Метод и алгоритмы обработки информации в системе прогнозирования качества агломерата тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Виноградова, Людмила Николаевна
- Специальность ВАК РФ05.13.01
- Количество страниц 135
Оглавление диссертации кандидат технических наук Виноградова, Людмила Николаевна
ВВЕДЕНИЕ.
1 Общая характеристика проблемы прогнозирования качества агломерата.
1.1 Анализ существующих методов и средств прогнозирования параметров непрерывного технологического процесса производства агломерата.
1.2 Характеристика производства" агломерата как объекта прогнозирования
1.3 Определение требований к математическому обеспечению прогнозирования параметров непрерывного технологического процесса производства агломерата.
1.4 Выводы.
2 Математическое обеспечение метода прогнозирования выхода годного агломерата.
2.1 Разработка метода прогнозирования выхода годного агломерата
2.2 Разработка метода хранения технологических параметров в системе прогнозирования.
2.2.1 Метод сжатия технологических параметров производства агломерата.
2.2.2 Метод сжатия изображений излома агломерационного спека.
2.3 Разработка математической модели системы прогнозирования качества агломерата
2.4 Выводы.
3 Алгоритмы обработки информации и прогнозирования выхода годного агломерата.
3.1 Алгоритм сжатия и хранения технологических параметров в системе прогнозирования
3.1.1 Фрактальный алгоритм сжатия изображения.
3.1.2 Фрактальный алгоритм сжатия данных.
3.1.3 Алгоритмы декомпрессии изображения и данных.
3.2 Обучение самонастраивающейся нейронной сети.
3.3 Алгоритм функционирования нейронной сети.
3.4 Обобщенный алгоритм прогнозирования выхода годного агломерата.
3.5 Выводы.
4 Экспериментальные исследования метода и алгоритмов обработки информации в системе прогнозирования качества агломерата.
4.1 Основные функциональные элементы и блоки.
4.2 Методика настройки алгоритмического обеспечения.
4.3 Результаты экспериментальных исследований.
4.4 Перспективы применения разработанных метода и алгоритмов обработки информации в системах прогнозирования технологических параметров непрерывных металлургических процессов.!.
4.5 Выводы.
Рекомендованный список диссертаций по специальности «Системный анализ, управление и обработка информации (по отраслям)», 05.13.01 шифр ВАК
Методы, модели и алгоритмы управления технологическим процессом производства агломерата на основе оптико-электронного контроля его качества2009 год, доктор технических наук Ершов, Евгений Валентинович
Метод и алгоритмы обработки информации в системе прогнозирования охлаждения агломерата на прямолинейном охладителе2009 год, кандидат технических наук Веселов, Юрий Владимирович
Построение математического и алгоритмического обеспечения оптико-электронной системы управления процессом спекания шихты на агломерационной машине конвейерного типа1999 год, кандидат технических наук Селяничев, Олег Леонидович
Научные основы и практика совершенствования процесса получения железорудного агломерата с высокими потребительскими свойствами1999 год, доктор технических наук Малыгин, Александр Викторович
Автоматизация оптико-электронного контроля процесса зажигания агломерационной шихты с использованием зонного анализа интенсивности инфракрасного излучения2007 год, кандидат технических наук Ганичева, Оксана Георгиевна
Введение диссертации (часть автореферата) на тему «Метод и алгоритмы обработки информации в системе прогнозирования качества агломерата»
Актуальность темы. Современное агломерационное производство характеризуется повышением требований к качеству продукции, снижению ее себестоимости и улучшению экологической обстановки. В этих условиях одним из важнейших направлений совершенствования производства агломерата является повышение качества управления и прогнозирования. За последние 15-^-20 лет в мировой практике агломерационного производства были предложены и внедрены разнообразные передовые методы и системы управления процессом спекания шихты и прогнозирования характеристик агломерата.
Получение малоразрушающегося агломерата остаётся главным фактором улучшения технологических параметров выплавляемого чугуна, снижения расхода кокса и увеличения производительности доменных печей, так как на большинстве отечественных и зарубежных предприятий агломерат является основным компонентом доменной шихты. Оптимальная крупность кусков агломерата для малых и средних доменных печей составляет от 5 до 40 мм, для крупных и сверхмощных от 15 до 40 мм.
