Вестник Кольского научного центра РАН. 2014, №1.

к изменению свойств объекта управления и внешней среды и высокая устойчивость к «сбоям» отдельных элементов сети в силу параллелизма, изначально заложенного в архитектуру сети. В рамках проекта реализованы сети встречного распространения. Они могут достаточно оперативно реагировать на изменения условий протекания процесса обогащения, связанные с флуктуациями характеристик исходного сырья, технологических параметров или износом оборудования. Объединение в нейросети встречного распространения самоорганизующейся карты Кохонена [8] и звезды Гроссберга [9] приводит к росту «обобщающих» способностей сети и позволяет получать правильный выход даже при неполных или незначительно искаженных входных данных. Нейросетевая модель синтезирована для флотационного отделения АНОФ-2. В модели учитывается 15 контрольных, 30 управляющих и 27 индикативных параметров. Настройка значений весов производится в режиме обучения сети, когда в модель подаются априорно известные векторы входов Х; и выходов Y;. В режиме прогнозирования входной вектор X t модели формируется на основе текущих данных мониторинга, а выходной вектор Yt генерируется сетью. В ходе серии вычислительных экспериментов модель была настроена и обеспечила синтез выходных векторов, соответствующих контрольной выборке данных реального производственного процесса. Совместно с нейросетевой моделью используется база знаний, где представлены возможные «нежелательные» состояния системы, с каждым из которых ассоциирован набор правил определения комплекса корректирующих воздействий на управляющие параметры. Указанная база знаний создается с использованием как методов Data Mining, так и верифицированных экспертных рекомендаций. Модели, основанные на использовании математического аппарата нечеткой логики [10], целесообразно применять в случаях, когда в исходных данных или выявленных связях существует значимая неопределенность. В рамках реализуемого подхода к разработке технологии оперативного прогнозирования обогатительных процессов предполагается возможность неявного влияния всех технологических параметров процесса на характеристики продуктов разделения. В зависимости от степени изученности процесса взаимное влияние параметров характеризуется либо «классическими» передаточными функциями, либо нечеткими функциями. Нечеткая передаточная функция представляется схемой, включающей блок фаззификации, машину нечеткого логического вывода и дефаззификатор. На этапах фаззификации и дефаззификации используются априорно заданные (и хранимые в базе системы моделирования) функции принадлежности для нечетких значений параметров. Основные проблемы при формировании модели данного типа состоят в выборе параметров функций принадлежности, описывающих характеристики технологического процесса, и синтезе нечетких правил для базы знаний. В большинстве случаев эти проблемы решаются с помощью привлечения экспертов. Однако для модели, используемой в условиях реального производства, экспертов можно привлекать только для начальной настройки системы. Поэтому в рамках проекта разработаны механизмы автоматизированной корректировки по данным оперативного мониторинга априорно заданных функций принадлежности и нечетких правил, определяющих влияние входов модели на ее выходы. Тестовым объектом для анализа эффективности и адекватности модели, основанной на комбинированном использовании классических и нечетких передаточных функций, также служил процесс флотации, реализуемой на АНОФ-2. Модель обогатительных процессов ОАО «Олкон» С использованием результатов проекта и специализированных инструментальных средств моделирования создана модель обогатительных процессов на дробильно-обогатительной фабрике (ДОФ) ОАО «ОЛКОН». Моделируемая схема обогащения магнетитовых кварцитов включает дробление, измельчение и магнитное обогащение в слабом поле. Средствами математического моделирования [11] произведено прогнозирование раскрытия зерен магнетита различной крупности с исходным содержанием железа в руде 30%. Получена диаграмма раскрытия магнетитовых кварцитов месторождений Приимандровского района. Анализ диаграммы раскрытия зерен позволил сделать вывод о том, что в обычной стадиальной схеме переработки происходит измельчение сростковой фракции в совокупности с полностью вскрытыми магнетитовыми зернами. В результате циркулирующая нагрузка в мельнице достигает 250-300%, что существенно снижает эффективность процесса обогащения. 20