Адаптивная система автоматического управления процессом получения карбонильного никелевого порошка в вертикальном пустотелом реакторе с внешним электроподогревом тема диссертации и автореферата по ВАК РФ 05.13.06, кандидат технических наук Волгин, Павел Викторович

• Волгин, Павел Викторович
• кандидат технических наук
• 2008

Оглавление диссертации кандидат технических наук Волгин, Павел Викторович

ВВЕДЕНИЕ.

ГЛАВА 1. АНАЛИЗ ТЕХНОЛОГИЧЕСКОГО ПРОЦЕССА И СИСТЕМ АВТОМАТИЧЕСКОГО УПРАВЛЕНИЯ.

1.1 Общее описание технологического процесса.

1.2 Описание аппаратной части процесса.

1.3 Технологический регламент процесса.

1.4 анализ показателей качества процесса.

1.5 Анализ существующей системы управления.

1.6 Анализ способов управления процессом.

1.7 Выводы по главе.

ГЛАВА 2. СИНТЕЗ МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ ПРОЦЕССА.

2.1 Постановка задачи управления.

2.2 Синтез математической модели показателей качества порошка.

2.2.1 Анализ структуры параметров процесса.

2.2.2 Исследование взаимосвязей параметров процесса.

2.2.3 Построение и исследование математических моделей показателей качества порошка.

2.3 Синтез математической модели температуры внутри корпуса разложителя по зонам.

2.3.1 Исследование взаимосвязей параметров процесса.

2.3.2 Построение и исследование математических моделей температуры внутри корпуса разложителя по зонам.

2.4 выводы по главе.

ГЛАВА 3. СИНТЕЗ АЛГОРИТМОВ РАБОТЫ АДАПТИВНОЙ СИСТЕМЫ УПРАВЛЕНИЯ ПРОЦЕССОМ.

3.1 Синтез общего алгоритма работы системы.

3.2 Синтез алгоритма работы подсистемы сбора и обрабо гки информации.

3.3 Синтез алгоритма работы подсистемы моделирования.

3.3 Синтез алгоритма работы подсистемы оптимизации.

3.4 Выводы по главе.

ГЛАВА 4. РЕАЛИЗАЦИЯ И ВНЕДРЕНИЕ АДАПТИВНОЙ СИСТЕМЫ АВТОМАТИСЕСКОГО УПРАВЛЕНИЯ.

4.1. Подготовительные мероприятия для реализации адаптивной системы автоматического управления процессом.

4.2. Информационное обеспечение системы.

4.2.1 Состав информационного обеспечения.

4.2.2 Организация информационного обеспечения.

4.2.3 Организация сбора и передачи информации.

4.2.4. Организация информационной базы.

4.3. Математическое обеспечение системы.

4.4. Программное обеспечение системы.

4.4.1. Функции программного обеспечения.

4.4.2. Методы и средства разработки программного обеспечения.

4.5. анализ результатов внедрения адаптивной системы автоматического управления.

4.6. Выводы по главе.

Введение диссертации (часть автореферата) на тему «Адаптивная система автоматического управления процессом получения карбонильного никелевого порошка в вертикальном пустотелом реакторе с внешним электроподогревом»

Актуальность работы. В связи с развитием новых отраслей техники возросла потребность в чистом никеле и в порошковых материалах. Это связано с тем, что никелевый карбонильный порошок обладает высокой чистотой (содержание никеля не менее 99,99 %). и развитой поверхностью большой площади.

Карбонильный способ получения никеля, возникший около ста лет назад, в последние годы приобретает в металлургии всё большее распространение. Сущность карбонильного способа получения никеля состоит в извлечении никеля из разнообразных никельсодержащих материалов в виде летучего соединения - тетракарбонила никеля (ТКН) и последующем разложении ТКН с выделением металлического никеля и возвратного оксида углерода в технологический цикл.