Благодаря фундаментальным работам ученых В.Я. Миллера, A.M. Парфенова, Е.Ф. Вегмана, A.A. Сигова, C.B. Базилевича, В.И. Коротича, Г.Г. Ефименко и др. достигнуты значительные успехи в области совершенствования технологии производства агломерата. Наибольший вклад в развитие теории и практики управления и контроля агломерационного процесса внесли работы ученых С.Т. Ростовцева, И.П. Худорожкова, В.А. Уткова, Г.Г. Ефименко, Смирнова, Хохолова Д.Г., Каплуна Л.И., Шумакова Н.С., Малыгина A.B., C.B. Хопунова Э.А., В.Б. Тарасова, В.П. Пузанова, И.А. Дегтяренко, В.В. Кравцова, А.И. Иванова, А.Д. Пархоменко, З.К. Кабакова, Kasana S., Sasaki M., Kasai E., Nakajima К., Kurosawa S., Errigo V.
Однако практически все известные методы ориентированы на прогнозирование результатов только процесса спекания шихты. Поэтому в настоящее время разработка методов обработки информации, позволяющих прогнозировать качество готового агломерата представляется актуальной научно-технической задачей.
Объект исследования: системы управления и прогнозирования качества агломерата на агломерационных машинах конвейерного типа.
Предмет исследования: математические модели, методы, процедуры обработки информации в системе прогнозирования качества агломерата.
Диссертационная работа выполнялась в рамках темплана Минобрнауки России «Разработка метода и средств прогнозирования результативности непрерывных технологических процессов термической обработки материалов» и госбюджетной НИР «Разработка методов и принципов построения многофункциональных систем технического зрения» (НИИ 01/Г-08, госбюджетная НИР в Череповецком государственном университете).
Целью диссертационной работы является повышение точности прогнозирования выхода годного агломерата на начальном этапе процесса спекания шихты на основе применения фрактальной аппроксимации технологических параметров и самонастраивающихся нейронных сетей.
Для достижения поставленной цели в работе решаются следующие основные задачи:
1) анализ методов и средств прогнозирования качества агломерата;
2) разработка математического обеспечения метода прогнозирования выхода годного агломерата;
3) разработка алгоритмов обработки информации и прогнозирования выхода годного агломерата;
4) экспериментальные исследования метода и средств обработки информации в системе прогнозирования качества агломерата.
Методы исследований. Для решения поставленных задач в работе использовались теоретические основы газодинамики и теплотехники агломерационного процесса; методы статистической обработки информации; методы цифровой обработки изображений; методы математического и компьютерного моделирования; методы прогнозирования.
Научная новизна и основные положения, выносимые на защиту:
1. Разработан метод хранения технологических параметров в системе прогнозирования качества агломерата, отличающийся сжатием вариационных рядов данных на основе фрактальной аппроксимации с использованием кеш-функции.
2. Предложен метод обработки параметров непрерывного технологического процесса спекания агломерационной шихты, отличающийся применением самонастраивающейся нейронной сети и позволяющий прогнозировать выход годного агломерата еще на начальном этапе процесса спекания шихты.
3. Разработано системно обоснованное алгоритмическое обеспечение прогнозирования выхода годного агломерата, включающее алгоритмы: аппроксимации экспериментальных данных фрактальными распределениями, позволяющий сжимать информацию натурных рядов данных без существенных потерь в точности;
- фрактальной компрессии изображения излома агломерационного спека, обеспечивающий высокий коэффициент сжатия;
- прогнозирования выхода годного агломерата с помощью самонастраивающейся нейронной сети, обеспечивающий повышение ' оперативности принятия решений.
Практическая ценность работы заключается в следующем:
1. Разработана информационная модель прогнозирования непрерывного технологического процесса спекания агломерационной шихты.
2. Предложена методика настройки алгоритмического обеспечения системы прогнозирования качества агломерата.
3. Создано программное обеспечение системы прогнозирования качества агломерата, реализующее метод и алгоритмы обработки информационных сигналов.
Реализация результатов работы. Разработанные метод и алгоритмы обработки информационных сигналов, реализованные в системе прогнозирования качества агломерата, прошли экспериментальную проверку в агломерационном производстве на ОАО «Северсталь» и внедрены в учебный процесс на кафедре «Программное обеспечение ЭВМ» Череповецкого государственного университета при проведении занятий по дисциплинам «Системы искусственного интеллекта», «Моделирование технических объектов», «Технология разработки программного обеспечения», а также в курсовом и дипломном проектировании.
