Вестник МГТУ, 2022, Т. 25, № 4.

Вестник МГТУ. 2022. Т. 25, № 4. С. 291-297. DOI: https://doi.org/10.21443/1560-9278-2022-25-4-291-297 Начальные условия эксперимента специально не содержат уточняющую информацию: какова была заданная температура в термокамере, модель регулятора, начальная температура и т. д. Однако результаты эксперимента говорят о том, что полученная в результате обучения нейросетевая модель, основываясь на информации, поступающей на ее входы, выдавала достоверный результат со средней абсолютной процентной ошибкой MAPE (Mean Absolute Percent Error), не превышающей 3 %. Рис. 4. Результаты моделирования Fig. 4. Simulation results Таким образом, поведение нейросетевой модели адекватно реальному объекту, цифровой двойник создан. Заключение Проведенное исследование позволило с использованием алгоритмов машинного обучения сформировать цифровой двойник процесса изменения температуры в малогабаритной сушильной установке на основе нейросетевой модели. Сформированный обучающий датасет, основанный на накопленных системой автоматического управления больших данных о протекавших ранее на малогабаритной сушильной установке технологических процессах, позволил в результате обучения получить такие веса синапсов нейронной сети, при которых модель выдает достоверный результат с погрешностью, не превышающей 3 %. Полученная цифровая модель является основой для разработки и дальнейшего внедрения нейросетевого регулятора вместо традиционного ПИД регулятора системы автоматического управления. Нейросетевая модель может быть использована для исследования и моделирования новых экспериментальных режимов обработки рыбного сырья на малогабаритной сушильной установке. Безусловно, требуются дополнительные исследования по учету в модели таких параметров, как влажность в термокамере, 295