Створення математичної моделі для керування процесом класифікації подрібненої залізорудної сировини з використанням нечіткої логіки

Д. Швець

Створення математичної моделі для керування процесом класифікації подрібненої залізорудної сировини з використанням нечіткої логіки

Д. Швець

Отримано 08.08.2022, Доопрацьовано 11.10.2022, Прийнято 28.11.2022

Анотація

Мета. Моделювання технологічного процесу класифікації подрібненої залізорудної сировини на першій стадії подрібнення та класифікації та керування процесом класифікації при нечітких технологічних параметрах. Методи дослідження. При виконанні моделювання процесу класифікації залізорудної сировини використовувалися методи математичного моделювання та методи теорії автоматичного керування, а також апарат нечіткої логіки для керування процесом класифікації залізорудної сировини в умовах коливань технологічних параметрів Наукова новизна. Визначено перелік основних вхідних та вихідних параметрів процесу класифікації залізорудної сировини, що значною мірою впливають на перебіг розподілу подрібненої руди за крупністю. Застосування отриманих параметрів надає можливість вдосконалити наявні математичні моделі процесу розподілу подрібненої залізорудної сировини за крупністю на першій стадії подрібнення та класифікації. Практичне значення. Створення та застосування системи автоматичного керування процесом класифікації залізорудної сировини на першій стадії подрібнення і класифікації із застосуванням апарату нечіткої логіки дає можливість розв’язати низку складних завдань, рішення яких проблематично отримати використовуючи класичні методи, що зумовлено їх високою складністю і наявністю нечітких та неповних технологічних даних. Застосування методів нечіткої логіки дає можливість формалізувати залежності без огляду на рівень їх складності, при цьому можливе використання різнотипних параметрів у регуляторах з нечіткою логікою. Результати. Проаналізовано процес переробки залізорудної сировини на першій стадії подрібнення і класифікації, визначено перелік основних технологічних параметрів, що мають значний вплив на протікання процесу класифікації подрібненої залізорудної сировини, та їх граничні значення. Визначено, що при автоматизованому керуванні класифікатором першої стадії подрібнення і класифікації з використанням регулятора нечіткої логіки необхідно враховувати наступні вхідні технологічні параметри: витрати подрібненої руди в класифікатор, щільність пульпи зливу млина, витрати води в класифікатор. Розроблено систему автоматичного керування класифікатором з використанням апарату нечіткої логіки та досліджено роботу класифікатора з використанням інтерактивного інструменту аналізу динамічних систем Simulink, що інтегрований з пакетом прикладних програм MATHLAB

Ключові слова:

класифікація; залізорудна сировина; математична модель; автоматизоване керування; нечітка логіка

Взято з Том 20, № 2, 2022

Сторінки 156–162

Використані джерела ЦИТУВАТИ

[1] Азарян А. А. Разработка комплексной системы для повышения качественных показателей железной руды / А. А. Азарян, В. Ю. Зубкевич, Д. В. Швец // Вісник Криворізького національного університету: зб. наук. праць. – 2018. – Вип. 47. – С. 68–75. – DOI: 10.31721/2306-5451-2018-1-47-68-76.

[2] A. Azaryan, А. Gritsenko, A. Trachuk, D. Shvets Development of a method for operational control over quality of the iron ore raw materials during open and underground extraction // Eastern-European Journal of Enterprise Technologies. 2018. Issue 5 (95). P. 13-19. doi: 10.15587/1729-4061.2018.144003.

[3] Using the intensity of absorbed gamma radiation to control the content of iron in ore / A. Azaryan, А. Gritsenko, A. Trachuk, V. Serebrenikov, D. Shvets // Eastern-European Journal of Enterprise Technologies. – 2019. – Vol. 3, issue 5 (99). – P. 29–35. – DOI: 10.15587/1729-4061.2019.170341.

[4] Azaryan A. Complex automation system of iron ore preparation for beneficiation / A. Azaryan, A. Pikilnyak, D. Shvets // Metallurgical and Mining Industry. – 2015. – Issue 8. – P. 64–66.

[5] Азарян А. А. Гамма-излучение как источник информации для контроля содержания железа в железорудном сырье /А. А. Азарян, Д. В. Швец // Вісник Криворізького національного університету: зб. наук. праць. – 2020. – Вип. 50. – С. 153–159. – DOI: 10.31721/2306-5451-2020-1-50-153-159

[6] Азарян А. А. Контроль содержания магнитного железа в пульповых продуктах рудообогатительной фабрики / А. А. Азарян, В. Г. Кучер, Ю. Е. Цыбулевский, Д. В. Швец // International Academy Journal «Web of Scholar». – 2017. – № 1(10). – С.9–12.

[7] Азарян А. А. Разработка измерительного канала для оперативного контроля содержания железа магнитного во взрывных скважинах / А. А. Азарян, А. А. Трачук, А. Н. Гриценко, Д. В. Швец // Центрально український науковий вісник. Технічні науки. – 2019. – № 32. – С. 138–145.

[8] Швець Д. В. Розробка системи стабілізації масової долі заліза магнітного у зливі класифікатора та дослідження можливості автоматизації процесу подрібнення залізної руди та підготовки її до збагачення / Д. В. Швець // Качество минерального сырья: сб. науч. тр. – Кривой Рог, 2014. – С. 252–264.

[9] Morkun V. Formalization and frequency analysis of robust control of ore beneficiation technological processes under parametric uncertainty / V. Morkun, N. Morkun, V. Tron // Metallurgical and Mining Industry. – 2015. – No 5. – P. 7–11.

[10] Kupin A. I. Research of properties of conditionality of task to optimization of processes of concentrating technology is on the basis of application of neural networks // Metallurgical and Mining Industry. 2014. № 4 . P. 51– 55.

[11] Morkun V. Optimization of the second and third stages of grinding based on fuzzy control algorithms / V. Morkun, O. Savytskyi, M. Tymoshenko // Metallurgical and Mining Industry. – 2015. – Vol. 7. – No. 8. – P. – 22-25.

[12] Morkun V. Investigation of methods of fuzzy clustering for determining ore types / V. Morkun, S. Tcvirkun // Metallurgical and Mining Industry. – 2014. – Vol. 6. – No. 5. – P.12–15.

[13] Купін А.І. Інтелектуальна ідентифікація та керування в умовах процесів збагачувальної технології : Монографія. – Київ: Вид-во "Корнійчук". – 2008. – 204 с.

[14] Кулаенко О. А., Пермяков В. И. Нейронные сети и нечеткая логика в управлении измельчительным оборудованием // Тези доповідей ХХІІІ Міжнародної конференції з автоматичного управління (Автоматика–2006). Вінниця: Універсум-Вінниця, 2006. С. 392–393.

[15] Simulink [Електроний ресурс] - Режим доступу:https://www.mathworks.com/products/simulink.html 16. MATLAB [Електроний ресурс] - Режим доступу:https://www.mathworks.com/products/matlab.html

Shvets, D. (2022). Mathematical model for controlling the classification process of crushed iron raw materials using fuzzy logic. Journal of Kryvyi Rih National University, 20(2), 156-162. https://doi.org/10.31721/2306-5451-2022-1-55-156-163