№ 29 (СПМ)

Permanent URI for this collectionhttps://crust.ust.edu.ua/handle/123456789/22206

Browse

Filter results by typing the first few letters
Now showing 1 - 1 of 1
  • Thumbnail Image
    Item type:Item,
    Мультиагентна архітектура м’яких сенсорів на базі глибокого навчання для проактивного управління енергоефективністю рудовідновлювальних печей
    (Український державний університет науки і технологій, ННІ «Дніпровський металургійний інститут», ІВК ≪Системні технології≫, Дніпро, 2026) Конторович, Дмитро Радиславович; Овчарук, Анатолій Миколайович; Ледньов, Михайло Сергійович
    UKR: Актуальність дослідження зумовлена високою енергоємністю виробництва феросплавів та обмеженими можливостями прямого моніторингу внутрішніх параметрів ванни рудовідновлювальних печей (РВП/SAF), що ускладнює ефективне управління технологічним процесом. Проблема полягає у домінуванні реактивних підходів до управління, які не забезпечують своєчасного реагування на зміну стану системи. Метою роботи є розроблення концепції інтелектуальної системи управління на основі мультиагентної архітектури з використанням «м’яких сенсорів». У дослідженні застосовано методи глибокого навчання, зокрема рекурентні нейронні мережі (LSTM/GRU), фізико-інформовані нейронні мережі (PINN) та підходи мультиагентної координації. У результаті запропоновано структуру системи, що включає спеціалізованих агентів за напрямами енергоефективності, технологічної безпеки та контролю хімічного складу, взаємодія яких забезпечується агентом-оркестратором. Отримані результати свідчать про можливість переходу до проактивного управління з горизонтом прогнозування 1–3 години, що дозволяє знизити питомі витрати електроенергії та підвищити безпеку функціонування печі. Встановлено, що інтеграція мультиагентного підходу та гібридних нейромережевих моделей забезпечує підвищення точності прогнозування та стабільності технологічного процесу.