Апробация работы. Основные положения диссертационной работы докладывались и получили положительную оценку на Международных и Всероссийских конференциях: 9-й Межд. конф. «Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации» (Курск, 2010 г.); 13-й, 14-й Межд. конф. «Системный анализ в проектировании и управлении» (С.-Петербург, 2009, 2010 гг.); 9-й Межд. конф. «Информационно-вычислительные технологии и их приложения» (Пенза, 2009 г.); 3-й Межд. конф. молодых ученых «Инновационные тенденции развития Российской науки» (Красноярск, 2010 г.); Межд. конф. «Информационно-измерительные, диагностические и управляющие системы» (Курск, 2009 г.); 1-й, 4-й Межд. конф. «Информационные технологии в производственных, социальных и экономических процессах» (Череповец, 1999, 2005 гг.); Всеросс. конф. «Интеллектуальные и информационные системы» (Тула, 2009 г.); 2-й Всеросс. конф. с межд. участием «Перспективы развития информационных технологий» (Новосибирск, 2010 г.); Всеросс. конф. «Череповецкие научные чтения» (Череповец, 2009, 2010 гг.) и на постоянно действующем научно-техническом семинаре кафедры программное обеспечение ЭВМ Череповецкого государственного университета.
Публикации. По материалам диссертации опубликованы 20 печатных работ, в том числе 2 монографии и 5 статей в рецензируемых научных журналах, входящих в Перечень ВАК Минобрнауки России.
Структура и объем работы. Диссертационная работа состоит из введения, четырех разделов, заключения, списка литературы, включающего 105 наименований и 3 приложений. Работа содержит 135 страниц, 44 рисунка и 10 таблиц.
Похожие диссертационные работы по специальности «Системный анализ, управление и обработка информации (по отраслям)», 05.13.01 шифр ВАК
Разработка технологии получения железохромового агломерата для выплавки феррохрома в доменных печах1984 год, кандидат технических наук Якушев, Владимир Сергеевич
Математическое обеспечение оптико-электронной системы анализа макроструктуры агломерата на конвейерных агломерационных машинах2000 год, кандидат технических наук Королева, Елена Викторовна
Метод прогнозирования объемов потребления электроэнергии предприятием черной металлургии на основе нейро-нечетких алгоритмов2011 год, кандидат технических наук Бажинов, Алексей Николаевич
Модели и алгоритмы системы диагностики процесса агломерации железных руд2012 год, кандидат технических наук Ендияров, Сергей Валерьевич
Разработка АСУТП стабилизации химического состава агломерата2005 год, кандидат технических наук Сурин, Александр Александрович
Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Виноградова, Людмила Николаевна
4.5 Выводы
1. Представлены основные элементы и блоки системы прогнозирования качества агломерата, в таблице- приведены технические характеристики элементов и устройств системы.
2. Разработана методика настройки разработанного алгоритмического обеспечения системы прогнозирования качества агломерата.
3. Приведены результаты выбора режимов работы алгоритма прогнозирования выхода годного агломерата в реальных производственных условиях.
4. На основании экспериментальных исследований подтверждена высокая надежность и эффективность разработанного алгоритмического обеспечения.
5. Приведены достигнутые технико-экономические показатели.
6. Определены перспективы применения разработанных метода и алгоритмов обработки и хранения данных в системах прогнозирования параметров непрерывного производства.
ЗАКЛЮЧЕНИЕ
1. Разработана информационная модель, позволяющая определить наиболее важные технологические параметры с точки зрения их влияния на выход годного агломерата.
2. Разработан метод хранения технологических параметров в системе прогнозирования качества агломерата, отличающийся сжатием вариационных рядов данных на основе фрактальной аппроксимации в 3,7 раза.
3. Разработан метод прогнозирования и обработки параметров непрерывного технологического процесса спекания агломерационной шихты, отличающийся использованием самонастраивающейся нейронной сети и позволяющий повысить точность прогнозирования выхода годного агломерата еще на начальном этапе процесса спекания шихты.
4. Разработано системно обоснованное алгоритмическое обеспечение системы прогнозирования качества агломерата, обеспечивающее повышение оперативности реализации принятых решений в 2,8 раза.
5. Разработано программное обеспечение системы прогнозирования качества агломерата, реализующее предложенные методы и алгоритмы.