Уникальность технологии и оборудования, превосходные физические свойства карбонильных никелевых порошков предопределили неограниченные возможности их применения в самых разных областях промышленности. Одним из наиболее перспективных направлений развития карбонильной металлургии является создание и освоение технологии производства карбонильных порошков со специальными физическими свойствами для аккумуляторной промышленности, объёмы производства которой увеличиваются оценочно на 10 % в год. Кроме этого, никелевый порошок используют при выплавке стали и цветных сплавов, для производства высокочистых реактивов никеля. Процесс получения карбонильного никеля один из лучших способов получения никелевых материалов для порошковой металлургии.

Во всем мире имеются только два таких производства: в фирме «INKO» (Канада) и на комбинате «Североникель» Кольской Горно-Металлургической Компании (г. Мончегорск Мурманской области, Россия). Известно, что в Канаде существует система автоматического управления данным процессом, но техническая информация об этой системе строго охраняется. Также известно, что при разработке агрегата, в котором происходит процесс разложения ТКН (разложитель), в России за основу был взят канадский агрегат. Однако, в России ситуация с автоматизацией процесса обстоит гораздо хуже: относительно не давно (около 10-ти лет назад) произошел переход от аналоговых приборов к SCADA-системе.

Роль SCADA-системы на данном этапе состоит в удобном отображении хода процесса и позволяет оператору управлять процессом «не вставая с места». Кроме этого, в SCADA-систему были включены контуры локальной стабилизации некоторых параметров.

Производство однородного никелевого порошка, удовлетворяющего требованиям потребителя, невозможно без надёжного контроля и автоматического регулирования. Этот факт доказывает существующая система управления процессом: оператор не в состоянии обеспечить получение стабильно качественного никелевого порошка, не имея непрерывной информации о показателях качества порошка, получаемого в результате процесса.

Параметры, определяющие ход процесса, постоянно изменяются, возмущающие факторы также дестабилизируют процесс. Кроме того, некоторые параметры процесса не влияют напрямую на качество получаемого порошка, а через косвенные воздействия влияют на ход процесса, что в конечном итоге сказывается на конечном качестве продукта. Зачастую, такое влияние сильно растянуто по времени, и, когда обнаружено изменение качества порошка, приходится резко компенсировать данные воздействия, что в конечно итоге опять приводит к дестабилизации процесса.

Таким образом, оператору, отвечающему за управление процессом и за качество получаемого продукта, приходится постоянно отслеживать до 30-35 параметров процесса и, исходя из своего опыта, прогнозировать качество получаемого в данный момент порошка. Изменить ход процесса оператор может только в узких рамках технологического регламента. Но человеку достаточно сложно отследить малые изменения множества параметров и на основе этих изменений, скорректировать ход процесса. В большинстве случаев, оператор узнает об изменении качества получаемого порошка только при резких изменениях одного-двух параметров или при получении результатов химического анализа. А па этом этапе, изменения хода процесса имеют уже серьезные тенденции, что не позволяет компенсировать их небольшими точечными изменениями управляющих воздействий, при этом оператор не в праве нарушить технологический регламент. Поэтому, коррекция хода процесса может растянуться на длительное время.

Подводя итог вышеизложенного состояния техники можно отметить, что существующее управление рассматриваемого процесса получения никелевого порошка не позволяет держать в заданных пределах показатели качества никелевого порошка: насыпной вес и размер частиц. Технологические параметры: температура по зонам разложителя, расход оксида углерода на поддув в разложитель задаются оператором согласно технологическому регламенту, который предусматривает широкий диапазон возможных значений параметров для каждого типа получаемых порошков никеля. Оператор вынужден сам выбирать значение технологического параметра в зависимости от заданных значений насыпного веса и размера частиц, что при случайном характере процесса практически полностью исключает получение стабильно высококачественного порошка.

Таким образом, задача повышения качества карбонильного никелевого порошка за счет создания адаптивной системы автоматического управления на основе модели оптимального управления в настоящее время остается актуальной.

Целью работы является создание системы автоматического управления процессом получения карбонильного никелевого порошка в ВПРВЭ, обеспечивающей поддержание требуемых значений товарных показателей качества никелевого порошка.

