Показати скорочену інформацію

dc.contributor.authorКонох, І. С.uk
dc.contributor.authorІстоміна, Н. М.uk
dc.contributor.authorKonokh, I. S.en
dc.contributor.authorIstomina, N. M.en
dc.contributor.authorКонох, И. С.ru
dc.contributor.authorИстомина, Н. Н.ru
dc.date.accessioned2020-12-29T11:31:32Z
dc.date.available2020-12-29T11:31:32Z
dc.date.issued2019
dc.identifier.citationКонох І. С. Аналіз ефективності й оптимізація технологічних режимів барабанних сушильних установок [Текст] / І. С. Конох, Н. М. Істоміна // Вісник Вінницького політехнічного інституту. – 2019. – № 6. – С. 7-18.uk
dc.identifier.issn1997-9266
dc.identifier.issn1997–9274
dc.identifier.urihttp://ir.lib.vntu.edu.ua//handle/123456789/31117
dc.description.abstractПитання оптимізації режимів для технологічних систем потокової переробки сировини мають істотний вплив на рентабельність підприємств хімічної, харчової й металургійної промисловості. На сьогодні залишається актуальним завдання переходу від вимог рентабельності до керувальних впливів, що вимагає розробки спеціалізованих методів. Такі методи повинні використовувати показник ефективності, що оцінює результати технологічної операції за сукупністю вартісних оцінок вихідного продукту, витрат і часу. У роботі показано, що структура канальної системи обробки сировини повинна містити блоки обчислення вартості витрат сировини, ресурсу й енергії для обробної й транспортувальної частин установки й розрахунку загального показника ефективності. Розглянуто приклад технологічної лінії сушіння гранульованого продукту в барабанній печі із зонними й аксіальними пальниками, що використовують різні види палива. Враховується взаємовплив компонентів лінії на її продуктивність, якість і витрати. Нелінійний вид виразу для показника ефективності вимагає його модифікації для використання в методі динамічного програмування. Для пошуку оптимального режиму вибрано метод динамічного програмування, що визначає оптимальну фазову траєкторію, яка максимізує сформульований для цього методу аддитивний критерій. Вартісна оцінка ділянок траєкторії виконувалася за допомогою обчислювальної моделі, що описує динамічні процеси в установці. Пошук оптимальних керувань здійснювався від кінця можливої траєкторії до початку у дискретизованому просторі фазових координат. Фазовими координатами є положення порції продукту в середині барабана, вологість продукту; керувальними величинами — кутова швидкість барабана, витрати палива в кожному пальнику. Порівняння значень показника ефективності для знайденої оптимальної траєкторії та траєкторій з відхиленнями показало правильність вибраного підходу.uk
dc.description.abstractIssues of technological systems modes optimization for streaming raw materials processing have a significant impact on the enterprises profitability in the chemical, food and metallurgical industries. At present, the task of moving from the profita-bility requirements to control actions remains actual. The task requires the development of specialized methods. Such methods should use an efficiency factor with evaluating of a technological operation results by a combination of cost esti-mates of the output product, costs and time. In the paper it is shown the structure of the channel system for raw materials processing should contain blocks for calculating the consumption costs of raw materials, resources and energy for the pro-cessing and transporting parts of the station and for calculating the overall efficiency factor. An example of a production line for drying a granular product in a drum furnace with zone and axial burners using different types of fuel is considered. The mutual influence of the line components on its productivity, quality and costs are taken into account. The non-linear form of the efficiency factors expression required modification for use in the dynamic programming method. For optimal mode searching we chose a dynamic programming method that determines the optimal phase trajectory with maximizes the addi-tive criterion formulated for this method. Cost estimation of the trajectory sections was carried out using a computational model. The model describes the dynamic processes in the station. The search for optimal controls was carried out from the end of a possible trajectory to the beginning in a discretized space of phase coordinates. The phase coordinates are the position of the product portion inside the drum, the moisture content of the product; control variables: drum angular velocity, fuel consumption in each burner. A comparison of the efficiency factor values for the found optimal trajectory and efficiency factor values for trajectories with deviations showed the validity of the chosen approach.en
