Details

Данная работа посвящена разработке и применению метода динамической идентификации сложных промышленных систем с использованием декомпозиционного подхода и нейронных сетей. Основной целью исследования является создание эффективного инструмента для построения цифровых двойников многокомпонентных систем, обеспечивающего высокую точность моделирования и упрощение процесса идентификации. Работа охватывает теоретические основы, разработку программного обеспечения и практическую апробацию предложенного метода на примере теплоэнергетического объекта — парового котла ГМ-50.

This study focuses on the development and application of a dynamic identification method for complex industrial systems using a decompositional approach and neural networks. The primary objective of the research is to create an effective tool for building digital twins of multicomponent systems, ensuring high modeling accuracy and simplifying the identification process. The work covers theoretical foundations, software development, and practical validation of the proposed method, demonstrated on a thermal power facility—the GM-50 steam boiler.