Повышение эффективности управления чашевым окомкователем путем совершенствования алгоритмов экстремального регулирования тема диссертации и автореферата по ВАК РФ 05.13.06, кандидат технических наук Полещенко, Дмитрий Александрович

• Полещенко, Дмитрий Александрович
• кандидат технических наук
• 2007

Оглавление диссертации кандидат технических наук Полещенко, Дмитрий Александрович

Содержание.

Перечень сокращений.

Введение.

1. Анализ технологических характеристик, определяющих эффективность автоматизации процесса окомкования.

1.1. Чашевый окомкователь как объект автоматизации.

1.2. Статические и динамические характеристики объекта.

1.3 Анализ существующих методов управления чашевым окомкователем.

1.3.1 Алгоритм оптимальности процесса окомкования.

1.3.2 Двухконтурная СЭР.

1.4 Направление и задачи исследования.

2 Разработка способов повышения уровня эффективности окомкования на базе экстремального регулирования.

2.1 Анализ эффективности методов экстремального управления в решаемой задаче управления чашевым окомкователем.

2.2. Разработка способов повышения эффективности экстремального регулятора.

2.2.1 Синтез динамической математической модели чашевого окомкователя.

2.2.2 Анализ и формализация процесса воздействия помех в реальных условиях производства.

2.2.3 Разработка цифрового фильтра низкой частоты.

2.3 Разработка и анализ функционирования систем экстремального регулирования чашевым окомкователем на базе шагового алгоритма поиска экстремума.

2.3.1 Разработка одноконтурной системы экстремального регулирования шагового типа с управлением по каналу - влажность шихты.

2.3.2 Разработка двухконтурной системы экстремального регулирования шагового типа с управлением по каналам - скорость вращения чаши и влажность шихты.

2.4 Выводы по главе.

3 Повышение эффективности СЭР на основе применения нейросетевого блока идентификации процесса окомкования.

3.1 Постановка задачи усовершенствования схем управления с шаговым алгоритмом поиска экстремума динамическими объектами с экстремальной характеристикой.

3.2 Разработка нейросетевой надстройки.

3.2.1 Обоснование применения нейронных сетей.

3.2.2 Анализ и выбор структуры нейронной сети.

3.3 Обучение нейронной сети.

3.3.1 Обучение сетей с сигмоидальной и гиперболический тангенс функциями активации.

3.3.2 Обучение нейронной сети с радиально базисной функцией активации.

3.3.3 Исследование и выбор функций активации.

3.3.4 Разработка методики определения дисперсии радиального нейрона.

3.4 Синтез системы управления чашевым окомкователем с нейросетевой надстройкой.

3.4.1 Разработка алгоритма управления.

3.4.2 Исследование синтезированной САО.

3.5 Сравнительная оценка эффективности разработанных систем экстремального регулирования.

3.6 Выводы по главе.

4 Разработка рекомендаций по инженерной реализации синтезированной системы экстремального регулирования и оценка ее производственной эффективности.

4.1 Разработка функциональной схемы системы управления 40.

4.2 Разработка программно технического обеспечения для реализации системы в условиях производства.

4.3 Разработка системы визуализации управления процессом окомкования

4.4 Рекомендации по выбору технических устройств для реализации разрабатываемой системы экстремального управления чашевым окомкователем.

4.4.1 Рекомендации по выбору устройств для съема информации о ходе технологического процесса.

4.4.1 Рекомендации по выбору контроллера и исполнительных устройств

4.5 Выводы по главе.

Введение диссертации (часть автореферата) на тему «Повышение эффективности управления чашевым окомкователем путем совершенствования алгоритмов экстремального регулирования»

Актуальность проблемы. Одним из направлений повышения эффективности производства сырых окатышей является совершенствование управления процессом окомкования, заключающееся в оперативном формировании рациональных режимов функционирования чашевого окомкователя.

Процесс получения окатышей отличается многообразием взаимозависимых факторов, влияющих на производительность чашевого окомкователя, в котором имеются нелинейные характеристики, сложные для моделирования динамические элементы, неконтролируемые шумы и помехи, и другие факторы, затрудняющие реализацию стратегий управления.

Из - за трудностей, которые необходимо преодолевать, связанных со спецификой процесса окомкования, известные алгоритмы управления на практике редко находят применение, а управление, как правило, осуществляется в ручном режиме операторами, при котором невозможно обеспечить оптимальные характеристики процесса, что в свою очередь приводит к существенным экономическим потерям.

Особенностью управления таким ресурсо и энергоемким поточным производством, к которым относится процесс получения окатышей является то, что снижение потерь на единицы и даже десятые доли процентов способны принести солидную экономическую выгоду. Это утверждение является базой, на которой зиждется актуальность предлагаемой разработки по усовершенствованию системы управления окомкователем, основанной на применении шагового алгоритма управления динамическим объектом с экстремальной характеристикой.

Основным движущим фактором совершенствования систем автоматического регулирования технологических процессов, прослеживаемым на протяжении всей истории их развития, являются постоянно растущие требования, предъявляемые к показателям качества регулирования. Наибольшее развитие в последние годы получили направления, связанные с альтернативными подходами к решению задач управления. Основой актуальности исследования таких направлений является то, что традиционные методы регулирования, требуя по6 строения математических моделей, реализуемых на основе теории линейных и линеаризуемых систем, не в состоянии обеспечить требуемое качество регулирования технологических параметров многих промышленных объектов, являющихся по своей природе нелинейными.