dc.description.abstractВопросы оптимизации режимов для технологических систем потоковой переработки сырья имеют сущест-венное влияние на рентабельность предприятий химической, пищевой и металлургической промышленности. На сегодня остается актуальной задача перехода от требований рентабельности к управляющим воздействи-ям, которая требует разработки специализированных методов. Такие методы должны использовать показа-тель эффективности, оценивающий результаты технологической операции по совокупности стоимостных оценок выходного продукта, затрат и времени. В работе показано, что структура канальной системы обра-ботки сырья должна содержать блоки вычисления затрат на расход сырья, ресурса и энергии для обрабаты-вающей и транспортирующей частей установки и расчета общего показателя эффективности. Рассмотрен пример технологической линии сушки гранулируемого продукта в барабанной печи с зонными и аксиальными горелками, использующими различные виды топлива. Учитывается взаимовлияние компонент линии на ее про-изводительность, качество и затраты. Для поиска оптимального режима был модифицирован метод динами-ческого программирования, определяющий оптимальную фазовую траекторию, максимизирующую сформулиро-ванный для этого метода аддитивный критерий. Стоимостная оценка участков траектории выполнялась с помощью вычислительной модели, описывающей динамические процессы в установке. Поиск оптимальных управлений осуществлялся от конца возможной траектории к началу в дискретезированном пространстве фазовых координат. Фазовыми координатами являются положение порции продукта внутри барабана, влаж-ность продукта; управляющими величинами: угловая скорость барабана, расход топлива в каждой горелке. Сравнение значений показателя эффективности для найденной оптимальной траектории и траекторий с от-клонениями показал справедливость выбранного подхода.ru
dc.language.isouk_UAuk_UA
dc.publisherВНТУuk
dc.relation.ispartofВісник Вінницького політехнічного інституту. № 6 : 7-18.uk
dc.relation.urihttps://visnyk.vntu.edu.ua/index.php/visnyk/article/view/2432
dc.subjectоптимальне керуванняuk
dc.subjectефективністьuk
dc.subjectдинамічне керуванняuk
dc.subjectoptimal controlen
dc.subjectefficiencyen
dc.subjectdynamic controlen
dc.subjectоптимальное управлениеru
dc.subjectэффективностьru
dc.subjectдинамическое управлениеru
dc.titleАналіз ефективності й оптимізація технологічних режимів барабанних сушильних установокuk
dc.title.alternativeEfficiency Analysis and Optimization of Technological Modes of Drum Drying Stationsen
dc.title.alternativeАнализ эффективности и оптимизация технологических режимов барабанных сушильных установокru
dc.typeArticle
dc.identifier.udc681.518.5
dc.relation.referencesJ. Gregory, A. Olivares, “Energy-optimal trajectory planning for the Pendubot and the Acrobot“, Optimal Control Applications and Methods, no. 34(3), pp. 275-295, 2012. https://doi.org/10.1002/oca.2020 .en
dc.relation.referencesJ. Bing-Feng, B. Xiaolong, J. C. Ju, G. Yaozheng, “Design of Optimal Fast Scanning Trajectory for the Mechanical Scanner of Measurement Instruments,” Scanning, no. 36 (2), pp. 185-193, 2013. doi: 10.1002/sca.21084 .en
dc.relation.referencesA. Gasparetto, V. Zanotto, “Optimal trajectory planning for industrial robots,” Advances in Engineering Software, no. 41 (4), pp. 548-556, 2010. https://doi.org/10.1016/j.advengsoft.2009.11.001 .en
dc.relation.referencesH. Wang, Y. Tian, C. Vasseur, “Non-Affine Nonlinear Systems Adaptive Optimal Trajectory Tracking Controller Design and Application,” Studies in Informatics and Control, no. 24 (1), pp. 05-12. 2015. https://doi.org/10.24846/v24i1y201501 .en
dc.relation.referencesО. Н. Бурмистрова, С. А. Король, «Определение оптимальных скоростей движения лесовозных автопоездов из условия минимизации расхода топлива,» Лесной вестник, № 1, с. 25-28, 2013.ru
dc.relation.referencesI. Lutsenko, “Identification of target system operations. Development of global efficiency criterion of target operations,” Eastern- European Journal of Enterprise Technologies, vol. 2, iss. 2 (74), pp. 35-40, 2015. https://doi.org/10.15587/1729-4061.2015.38963 .en
dc.relation.referencesI. Lutsenko, “Definition of efficiency indicator and study of its main function as an optimization criterion,” Eastern-European Journal of Enterprise Technologies, vol. 6, issue 2 (84). pp. 24-32, 2016. https://doi.org/10.15587/1729-4061.2016.85453 .en
