Введение к работе
Актуальность темы. Управление химико-технологическими процессами на производстве и мониторинг состояния окружающей среды базируются на контроле содержания химических компонентов в различных смесях и средах. Для решения этих задач используются системы анализа и мониторинга химических сред. Разработка и автоматизация подобных систем представляет собой сложную научно-техническую задачу, решение которой важно для практических нужд современного общества.
В настоящее время широкое распространение получил подход, заключающийся в интеграции сенсорных систем химического анализа и математических методов обработки данных. Наиболее перспективны в этом отношении мультисенсорные системы с использованием экономичных неселективных или слабоселективных химических сенсоров, сигналы которых обрабатываются при помощи аппарата искусственных нейронных сетей. Нейронные сети позволяют строить сложные нелинейные многопараметрические зависимости для мультисенсорных систем которые, содержат десятки и сотни сенсоров. Нейронные сети устойчивы к погрешностям в экспериментальных данных и обеспечивают высокий уровень точности вычисления прогнозируемых величин.
Современная технология разработки автоматизированных систем анализа и мониторинга химических сред с применением искусственных нейронных сетей имеет недостатки, связанные с отсутствием специальных алгоритмов и низкой эффективностью существующих методик нейросетевого моделирования мультисенсорных систем. Существующий подход характерен разработками уникальных нейросетевых моделей, требует проведения широкомасштабных исследований и привлечения значительных средств.
Таким образом, актуальна задача создания более эффективных и экономичных методик синтеза автоматизированных систем анализа и мониторинга химических сред с использованием нейронных сетей, применимых для широкого класса мультисенсфвО^Лс^Р1*^^ 1
і "sfeem
Цель работы состоит в исследовании и совершенствовании методов синтеза автоматизированных систем анализа и мониторинга химических сред на основе систематического применения искусственных нейронных сетей, современных информационных технологий и мультисенсорных систем в качестве источников первичной информации.
Для достижения поставленной пели были определены следующие задачи исследования:
-
Изучить существующие подходы к решению задач синтеза автоматизированных систем анализа и мониторинга химических сред, включая методы выбора структуры систем, технического и программного обеспечения, а также прикладные аспекты моделирования этих систем с использованием искусственных нейронных сетей прямого распространения.
-
Исследовать возможности улучшения существующего подхода к нейросетевому моделированию мультисенсорных систем и выявить направления повышения его эффективности.
-
Определить этапы и формализовать процесс разработки моделей искусственных нейронных сетей прямого распространения, ориентированных на обработку откликов мультисенсорных систем.
-
Разработать алгоритмы: предварительной подготовки обучающих и тестовых данных для построения нейросетевых моделей мультисенсорных систем; конфигурирования нейросетевых моделей мультисенсорных систем; обучения искусственных нейронных сетей прямого распространения для настройки нейросетевых моделей калибровочных функций мультисенсорных систем; оптимизации нейросетевых моделей мультисенсорных систем.
-
Осуществить синтез автоматизированной системы мониторинга воздушной среды с использованием разработанной методики и алгоритмов.
Методы исследования. В работе использованы положения и методы теории автоматического управления, теории искусственных нейронных сетей, теории планирования экспериментов, математического моделирования, системного анализа. Широко применялись методы статистического и
5 регрессионно-корреляционного анализа данных, вычислительные эксперименты, методы объектно-ориентированного проектирования и программирования, результаты экспериментальных исследований химических сред.
Научная новизна. В диссертации разработаны новые:
методика синтеза автоматизированных систем анализа и мониторинга химических сред, применимая для широкого класса систем на основе химических сенсоров, позволяющая автоматизировать и повышать эффективность процесса их разработки;
алгоритм предварительной подготовки экспериментальных данных для построения нейросетевых моделей мультисенсорных систем, который позволяет систематизировать процесс подготовки обучающих данных и повышать его качество;
специальный алгоритм обучения нейросетевых моделей мультисенсорных систем на основе усовершенствованного алгоритма обратного распространения ошибки, в состав которого введены новые правила коррекции весов, останова и схема инициализации весовых коэффициентов;
алгоритм построения конфигураций нейросетевых моделей, обеспечивающий структурную оптимальность нейронных сетей при заданных пользователем ограничениях и допусках.
Практическая значимость полученных результатов. Разработанные в диссертации методики, алгоритмы, нейросетевые модели и научно-практические рекомендации использованы для создания прототипа автоматизированной системы мониторинга воздушной среды, позволяющей определять содержание ряда канцерогенов, встречающихся в выбросах химических и металлургических производств. Синтезированная автоматизированная система способна с достаточной точностью осуществлять мониторинг загрязнения воздушной среды группой полиароматических углеводородов.
Практическое применение разработанных в диссертации подходов позволит автоматизировать и повысить эффективность разработки автоматизированных систем анализа и мониторинга химических сред с использованием широкого класса экономичных химических сенсоров.
Реализация результатов работы. Основные теоретические и практические положения диссертационной работы реализованы в виде пакета программ, которые могут быть использованы для синтеза автоматизированных систем анализа и мониторинга сред с использованием широкого класса мультисенсорных систем.
Результаты диссертационной работы используются в учебном процессе ЛІТУ при изучении студентами специальностей «220200 - Автоматизированные системы обработки информации и управления», «351500 - Математическое обеспечение и администрирование информационных систем» специальных дисциплин «Системы искусственного интеллекта», «Идентификация систем», при прохождении производственных практик, при выполнении курсовых и дипломных работ.
Апробация работы. Основные положения и результаты диссертации обсуждались на Ш-й Всероссийской конференции молодых ученых «Современные проблемы теоретической и экспериментальной химиго> (Саратов, 2001); на Всероссийской конференции «Актуальные проблемы аналитической химии» (Москва, 2002); на VI Международном симпозиуме молодых ученых, аспирантов и студентов «Техника и технология экологически чистых производств» (Москва, 2002); на II Международной научно-технической конференции «Современные сложные системы управления» (Старый Оскол, 2002); на Ш Международной научно-технической конференции «Современные сложные системы управления» (Воронеж, 2003).
Публикации. По материалам проведенных исследований опубликовано 6 печатных работ.
Структура и объем работы. Диссертационная работа включает в себя введение, список используемых аббревиатур, четыре основных главы,