Усовершенствование существующих алгоритмов управления с внедрением современных методов обработки информации и в частности, методов искусственного интеллекта, является перспективным направлением научно - прикладной деятельности.

Одним из таких методов является применение нейронных сетей, возможность использования которых связана, прежде всего, с их универсальной аппроксимирующей способностью.

В последнее время нейронные сети находят применение в различных областях, в том числе для идентификации нелинейных систем, прогнозирования, обнаружения сигналов, а также в системах принятия решений и управления в условиях неполной и недостоверной информации.

Применение нейросетевых технологий для обработки информации представляет собой современный подход, который позволяет повысить эффективность функционирования разнообразных технических систем. Проблема использования нейронных сетей для решения задач управления в настоящее время заключается в том, что не созданы универсальные методы их применения и каждая конкретная задача требует проведения соответствующих исследований. Перспективность этого направления и наличие нерешенных проблем определяют актуальность исследований в области синтеза систем управления на основе искусственных нейронных сетей.

Цель и задачи работы. Целью диссертации является совершенствование алгоритмов управления процессом окомкования шихты, обеспечивающее повышение производительности участков окомкования горно-обогатительных комбинатов.

Достижение цели диссертационной работы потребовало решения следующих задач:

- исследования и анализа технологических характеристик чашевого оком-кователя как объекта управления;

- анализа существующих методов управления динамическими объектами с экстремальной характеристикой функционирования;

- разработки и исследования алгоритмов экстремального управления ча-шевым окомкователем с оптимизацией его характеристик по входным переменным;

- исследования различных нейросетевых структур с целью определения их оптимальных характеристик для решения задачи управления чашевым окомкователем;

- исследования методов определения дисперсии радиальной функции активации и разработки методики обучения радиально базисной нейронной сети;

- разработки алгоритма функционирования системы управления с нейро-сетевой надстройкой экстремальным объектом;

- синтеза системы экстремального регулирования чашевым окомкователем с нейросетевой надстройкой с использованием разработанной методики и алгоритмов;

- сравнительной оценки разработанных систем экстремального регулирования: двухканальной шаговой и двухканальной шаговой с нейросетевой надстройкой;

- разработки комплекса рекомендаций по инженерной реализации предложенного метода управления.

Объект исследования. Объектом исследования, проводимого в настоящей диссертационной работе, является технологический процесс окомкования в чашевом окомкователе в условиях автоматизации.

Предмет исследования. Предметом исследования в диссертационной работе является система экстремального управления чашевым окомкователем с надстройкой, реализованной на основе искусственной нейронной сети.

Методы исследования. В работе использованы методы системного анализа, математической статистики, аппарат нейронных сетей, математического моделирования, а также методы проектирования систем автоматического управления.

Методологическую и теоретическую основу диссертационной работы составили научные труды отечественных и зарубежных авторов в области теории окомкования сыпучих материалов, управления экстремальными системами, адаптивного управления, моделирования динамических процессов и теории нейронных сетей.

Научная новизна работы. На основании выполненных автором исследований и при его личном участии впервые разработаны математические модели, методики и алгоритмы, позволяющие повысить эффективность управления процессом окомкования на фабриках окомкования горно-обогатительных комбинатов.

В диссертации получены следующие результаты, характеризующиеся научной новизной:

- методика управления экстремальным объектом с оптимизацией по двум переменным, основанная на совершенствовании одноканального шагового метода построения экстремального управления;

- способ управления динамическим экстремальным объектом с оптимизацией по двум переменным с нейросетевой надстройкой;

- алгоритм обучения радиально базисной нейронной сети на основе метода обучения с нулевой ошибкой, в состав которого введены новые правила расчета дисперсии радиальной функции активации;

- результаты сравнительного анализа разработанной методики и существующих методов управления процессом окомкования, доказывающие преимущество системы экстремального управления с нейросетевой надстройкой.

Достоверность научных результатов. Научные положения, теоретические выводы и практические рекомендации, включенные в диссертацию, подтверждены расчетами, моделированием на ЭВМ, натурными испытаниями и экспертными оценками специалистов.

В связи с положительными отзывами на разработанную в диссертации методику построения системы управления чашевым окомкователем, положения работы приняты для внедрения на Лебединском и Михайловском ГОКах.

Результаты диссертационной работы используются в учебном процессе СТИ МИСиС при обучении студентов по специальностям: «Автоматизация технологических процессов и производств», «Автоматизированные системы обработки информации», «Автоматизированный привод» и др. Исследования поддержаны грантом Министерства образования в рамках НИР: «Разработка методов повышения эффективности управления горно-металлургическими производствами на основе искусственного интеллекта», шифр темы: 1.9002.05.

Практическая значимость. Разработанные в диссертации методики, алгоритмы и научно - практические рекомендации позволяют синтезировать автоматическую систему управления чашевым окомкователем, что обеспечивает существенное повышение производительности объекта по выходу годных окатышей.