Список литературы диссертационного исследования кандидат технических наук Виноградова, Людмила Николаевна, 2010 год
1. Азарова, O.A. Нейросетевая система оценки дефектов макроструктуры заготовок Текст. / O.A. Азарова, М.В. Зарецкий, О.С. Логунова. [Текст] // Металлургия стали. Проблемы и решения: мат. 3 конгресса металлургов Урала. — Челябинск: Рекпол, 2008. — С.53-55.
2. Александров, В.В., Горский Н.Д. Представление и обработка изображений: рекурсивный подход Текст. / В.В. Александров, Н.Д. Горский //Л-д.: Наука 1985.- 190 с.
3. Базилевич, С. В. Агломерация Текст. / С. В. Базилевич, Е. Ф. Вегман. М.: Металлургия, 1967. - 368 с.
4. Базилевич, С. В. Производство агломерата и окатышей: справочник Текст. / C.B. Базелевич, А. Г. Астахов, Г. ММайзель и др.: под ред. Ю. С. Юсфина. М.: Металлургия, 1984.-213 с.
5. Берштейн, Р. С. Повышение эффективности агломерации Текст. / Р. С. Берштейн. М.: Металлургия, 1979. - 144 с.
6. Борискин, И. К. Интенсивная техническая обработка агломерата. Теория, оборудование, технология Текст. / И. К. Борискин, Г. А. Арыков, А. Н. Пыриков. М.: МИСИС, 1998.-248 с.
7. Бутаков, Е. А. Обработка изображений на ЭВМ Текст. / Е. А. Бутаков, В. И. Островский. М.: Радио и связь, 1987 - 240с.
8. Василенко, Г.И. Теория восстановления сигналов Текст./ Г.И. Василенко М.: Сов. радио. 1979. - 272 с.
9. Василенко, Г. И. Восстановление изображений Текст. / Г. И. Василенко, А. М. Тараторкин. М.: Радио и связь, 1986 - 304 с.
10. Ю.Ватолин, Д.С. Методы сжатия данных. Текст. / Д.С.Ватолин, А.
11. Ратушняк, М. Смирнов, В. Юкин //М.: Высшая школа, 2002. 294 с. 11.Ватолин, Д.С. Алгоритмы сжатия изображений. Текст./ Д.С. Ватолин // М.: Диалог-МГУ, 1999. - 523 с.
12. Ватолин, Д.С. Тенденции развития алгоритмов архивации графики. Текст. / Д.С. Ватолин. Открытые системы. №4, 1995. С. 24-28.
13. Вегман, Е. Ф. Металлургия чугуна Текст. /Е. Ф. Вегман, Б.Н. Жеребин, А.Н. Похвиснев, Ю.С. Юсфин. М.: Металлургия, 1978480 с.
14. Вегман, Е. Ф. Теория и технология агломерации Текст. V Е, Ф. Вегман. М.: Металлургия, 1974- 288 с.
15. Вегман, Е. Ф. Влияние плазменного зажигания на температуры в зоне горения твердого топлива при агломерации / Е. Ф. Вегман, А. Р. Жак, Т. В. Деткова, В. В. Гуралов // Изв. вузов. Черн. Металлургия. 1996 - № 11- С. 15-17.
16. Вегман, Е. Ф. Теоретические проблемы металлургии чугуна Текст. / Е. Ф. Вегман, В. О. Чургель. М.: Машиностроение, 2000. - 348 с.
17. Вегман, Е.Ф. Интенсификация агломерационного процесса Текст./ Е.Ф.Вегман, А.Н.Пыриков, А.Р.Жак. М.Машиностроение, 1995' 126 с
18. Вентцель, Е. С. Теория вероятности Текст. / Е. С. Вентцель. -М.гВысшая школа, 1976.-564 с.
19. Викулов, Г.С. Производство агломерата заданного химического состава Текст./Вилков А.Е., Кабанов Ю.А., Татаркин Н.Л.// Металлург.-2002.-№6.-С.47-49.
20. Виноградова, Л.Н. Определение функциональных требований к системе прогнозирования выходных параметров непрерывного технологического процесса производства агломерата Текст./ Л.Н.
21. Виноградова, E.B. Ершов, Е.С. Шумилова. Вестник Череповецкого гос. ун-та-2010 № 3.- С. 123-127.
