотехнологических установок / ФГБОУВПО «Ивановский государственный энергетический университет имени В.И. Ленина». - Иваново, 2011. - 476 с.

28. Растригин Л. А. Адаптация сложных систем. - Рига: Зинатне, 1981. - 375 с.

29. Терехов С.А. / В кн.: Нейроинформатика. - Новосибирск: Наука, 1998. - С. 98-137.

30. Фрунзе А.В. Методические погрешности энергетических пирометров и способы их минимизации // Метрология. - 2012. - № 7. - С. 1938.

31. Фрунзе А.В. Развитие методологии пирометрии // Научное обозрение, 2014, №11, С78-82.

32. Алтунин А.Е., Семухин М.В. Модели и алгоритмы принятия решений в нечетких условиях. - Тюмень: Издательство Тюменского государственного университета, 2002. - 352 с.

33. Эйсмондт К.Ю. «Разработка и внедрение в производство устройств термоупрочнения проката регулируемым охлаждением на основе анализа процессов теплообмена», автореферат диссертации на соискание ученой степени кандидата технических наук: 05.16.01; 05.16.02. Эйсмондт К.Ю.; [Научно-исследовательский институт металлургической теплотехники, Ур. фед. ун-т им. первого Президента России Б.Н. Ельцина] - Екатеринбург, 2011 г.

34. Бойченко Л.Я., Оноколо А.Н. Основные направления автоматизации процесса ускоренного охлаждения полосы на станах горячей

прокатки // Сб. Автоматизация прокатных станов. М.: Металлургия, 1974 (институт автоматики). - С. 135-139.

35. Франценюк И.В., Захаров А.Е. Ускоренное охлаждение листа. М.: Металлургия, 1992. - 186 с.

36. Коновалов Ю.В., Остапенко А.Л. Температурный режим широкополосных станов горячей прокатки. М.: Металлургия, 1974. - 176 с.

37. Бейгельзимер Э.Е., Остапенко А.Л., Кузьмин А.В., Козленко Д.А. Комплексное программное обеспечение АСУ контролируемого охлаждения листового проката // Сталь. - 2006. - № 8. - С. 18-22.

38. А.с. 1768342 / Костяков В.В., Тригуб В.А, Мазур В.Л. и др. Открытия. Изобретения. 1991 г.

39. Muhin U., Koinov T., Belskij S., Makarov E. Simulation of accelerated strip cooling on the hot rolling mill run-out roller table // Journal of Chemical Technology and Metallurgy, vol. 49, n. 1, 2014, pp. 60-64.

40. Цюрко В.И., Кабаков З.К. Адаптивный алгоритм управления установкой ускоренного охлаждения горячей полосы // Производство проката. - 2011. - № 10. - С.42-45.

41. Zheng Y., Li S., Wang X. An approach to model building for accelerated cooling process using instance-based learning // Expert Systems with Applications, 37(7), pp. 5364-5371, 2010.

42. Аверкин А.Н., Батыршин И.3. и др. Нечеткие множества в моделях управления и искусственного интеллекта / Под ред. Д.А. Поспелова. - М.: Наука, 1986.

43. Богачев Д.В., Ершов Е.В., Варфоломеев И.А., Виноградов О.А. Нейро-нечеткие модели управления сложными технологическими процессами // Общество, современная наука и образование: проблемы и перспективы: сборник научных трудов по материалам Международной научно-практической конференции 30 ноября 2012 г.: в 10 частях. Часть 7; М-во обр. и науки РФ. Тамбов: Изд-во ТРОО «Бизнес-Наука-Общество», 2012. - С. 26-27.

44. Богачев Д.В., Варфоломеев И.А., Ершов Е.В. Нейро-нечеткие модели управления многосвязными тепловыми объектами в металлургии // Системный анализ в проектировании и управлении: Сборник научных трудов XVII Междунар. науч.-практич. конф. Ч.2. - СПб.: Изд-во Политехн. ун-та, 2013. - С. 141-142.

45. Богачев Д.В., Варфоломеев И.А., Ершов Е.В. Построение нейро-нечетких моделей управления технологическими процессами в металлургии // Информатизация процессов формирования открытых систем на основе СУБД, САПР, АСНИ и систем искусственного интеллекта: Материалы 7-й межд. научно-техн. конф. - Вологда: ВоГТУ, 2013. - С. 33-37.

46. Кальченко Д. Нейронные сети: на пороге будущего [Текст] // КомпьютерПресс. - 2005. - №1. - С. 86-90.

47. Хайкин С. Нейронные сети: полный курс, 2-е издание.: Пер. с англ. - М.: Издательский дом «Вильямс», 2006. - 1104 с.