Положения, выносимые на защиту:

- методика управления экстремальным объектом с оптимизацией по двум переменным, основанная на шаговом алгоритме поиска экстремума;

- структура и алгоритм функционирования автоматизированной системы экстремального управления с нейросетевой надстройкой чашевого окомковате-ля;

- структуру и алгоритм обучения радиально базисной нейронной сети, являющейся основой интеллектуальной надстройки, обеспечивающей повышение степени идентификации объекта управления.

Апробация работы. Материалы исследования докладывались и обсуждались на ряде международных, отраслевых и региональных конференций: региональной научно-практической конференции «Системы автоматизированного управления производствами, предприятиями и организациями горнометаллургического комплекса» (г. Старый Оскол, 2003 г.); на международной научной конференции «Образование, наука, производство и управление в XXI веке» (г. Старый Оскол, 2004г.); на VII международной научной конференции, посвященной 75летию ВГАСУ «Современные сложные системы управления» (г. Воронеж, 2005г.); на региональной научно-технической конференции «Научно-техническая конференция ОАО «ОЭМК»» (г. Старый Оскол, 2005 г.); на VII международной научно - технической конференции «Кибернетика и высокие технологии 21 века» (г. Воронеж, 2006 г.); на III международной конференции по проблемам управления (г. Москва 2006 г.); на международной научной конференции «Сложные системы управления и менеджмент качества» (г. Старый Оскол, 2007 г.) и др.

Публикации. По теме диссертационного исследования опубликовано 12 работ в отечественных изданиях. Из них в списке литературы приведены 2 статьи из перечня периодических журналов, рекомендованных ВАК для публикации основных результатов диссертационных исследований. Разработан и читается курс лекций «Нейроуправление».

Вклад автора диссертации в работы, выполненные в соавторстве и отраженные в результатах, состоит в постановке задач, разработке теоретических положений, а также в непосредственном участии во всех этапах исследований.

Диссертация выполнялась в соответствии с комплексной темой научно-исследовательской работы СТИ МИСиС «Разработка математических методов управления процессами основного и вспомогательного производства в металлургии», шифр темы 1.202.00.

Объем и структура работы. Диссертация состоит из введения, четырех глав, заключения, изложенных на 129 страницах машинописного текста, содержит 70 рисунков, 16 таблиц, список литературы из 131 наименования и 4 приложения.

Заключение диссертации по теме «Автоматизация и управление технологическими процессами и производствами (по отраслям)», Полещенко, Дмитрий Александрович

4.5 Выводы по главе

1. Исследования методологии и результатов мировой практики применения нейронных сетей для адаптивного управления, а также изучение динамических характеристик и технологических особенностей объекта автоматизации позволило сформулировать ряд процедур, обеспечивающих сравнительно простое инженерное решение по разработке промышленной системы управления чашевым окомкователем.

2. Разработанная методика управления чашевым окомкователем может быть реализована в виде программной системы, в которой используется технологическая информация о работе объекта. Данная система выполняет следующие функции:

- контроль технологического процесса окомкователя;

- просмотра информации по отдельно взятому окомкователю в графическом виде;

- архивирование технологической информации;

- управление ходом процесса окомкования отдельного окомкователя в следующих режимах:

- ручное управление;

- двухканальное экстремальное регулирование;

- двухканальное экстремальное регулирование с нейросевым блоком коррекции экстремального регулятора.

3. Предлагаемый комплекс программно - технических средств может быть внедрен на ФОК ОАО ЛГОК, так как он разрабатывался исходя из специфики технологического процесса окомкования на ОАО ЛГОК, а также с учетом опыта и рекомендаций персонала фабрики окомкования.

ЗАКЛЮЧЕНИЕ

В диссертационной работе проведены исследования по разработке экстремальной системы управления с нейросетевой надстройкой, направленные на повышение эффективности регулирования при производстве сырых окатышей. В результате этих исследований получены следующие научные и практически результаты:

1. Выполнен аналитический обзор и анализ методов управления динамическими объектами с экстремальной характеристикой функционирования, также проведен анализ алгоритмов поиска экстремума, в результате которого сделан вывод о том, что для построения системы управления сложным динамическим объектом с экстремальной характеристикой, какой является окомкователь, необходимо использовать шаговый алгоритм поиска экстремума, причем дискретность управляющих воздействий в шаговом экстремальном регуляторе должна быть коррелирована со временем переходного процесса в окомковате-ле.

2. В исследовании синтезированных алгоритмов экстремального управления чашевым окомкователем выявлено, что возмущения, действующие на объект во время работы отрицательно сказываются на функционировании шаговой системы экстремального управления объектом, что приводит к существенным потерям в выходе годных окатышей и является основным препятствием для практического решения задачи автоматизации процесса окомкования.

3. Обоснована актуальность и показана необходимость совершенствования существующих СЭР. Показано, что перспективным подходом к повышению качества регулирования является переход к использованию СЭР с применением нейронных сетей для обработки информации в качестве интеллектуальной надстройки.

4. Исследованы различные нейросетевые структуры и определены их оптимальные характеристики для решения задачи идентификации чашевого окомкователя. При этом установлено, что для повышения аппроксимирующих свойств нейронной сети, в качестве функции активации, наиболее целесообраз

133 но применить радиально базисную функцию, с выбором одинаковых значений величин дисперсий для радиальных нейронов, рассчитанных по разработанному правилу.