В процессе создания системы были решены следующие научно-технические вопросы:

- проведен анализ существующих способов автоматического управления процессом получения карбонильного никелевого порошка и оценки показателей качества никелевого порошка; исследованы взаимосвязи показателей качества никелевого порошка с технологическими параметрами процесса в ВПРВЭ;

- синтезированы математические модели процесса для непрерывного прогноза значений показателей качества и управления процессом;

- разработан алгоритм функционирования системы автоматического управления и реализован на современной элементной базе;

- проведены опытно промышленные испытания созданной САУ и оценена эффективность ее функционирования;

Автор выносит на защиту:

- математические модели процесса получения карбонильного никелевого порошка, связывающие показатели качества получаемого порошка с основными параметрами процесса, а именно: температурой корпуса разложителя по зонам, давлением газообразного тетракарбонила никеля, давлением кислорода на входе в разложитель и расходом первичного СО на входе в разложитель для непрерывного прогнозирования показателей качества и расчета оптимальных управляющих воздействий, обеспечивающих минимальное отклонение показателей качества от регламентных;

- уравнения, связывающие температуру материала внутри корпуса разложителя с температурой материала и корпуса в предыдущей зоне, с теплом, вносимым оборотным СО, температурой воздуха в непосредственной близости от разложителя, предназначенные для коррекции управляющих воздействий, а также учета влияния соседних зон нагрева;

- программно — алгоритмический комплекс, состоящий из подсистемы сбора и обработки информации, подсистемы моделирования и подсистемы оптимизации, на базе которого создана адаптивная система автоматического управления процессом получения карбонильного никелевого порошка в вертикальном пустотелом реакторе с внешним электроподогревом.

Научная новизна состоит в следующем:

- впервые для получения непрерывных прогнозных значений показателей качества получаемого порошка и расчета оптимальных управляющих воздействий получены регрессионные модели, связывающие показатели качества порошка с основными параметрами процесса, а именно: температурой корпуса разложителя по зонам, давлением газообразного тетракарбонила никеля, давлением кислорода на входе в разложитель и расходом первичного СО на входе в разложитель;

- впервые для коррекции управляющих воздействий на параметры процесса получены уравнения, связывающие температуру материала внутри корпуса разложителя с температурой материала и корпуса в предыдущей зоне, с теплом, вносимым оборотным СО, температурой воздуха в непосредственной близости от разложителя;

- разработан программно — алгоритмический комплекс, состоящий из подсистемы сбора и обработки информации, подсистемы моделирования и подсистемы оптимизации, на базе которого создана адаптивная система автоматического управления процессом получения карбонильного никелевого порошка в вертикальном пустотелом реакторе с внешним электроподогревом, которая испытана и внедрена в промышленности.

Подана заявка № 2007119097/20 (020802) с приоритетом от 23.05.07 на получение патента на «Способ автоматического управления процессом разложения тетракарбонила никеля в пустотелом аппарате с электрическим нагревом стенок». Имеется первичное положительное решение ФИПС России.

Практическая значимость полученных результатов. Созданная адаптивная система автоматического управления процессом получения карбонильного никелевого порошка позволяет:

- стабилизировать и повысить качество получаемого карбонильного никелевого порошка;

- автоматизировать и ускорить процедуру перехода на получение порошка другой марки;

- по косвенным параметрам оценивать толщину гарнисажа, образующегося на стенках разложителя;

- применять результаты, полученные в работе, для обучения специалистов на кафедре КИУСА МИСиС.

Металлургической Компании, что подтверждено актом «О внедрении результатов разработки адаптивной системы автоматического управления процессом разложения тетракарбониля никеля (ТКН), полученных при выполнении диссертационной аспиранта Волгина П.В.» от 10.09.2008г. (Акт прилагается).

Заключение диссертации по теме «Автоматизация и управление технологическими процессами и производствами (по отраслям)», Волгин, Павел Викторович

4.6. Выводы по главе.

В результате внедрения адаптивной системы автоматического управления процессом получения карбонильного никелевого порошка на комбинате «Североникель» Кольской Горно-Металлургической Компании удалось резко сократить количество случаев получения некондиционного никелевого порошка (с 26,07% до 0,25% для насыпного веса и с 18,39% до 2,03 для среднего диаметра частиц), а также стабилизировать ход процесса.

