ПЕРСПЕКТИВЫ РАЗВИТИЯ АВТОМАТИЗИРОВАННЫХ СИСТЕМ УПРАВЛЕНИЯ ТЕХНОЛОГИЧЕСКИМИ ПРОЦЕССАМИ С ПОМОЩЬЮ НЕЙРОСЕТЕЙ

PROSPECTS OF DEVELOPMENT OF AUTOMATED CONTROL SYSTEMS OF TECHNOLOGICAL PROCESSES WITH THE HELP OF NEURAL NETWORKS

Olga Ladina

student, Faculty of Airports and Flight Engineering, St. Petersburg State University of Civil Aviation,

Russia, St. Petersburg

Irina Shestakova

student, Faculty of Airports and Flight Engineering, St. Petersburg State University of Civil Aviation,

Russia, St. Petersburg

Igor Luchnikov

scientific supervisor, senior lecturer, Department No. 13 "Automated Control Systems", St. Petersburg State University of Civil Aviation,

Russia, St. Petersburg

АННОТАЦИЯ

В данной статье рассматривается перспектива внедрения нейросетей в развивающиеся системы управления технологическими процессами. В качестве возможного пути развития мы, в рамках статьи, обсудим создания нейросетевых платформ управления.

ABSTRACT

This article discusses the prospect of implementing neural networks in developing process control systems. As a possible way of development, we will discuss the creation of neural network control platforms.

Ключевые слова: автоматизированные системы управления, искусственный интеллект, тенденции, нейросети.

Keywords: automated control systems, artificial intelligence, trends, neural networks.

Процесс автоматизации производства зародился вместе с самим производством и в процессе своего развития прошел целый ряд этапов от простейших технических устройств до современных АСУ, построенных на базе вычислительной техники.

Вопрос использования искусственного интеллекта в развитии автоматизированных систем управления производством уже давно был актуален. Однако стоит отметить что до начала 2010-х годов сохранялся некоторый скепсис научного сообщества в данном направлении. Эйфория, связанная с первыми практическими успехами в сфере искусственного интеллекта, прошла довольно быстро, потому что перейти от исследования экспериментальных компьютерных моделей к решению прикладных задач реального мира оказалось гораздо сложнее, чем предполагалось. В то время трудности такого перехода обратили внимание специалисты всего мира, и после детального анализа выяснилось, что практически все проблемы связаны с нехваткой ресурсов двух типов: компьютерных (вычислительной мощности, емкости оперативной и внешней памяти) и людских (наукоемкая разработка интеллектуального программного обеспечения требует привлечения ведущих специалистов из разных областей знания и организации долгосрочных исследовательских проектов).

Однако в последние 10 лет, отношение к искусственному интеллекту сильно изменилось. С быстрым развитием информационных технологий, особенно сетевых, постоянное применение искусственного интеллекта в промышленном производстве и автоматическом управлении становится все более активным.

В данный момент продолжается совершенствование алгоритмов обучения и классификации в масштабе реального времени, обработки естественных языков, распознавания изображений, речи, сигналов, а также создание моделей интеллектуального интерфейса, подстраивающегося под пользователя. Среди основных прикладных задач, решаемых с помощью нейронных сетей так же выделяют: финансовое прогнозирование, раскопка данных, диагностика систем, контроль за деятельностью сетей, шифрование данных. В последние годы идет усиленный поиск эффективных методов синхронизации работы нейронных сетей на параллельных устройствах.

При использовании искусственного интеллекта все виды проблем в автоматизированной системе управления могут распознаваться и решаться гораздо быстрее. Сама автоматизированная система управления технологическими процессами с внедрением искусственного интеллекта станет гораздо более автономной.

Уже сейчас нейросети используются во многих областях и одна из возможностей внедрения искусственного интеллекта в АСУ ТП это создание нейросетевых платформ управления технологическими процессами.

Технология искусственного интеллекта разрабатывает платформу нейросетевого управления технологическими процессами, имитируя процесс восприятия, передачи и стресса нейронной системы животных. Платформа связана с рядом функциональных компонентов и сетей, и генерирует нейроподобную сетевую структуру в процессе крупномасштабной интеграции и параллельной работы. На основе моделирования биологической нейронной сети происходит сбор, обработка, обработка и принятие информационных решений. На основе крупномасштабного оборудования для хранения данных, облачной платформы и Интернета нового поколения появилась возможность реализации нового поколения нейросетевой системы управления, способность обработки платформы была еще более улучшена, распределенные характеристики различных компонентов и систем в сети стали более очевидными, способность приема сигналов и идентификации информации стала более точной, а интерактивная и эффективная имитация нейронной сети была реализована. Промышленная автоматическая система управления может эффективно реализовать автоматическое управление промышленным производством и переработкой посредством независимого управления и принятия решений в случае отсутствия вмешательства и надзора.

В настоящее время можно говорить о том, что развитие автоматизированной системы управления технологическими процессами с помощью нейросетей является одной из самых многообещающих тенденций. И безо всяких сомнений мы уже скоро увидим использование подобных решений на производстве, а не только в различных научно-популярных статьях.

Список литературы:

1. Юревич Е.П. Теория автоматического управления. учебник, 3 издание. Санкт-Петербург, «БХВ-Петербург», 2007, 560 с.
2. Самойлова Е.М., Игнатьев А.А. Интеграция искусственного интеллекта в автоматизированные системы управления и проектирования технологических процессов, Вестник СГТУ. 2010. №1, 13 с.
3. Ефимом С.Н., Ильина И.В., Моисеева К.А., Проворных И.А. Использование искусственного интеллекта в автоматизированных системах управления технологическими процессами, Перспективы науки, №1, с 57.