Кафедри
Постійне посилання на розділhttps://repository.kpi.kharkov.ua/handle/KhPI-Press/35393
Переглянути
3 результатів
Результати пошуку
Документ Оптимальное управление потоком материала на входе магистрального конвейера(ИД "БелГУ", 2020) Пигнастый, Олег Михайлович; Ходусов, Валерий ДмитриевичВ статье решена задача оптимального управления величиной входного потока материала магистрального конвейера с аккумулирующим бункером. Для описания магистрального конвейера использована PDE-model поточной линии. Магистральный конвейер представлен в виде сложной динамической распределенной системы. Предложен алгоритм построения оптимального управления потоком материала из аккумулирующего бункера. Алгоритм позволяет обеспечить минимальное отклонение выходного грузопотока материала от заданного планового значения. Синтез оптимальных управлений выполнен с учетом ограничений на размер аккумулирующего бункера и ограничения на величину управления. При проектировании оптимальных управлений полагается, что скорость конвейерной ленты магистрального конвейера является постоянной. Детально анализируется динамика заполнения материалом аккумулирующего бункера для разных алгоритмов управления. Представлены варианты точек переключения значения оптимального управления. Отдельно анализируются случаи оптимального управления, когда фазовая координата не достигает фазовых ограничений и когда фазовая координата находится на фазовом ограничении.Документ Neural model of conveyor type transport system(2020) Pihnastyi, O. M.; Khodusov, V. D.In this paper, a model of a transport conveyor system using a neural network is demonstrated. The analysis of the main parameters of modern conveyor systems is presented. The main models of the conveyor section, which are used for the design of control systems for flow parameters, are considered. The necessity of using neural networks in the design of conveyor transport control systems is substantiated. A review of conveyor models using a neural network is performed. The conditions of applicability of models using neural networks to describe conveyor systems are determined. A comparative analysis of the analytical model of the conveyor section and the model using the neural network is performed. The technique of forming a set of test data for the process of training a neural network is presented. The foundation for the formation of test data for learning neural network is an analytical model of the conveyor section. Using an analytical model allowed us to form a set of test data for transient dynamic modes of functioning of the transport system. The transport system is presented in the form of a directed graph without cycles. Analysis of the model using a neural network showed a high-quality relationship between the output flow for different conveyor sections of the transport system.Документ Расчет производственного цикла с применением статистической теории производственно-технических систем(Академперіодика, 2009) Пигнастый, Олег Михайлович; Ходусов, Валерий ДмитриевичУ фазовому технологiчному просторi визначено стан виробничої системи. Технологiя виробництва задана нормативною технологiчною траєкторiєю. Технологiчний процес на кожнiй технологiчнiй операцiї представлений технологiчними чинниками з нормативними параметрами виробництва i допустимими вiдхиленнями вiд них. З використанням цiльової функцiї виробничо-технiчної системи записаний вираз для розрахунку тривалостi виробничого циклу партiї базових продуктiв. Одержано умови синхронiзацiї технологiчного процесу для безперервного виробничого процесу з розчленовуванням перiоду виробничого циклу на фази.