Авторы:
Издательство:
Дата издания
01.01.2026На каком языке издана
ISSN
26734052Область исследования
Тип исследования
Аннотация (краткое описание)
В данном исследовании предлагается интеллектуальный алгоритм управления для промышленных процессов с множественным входом и множественным выходом (MIMO). Этот алгоритм основан на интеграции цифрового двойника (DT), модельного прогнозирующего управления (MPC), генетического алгоритма (GA) и нейронной сети (NN). Разработанная архитектура использует гибридную схему MPC, включающую дополнительную ветвь коррекции на основе нейронной сети. Рабочий процесс включает предварительную обработку входных данных, линеаризацию рабочей точки и обучение нейронной сети, вычисление оптимальной последовательности управления на скользящем горизонте, управление с обратной связью и адаптацию на основе ошибки прогнозирования. Этот инновационный гибридный закон управления использует линейную модель пространства состояний в качестве базового предиктора и компактную надстройку нейронной сети для компенсации неучтенных нелинейностей. Генетический алгоритм ищет оптимальную последовательность управляющих воздействий, соблюдая ограничения процесса и обеспечивая стабильное использование коррекции на основе нейронной сети.DOI
10.3390/automation7010008Тип публикаций
Практическое значение
Методология была протестирована на процессе очистки фосфорной кислоты. По сравнению с базовым алгоритмом MPC, предложенный алгоритм повысил эффективность очистки до (формула представлена), уменьшил интегральную ошибку отслеживания на (формула представлена) и снизил амплитуду управляющего сигнала на 10–15%. Выбор соответствующих режимов подачи реагентов и вакуумирования обеспечил стабильную работу, несмотря на колебания в сырье. Эти результаты подтверждают эффективность гибридного управления на основе DT в приложениях, требующих точности, адаптивности и строгого соблюдения ограничений. Подход масштабируем и может быть применен к другим системам непрерывного производства в рамках инициатив Индустрии 4.0. © 2026 авторами.Квартиль
Источник квартиля
SCImago (Scopus)Impact Factor
1.44Количество цитирований
0Данный документ располагается в коллекциях
Международные публикации ученых SU
Scopus
Файлы документа
статья на русском.pdf