ОЦЕНКА ВОЗМОЖНОСТЕЙ ИСПОЛЬЗОВАНИЯ НЕЙРОСЕТЕВЫХ МОДЕЛЕЙ ДЛЯ ОПТИМИЗАЦИИ ТЕХНОЛОГИИ ОХЛАЖДЕНИЯ АРМАТУРНОЙ СТАЛИ

В. С. Солод, В. М. Зуев, С. Б. Иванова

Об авторах

В. С. Солод, В. М. Зуев, С. Б. Иванова

Солод Владимир Сергеевич – научный сотрудник, Федеральное государствен- ное бюджетное научное учреждение «Институт проблем искусственного интеллекта». Область научных интересов: компьютерное моделирование технологии прокатного производства, адрес:283048, г. Донецк, ул. Артема, д. 118 б.

Зуев Владимир Михайлович – заведующий отдела Интеллектуальных робото- технических систем, Федеральное государственное бюджетное научное учреждение «Институт проблем искусственного интеллекта». Область научных интересов: компью- терное моделирование технологии прокатного производства, нейронные сети. адрес:283048, г. Донецк, ул. Артема, д. 118 б.

Иванова Светлана Борисовна – директор Федерального государственного бюджетного научного учреждения «Институт проблем искусственного интеллекта», г. Донецк, адрес: 283048, г. Донецк, ул. Артема, д. 118 б, Область научных интересо в: искусственный интеллект, интеллектуальные робототехнические системы.

Скачать PDF

УДК: 621.771.07:004.94
DOI: 10.24412/2413-7383-2025-3-38-65-77
Язык: Русский

Аннотация: Целью работы является оценка возможностей применения простых искусственных нейронных сетей (ИНС) для моделирования сложных металлургических производственных процессов. Рассмотрено применения ИНС для описания технологии ускоренного охлаждения (УО) арматурного проката в потоке прокатного стана, предназначенной для формирования заданного уровня механических свойств готового проката. На основе анализа литературы определен набор входных и целевых параметров, архитектура ИНС. Разработан набор данных для обучения ИНС, полученный расчетом по математической модели авторов. Процесс обучения осуществляли при переменном количестве нейронов и целевых параметров. Проведен анализ результатов оценки моделей. Предложено направление дальнейших исследований.

Ключевые слова: арматурный профиль, ускоренное охлаждение, перцептрон, сетевая модель