48. Рутковский Л. Методы и технологии искусственного интеллекта / Пер. с польск. И.Д. Рудинского. - М.: Горячая линия - Телеком, 2010. - 520 с.

49. Пегат A. Нечеткое моделирование и управление / пер. с англ. - 2-е изд. - М.: БИНОМ. Лаборатория знаний, 2013. - 798 с.

50. Ершов Е.В., Виноградова Л.Н., Богачев Д.В., Петрухина О.С. Система прогнозирования качества продукции металлургического производства // Известия вузов. Приборостроение, 2015. Т. 58, № 2, С. 123-127.

51. Уоссермен, Ф. Нейрокомпьютерная техника: Теория и практика = Neural Computing. Theory and Practice. - М.: Мир, 1992. -240 С.

52. Круглов, В. В., Борисов В.В. Искусственные нейронные сети. Теория и практика. - М.: Горячая линия - Телеком, 2001. - 382 с.

53. Zell A. Simulation neuronaler Netze. Addisson-Wesley (Deutschland) GmbH, 1994, pp. 179-187.

54. Zadeh L.A. Fuzzy sets. Information and Control, 1965, vol. 8, pp. 338353.

55. Усков А.А. Принципы построения систем управления с нечеткой логикой // Приборы и системы. Управление, Контроль, Диагностика, 2004, № 6, С. 7-13.

56. Заде Л.А. Тени нечетких множеств // Проблемы передачи информации, 1966, т. 2, вып. 1, С. 37-44.

57. Халов Е.А. Теоретические основы построения многопараметрических функций принадлежности нечетких систем // Информационные процессы, 2009, т. 9, № 1, С. 44-50.

58. Кукса П.П. Анализ алгоритма нечеткой кластеризации // Информатика и системы управления в XXI веке. Сборник трудов. - М.: Изд-во МГТУ им. Н.Э. Баумана, 2003, С. 249-253.

59. Кудинов Ю.И., Келина А.Ю., Халов Е.А., Кудинов И.Ю. Адаптивная нейро-нечеткая комбинированная система управления // Известия РАН. Теория и системы управления, 2005 №4, С. 79-88.

60. Богачев Д.В., Ершов Е.В., Варфоломеев И.А. Разработка интеллектуальной модели прогнозирования выходной температуры проката на установке контролируемого охлаждения // Проблемы черной металлургии и материаловедения. - М.: ЦНИИчермет им. И.П. Бардина. - 2014. - № 2. - С.37-42.

61. Богачев Д.В., Ершов Е.В., Варфоломеев И.А. Интеллектуальное управление установкой контролируемого охлаждения стана 5000 ОАО «Северсталь» // Сталь, 2015, № 6, С. 64-68.

62. Липунов Ю.И., Траянов Г.Г, Эйсмондт К.Ю. Разработка систем регулируемого охлаждения и технологий термоупрочнения // Сталь, 2010, № 3, С. 86-89.

63. Матросов М.Ю., Эфрон Л.И., Ильинский В.И., Северинец Ю.И., Липунов Ю.И., Эйсмондт К.Ю. Использование ускоренного охлаждения для повышения механических и технологических свойств толстолистового проката

для изготовления газопроводных труб большого диаметра // Металлург, 2006, № 6, С 49-54.

64. Богачев Д.В., Варфоломеев И.А., Ершов Е.В. Прогнозирование выходной температуры проката на установке контролируемого охлаждения листа стана 5000 ЛПЦ-3 ОАО «Северсталь» // Научно-технический прогресс в черной металлургии: Материалы I Международной научно-технической конференции (2 - 4 октября 2013 г.) / Отв. ред А. Л. Кузьминов. - Череповец: ФГБОУ ВПО «Череповецкий государственный университет», 2013. - С. 30-37.

65. Bogachev D.V., Ershov E.V., Varfolomeev I.A., Vinogradova L.N. Control algorithm of technological speed of roller table for accelerated cooling machine of rolled sheet // European Science and Technology: materials of the IX international research and practice conference, Munich, December 24th - 25th, 2014 / publishing office Vela Verlag Waldkraiburg - Munich - Germany, 2014 - pp. 283289.

66. Эйсмондт К.Ю., Липунов Ю.И., Завгороднев Д.В., Некрасова Е.В., Варламов С.О., Казабкаев Н.М. Автоматизированная система управления устройством контролируемого охлаждения на стане 5000 // Сталь, 2005, № 3, С 61-65.

67. Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы: пер. с польск. И.Д. Рудинского. -М.: Горячая линия - Телеком, 2006. - 452 с.

68. Богачев Д.В., Ершов Е.В., Варфоломеев И.А. Использование нейро-нечетких методов при управлении технологическими процессами в металлургии // Череповецкие научные чтения - 2014. Материалы Всероссийской научно-практической конференции (11 - 12 ноября 2012 г.) -Череповец: ЧГУ, 2015. - С. 43-45.