22. Воробьев, В. И. Математическое обеспечение ЭВМ в науке и производстве Текст. / В. И. Воробьев -Лен.: Машиностроение, 1988. -160 с.
23. Высокоскоростная видеокамера. Schnelle Abläufe in Zeitlupe exakt analysieren. Текст. //Stahl und Eisen. 2006,126, №10. - C. 48.
24. Вороновский, Г.К. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности. Текст. / Г. К. Вороновский, К. В. Махотило, С. Н. Петрашев, С. А. Сергеев // X.: ОСНОВА, 1997. —С. 112.
25. Гармаш, Н.И. Повышение эффективности работы зажигательного горна агломашины Текст. / Н.И. Гармаш, В.А. Мартыненко // Металлург, и горноруд. пром-ть. 1999. - № 6. - С. 10-14.
26. ГОСТ 17495 80. Руды железные, концентраты, агломераты и окатыши. Методы отбора и подготовки проб для гранулометрического анализа Текст. //Введ. 1980-01-01- М.:Гос.ком. по стандартам СССР, 1980-6 с.
27. Грабовой, Ю. М. Опыт совершенствования тепловой работы зажигательного горна агломашины Текст. / Ю. М. Грабовой, А. И. Агарышев, А. И. Галкин, В. П. Невраев, В.Ф. Романовский // Сталь. 1995 - № 3.- С. 6-8.
28. Гранулометрический анализ на линии производственного процесса. Возможности современной системы измерения = On-line -Rorngrobeanalyse Текст. // Chem.-Anlog. 1989. -№11. - С. 137-138.
29. Дворкович, А. В. Цифровая обработка телевизионных и компьютерных изображений Текст. / А. В. Дворкович, В. П. Дворкович ,[и др.]. М.: Металлургия, 1997. - 209 с.
30. Денисов, Д. А. Сегментация изображений на ЭВМ Текст. / Д. А. Денисов, В. А. Низовкин // Зарубежная радиоэлектроника. 1985. -№10. -С. 3-30.
31. Денисов, Ю. М. Улучшение показателей доменной плавки путем повышения эффективности отсева мелких фракций агломерата Текст. /Ю. М. Денисов, С. Ф. Бугаев, А. Н. Газизов [и др.] // Черная металлургия. -2003. № 11. - С. 35-37.
32. Добеши, И. Десять лекций по вейвлетам. Текст. / И. Добеши // Пер. с анг. Е.В. Мищенко, под ред. А.П.Петухова.- М.: Ижевск 2001. 464 с.
33. Доменное производство Текст.: справочное издание. — в 2т.-Т. 1. Подготовка руд и доменный процесс; под ред. Е. Ф. Вегмана. М.: Металлургия, 1989. - 496 с.
34. Дуда,' Р. Распознавание образов и анализ сцен Текст. / Р. Дуда, П. Харт. М.: Мир, 1976. - 512 с.
35. Дьяконов, В. MATLAB. Обработка сигналов и изображений Текст.: справочник/В.Дьяконов, И.Абраменкова СПб.: Питер, 2002. - 320 с.
36. Дьяконов, В. П. MATLAB 6.0 /6.1 /6.5 +SPl+Simulink 4/5. Обработка сигналов и изображений. Текст. / В. П. Дьяконов. М.: COJIOH-Пресс, 2005. т 465 с.
37. Ершов, Е. В. Оптико-электронный контроль зажигания шихты и гранулометрического состава агломерата: монография Текст. / Е. В. Ершов, О. Г. Ганичева, В. В. Селивановских, JI. Н. Виноградова-Череповец: ГОУ ВПО Череповецкий гос. ун-т, 2007- 204 с.
38. Ершов, Е.В. Алгоритм фрактальной аппроксимации / С.Н. Хисамутдинов, Е.В. Ершов, H.A. Гребенюк // Вестник ЧТУ. -Череповец, 2003. № 2. - С. 76-78.
39. Ершов, Е.В. Способ сжатия экспериментальных данных распределениями, полученными на основе фракталов Текст. / С.Н. Хисамутдинов, Е.В. Ершов, Н.Е. Хисамутдинов // Вестник ЧТУ. — Череповец, 2003. № 2. - С. 74-76.