Кроме этого, внедрение разработанной адаптивной системы не потребовало внесения изменений в аппаратную часть существующей системы управления процессом, что привело к снижению затрат на внедрение и эксплуатацию системы.

Заключение

Совокупность полученных результатов исследования автора работы представляет собой решение актуальной задачи - повышения качества карбонильного никелевого порошка за счет создания адаптивной системы автоматического управления на основе разработанной модели и алгоритмов оптимального управления.

При этом получены следующие новые научно-технические результаты:

- проведен анализ известных систем автоматического управления процессом получения карбонильного никелевого порошка и сформулированы научно-технические вопросы, обеспечивающие решение актуальной задачи - автоматизации процесса получения карбонильного никелевого порошка;

- в результате экспериментальных исследований процесса на реальном агрегате получены регрессионные модели, связывающие показатели качества получаемого порошка с основными параметрами процесса, что позволило, непрерывно прогнозировать текущие показатели качества получаемого никелевого порошка с вероятностью более 90%, и использовать эти модели для расчета оптимальных управляющих воздействий, позволяющих непрерывно производить в промышленных условиях карбонильный никелевый порошок с заданными показателями качества;

- исследованиями косвенных параметров процесса получены регрессионные модели, связывающие температуру внутри корпуса разложителя с предыдущим значением температуры внутри того же корпуса в данной зоне, температурой внутри корпуса в предыдущей зоне, с теплом, вносимым оборотным СО и температурой воздуха в цехе, с помощью которых корректируются управляющие воздействия для компенсации влияния возмущающих факторов;

- разработаны алгоритмы работы адаптивной системы автоматического управления процессом получения карбонильного никелевого порошка, включающие в себя алгоритмы подсистемы сбора и обработки информации, подсистемы моделирования и подсистемы оптимизации;

- разработан программный пакет на основе синтезированных алгоритмов, реализовавший адаптивную систему автоматического управления процессом получения карбонильного никелевого порошка;

- испытание и внедрение созданной адаптивной системы автоматического управления (патент на изобретение по заявке № 2007119097/20 (020802) с приоритетом от 23.05.07) на ОАО «Комбинат Североникель» Кольской Горпо-Металлургической Компании показал ее жизнеспособность и эффективность (акт прилагается);

Список литературы диссертационного исследования кандидат технических наук Волгин, Павел Викторович, 2008 год

1. Белозерский Н.А., Карбонилы металлов, 1978. с.35 215.

2. Кипнис А.Я., Михайлова Н.Ф., Певзиер Г.Р., Карбонильный способ получения никеля, 1972. с. 23 186.

3. ГИПРОНИКЕЛЬ. "Развитие теоретических основ металлургических процессов производства никеля, кобальта и меди". — Спб., 1991, с.149—169.

4. Иванов В.А., Лисовский Д.И., Стопкевич В.В., Бюллетень ЦИИНЦветМет «Цветные Металлы» №21, 1966г. с. 36 37.

5. Караваева Н.С. Система автоматического управления процессом разложения тетракарбонила никеля. Дипломный проект. — М.: МИСиС, 2004 с.23-53.

6. Мудров В.И., Кушко В.Л. Методы обработки измерений. М.: Советское радио, 1976.

7. Адлер Ю.П. Введение в планирование эксперимента. М.: Металлургия, 1969. — 160с.

8. Налимов В. В., Чернова Н. А. Статистические методы планирования экстремальных экспериментов. М.: Наука, 1965.

9. Айвазян С.А. Прикладная статистика и основы эконометрики М: Статистика, 1998.

10. Салихов З.Г. Справочник по созданию АСУ и определению базовой цены документации проекта.// М.: «Тейлоэнергетик», 2007, с.78

11. Гранберг А.Г. Статистическое моделирование и прогнозирование М: Статистика, 1987.-345с.

12. Асатурян В.И. Теория планирования эксперимента. М.: Радио и связь, 1983г.

13. Браверман Э.М., Мучник И.Б. Структурные методы обработай эмпирических данных.-М.: Наука, 1983.

