Please use this identifier to cite or link to this item: http://openarchive.nure.ua/handle/document/1558
Title: Методи класифікації функціонального стану технологічного процесу в автоматизованій системі керування вирощуванням монокристалів
Authors: Берест, О. Б.
Keywords: класифікація
автоматизована система керування
система підтримки прийняття рішень
машинне навчання
оптимізація
інформаційний критерій функціональної ефективності
технологічний процес
великогабаритний сцинтиляційний монокристал
classification
automatic control system
decision support system
machine learning
information criterion of functional efficiency
process
large scintillation crystals
Issue Date: 2015
Citation: Берест, О. Б. Методи класифікації функціонального стану технологічного процесу в автоматизованій системі керування вирощуванням монокристалів : автореф. дис. ... канд. техн. наук : 05.13.07 "Автоматизація процесів керування" / О. Б. Берест ; М-во освіти і науки України, Сум. держ. ун-т. – Суми, 2015. – 179 с.
Abstract: Дисертаційна робота присвячена підвищенню функціональної ефективності системи підтримки прийняття рішень (СППР) у складі АСКТП вирощування великогабаритних лужно-галоїдних сцинтиляційних монокристалів із розплаву за умов апріорної невизначеності. Надання СППР властивості адаптивності досягається шляхом її машинного навчання у рамках інформаційно-екстремальної інтелектуальної технології аналізу даних, яка ґрунтується на максимізації інформаційної спроможності системи. Розроблено новий інформаційно-екстремальний метод аналізу і синтезу здатної навчатися СППР на базі контейнерів циліндроїдної форми та запропонованого трьохальтернативного інформаційного критерію оптимізації параметрів функціонування, який дозволяє будувати безпомилкові за навчальною матрицею вирішальні правила за умов складних конфігурацій розподілу реалізацій образу в просторі ознак. Удосконалено метод оптимізації часового інтервалу формування корегуючих дій та інтервалу спостереження нестаціонарного технологічного процесу, на якому параметри регуляторів залишаються незмінними. Крім того, удосконалено метод візуалізації багатовимірних даних, представлених в бінарному вигляді з урахуванням характеристик та особливостей об’єкту керування, який дозволяє зображувати поточний функціональний стан технологічного процесу у вигляді точки на площині зі спірально розташованими осями координат. Розроблено програмне забезпечення здатної навчатися СППР і розглянуто питання її фізичної реалізації у вигляді окремого модуля другого рівня АСКТП вирощуванням великогабаритних сцинтиляційних монокристалів із розплаву на установці типу «РОСТ» та запропоновано метод візуалізації даних в процесі машинного навчання.Thesis is devoted to the increasing of the functional efficiency of decision support system (DSS) of automateted control system of the growing large alkali halide scintillation single crystals from the melt under conditions of a priori uncertainty. Providing DSS with adaptability is reached by machine learning using extreme intellectual information technology of data analysis, which is based on maximizing the ability of information system. A new information-extreme method of analysis and synthesis, which is based on cylindroid shapes of class recognition containers was developed. Also it is proposed to use three alternative information criterion of functionality optimization, which allows to generate unmistakable decision rules for conditions of complex configurations and distributions of realizations in feature space. Method of time interval formation of corrective action and observation interval optimization of unsteady process when regulators parameters remain unchanged was proposed. In addition, visualization method of multidimensional data presented in binary form is also improved. This allows to represent current functional status of the process as a point in the plane. It was also developed necessary DSS software and it was considered physical implementation as a separate module to the second level of the automated control system of the growing large alkali halide scintillation single crystals from the melt. Method of data visualization under the machine learning is also was improved.
URI: http://openarchive.nure.ua/handle/document/1558
Appears in Collections:Автореферати

Files in This Item:
File Description SizeFormat 
BerestOB.pdf700.52 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

Admin Tools