5. Усовершенствован алгоритм обучения радиально базисной нейронной сети на основе метода обучения с нулевой ошибкой, позволяющий исключить такое явление, как застревание в локальном экстремуме, что существенно повышает стабильность системы экстремального управления с нейронной сетью.

6. Разработан алгоритм функционирования системы управления с нейросетевой надстройкой экстремальным объектом, позволяющий с большей эффективностью, чем шаговые алгоритмы экстремального регулирования, отрабатывать рабочие режимы чашевого окомкователя.

7. Впервые выполнен синтез и получены параметры настройки однока-нальной и двухканальной шаговой СЭР и двухканальной шаговой СЭР с нейросетевой надстройкой для решения задачи регулирования основных технологических параметров чашевого окомкователя.

8. Получены результаты сравнительного анализа разработанных методов управления процессом окомкования, доказывающие преимущество построения системы экстремального управления с нейросетевой надстройкой, обеспечивающей увеличение на 5-6 % выхода годных окатышей по сравнению с ручным управлением.

9. Исследование условий практического применения нейронных сетей для идентификации и адаптивного управления, а также проектирование основных элементов СЭР позволило сформулировать ряд процедур, обеспечивающих сравнительно простое инженерное решение по разработке промышленной системы управления чашевым окомкователем.

10. Результаты диссертационных исследований включены в учебный процесс СТИ (филиал) МИСиС, а также приняты к внедрению на ФОК ОАО «Лебединский» и «Михайловский» ГОКах.

Список литературы диссертационного исследования кандидат технических наук Полещенко, Дмитрий Александрович, 2007 год

1. Абзалов, В.М. Физические свойства исходных железорудных окатышей Текст. / В.М. Абзалов, А.В. Стародумов, Г.М. Майзель // Сталь. 2003. - № 9.-С. 10- 12. -Библиогр.: С. 12.

2. Айвазян, С. А. Прикладная статистика и основы эконометрики Текст. / С. Г. Айвазян, B.C. Мхиратян — М.: ЮНИТИ, 1998. 1022 с. 24,5 см. -Библиогр.: с. 960-961; алфавитно-предм. указ.: С. 1106-1122. - 5000 экз. -ISBN 5-238-00013-8.

3. Андрейчиков, А.В. Интеллектуальные информационные системы Текст.: учебник / А.В. Андрейчиков, О.Н. Андрейчикова. М.: Финансы и статистика, 2004. - 424 е.: ил.; 21 см. - Библиогр.: с. 415-417.; предм. указ.: С. 419-423.-4000 экз. - ISBN 5-279-02568-2

4. Ануфриев И.Е. Самоучитель MatLab 5.3/6.х. Текст.: СПб.: БХВ -Петербург, 2004. 736 е.: ил.; 23,5 см. - Библиогр.: С. 712. - 3000 экз. -ISBN 5-94157-107-0

5. Берман Ю.А. Основные закономерности производства окатышей Текст. : Ю.А. Берман. Челябинск: Металлургия, 1991. - 183 е.; 19,5 см. -Библиогр.: С. 177-182.-640 экз.-ISBN 5-229-00331-6

6. Браммер К., Зиффлинг Г. Фильтр Калмана Быоси. // Изд. Наука. - 1982. -201 е.: 23 см. - Библиогр.: С. 189-196; предм. указ.: С. 197-199.

7. Васильев, В.И. К выбору структуры нейрорегулятора в системе управления динамическим объектом Текст. / В.И. Васильев, С.С. Валеев, А.А. Шилоносов // Нейрокомпьютеры: разработка, применение. 2001. - №4-5. -с. 52-60. - Библиогр.: С. 60.

8. П.Вегман, Е.Ф. Окомкование руд и концентратов Текст.: учебник для техникумов / Е.Ф. Вегман. 3-е изд. - М.: Металлургия, 1984. - 256 е.: 22 см. - Библиогр.: С. 256. - 2940 экз.

9. Все необходимое для автоматизации технологических процессов и встраиваемых систем Текст.: Краткий каталог продукции Прософт 8.0 / М.: Прософт, 2002. 273 е.; 29 см. - В тексте привед. наименования и адреса изготовителей.

10. Гаскаров, Д.В. Интеллектуальные информационные системы. Текст.: Учеб. для вузов / Д.В. Гаскаров. М.: Высш. шк., 2003. - ил.; 22 см. - Библиогр.: С. 424-429. - 5000 экз. - ISBN 5-06-004611-7

11. Глинков, Г.Н. АСУ ТП в черной металлургии Текст.: учебник для вузов / Г.Н Глинков, В. А. Маковский. 2-е изд. перераб. и доп. - М.: Металлургия, 1999. - 310 е.: ил.; 20,5 см. - Библиогр.: С. 310. - 1000 экз. - ISBN 5-22901251-Х

12. Дьяконов, В. Matlab 6/6.1/6.5 Simulink 4/5 в математике и моделировании Текст.: полное руководство пользователя / В. Дьяконов. М.: Соломон-Пресс, 2003. - 576 е.: 23,5 см. - Библиогр.: С. 547-551.-2000 экз. - ISBN 593455-177-9

13. Дьяконов, В. Simulink 4 Текст.: специальный справочник / В. Дьяконов. -Спб.: Питер, 2002. 528 е.: ил.; 20 см. - Библиогр.: С. 505.; предм. указ.: С. 506-518. - 5000 экз. - ISBN 5-318-00551-9

