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 УДК 681.53 Формирование цифровых двойников объектов автоматического управления с использованием нейронных сетей в процессах холодной сушки рыбы М. В. Вотинов*, М. А. Ершов Мурманский государственный технический университет, г. Мурманск, Россия; e-mail : votinovmv@yandex.ru, O RCID: https://orcid.org/0000-0003-3937-4301 Информация о статье Поступила в редакцию 20.06.2022 Ключевые слова: нейронная сеть, управление, тепловые процессы, цифровой двойник Для цитирования Article info Received 20.06.2022 Keywords: neural network, control, thermal processes, digital twin For citation Реферат В работе рассматривается применение нейронных сетей при построении цифрового двойника технологического процесса. Представлено исследование, целью которого является обработка накопленных системой автоматического управления малогабаритной сушильной установки данных о протекающих на ней в течение последнего времени технологических процессах, обучение на их основе нейронной сети и формирование цифровой (нейросетевой) модели изменения температуры в термокамере. Используются элементы машинного обучения с привлечением многослойной нейронной сети прямого распространения. Применяется метод обратного распространения ошибки, при котором величина ошибки выходного нейрона проецируется на все веса всех нейронов сети, начиная от выходного и заканчивая весами нейронов входного слоя. В процессе обучения на сеть поступала информация о мощности работы исполнительных механизмов установки и изменяющейся во времени температуре в термокамере. По завершению обучения сформировалось состояние нейронной сети, представляющее собой цифровую модель изменения температуры в термокамере малогабаритной сушильной установки. Полученная с помощью нейронной сети модель (цифровой двойник) показала корреляцию экспериментальным данным со средней абсолютной процентной ошибкой, не превышающей 3 %. Таким образом, поведение нейросетевой модели адекватно реальному объекту. Дальнейшие исследования в сфере формирования цифрового двойника технологического объекта (учет в модели дополнительных параметров, формирование на основе модели нейрорегулятора) необходимы и планируются авторами. Вотинов М. В. и др. Формирование цифровых двойников объектов автоматического управления с использованием нейронных сетей в процессах холодной сушки рыбы. Вестник МГТУ. 2022. Т. 25, № 4. С. 291-297. DOI: https://doi.org/10.21443/1560-9278-2022-25-4-291-297 . Formation of digital counterparts of automatic control objects using neural networks in cold fish drying processes Maksim V. Votinov*, Mikhail A. Ershov Murmansk State Technical University, Murmansk, Russia; e-mail : votinovmv@yandex.ru, O RCID: https://orcid.org/0000-0003-3937-4301 Abstract The paper considers the application of neural networks in the construction of a digital twin of a technological process. The purpose of the presented research is to process the data accumulated by the automatic control system of a small-sized drying plant about the technological processes occurring on it during the last time, to train a neural network on their basis and to form a digital (neural network) model of temperature change in a thermal chamber. Elements of machine learning are used involving a multilayer neural network of direct propagation. The method of error back propagation is used in the work where the error value of the output neuron is projected onto all the weights of all the neurons of the network, starting from the output and ending with the weights of the neurons of the input layer. During the training, the network received information about the power of the plant's actuators and the temperature in the thermal chamber changing over time. Upon completion of the training, the state of the neural network was formed, which is a digital model of temperature changes in the thermal chamber of a small-sized drying plant. The model obtained with the help of a neural network (digital twin) has shown a correlation with experimental data with an average absolute percentage error not exceeding 3 %. Thus, the behavior of the neural network model is adequate to the real object. Further research in the field of the formation of a digital twin of a technological object (taking into account additional parameters in the model, formation of a neuroregulator based on the model) is necessary and planned by the authors. Votinov, M. V. et al. 2022. Formation of digital counterparts of automatic control objects using neural networks in cold fish drying processes. Vestnik ofMSTU, 25(4), pp. 291-297. (In Russ.) DOI: https://doi.org/10.21443/1560-9278-2022-25-4-291-297. 291