dc.relation.referencesЛ. Г. Елкина, М. Е. Федотова, «Применение функционально-стоимостного анализа к ресурсосбережению,» Вестник Уфимского государственного авиационного технического университета, том 8, № 1 (17), с. 115-120, 2006.ru
dc.relation.referencesМ. С. Кувшинов, Н. В. Киреева, «Анализ соответствия методов управления затратами актуальным задачам управле- ния,» Экономический анализ: теория и практика, № 17 (368), с. 37-46, 2014.ru
dc.relation.referencesI. Konokh, I. Oksanych, N. Istomina, “Automatic Search Method of Efficiency Extremum for a Multi-stage Processing of Raw Materials,” Lecture Notes in Computational Intelligence and Decision Making, Springer, pp. 225-241, 2019.en
dc.relation.referencesВ. С. Яременко, «Огляд наявних мультиагентних систем для задач інтелектуального аналізу даних,» Вчені записки ТНУ імені В. І. Вернадського. Серія: технічні науки, т. 29 (68), ч. 2, №. 3, с. 47-55, 2018.uk
dc.relation.referencesA. Fariz, J. Abouchabaka, N. Rafalia, “Using multi-agents systems in distributed data mining: a survey,” Journal of Theoretical & Applied Information Technology, no. 73(3), pp. 427-440, 2015.en
dc.relation.referencesP. Pawlewski, at al., Trends in practical applications of agents and multiagent systems, Berlin: Springer, 2011. 729 р. https://doi.org/10.1007/978-3-642-12433-4 .en
dc.relation.referencesE. Serrano, M. Rovatsos, J.A. Botia, “Data mining agent conversations: a qualitative approach to multiagent systems analysis,” Information Sciences, no. 230, pp. 132-146, 2013.en
dc.relation.referencesO. Kazik, K. Peskova, M. Pilat, R. Neruda, “Meta learning in multi-agent systems for data mining,” Proceedings of the 2011 IEEE/WIC/ACM International Conferences on Web Intelligence and Intelligent Agent Technology, vol. 02. pp. 433-434, 2011.en
dc.relation.referencesD. Sharma, F. Shadabi, “Multi-agents based data mining for intelligent decision support systems,” Systems and Informatics (ICSAI), 2nd International Conference on IEEE, pp. 241-245, November, 2014.en
dc.relation.referencesИ. С. Конох, «Представление образов динамических процессов в системах автоматического управления с помощью самонастраивающихся агентов,» Автоматизированные системы управления приборы автоматики, вып. 167, с. 29-38, 2014.ru
dc.relation.referencesA. Salvador Palau, M. Dhada, K. Bakliwal, A. Parlikad, “An Industrial Multi Agent System for real-time distributed collaborative prognostics,” Engineering Applications of Artificial Intelligence, vol. 85. pp. 590-606, 2019. https://doi.org/10.1016/j.engappai.2019.07.013 .en
dc.relation.referencesF. L. Bellifemine, G. Caire, D. Greenwood, Developing multi-agent systems with JADE. John Wiley & Sons, 2007. Vol. 7.en
dc.relation.referencesY. Chen, J. Lu, X. Yu, D. J. Hill, “Multi-agent systems with dynamical topologies: Consensus and applications,” IEEE circuits and systems magazine, vol. 13, no. 3, pp. 21-34, 2013.en
dc.relation.referencesM. Benedetti, V. Cesarotti, V. Introna, J. Serranti, “Energy consumption control automation using Artificial Neural Networks and adaptive algorithms: Proposal of a new methodology and case study,” Applied Energy, vol. 165, pp. 60-71, 2016. https://doi.org/10.1016/j.apenergy.2015.12.066en
dc.relation.referencesG. Sideratos, A. Ikonomopoulos, N. D. Hatziargyriou, “A novel fuzzy-based ensemble model for load forecasting using hybrid deep neural networks“, Electric Power Systems Research, vol. 178, 106025, 9 p., 2020. https://doi.org/10.1016/j.epsr.2019.106025 .en
dc.relation.referencesZh. Quanmin, Zh. Weicun, Zh. Jianhua, S. Bei, “U-neural network-enhanced control of nonlinear dynamic systems,” Neurocomputing, vol. 352, pp. 12-21, 2019. https://doi.org/10.1016/j.neucom.2019.04.008 .en
dc.relation.referencesИ. С. Конох, Н. Н. Истомина, А. П. Оксанич, «Поиск оптимального закона управления процессами обработки сырья по критерию максимальной эффективности,» Radioelectronics & Informatics, № 1 (84), с. 10-19, 2019.ru
dc.relation.referencesR. E. Bellman, Dynamic Programming. Princeton University Press, 2003, 401 p.en
dc.relation.referencesИ. С. Конох, М. В. Самчишин, А. В. Копаевич, «Идентификация влажности гранулированного технического углерода в сушильном барабане для оптимизации управления по критерию максимальной эффективности, » Вісник Кременчуцького національного університету імені Михайла Остроградського, вип. 5 (100), ч. 2, с. 25-34, 2016.uk
dc.identifier.doihttps://doi.org/10.31649/1997-9266-2019-147-6-7-18


Файли в цьому документі

Thumbnail

Даний документ включений в наступну(і) колекцію(ї)

Показати скорочену інформацію