Алгоритми нечіткої кластеризації для прогнозування процесів гірничо-металургійного виробництва

Автор(и)

  • О. В. Герасіна Державний вищий навчальний заклад «Національний гірничий університет», просп. К. Маркса, 19, м. Дніпропетровськ, Україна, 49027, Україна

Ключові слова:

прогнозування, фільтр-апроксиматор, нечітка логіка, кластеризація, глобальна оптимізація, крупне дроблення, доменне виробництво

Анотація

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. 

Біографія автора

О. В. Герасіна, Державний вищий навчальний заклад «Національний гірничий університет», просп. К. Маркса, 19, м. Дніпропетровськ, Україна, 49027

Кандидат технічних наук, доцент кафедри безпеки інформації та телекомунікацій

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

2015-06-02

Номер

Розділ

Автоматизація та управління механіко-технологічними системами та комплексами