Алгоритми нечіткої кластеризації для прогнозування процесів гірничо-металургійного виробництва
Ключові слова:
прогнозування, фільтр-апроксиматор, нечітка логіка, кластеризація, глобальна оптимізація, крупне дроблення, доменне виробництвоАнотація
Запропоновано для підвищення точності прогнозування процесів гірничо-металургійного виробництва використовувати адаптивні фільтри-апроксиматори на основі нечіткої кластеризації, а також проводити налаштування їх параметрів за допомогою методів глобальної оптимізації. Визначено ефективність запропонованого підходу на прикладі прогнозування технологічних процесів крупного дроблення і доменного виробництва.
Посилання
1. Kaganov, V. Yu., Blinov, О. М., Belen’kiy, А. М. (1974). Automating the management of metallurgical processes. Moscow,Russia: Metallurgy, 416.
2. Maryuta, А. N., Kachan, Yu, G., Byn’ko, V. A. (1983). Automatic control of technological processes of processing plants.Moscow,Russia: Nedra, 277.
3. Kornienko, V., Gerasina, A., Gusev A. (2013). Methods and principles of control over the complex objects of mining and metallurgical production. Energy Efficiency Improvement of Geotechnical Systems.London: Taylor & Francis Group, 183-192.
4. Gerasina, A., Kornienko, V. (2013) Structural-parametrical identification of processes for crushing and grinding of the ores.Dnepropetrovsk,Ukraine:NationalMiningUniversity, 101.
5. Kornienko, V., Gulina I., Rybalchenko, Yu. (2015). Identification, prediction and control of complex multiply technological objects. Power Engineering, Control and Information Technologies in Geotechnical Systems.London: Taylor & Francis Group, 168-178.
6. Dyakonov, V. P., Kryglov, V. V. (2001). Mathematical expansion packs MATLAB. Special handbook.St. Petersburg,Russia: Piter, 480.
7. Shtovba, S. D. (2007). Design of Fuzzy Systems with MATLAB.Moscow,Russia: Goryachaya liniya – Telekom, 288.
8. Yager, R., Filev, D. (1984). Essentials of Fuzzy Modeling and Control.USA: John Wiley & Sons, 387.
9. Bezdek, J. C. (1981). Pattern Recognition with Fuzzy Objective Function Algorithms.New York: Plenum Press, 272.
10. Nelles, O. (2001). Nonlinear System Identification: From Classical Approaches to Neural and Fuzzy Models.Berlin: Springer, 785.
11. Rutkovskaya, D., Pilinskiy, M., Rutkovskiy, L. (2006). Neural networks, genetic algorithms and fuzzy systems.Moscow,Russia: Goryachaya liniya – Telekom, 452.
12. Ivakhnenko, A. G. (1975). Long-term forecasting and control of complex systems.Kiev,Ukraine: Tehnika, 312.
##submission.downloads##
Опубліковано
Номер
Розділ
Ліцензія
Авторське право (c) 2015 О. В. Герасіна
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