40. Жилкин, В. П. Производство агломерата. Технология, оборудование, автоматизация Текст. / В. П. Жилкин, Д.Н. Доронин; под ред. Г. А. Шалаева. Екатеринбург: Уральский центр ПР и рекламы «Марат»,2004.-291с.
41. Жуков, А. Г. Тепловизионные приборы и их применение Текст. : под ред. Н. Д. Девяткова / А. Г.Жуков, А. Н. Горюнов, А. А. Кальфа. М.: Радио и связь, 1983. - 168 с. ,
42. Исаенко, А. Н. Идентификация модели прогнозирования гранулометрического состава руды на выходе бункеров Текст. / А. Н. Исаенко, Ю. Г. Качан // Тр. Запорож. инж. акад. Металлургия. 2003.- № 8. С. 15-19.1
43. Испытательная лаборатория гранулометрической техники Текст. // СЬеш.-1п§.-Тес11п. 1996. - 68. - № 10. - С.1196.
44. Ищенко, А. Д. Автоматизированная система управления агломерационным процессом Текст. / А. Д. Ищенко, М. А. Фишман, Л. Г. Бенсман, С. Л. Зевин, А. Ф. Сакир. Черн. Металлургия. - 1990 - № 4 - С. 65-66.
45. Ищенко, А. Д. Статические и динамические свойства ' агломерационного процесса Текст. / А. Д. Ищенко. М.:1. Металлургия, 1972. 320 с.
46. Корн, Г. Справочник по математике для научных работников и инженеров Текст. / Г. Корн, Т. Корн. М.: Наука, 1978. - 832 с.
47. Коротич, В. И. Газодинамика агломерационного процесса Текст. / В. И. Коротич, В. П. Пузанов. М.: Металлургия, 1969.-208 с.
48. Коротич, В. И. Основы теории и технологии подготовки сырья к доменной плавке Текст. / В. И. Коротич. М.: Металлургия, 1978. -208 с.
49. Коротич, В. И. Металлургия черных металлов Текст. / В. И.Коротич, С. Г. Братчиков. М.: Металлургия, 1987.-249 с.
50. Коротич, В. И. Агломерация рудных, материалов Текст. / В. И. Коротич, Ю. А. Фролов, Г. Н. Бездежский. Екатеринбург: ГОУ ВПО УГТУ-УПИ, 2003. - 400 с.
51. Коршиков, Г. В. Структура, текстура и механическая прочность агломерата Текст. / Г. В. Коршиков // Изв. вузов. Чер. Металлургия. — 1985. № 9. - С.32-35.
52. Круглов, В. В. Искусственные нейронные сети. Теория и практика. Текст. / В. В. Круглов, В.В. Борисов // М.: Горячая линия Телеком, 2001. —382 с.
53. Ким, В. Ранговые алгоритмы обработки изображений Текст. / В. Ким, Л.П. Ярославский // Адаптивные методы обработки изображений. -М.: Наука, 1988. С. 35 - 73.
54. Линдли, Л. Практическая обработка изображений на языке Си Текст. / Л. Линдли-М.: Мир, 1994 512 с.
55. Миркес, Е. M. Нейрокомпьютер. Проект стандарта. Текст. / Е. М. Миркес // Новосибирск: Наука, 1999. — 337 с.
56. Нестерук, В.Ф. Информационная оценка процесса зрительного восприятия Текст./ В.Ф. Нестерук, H.H. Порфирьева // Оптика и спектроскопия. 1978. - Т. 44, вып. 4. - С. 801 - 803.
57. Павлидис, Т. Алгоритмы машинной графики и обработка изображений. Текст. / Т. Павлидис // М.: Радио и связь 1986. 400 с.
58. Пат 1332160 Канада, МКИ6 В07В04/00. Классификатор для сыпучих материалов = Particle Separator Текст. / Quig G.F.- № 600360; заявл. 23.5.89; опубл.27.9.94.
59. Пат. 2149332 Россия, МПК7 F27 В21/06. Способ зажиганияагломерационной шихты и устройство для его осуществленияi
60. Текст. / Д.Н. Доронин, В.П. Жилкин, С.С. Скачкова и др.; заявитель и патентообладатель ОАО по наладке соверш. технол. и эксплуат. электрост. и сетей Уралтехэнэрго. №98115469/02; заявл. 07.08.1998; опубл. 20.05.2000, Бюл. № 14.