14. Емельянов, В.В. Теория и практика эволюционного моделирования Текст. / В.В. Емельянов, В.В. Курейчик, В.М. Курейчик. М.: ФИЗМАТЛИТ, 2003 -432 е.: 23,5 см. - Библиогр.; предм. указ.: С. 427-431: С. 416-426.-300 экз. -ISBN 5-0221-0337-7

15. Еременко, Ю.И. Управление объектами горно-металлургического производства на основе использования искусственных нейронных сетей Текст.: учебное пособие / Ю.И. Еременко. Старый Оскол: ООО «ТНТ», 2004.- 180 е.: 20 см.- Библиогр.: С. 164-176.-500 экз.

16. Еременко, Ю.И. Повышение эффективности АСУ горно-металлургического производства на основе интеллектуализации управления. Текст.:

17. Монография / Ю.И. Еременко, JT.M. Боева, JT.A. Кузнецов, В.Б. Крахт. -Старый Оскол: ООО «ТНТ», 2005. 408 е.: 21 см. - Библиогр.: С. 405-407. -1000 экз. - ISBN 5-94178-079-6

18. Еременко, Ю.И. Идентификация окомкователя с применением математической модели, реализованной в нейросетевом базисе. Текст. / Ю.И Еременко, Д.А. Полещенко, // Мехатроника, автоматизация, управление. 2006. - № 3. - С. 34-39. - Библиогр.: С. 39.

19. Ерофеев, А.А. Интеллектуальные системы управления Текст. / А.А. Ерофеев, А.О. Поляков. СПб.: СПбГТУ, 1999. - 264 е.: 20 см. - Библиогр.: С. 260-261. - 1000 экз. - ISBN 5-7422-0074-9

20. Исаев, Е.А. Теория управления окомкованием сыпучих материалов Текст.: Монография. / Е.А. Исаев, И.Е. Чернецкая, JI.H. Крахт, B.C. Титов Старый Оскол: ООО «ТНТ», 2004. - 384 е.: 20,5 см.: Библиогр.: С. 374-379. - 1000 экз. -ISBN 5-94178-005-2

21. Исаев, Е.А. Современная теория окомкования сыпучих материалов Текст.: Монография. / Е.А. Исаев, И.Е. Чернецкая, JI.H. Крахт Старый Оскол: ООО «ТНТ», 2001. - 244 е.: 20,5 см.: Библиогр.: С. 234-240. - 1000 экз. -ISBN 5-94178-005-2

22. Казакевич, В. В. Системы автоматической оптимизации. Текст. / В. В. Казакевич, А. Б. Родов.; М.: «Энергия», 1977. - 288 е.: с ил.; 20 см.: Библиогр.: С. 283-286. - 5200 экз.

23. Каменов, А.Д. Комплексное моделирование агломерации и окомкования руд Текст. / А.Д. Каменов; пер. с болг. JI.A. Вурсаловой. М.: Металлургия, 1978.-256 е.: 22 см.- 1500 экз.

24. Кожевников, И.Ю., Окускование и основы металлургии Текст.: Учебник для вузов / Ю.И. Кожевников, Б.М. Равич. М.: Металлургия, 1991. - 308 е.: 21 см. - Библиогр.: С. 299-300.; предм. указ.: С. 301-303. - 2500 экз. - ISBN5.229-00689-7

25. Компоненты для автоматики Текст.: Каталог / М.: Dacpol, 2006. 324 е.; 29 см. - В тексте привед. наименования и адреса изготовителей.

26. Круглов, В. В. Искусственные нейронные сети. Теория и практика Текст. / В. В. Круглов, В. В. Борисов. М.: Горячая линия - Телеком, 2001. - 382 е.: ил.; 20,5 см. - Библиогр.: С. 377-378.-2500 экз. - ISBN 5-93517-031-0

27. Лазарев, Ю. Моделирование процессов и систем в MATLAB. Текст.: Учебный курс. / 10. Лазарев. Спб.: Питер; Киев: Издательская группа BHV, 2005, 512с.: ил.; 23 см.; 3000 экз. - ISBN 5-469-00600-Х

28. Леоненков, А. Нечеткое моделирование в среде Matlab и fuzzytech Текст. / А. Леоненков. СПб.: БХВ-Петербург, 2003. - 736 е.: ил.; 23 см. -Библиогр.: С. 717-719.; глоссарий.: С.713-716. - 2500 экз. - ISBN 5-94157087-2

29. Либерзон, Л.М. Шаговые экстремальные системы Текст. / Либерзон Л. М., Родов А. Б.; М.: «Энергия», 1969. - 96 е.; 17,5 см.: Библиогр.: С. 95-96. -12000 экз.

30. Липухин, Ю.В. Автоматизация металлургических агрегатов Текст. / Ю.В. Липухин, Ю.И. Булатов, К. Адельман, М. Кнорр. М.: Металлургия, 1992. -304 е.; 20 см.: Библиогр.: С. 304. - 350 экз. - ISBN 5-229-01-058-4

31. Маерчак, Ш. Производство окатышей. Текст. / Ш. Маерчак; Пер. со словац. М., «Металлургия», 1982. - 232 е.; 22 см. - Библиогр.: С. 228-232. -Перевод изд.: Peletizacia jemnozrnnych materialov / S. Majercak. Bratislava. -1700 экз.