69. Богачев Д.В., Ершов Е.В., Варфоломеев Е.В., Виноградова Л.Н. Проектирование системы управления установкой ускоренного охлаждения листового проката // Оптико-электронные приборы и устройства в системах

распознавания образов, обработки изображений и символьной информации. Распознавание - 2015: сб. материалов XII Междунар. науч.-техн. конф. / редкол.: В. С. Титов; Юго-Зап. гос. ун-т. - Курск, 2015. - С. 52-54.

70. Советов Б.Я., Яковлев С.А. Моделирование систем: Учеб. для вузов - 3-изд., перераб. и доп. - М.: Высш. шк., 2001. - 343 с.

71. Богачев Д.В., Ершов Е.В., Варфоломеев И.А. Нейро-нечеткая модель управления процессом ускоренного охлаждения проката // Металлургические процессы и оборудование, 2014, №2, С. 37-42.

72. Богачев Д.В., Ершов Е.В., Варфоломеев И.А. Использование нейро-нечетких методов при управлении технологическими процессами в металлургии // Череповецкие научные чтения - 2012. Материалы Всероссийской научно-практической конференции (1 - 2 ноября 2012 г.) -Череповец: ЧГУ, 2013. - С. 32-35.

73. Богачев Д.В., Ершов Е.В., Варфоломеев И.А. Оптимизация нейро-нечеткой модели управления технологическими процессами в металлургии // Вестник Череповецкого государственного университета, 2013, №1, Т.2, С. 1014.

74. Богачев Д.В., Ершов Е.В., Варфоломеев И.А. Структурная и параметрическая идентификация нейро-нечетких моделей управления технологическими процессами в металлургии // Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации. Распознавание - 2013: сб. материалов XI Междунар. науч.-техн. конф. / ред. кол.: С. Г. Емельянов; Юго-Зап. гос. ун-т. Курск, 2013. -С. 308-311.

75. Леоненков А.В. Нечеткое моделирование в среде MATLAB и fuzzyTECH. - СПб.: БХВ-Петербург, 2005. - 736 с.

76. Essam F. Natsheh. Taxonomy of clustering methods used in fuzzy logic systems // Journal of Telecommunication, Electronic and Computer Engineering, vol. 4, no. 1, 2012, pp. 65-71.

77. Chiu. S. An Efficient Method for Extracting Fuzzy Classification Rules from High Dimensional Data // Advanced Computational Intelligence, vol. 1, no. 1, 1997, pp. 1-7.

78. Chopra S., Mitra R., Kumar V. Reduction of Fuzzy Rules and Membership Functions and Its Application to Fuzzy PI and PD Type Controller // IJCAS, vol.4, no.4, pp. 438-447, August 2006.

79. Штовба С. Д. Проектирование нечетких систем средствами MATLAB. - М.: Горячая линия - Телеком, 2007. - 288 с.

80. Богачев Д.В., Ершов Е.В., Варфоломеев И.А. Структурная и параметрическая идентификация нейро-нечеткой модели управления процессом полимеризации горячеоцинкованного листа // Труды VI Международной научно-практической конференции «Инженерные системы -2013», посвященной 100-летнему юбилею первого ректора РУДН профессора С.В. Румянцева. Москва, 24-26 апреля 2013 г. - М.: РУДН, 2013. - С.347-352.

81. Lin C.-T., Lee G. C. S., Neural-network-based fuzzy logic control and decision system // IEEE Transactions on Computers, December 1991, vol. 40, no. 12, pp. 1320-1336.

82. Ежов А.А., Шумский С.А. Нейрокомпьютинг и его применения в экономике и бизнесе. - М.: МИФИ, 1998. - 224 с.

83. Swingler К. Applying Neural Networks, A Practical Guide, Academic Press, 1996, 303p.

84. Черепанов Ф.М., Ясницкий Л.Н. Нейросетевой фильтр для исключения выбросов в статистической информации // Вестник Пермского Университета, 2008, № 4, С. 151-155.

85. Перегудов Ф.И., Тарасенко Ф.П. Введение в системный анализ: Учеб. пособие для вузов. - М.: Высш. шк., 1989, - 367 с.

86. Богачев Д.В., Ершов Е.В., Варфоломеев И.А. Проблема отбора значимых факторов при моделировании процесса ускоренного охлаждения листа // Системный анализ в проектировании и управлении: Сборник научных

трудов XVIII Междунар. науч.-практич. конф. Ч.2. - СПб.: Изд-во Политехн. ун-та, 2014. - С. 150-152.