14. Майков Е.В. Математический анализ: Числовые ряды. — М.: Изд-во МГУ, 1999.

15. Спесивцев А.В. Применение математической статистики в металлургической практике (учебное пособие), Норильск.: Норильский вечерний индустриальный институт, 1978. 96с.

16. Тюрин Ю.Н., Макаров А.А. Анализ данных на компьютере. -- М.: Инфра-М и Финансы и статистика. 1995.

17. Методы классической и современной теории автоматического управления. Том 2. Статистическая динамика и идентификация систем автоматического управления / Под ред. К.А.Пупкова. М.: Изд-во МГТУ Баумана, 2004.

18. Вентцель Е.С. Теория вероятностей. М.: Наука, 1969

19. Борисов А.Н., Алексеев А.В., Меркурьев Г.В. Обработка нечеткой информации в системах принятия решений. М.: Радио и связь, 1989г. — 304с.

20. Тутубалин В.Н. Теория вероятностей и случайных процессов. Основы математического аппарата и прикладные аспекты. ~ М.: Изд-во МГУ, 1992.

21. Смоляк С.А., Титаренко Б.П. Устойчивые методы оценивания. М.: Статистика, 1980.

22. Беляев Ю.К., Носко В.П. Основные понятия и задачи математической статистики. — М.: Изд-во МГУ, ЧеРо, 1998.

23. Абрамов О.В. Параметрический синтез стохастических систем с учетом требований надежности. М.: Наука, 1992.

24. Алиев Р.А. Церковный А.Э. Мамедова Г.А. Управление производством при нечеткой исходной информации. М.: Энергоатомиздат, 1991.

25. Колосов Г.Е. Синтез оптимальных автоматических систем при случайных возмущениях. М.: Наука, 1984.

26. Буровой И.А., Горин В.Н. Автоматическое управление химико-металлургическими процессами с сосредоточенными параметрами. //М.: Металлургия, 1977.-344 с.

27. Геловани В.А., Ковригин О.В., Смолянинов Н.Д. Методологические вопросы построения экспертных интеллектуальных систем// Системные исследования. Методологические проблемы: Ежегодник. М: Наука, 1983.

28. Анализ и оптимальный синтез на ЭВМ систем управления / Под ред. А.А. Воронова и И.А. Орурка. М.: Наука, 1984.

29. Петров Б.Н., Уланов Г.М., Гольденблат И.И., Ульянов С.В. Теория моделей в процессах управления. — М.:Наука, 1978г. 225с.

30. Бсрнстейн А. Справочник статистических решений. М.: Статистика, 1968. 164с.

31. Алиев Р.А., Абдикеев Н.М., Шахназаров М.М. Производственные системы с искусственным интеллектом. — М.: Радио и связь, 1990.

32. Афанасьев В.Н., Колмановский В.Б., Носов В.Р. Математическая теория конструирования систем управления. -М.: Высшая школа.-1989. -448с.

33. Дьячко А.Г., Светозарова Г.И. Математические модели металлургических процессов.-М.,МИСиС, 1974, ч. 1,2.

34. Абрамов О.В., Розенбаум А.Н. Прогнозирование состояния технических систем. М.: Наука, 1990.

35. Воронов А.А. Введение в динамику сложных управляемых систем. М.: Наука, 1985.

36. Ивахненко А.Г., Юрачковский Ю.П. Моделирование сложных систем по экспериментальным данным. М.: Радио и связь, 1987. 120с.

37. Изерман В. Цифровые системы управления. М.: Мир, 1984.

38. Лукас В.А. Теория автоматического управления: учебник для вузов. М.: Недра, 1990,416с.

39. Мешалкин В.П. Интеллектуальные системы в химической технологии. Основы теории и опыт применения. М.: Химия, 1995. — 369с.

40. Пешель М. Моделирование сигналов и систем. М.:Мир, 1981 .-304с.

41. Под ред. Егупова Н.Д. Методы классической и современной теории автоматического управления. Учебник в трех томах. М., Изд-во МГТУ им. Н.Э.Баумана, 2000.

42. Пугачев B.C., Казаков И.Е., Евланов Л.Г. Основы статистической теории автоматических систем. М.: Машиностроение, 1974.