Список литературы

1. Нейросетевое моделирование процесса получения широкополосной горячекатаной стали с заданными механическими свойствами / В. М. Салганик, А. М. Песин, С. В. Денисов [и др.]. Производство проката. 2008. № 8. С. 26-27. EDN JTHZKJ.
2. Губинский В.И. Рыбалов А.А. Моделирование ускоренного охлаждения арматурного проката в потоке непрерывных мелкосортных станов. Промышленная теплотехник а, 2002, т.24, №6.-С.24-28.
3. Пилюшенко В.Л. Ноговицин А.В. Феноменологическая модель механических свойств проката из низкоуглеродистой микролегированой стали Фундаментальные и прикладные проблемы черной металлургии. Киев: Наукова думка, 1995. 218с.
4. Николаева С.Г. Нейронные сети. Реализация в Matlab: учебное пособие / С.Г. Николаева. Казань: Казан. гос. энерг. ун-т, 2015. 92 с.
5. Горбань А. Н. Россиев Д. А. Нейронные сети на персональном компьютере. Новосибирск: Наука, 1996. 224 с.
6. Зуев В.М. Использование нейросети для управления механизмами. (подъема мишеней).[Тезисы доклада]. Материалы Донецкого международного научного круглого стола «Искусственный интеллект: теоретические аспекты и практическое применение» ИИ-2020. Донецк: ГУ ИПИИ, 2020. С. 73–77.
7. Зуев В.М. Использование нейросети для управления механизмами. Материалы конференции в Дивноморском 2021г. Всеросийская мультиконференция по проблемам управления
8. В. М. Зуев, О. А. Бутов, С. Б. Иванова, А. А. Никитина, С. И. Уланов. Способ обучения нейронной сети управления роботом. International Peer-Reviewed Scientific Journal «Problems of Artificial Intelligence», ISSN 2413-7383. 2021. № 2 (21). С. 22–33.
9. Федоров, М. В. (член-корр. РАН) Новые методы машинного обучения: использование фундаментального знания для решения практических задач: [тезисный онлайн-доклад] [Электронный ресурс] / М. В. Федоров // Программа II Всероссийской школы-семинара по искусственному интеллекту и большим данным в технических, промышленных, природных и социальных системах. – Национальный центр физики и математики (НЦФМ). – Дата проведения: 25-29 ноября 2024 г. – (дата обращения: 04.04.2025).
10. Солод В.С. Физико-математическая модель для разработки экспертной системы ускоренного (37). С. 44-58. DOI 10.34757/2413-7383.2025-2-37-44-58
11. Тепломассообмен /С.И.Гинкул, В.И.Шелудченко, В.В.Кравцов, С.В.Палкина.Донецк: Норд-Пресс, 2006. 298 с.
12. Моргунов К. П. Гидравлика: Учебник. СПб.: Издательство «Лань», 2014. 288 с.: ил.
13. Чудина, О.В. Теория и практика термической обработки металлов: учебно-методическое пособие к мультимедийному изданию / О.В. Чудина, Г.В. Гладова, А.В. Остроух. М.: МАДИ, 2013. 64 с.
14. О.Цкитишвили, А.Н.Чудновец, В.Н.Бруханский, Д.П.Кукуй, В.С.Солод, А. А.Мальцев Освоение производства высококачественной продукции на самом новом в Украине среднесортно- мелкосортном стане 390. ОАО «Черметинформация» Бюллетень «Черная металургия». 2011. №7.– С.56–65.
15. XGBoost Documentation" [Электронный ресурс]. Документация XGBoost: [сайт]. URL: https://xgboost.readthedocs.io/en/release_3.0.0/# (дата обращения: 04.05.2025). Оценка возможностей использования нейросетевых моделей для оптимизации… 2С
16. А.Д. Смородинов, Т. В. Гавриленко, В. А. Галкин, Теоретические основы искусственных нейронных сетей для решения задачи аппроксимации и интерполяции. Успехи киберн етики 2023;4(4):41 –53 DOI: 10.51790/2712-9942-2023-4-4-04
17. Сергеев, А. П. Введение в нейросетевое моделирование: учеб. пособие / А. П. Сергеев, Д. А. Тарасов; под общ. ред. А. П. Сергеева. Екатеринбург: Изд -во Урал. ун -та, 2017. 128 с. ISBN 978-5-7996-2124-7
18. Хливненко Л. В. Практика нейросетевого моделирования: учебное пособие для вузов / Л. В. Хливненко, Ф. А. Пятакович. 2е изд. стер. Санкт -Петербург: Лань, 2021.200 с.: ил. Текст: непосредственный. ISBN 978.5.8114.8264.1
19. Головко, В. А. Нейросетевые технологии обработки данных: учеб. пособие / В. А. Головко, В. В. Краснопрошин. Минск: БГУ, 2017. 263 с. ISBN 978.985.566.467.4.
20. Вичугов В.Н Модифициров анный градиентный алгоритм обучения радиально -базисных нейронных

Выпуск: 3(38)'2025
Раздел: МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ, ЧИСЛЕННЫЕ МЕТОДЫ И КОМПЛЕКСЫ ПРОГРАММ
Как цитировать: В. С. Солод, В. М. Зуев, С. Б. Иванова. ОЦЕНКА ВОЗМОЖНОСТЕЙ ИСПОЛЬЗОВАНИЯ НЕЙРОСЕТЕВЫХ МОДЕЛЕЙ ДЛЯ ОПТИМИЗАЦИИ ТЕХНОЛОГИИ ОХЛАЖДЕНИЯ АРМАТУРНОЙ СТАЛИ // Проблемы искусственного интеллекта. - 2025. - № 3 (38). - С. 65-77. - https://paijournal.guiaidn.ru/ru/2025/3(38)-6.html

Назад к выпуску 3(38)'2025