У статті проводиться аналіз ефективності роботи нейромережевої системи управління, яка реалізує спільно з ПІД-регуляторомпринцип паралельного управління динамічним об"єктом. Як правило, більшість промислових об"єктів характеризуються нелінійними залежностями, наявністю неконтрольованих шумів та збурень, частою зміною режимів роботи обладнання та наявністю суттєвих нелінійностей. Як об"єкт дослідження використовувалася модель підсистеми розрядження водотрубного парового котла. Навчання нейромережевого контролера (НМК) та нейроемулятора проводилося на моделі САУ з ПІД-регулятором за методикою експертного коригування настроювальних коефіцієнтів: пропорційності, сталої інтегрування та диференціювання на основі аналізу показників якості перехідного процесу. Зміна значень параметрів моделі об"єкта по каналах керування та збурення відповідала динамічним режимам роботи парового котла в діапазоні парового навантаження (25 - 110 %) від номінального. Аналіз перехідних процесів отриманих на основі комп"ютерного моделювання дозволяє стверджувати, що навчена нейромережева система управління компенсує збурення на всьому діапазоні зміни значень параметрів об"єкта по каналах управління і збурення (імітація зміни парового навантаження), а також при значеннях парам&етрів моделі які виходять за діапазон навчальної вибірки.
Таким чином, нейромережевий контролер може успішно виконувати функції адаптивного контуру, налаштованого на найбільш несприятливі збурення в САУ паралельної дії складним виробничим об"єктом. &А впровадження нейромережевої системи паралельної дії разом із типовими регуляторами у технологічні процеси теплоенергетики може дозволити знизити аварійні ситуації, пов"язані з частими змінами парового навантаження енергоблоків, викликаних військови&ми діями в нашій країні.
The article analyzes the effectiveness of the neural network control system, which together with the PIDcontroller implements the principle of parallel control of a dynamic object. As a rule, most industrialfacilities are ch&aracterized by non-linear dependencies, the presence of uncontrolled noise anddisturbances, frequent changes in equipment operating modes, and the presence of significant non-linearities. The model of the blowing subsystem of a water-tube steam boile&r was used as an object ofresearch. The training of the neural network controller (NMC) and neuroemulator (emulator) was carriedout on the ACS model with a PID controller using the method of expert adjustment of tuning coefficients:proportionality, c&onstant integration and differentiation based on the analysis of the quality indicators ofthe transition process. The change in the values of the object model parameters along the control anddisturbance channels corresponded to the dynamic modes of o&peration of the steam boiler in the range ofsteam load (25-110%) from the nominal one. The analysis of transient processes obtained on the basis ofcomputer modeling allows us to assert that the trained neural network control system compensates fordis&turbances over the entire range of changes in the values of the object parameters along the control anddisturbance channels (simulation of changes in the steam load), as well as when the parameter values ofthe models go beyond the range study sample.&
Thus, the neural network controller can successfully perform the functions of an adaptive circuit tuned tothe most unfavorable disturbances in the ACS of parallel action by a complex production facility. And theimplementation of a neural network sy&stem of parallel action together with typical regulators in thetechnological processes of heat energy can reduce emergency situations associated with frequent changesin the steam load of power units caused by military actions in our country.