43. Аверкин А.Н., Батыршин И.З., Блишун А.Ф. и др. Нечеткие множества в моделях управления и искусственного интеллекта / Под ред. Д.А. Поспелова. М.: Наука, 1986.-256с.

44. Кандрашина Е. Ю., Литвиндева Л. В., Поспелов Д. А. Представление знаний о времени и пространстве в интеллектуальных системах. М.: Наука, 1989.

45. Иванов В.А., Чемоданов Б.К., Медведев B.C. Математические основы теории автоматического регулирования. М.: Высшая школа, 1971. - с.808

46. Ларичев О.И., Мечитов А.И., Мошкович Е.М., Фуремс Е.М. Выявление экспертных знаний. М.: Наука, 1989.

47. Бейтельман Л.С., Мучник И.Б., Мучник Р.Б., Симасарьян Р.А. Применение структурного анализа кривых к задаче исследования конвертерного процесса.-Изв. высш. учеб. заведений. Черн. мет., 1971, №12.-С. 149-155.

48. Андреев Н.И. Теория статистически оптимальных систем управления. М.: Наука, 1980.

49. Кудинов Ю.И. Нечеткие множества и алгоритмы.//Техническая кибернетика 1990, №5, с. 196.

50. Лисиенко В.Г., Салихов З.Г., Гусев О.А. Моделирование объектов с распределенными параметрами на примере Зх уровневых АСУ нагрева материала. Учебное пособие //Екатеринбург: УГТУ-УПИ, М.: МИСиС, 2004, 162с.

51. Мелихов А.Н., Бернштейн Л.С., Коровин С .Я. Ситуационные советующие системы с нечеткой логикой. М.:Наука, 1990.

52. Рыков А.С. Методы системного анализа: Многокритериальная и нечеткая оптимизация, моделирование и экспертные оценки. М.: Экономика. 1999.

53. Под ред. Петрова Б.Н. Математические модели технологических процессов и разработка систем автоматического регулирования с переменной структурой. М, «Металлургия», 1964 (Гинцветмет Сб №21) 467с с ил

54. Холод Н.И. Кузнецов А.В. Экономико-математические методы и модели Мн.: БГЭУ, 1999.-413с.

55. Салихов З.Г. Использование когнитивного метода при создании автоматизированных пиро-гидрометаллургических процессов. //Цветные металлы. №10-11, 1998. с.111-115

56. Под ред. Уэно X., Исудзука И. Представление и использование знаний. М.: Мир, 1989.

57. Bjorkman В., Eriksson G. Quantative equilibrium calculations on conventional copper smelting and converting // Can. Met. Quart.- 1982,-v. 21.-P. 329-337.

58. Салихов З.Г. Терминология основных понятий автоматики. Учебно-справочное пособие.//М.:МИСиС, 2003, с. 126

59. Chaubal P.C., Sohn H.Y., George D.B., Bailey L.K. The Mathematical Modelling of Minor Element Behaviour in Flash Smelting of Copper Concentrates and Flash Converting of Copper Mattes // Met. Trans.-1989.-v. 20b.-P. 39-51.

60. Воронов A.A. и др. Теория автоматического управления. 2-е изд. Перераб. и доп. М.: Высш. школа, 1986.

61. Сейдис Э.П., Уатт Ч.С. Оптимальное управление системами: Пер. с англ. / Под ред. Левина Б.Р. М.: Радио и связь, 1982.

62. Алексеев А.В. Применение нечеткой математики в задачах принятия решений // Прикладные задачи анализа решений в организационно-технических системах. Рига.: Риж. политехи, ин-т. 1985.

63. Боровиков В. П. Популярное введение в программу STATISTICA.-M.: КомпьютерПресс, 1998.-296 с.

64. Георгиев В.О. Модели представления знаний предметных областей диалоговых систем // Изв. АН. Техн. кибернетика. 1995. №5.