32. Медведев, B.C. Синтез адаптивных нейрокомпыотерных систем управления на основе теории интерактивной адаптации Текст. / B.C. Медведев, С.В. Торбин, М.С. Шеслер // Мехатроника, автоматизация, управление. 2004.10.-С. 28-33.-Библиогр.: с. 33.

33. Медведев, B.C. Нейронные сети. MATLAB 6 Текст. / B.C. Медведев, В.Г. Потемкин; под общ. ред. к.т.н. В.Г. Потемкина. М.: ДИАЛОГ-МИФИ, 2002. - 496 е.: 23,5 см. - Библиогр.: С. 483-486.; предм. указ.: С.480-482. -4000 экз. - ISBN 5-86404-163-7

34. Методы робастного, нейро-нечеткого и адаптивного управления Текст.: Учебник / Под ред. Н.Д. Егупова. М. Изд-во МГТУ им. Н.Э. Баумана, 2002.- 744 е., ил. 22 см. Библиогр.: С. 719 - 734.; предм. указ.: С. 735 - 737. -2000 экз. - ISBN 5-7038-2030-8

35. Методы классической и современной теории автоматического управления: Учебник в 3-х т. Т.З: Методы современной теории автоматического управления / Под ред. Н.Д. Егупова. - М.: Изд-во МГТУ им. Н.Э. Баумана, 2000.-748 е., ил. 22 см.

36. Назаров, А.В. Нейросетевые алгоритмы прогнозирования и оптимизации систем Текст. / А.В. Назаров, А.И. Лоскутов; под редакцией М.В. Финкова.- Спб.: Наука и Техника, 2003. 384 е.: ил.; 23,5 см. - Библиогр.: С. 379-380.- 2000 экз. ISBN 5-94387-076-8

37. Остапенко, П.Е. Теория и практика обогащения железных руд Текст. / П.Е. Остапенко. М.: Недра, 1985.-270 е.; 22 см. - Библиогр.: С. 268. - 1800 экз.

38. Пискунов, Н.С. Дифференциальное и интегральное исчисления Текст. В 2-х т. Т. 2. / Н.С. Пискунов. 12-е изд. - М.: «Наука», 1978. - 576 е.: ил.; 21,5 см. - Предм. указ.: С. 568-575. - 225000 экз.

39. Полещенко, Д.А. О реализации математической модели окомкователя в нейросетевом базисе Текст. // Материалы научно технической конференции ОАО ОЭМК / ОАО ОЭМК. - Старый Оскол, 2005. - С. 176 -177.

40. Промышленные компьютеры и контроллеры Текст.: Каталог / М.: Ниеншанц автоматика, 2006. 230 е.; 29 см. - В тексте привед. наименования и адреса изготовителей.

41. Пуценко, В.В. Теория автоматического управления. Импульсные и цифровые системы автоматического управления Текст. / В.В. Пуценко. -М.: «Энергия», 1965. 120 е.: ил.; 23 см. - Библиогр.: С. 118.

42. Ротач, В.Я. Расчет динамики промышленных автоматических системрегулирования Текст. / В.Я. Ротач. М.: «Энергия», 1973. - 440 е.: ил.; 19,5 см. - Библиогр.: С. 433-436. - 12000 экз.

43. Руденко, О.Г. Основы теории искусственных нейронных сетей Текст. / О.Г. Руденко, Е.В. Бодянский. Харьков: ТЕЛЕТЕХ, 2002. - 317 е.: ил.; 20 см. -Библиогр.: С. 312-317. -300 экз. - ISBN 966-95416-2-9

44. Справочник по теории автоматического управления Текст. / Под ред. А.А. Красовского. М.: Наука. Гл. ред. Физ.-мат. лит., 1987 - 712 е.: 22 см. -Библиогр. С. 681 - 704. - Предм. указ.: С. 707 - 711. - 35000 экз.

45. Стародумов, А.В. Моделирование гранулометрического состава окатышей, формируемых чашевым окомкователем. Текст. / А.В. Стародумов, А.А. Солодухин, И.Д. Степанов, В.Г. Лисиенко // Сталь. 2003. - № 1. - С. 22 -25.-Библиогр.: С. 24-25.

46. Сулименко, Е.И. Производство окатышей Текст.: Учебное пособие / Е.И. Сулименко М.: Металлургия, 1988, 128 е.: 20 см. - Библиогр. С. 129. - 3760 экз.

47. Сырье для черной металлургии Текст. В 2-х т. Т. 1. Производство окускованного сырья для черной металлургии (сырье, технологии, оборудование, метрология) / М.Д. Ладыгичев, В.М. Чижикова, В.И.

48. Лобанов; Под ред. проф. д.т.н. В.М. Чижиковой. М.: Машиностроение, 2001. - 896 е.; 24,5 см. - Библиогр. С. 890-895. - 2500 экз. - ISBN 5-94275009-2

49. Теория автоматического управления Текст.: учеб. пособие для вузов / Под ред. А.С. Шаталова. М., «Высш. Школа», 1977 г. - 448 е.: ил.; 22 см. -Библиогр. С. 90-91, 155,251, 310, 379-380, 420, 446. - 30000 экз.