61. Писаревский, А. Н. Системы технического зрения (принципиальные основы, аппаратное и математическое обеспечение) Текст. / А. Н. Писаревский, А. Ф. Чернявский, Г. К. Афанасьев [и др.]. Л.: Машиностроение. Ленингр. отд., 1988. - 424 с.
62. Прэтт, У. Цифровая обработка изображений Текст.: Пер. с англ. -Под ред.Д. С. Лебедева в 2 т. /У. Прэтт. - М.: Мир, 1982. -Т.1. - 312 е., Т.2.-480 с.
63. Путятин, Е. П. Обработка изображений в робототехнике Текст. / Е. П. Путятин, С. И. Аверин. М.: Мир, 1990. - 320 с.
64. Пытьев, Ю. П. Морфологический анализ размытых изображений Текст. / Ю. П. Пытьев // Изв. ДАН СССР. 1983. - Т. 269. - № 5. -С. 1061- 1064.V
65. Роберт, Каллан. Основные концепции нейронных сетей = The Essence of Neural Networks First Edition. Текст. / P. Каллан // M.: «Вильяме», 2001. —288 с.
66. Розеншельд, А. Распознавание и обработка изображений. Текст. / А. Розеншельд // М.: Мир, 1972. 232 с.
67. Саймон, Хайкин. Нейронные сети: полный курс = Neural Networks: А Comprehensive Foundation. Текст. / С. Хайкин. // М.: «Вильяме», 2006. — 1104 с.
68. Сырямкин, В.И. Системы технического зрения: Справочник Текст. /В.И.Сырямкин, В.С.Титов, Ю.Г.Якушенков и др. //Под общей редакцией В.И.Сырямкина, В.С.Титова. Томск: МГП «Раско».- 1992.-С. 367.
69. Уоссермен, Ф. Нейрокомпьютерная техника: Теория и практика = Neural Computing. Theory and Practice. — M.: Мир, 1992. — 240 с.
70. Учитель, Ф. Д. Концепция формирования характеристик крупности шихтовых материалов аглодоменного производства (сообщ.1) Текст. / Ф. Д. Учитель, В. В. Севернюк, В. И. Большаков, С. В. Лялюк // Металлург, и горноруд. пром-ть. 1999. -№ 1.-С.5-8.
71. Фомин, A.A. Основы сжатия информации. Текст. / A.A. Фомин // СПб.: Санкт-Петербург, 1998. 675 с.
72. Фу, К. Робототехника: пер. с англ. Текст. / К. Фу, Р. Гонсалес, К. Ли М.: Мир, 1989. - 624 с.
73. Яблонский, С.В. Введение в дискретную математику. Раздел «Теория кодирования» Текст. / С.В. Яблонский // М. Наука, 1986. 384 с.
74. Яншин, В. В. Анализ и обработка изображений: принципы и алгоритмы Текст. / В. В. Яншин. М.: Машиностроение. 1995.-112 с.
75. Ярославский, Л. П. Цифровая обработка сигналов в оптике и голографии: Введение в цифровую оптику Текст. / Л. П. Ярославский. М.: Радио и связь, 1987. - 296 с.
76. Fukagama, Т. Автоматизированная система управления агломерационным процессом с искусственным интеллектом. Текст./ T.Fukagama // Кавасаки сэйтэцу тихо Kawasaki steel gino. - 1991.-№3.-С.203-209
77. Jacquin А. Текст. // Visual Comm. and Image Processing, vol. SPIE-1360, 1990.
78. Nakashima, К. Управление агломерационным процессом с помощью ЭВМ Reglage de l'opération d'agglomération par guideoperateur Текст./ К. Nakashima, Iyama, S. Nigo, Y. Nakajima, H. Takahashi, H.Akizuki // Rev.met., 1986. 83. - №5. -C. 421-431.
79. Obata, H. Создание автоматической системы управления производством на аглофабрике завода в Chiba Текст. / H. Obata / Дзайрё то пуросэсу. 1988-1, №4. - С.958-961.
80. Pennebaker W.B., Mitchell J.L., Langdon G.G., Arps R.B., // IBM Journal of research and development, Vol.32, No.6, November 1988, pp. 771-726.
81. Smith, B. Computer Graphics and applications. / B. Smith, L. Rowe //September 1993.
82. Wallace G.K. // Communication of ACM. Volume 34. Number 4 April 1991.
Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.