65. Алиев Р.А., Захарова Э.Г., Ульянов С.В. Нечеткие модели управления динамическими системами // Итоги науки и техники. Техн. кибернетика. Т.29. М.: ВИНИТИ АН СССР, 1990

66. Захаров В.Н., Ульянов С.В. Нечеткие модели интеллектуальных промышленных регуляторов и систем управления. II. Эволюция и принципы построения. //Техническая кибернетика, 1993, №4, с. 189

67. Алиев Р.А., Захарова Э.Г., Ульянов С.В. Нечеткие регуляторы и интеллектуальные промышленные системы управления // Итоги науки и техники. Техн. кибернетика. Т.32. М.: ВИНИТИ АН СССР, 1990:

68. Jakovlev V.G., Vorob'yov S.A. Estimation of model parameters of random process with instantly changing properties.-In: Preprints of the Second IF AC Symposium on stochastic control.-Vilnius, USSR, 1986, Part II.-P. 224-228.

69. Салихов З.Г., Шапировский M.P., Волгин П.В. Синтез математической модели процесса разложения тетракарбонила никеля /. Известия Вузов. Цветная металлургия. 2008 №1 с.64-66.

70. Моттль В.В., Мучник И.В., Яковлев В.Г. Оптимальная сегментация экспериментальных кривых.//Автоматика и телемеханика, 1983, №8.-С. 84-95.

71. Efstathiou J. Rule-based process control using fuzzy logic // Approximate Reasoning in Intelligent Systems, Decision and Control / Eds. Sanchez E., Zaden L. A. N. Y.:Pergamon Press, 1987.

72. Аоки М. Введение в методы оптимизации. М.: Наука.- 1977. - 342с.

73. Арунянц Г.Г., Рутковский A.JL, Салихов З.Г., Столбовский Д.Н. Об одном методе повышения эффективности расчета динамических характеристик объектов управления// Автоматика и телемеханика.- 2005.- № 4.- С. 60-69.

74. Дрейпер Н., Смит Г. Прикладной регрессионный анализ. М.: Статистика, 1973.

75. Богнер Р. Введение в цифровую фильтрацию. М.: Мир, 1976.

76. Боровиков В. П., Ивченко Г. И. Прогнозирование в системе STAT1STICA в среде Windows.-М.: КомпьютерПресс, 1998.-370с.

77. Воронов А.А. Теория автоматического управления. — М.: Высшая школа, 1977 — 288с.

78. Гвоздик А.А. Решение нечетких уравнений // Изв. АН СССР. Техническая кибернетика, 1984. N5.

79. Дроздов А.В., Спесивцев А.В., Кимяев И.Т. Обобщение расширенных арифметических операций //Деп. ВИНИТИ №2185-В-95, 1995.

80. Дудников Е. Г, Балакирев B.C. Кривсунов В. Н. и др. Построение математических моделей химико-металлургических объектов. JI, «Химия», 1970 312 с.

81. Дюк В., Самойленко A. Data Mining: учебный курс. С.Пб: Питер, 2001г.

82. Салихов З.Г., Шапировский М.Р. Волгин П.В. Экспериментальное исследование взаимосвязей параметров процесса разложения тетракарбонила никеля / Цветные Металлы. 2007. № 10, с. 119-122.

83. Салихов З.Г., Шапировский М.Р. Волгин П.В. Синтез алгоритмов управления процессом разложения тетракарбонила никеля / Известия Вузов. Цветная металлургия. 2008 №1 с.67-70.

84. Kellogg Н.Н. Thermochemestry of nikel-matte converting // Can. Met. Quart.-1987.-v. 26.-№ 4.-P. 285-298.

85. Кузнецов Jl.A. Применение нечетких моделей для решения задач управления качеством// Изв. ВУЗов. «Черная металлургия». 2001, №5, с.61-65

86. Kellogg Н.Н. Thermochemical modelling of molten sulfides // Physical Chemistry in Metallurgy, Momoville PA.-1976.-P. 49-68.

87. Райбман Н.С., Чадеев В.М. Адаптивные модели в системах управления. М.: Сов. Радио, 1966.