50. Терехов, В.А. Нейросетевые системы управления Текст.: Учеб. пособие для вузов / В.А. Терехов, Д.В. Ефимов, И.Ю. Тюкин. М.: Высш. шк. 2002. - 183 е.: ил; 22 см. - Библиогр.: С. 177-180. - 5000 экз. - ISBN 5-06-004094-1

51. Оперативный контроль, отбор и разделка проб на ПО ФОК ОАО «ЛГОК». Технологическая инструкция Текст. / ТИ 00186803-6.10-01-96. Губкин, 1996.-45 С.: 29 см.

52. Производство окатышей на ПО ФОК ОАО «ЛГОК». Технологическая инструкция Текст. / ТИ 00186803-6.9-02-2002. Губкин, 2002. - 45 е.: 29 см.

53. Филимонов, Н.А. О применимости схем нейронного управления на основе инверсно прямой модели обучения Текст. / Н.А. Филимонов // Мехатроника, автоматизация, управление. - 2004. - №10. - С. 33-38. -Библиогр.: С. 38.

54. Фридман, А.Л. Основы объектно-ориентированного программирования на языке Си++ Текст. / А.Л. Фридман. 2-е изд. перераб. и доп. - М.: Горячаялиния Телеком, 2001.-232 е.: ил; 20 см.- Библиогр.: С. 229-230. - 5000 экз. -ISBN 5-93517-046-9

55. Юсфин, Ю.С. Интенсификация производства и улучшение качества сырых окатышей Текст. / Юсфин Ю.С., Пашков Н.Ф., Антоненко Л.К. и др. М.: Металлургия, 1994.-173с.

56. Ярушкина, Н.Г. Основы теории нечетких и гибридных систем. Текст.: Учеб. пособие. / Н.Г. Ярушкина. М.: Финансы и статистика, 2004. - 320 е.; ил.: 20,5 см. - Библиогр.: С. 307-312. - 4000 экз. - ISBN 5-279-02776-6

57. Abu-Mostafa Y.S. Hints // Neural computation, 1995. vol. 7., p. 639-671.

58. Agarwal M. A Systematic Classication of Neural-Network-Based Control // IEEE Control Systems. April, 1997.- P. 75 — 93.

59. Barren A.R. Universal approximation bounds for superposition of a sig-moidal function // IEEE Transactions on Information Theory. 1993. -Vol. 39. - P. 930-954.

60. Barron A.R. Neural net approximation // In Proceedings of the Seventh Yale Workshop on Adaptive and Learning Systems, 1992. p. 69-72.

61. Bhadeshia H.K.D.H. et al. "Bayesian Neural Network Model for Austenite

62. Formation in Steels". Materials Science and Technology, June 1996. p. 453-63.

63. Borlee J., Steyls D., Colin R., Munnix R., Economopoulos M. Comet A coal-based process for the production of high quality DRI from iron ore fines // La Revue de Metallurgie - CIT, Mars, 1999. - pp. 331-340.

64. Carpenter G.A., Grossberg S. A massively parallel architecture for self-organizing neural pattern recognition // Computer vision, Graphics and Image Processing, 1983. Vol. 37. - P. 54-115.

65. Chen S., Billings S. and Grant P. Non-linear system identification using neural networks//International Journal of Control, 1990.-vol. 51.-p. 1191-1214.

66. Cowan J.D. and Sharp D.H. Neural nets // Quarterly Reviews of Biophysics, 1988.-vol. 21.-p. 365-427.

67. Danloy G., Stolz C., Crahay J., Dubois P. Measurement of iron and slag levels in BF hearth // Proceedings of 58th Ironmaking Conference, Chicago, March 21-24, 1999.-pp. 89-98.

68. De Boer W.F., Beentjes P.J., Van Der Panne A.L.J. The use of slurry and return fines in pelletizing at hoogovens // Ironmaking Conference Proceedings, 1999. -p. 525-531.

69. Dostal T.C., Gordon L.M., Medower R.A. United Taconite's Iron Ore Pelletizing Production Performance Improvement Project // AISTech Proceedings -Volume I, 2005.-p. 163-169.

70. Eremenko Y.I., Kraht V.B., Dudnikov V.A. About application of neural networks fore controlling of rolling mill drives // Metallurgy and new materials researches, 2003.-№1.- P. 1-12

71. Eremenko Y.I., Kuznetzov L.A. Fuzzy logic regulator for a control system of level of metal in a crystallizer of continuous steel casting plant // Metallurgy and new materials researches, 2003. №2. - p. 1-9

72. ЮЗ.Егетепко Y.I., Kuznetzov L.A., Kraht V.B. Fuzzy Logic regulator for a control system of level of metal in a crystallizer of continuous steel casting plant // Sixteenth International Conference on Systems Engineering, London, 2003.-P.152-156

73. Fonseca M.C., Magela da Costa G., Ferreira P., Meschiatti A. The Influence of Pellet Feed Size Distribution in the Agglomeration Process // AISTech Proceedings Volume I, 2005. - p. 147-152.

74. Gariglio E., Mourao J.M., Klein M.daS., Goossens M.M., Botelho M.E.E. The Sao Luis pelletizing plant a new source of pellets for DR and BF processes // Ironmaking Conference Proceedings, 2001. - p. 751-758.