87. Brown M., Bossley K. M., Mills D. J., Harris C. J. High dimensional neurofuzzy systems: overcoming the curse of dimensionality. Proceedings of the International Conference. FUZZ-IEEE/IFES'95. Yokohama, Japan, 1995, pp. 21392146.

88. Богачев Д.В., Ершов Е.В., Варфоломеев И.А. Оптимизация технологических параметров процесса ускоренного охлаждения листового проката // Вестник Херсонского национального технического университета. вып. 3(50). - Херсон: ХНТУ, 2014 - С. 219-223.

89. Bossley K.M., Brown M., Harris C.J. Parsimonious Neurofuzzy Modelling // Technical report, University of Southampton, Department of Electronics and Computer Science, 1995.

90. Богачев Д.В., Варфоломеев И.А, Ершов Е.В. Отбор значимых факторов при построении нейро-нечеткой модели управления процессом ускоренного охлаждения листа // Теория и практика системного анализа: Труды III Всероссийской научной конференции молодых ученых с международным участием. - Т. I. - Рыбинск: РГАТУ имени П. А. Соловьева, 2014. - С. 18-26.

91. Айвазян С.А., Бухштабер В.М., Енюков И.С., Мешалкин Л.Д. Прикладная статистика: Классификация и снижение размерности. - М.: Финансы и статистика, 1989. - 607 с.

92. Abdi H., Williams L.J. Principal Component Analysis. Wiley Interdisciplinary Reviews: Computational Statistics, vol. 2, no. 4, 2010, pp. 433-459.

93. Калинина В.Н., Соловьев В.И. Введение в многомерный статистический анализ: Учебное пособие / ГУУ. - М., 2003. - 66 с.

94. Дубров А.М., Мхитарян В.С., Трошин Л.И. Многомерные статистические методы и основы эконометрики - М., Московский государственный университет экономики, статистики и информатики. 2003. -79 с.

95. Kaiser H.F. The application of electronic computers to factor analysis // Educational and Psychological Measurement, vol. 20, 1960, pp. 141-151.

96. Sugeno М.,Yasukawa T. A fuzzy logic based approach to qualitative modeling // IEEE Trans. on Fuzzy Systems, vol. 1, no. 1, 1993, pp 7-31.

97. Tikk, D., Gedeon, T. D., Koczy, L. T., Biro. G. Implementation details of problems in Sugeno and Yasukawa's qualitative modeling // Research Working Paper RWP-IT-02-2001, School of Information Technology, Murdoch University, Perth, W.A., 2001, pp. 1-17.

98. Курбан В.В., Федоров Д.С., Салганик В.М., Песин А.М. Выбор стратегии и режимов охлаждения проката для достижения требуемого комплекса потребительских свойств // Черная металлургия, бюл. НТИ. - 2011. -№ 4. - С. 64-69.

99. Курбан В.В. Салганик В.М., Песни А.М., Карпов Е.В. Принципы математического моделирования механических свойств проката на стане 2000 горячей прокатки с использованием нейронных сетей // Труды Четвертого конгресса прокатчиков (Магнитогорск, 16-19 октября 2001 г.), Т. 4, 2002. С. 139-142.

100. Медянцев Д.В., Замятин Н.В. Методика нейросетевого моделирования сложных систем // Известия Томского политехнического университета. - 2006. - Т. 309. - № 8. - С. 100-106.

101. Снитюк В.Е. Прогнозирование. Модели, методы, алгоритмы: учебное пособие. - К.: «Маклаут», 2008. - 364 с.

102. Battiti R. Using mutual information for selecting features in supervised neural net learning // IEEE Trans. Neural Netw., Jule 1994, vol. 5, no. 4, pp. 537-550.

103. Pavan М., Pelillo М. A New Graph-Theoretic Approach to Clustering and Segmentation // Proc. IEEE Conf. Computer Vision and Pattern Recognition, 2003, vol. 1, pp. 145-152.

104. Zeng X., Hu W., Li W., Zhang X., Xu B. Key-frame extraction using dominant-set clustering // IEEE International Conference on Multimedia and Expo, 2008, pp. 1285-1288.

105. Богачев Д.В., Ершов Е.В., Варфоломеев И.А. Интеллектуальный модуль системы управления ускоренным охлаждением листового проката // Вестник Череповецкого государственного университета, 2014, №4, Т. 2, С. 5-9.

106. Богачев Д.В, Ершов Е.В., Варфоломеев И.А. Разработка программного обеспечения для управления скоростным режимом работы установки контролируемого охлаждения // Информатизация процессов формирования открытых систем на основе СУБД, САПР, АСНИ и систем искусственного интеллекта: Материалы 8-й межд. научно-техн. конф. -Вологда: ВоГТУ, 2015. - С. 26-29.