Application of adaptive approach in control system of evaporation process at sugar factory using static model
DOI:
https://doi.org/10.64165/journal-ts.2025.26.186-200Keywords:
adaptive approach, static model, evaporation process, estimation, regression coefficient, identifierAbstract
The article discusses the control system of the juice evaporation process in evaporator units. A regression model of the evaporation process is analyzed, revealing that the model possesses a number of properties that limit its applicability for control tasks. Thepaper addresses the development of mathematical models of the sugar production evaporation process that reflect process dynamics and are based on material and energy balance equations.
The main directions for improving the efficiency of the control system for the dynamic evaporation process are identified, allowing for optimization of juice evaporation modes. The key approaches to determining effective mathematical models that describe the juice evaporation process in a multi-effect evaporator are considered. The advantages and disadvantages of mathematical models used in the mathematical support system for optimizing the evaporator operation modes are outlined.
Effective algorithms for estimating regression coefficients of the juice evaporation process indicators, described by static models, are reviewed. For this purpose, an accelerated identification algorithm is proposed and investigated. This algorithm differs from existing ones by its higher convergence rate and robustness in the presence of measurement errors, as confirmed during the development of sugar production process models.
The application of this algorithm in constructing mathematical models of the sugar production process ensured an acceptable identification error (10%) within 20–30 cycles. The use of this algorithm, in combination with the developed adaptive control algorithm, proved highly effective in solving stabilization problems of output variables in the evaporator section, maintaining a control (stabilization) error not exceeding 10%.
References
1. Штангеєв К. О. Енергозбереження на цукрових заводах України. Цукор України. 2014. № 2 (98). С.14-17.
2. Власенко Л. О., Ладанюк А. П. Підвищення ефективності функціонування технологічного комплексу цукрового заводу за рахунок використання методів діагностики та прогнозування. Восточно-Европейский журнал передовых технологий. 2010. № 2/3(44). С. 57-62. http://dspace.nuft.edu.ua/jspui/handle/123456789/1078.
3. Ладанюк А. П. Координація функціонування технологічних дільниць цукрового заводу з урахуванням задач прогнозування. Вісник Вінницького політехнічного інституту. 2006. № 6. С. 112-115.
4. Ляшенко С.О., Кісь В.М., Фесенко А.М., Ляшенко О.С. Визначення ефективності математичних моделей процесу випарювання соку для автоматизованих систем управління. Науковий вісник ТДАТУ. Мелітополь. Вип. 9. Том 1. С. 1-20. DOI: 10.31388/2220-8674-2019-1-10.
5. Ляшенко С., Ляшенко А. Интеллектуальное управление технологическими процесами сахарного производства. Motrol. Сommission of motorization and energetics in agriculture. Lublin-Rzeszow. 2013. Vol. 15. №7. P. 145-150.
6. Білецький М.С., Безуглов А.О. Інтелектуальні регулятори в системах автоматизації технологічних об’єктів. Матеріали ІV Міжнародної науково-технічної Internet-конференції «Сучасні методи, інформаційне, програмне та технічне забезпечення систем керування організаційно-технічними та технологічними комплексами», 22 листопада 2017 року. Київ. НУХТ, 2017. 297 с. URL: http://nuft.edu.ua/page/view/konferentsii С. 116-117.
7. Куник Е. Г., Коваленко А. Н., Ляшенко С. А. Управление динамическим объектом с помощью его статической модели. Научно-технический журнал «Радиоэлектроника и информатика». Харків. ХНТУРЭ. 2003. №2. С. 59-60.
8. Руденко О.Г., Бессонов А. А. Адаптивное управление многомерными нелинейными объектами на основе радиально-базисных сетей. Кибернетика и системный анализ. 2005. No 2. С. 9 -18.
9. Ковриго Ю. М., Степанець О. В., Баган Т. Г., Бунке О. С. Сучасна теорія управління. Частина 2. Прикладні аспекти сучасної теорії управління: підручник для студ. спеціальності 151 «Автоматизація та комп’ютерно-інтегровані технології», спеціалізацій «Автоматизоване управління технологічними процесами», «Комп’ютерно - iнтегрованi технологічні процеси та виробництва». Київ: КПІ ім. Ігоря Сікорського, 2017. 155 с. URL: https://ela.kpi.ua/bitstream/123456789/23117/1/Suchasna-teoriiaupravlinnia_Kovrygo _et.al.pdf
10. Луцька Н. M. Дослідження та синтез оптимальних регуляторів для систем автоматизації технологічних комплексів неперервного типу : автореф. дис. … канд. техн. наук : спец. 05.13.07 “Автоматизація технологічних процесів”. Київ. 2006. 16 с.
11. Ладанюк А. П., Ладанюк О. А., Бойко Р. О., Іващук В. В., Кроніковський Д. О., Шумігай Д. А. Автоматизація технологічних процесів і виробництв харчової промисловості: монографія. Київ. Інтер Логітик Україна, 2015. 408 с.
12. Ляшенко С. А., Ляшенко А. С. Оценка модели псевдолинейной регрессии. Автоматика. Автоматизація. Електротехнічні комплекси та системи. 2010. № 1(25). С. 36-40.
13. Купін А. І. Сенько А. О., Мисько Б. С. Ідентифікація та автоматизоване керування в умовах процесів збагачувальної технології на основі методів обчислювального інтелекту: 2-ге вид., перероб. і доп. Кривий Ріг: Синєльніков Д. А., 2019. 298 с.
14. Апостолюк В. О., Апостолюк О. С. Інтелектуальні системи керування: конспект лекцій. Київ. НТУУ «КПІ», 2008. 88 с.
15. EL Hamidi, Khadija & Mjahed, Mostafa & Elkari, Abdeljalil & Ayad, Hassan. (2020). Adaptive Control Using Neural Networks and Approximate Models for Nonlinear Dynamic Systems. Modelling and Simulation in Engineering. 2020. 10.1155/2020/8642915.
16. Narendra KS, Mukhopadhyay S. Adaptive Control using Neural Networks and Approximate Models. IEEE Trans Neural Netw. 1997; 8(3): 475-85. doi: 10.1109/72.572089. PMID: 18255653.