75. Gori M. and Tesi A. On the problem of local minima in backpropagation // IEEE Transactions on Pattern Analysis and Machine Intelligence, 1992. vol. 14. - p. 76-86.

76. Gorni A.A. "The Application of Neural Networks in the Modeling of Plate Rolling Processes". Journal of Materials Electronic (J.O.M.-E.), April 1997.-P. 317-321

77. Hammerstrom D. Neural networks at work // IEEE Spectrum, 1993. vol. 30, no. 6. - p. 26-32.

78. Hammerstrom D. Working with neural networks // IEEE Spectrum, 1993. vol. 30, no. 7.-p. 46-53.

79. Handbook of Intelligent Control: Neural, Fuzzy and Adaptive Approaches Ed. by David A. White & Donald A. Sofge. N.-Y. Van Nostrand Reinhold. 1992. P. 568-574.

80. Hopfield J.J., Neural networks and physical systems with emergent computational abilities, Proc of the National Academy of Sciences, vol.79, 1992.-P.2554-2558.

81. Innovation in interface Электронный ресурс. Electronic catalog. (569 Мб). - M. 2003. - 1 электрон, опт. диск (CD-ROM). - Систем, требования: Pentium 350 MHz или выше ; 64 Мб ОЗУ ; Windows 95, 98 NT 4.0, 2000, ХР

82. Krzyzak А., Т. binder and G. Lugosi. Nonparametric estimation and classification using radial basis functions // IEEE Transactions on Neural Networks, 1996. -vol. 7.-p. 475-487.

83. Lee Y., S. Oh and M. Kim. The effect of initial weights on premature saturation in back-propagation learning // International Joint Conference on Neural

84. Networks. Seattle, 1991.-vol. I.-p. 765-770.

85. Lowe D. Adaptive radial basis function nonlinearities and the problem of generalisation // First IEE International Conference on Artificial Neural Networks. -London, 1989.-p. 171-175.

86. Lowe D. What have neural networks to offer statistical pattern processing // Proceedings of the SPIE Conference on Adaptive Signal Processing. San Diego, CA, 1991.-p. 460-471.

87. Lowe D. On the iterative inversion of RBF networks: A statistical interpretation // Second IEE International Conference on Artificial Neural Networks. -Bournemouth, England, 1991Б. p. 29-33.

88. Lowe D. and A.R. Webb. Time series prediction by adaptive networks: A dynamical systems perspective // IEE Proceedings (London), Part F, 1991. vol. 138.-p. 17-24.

89. Lowe D. and M.E. Tiping. Neuroscale: Novel topographic feature extraction using RBF networks // Neural Information Processing Systems. Cambridge, MA: MIT Press, 1996. - vol. 9. - p. 543-549.

90. Mention A., K. Mehrotra, C.K. Mohan and S. Ranka. Characterization of a class of sigmoid functions with aplications to neural networks // Neural Networks, 1996.-vol. 9.-p. 819-835.

91. Mhaskar H.N. and С A. Micchelli. Aproximation by superposition of sigmoidal and radial basis functions // Advances in Aplied Mathematics, 1992. vol. 13. -p. 350-373.

92. Narendra K.S. and K. Parthasarathy. Identification and control of dynamical systems using neural networks // IEEE Transactions on Neural Networks, 1990. -vol. l.-p. 4-27.

93. Powell M.J.D. The theory of radial basis function approximation in 1990 // in W. Light, ed., Advances in Numerical Analysis Vol. II: Wavelets, Subdivision Algorithms and Radial Basis Functions. Oxford: Oxford Science Publications, 1992.-p. 105-210.

94. Powell M.J.D. Radial basis function approximations to polynomials // Numerical

95. Analysis 1987 Proceedings. Dundee, UK, 1988. - p. 223-241.

96. Powell MJ.D. Radial basis functions for multivariable interpolation: A review // IMA Conference on Algorithms for the Approximation of Functions and Data. -RMCS, Shrivenham, England, 1985. p. 143-167.

97. Renals S. Radial basis function network for speech pattern classification // Electronics Letters, 1989. vol. 25. - p. 437-439.

98. Rosten P.E., Coburn J.L., Hanninen V.J., Process Analysis To Optimize Pelletizing Systems Performance // Ironmaking Conference Proceedings, 1999. -p. 565-571.

99. Sastry K.V., Herbst J.A. Modeling and Computer Simulation of Balling Circuits for Steady State Optimization and Dynamic Control // Ironmaking Conference Proceedings, 1999.-p. 505-512.

100. Sutton R.S. Two problems with back-propagation and other steepest-descent learning procedures for networks // Proceedings of the Eighth Annual Conference of the Cognitive Science Society. Hillsdale, NJ: Lawrence Erlbaum, 1986. - p. 823-831.

101. Trescot J.B., Connor D.B., Faulkner B.P. Optimization of the Iron Ore Pelletizing Process // Ironmaking Conference Proceedings, 2000. p. 445-452.

102. Wilhelmy J.F., Martinovic Т., Paquet G. Mineralogical study of iron ore pellets behavior under reducing conditions: New information given by individual pellet testing // Ironmaking Conference Proceedings, 2000. p. 429-435.