СИНТЕЗ МНОГОРЕЖИМНОЙ ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ УПРАВЛЕНИЯ СЛАБОФОРМАЛИЗУЕМЫМ ПРОЦЕССОМ

Отмечены характерные особенности многих промышленных процессов биотехнических, биотехнологических, пищевых и других производств. К основным отнесены сложность получения математической модели вследствие неполноты знаний кинетических закономерностей, наличия нелинейностей различного вида в математической модели, нестационарность, а также значительная структурная и параметрическая неопределенность, проявляющаяся в процессе функционирования. Осуществлен синтез нейросетевой системы управления процессом с учетом многорежимности его функционирования в условиях неопределенности. Предложено режимы протекания процесса идентифицировать с помощью характерных изменений скорости изменения концентрации растворенного в среде культивирования автоматически контролируемого углекислого газа в отходящем из аппарата воздухе. На основе проведенного анализа результатов обучения нейронной сети различными методами установлена целесообразности применения алгоритма Левенберга-Марквардта, который обеспечивает большую точность и высокую скорость сходимости вблизи минимума, а, следовательно, позволяет существенно ускорить процедуру обучения. Используя алгоритм Левенберга-Марквардта, проведено обучение нейросетевых моделей объекта управления, каждая из которых на определенных режимах протекания процесса наиболее приближена к фактическому состоянию объекта. Это позволило реализовать основной принцип работы многорежимных систем управления, заключающийся в переключении алгоритмов управления с нейросетевыми моделями при смене режимов процесса, что позволяет обеспечить заданные показателей качества системы в каждом из режимов при изменяющихся условиях функционирования.