88. B.Oksendal "Stochastic differential equations. An introduction and applications". Berlin, Springer-Verlag, 1992.

89. Салихов З.Г., Рутковский A.A., Леонтьев B.B. Методы рациональной организации подсистем централизованного контроля. //Изв. Вузов. «Цветная металлургия», №12, 1999, с.65-69.

90. Льюнг Л. Идентификация систем. Теория для пользователя. М.: Наука, 1991

91. Прудковский Б.А. Зачем металлургу математические модели. М.: Наука, 1989г. -192с.

92. Bjorkman В., Jacobson Е. New thermodynamics tools.-Scand. J. of Met., 1986, v. 15, N 6.-P. 261-264.

93. Цыпкин Я.З. Основы информационной теории идентификации. М.: Наука, 1984.

94. Ханк Дж.Э., Райте А.Дж. Бизнес-прогнозирование. Пер. с англ. М.: Вильяме, 2003. -656с.

95. Спесивцев А.В., Дроздов А.В., Негрей С.В., Даминов P.P. Управляющие модели металлургических процессов с использованием нечетких множеств //Цветные металлы 1996г., №11

96. Валу T.I, Dinsdale А.Т., Gisby J.A. Predictive thermochemisty and phase equilibria of slags // J. Metals.-1993.-v. 45.-№ 4.-P. 32-38.

97. Егоров A.E., Азаров Г.Н., Коваль A.B. Исследование устройств и систем автоматики методом планированного эксперимента. Харьков.: Вища школа, 1986. — 240с.

98. Захаров В.Н., Ульянов С.В. Нечеткие модели интеллектуальных промышленных регуляторов и систем управления. I. Научно-организационные, технико-экономические и прикладные аспекты. //Техническая кибернетика, 1992, №5, с. 171.

99. Кандрашина Е. Ю., Литвинцева Л. В., Поспелов Д. А. Представление знаний о времени и пространстве в интеллектуальных системах. М.: Наука, 1989.105Персльман И.И. Оперативная идентификация объектов управления. М.: Энергоиздат, 1982.

100. Под ред. Поспелова Д.А. Нечеткие множества в моделях управления и искусственного интеллекта. М.: Наука, 1989.107Репин В.Г., Тартаковский Г.П. Статистический синтез при априорной неопределенности и адаптация информационных систем. М.: Сов. Радио, 1977.

101. Салихов З.Г. Создание и внедрение компьютерных автоматизированных технологических комплексов в металлургии.// М.: Н.техн.ж. «Цветные металлы», спец. Выпуск октябрь 2005. С.91-96

102. Салихов З.Г., Арунянц Г.Г., Рутковский JI.A. Системы автоматического управления сложными технологическими объектами.//М.: Теплоэнергетик, 2004, 495 с.

103. Салихов З.Г., Спесивцев А.В., Москвитин Д.А., Сириченко А.В., Зыков И.Е. Количественная оценка качества управления металлургическим агрегатом //"Цветные металлы", №10, 2002, с.88-92.

104. ШТеория и методы автоматизации проектирования вычислительных систем / Под ред. М. Брейера. М.: Мир, 1977.

105. Тихонов О.Н. Решение задач по автоматизации процессов обогащения и металлургии. Л.: Недра, 1969. -430с.

106. ПбЧетыркин E.M. Статистические методы прогнозирования M: Статистика, 1977. — 199с.

107. Шенк X. Теория инженерного эксперимента. — М.: Мир, 1972.-385с.

108. Яковлев В.Г. Разработка и исследование алгоритмов лингвистического анализа шумоподобных экспериментальных кривых.-Дисс. канд. техн наук.-М.: ИПУ, 1983.119Шмойлова Р.А. Теория статистики — М: Финансы и статистика, 1998. — 851с.

109. Buckley J.J., Ying Н. Fuzzy Controller Theory: Limit theorems for linear fuzzy control rules// Automatica, Vol.25, No.3, pp. 469-472, 1989.

110. Bustos A.A. Converter simulation at Falconbridge Limited // Extr. Metallurgy of Nickel & Cobalt. Warrendale:TMS.-1988.-P. 335-354.

111. Szekely J. Themelis N.J. Rate phenomena in process metallurgy.-New York, Willey-Interscience, 1971.-784 p.