Детальная информация

Цель работы: создание системы поддержки принятия решений на основе машинного обучения и многокритериальной оптимизации выбора экономически оптимальных режимов процессов обжига в печах с псевдоожиженным слоем при различных технологически-экономических условиях. Работа посвящена второму этапу оптимизации, когда технологически приемлемые режимы, найденные на первом этапе оптимизации, дополнительно оптимизируются с экономической точки зрения. Задача состоит в поиске оптимальных компромиссов между эксплуатационными затратами и производительностью процесса в допустимом технологическом пространстве. Исследование преследует следующие цели: 1. Обзор современных подходов к моделированию и оптимизации металлургических процессов. 2. Изучение физико-химических и экономических характеристик операций обжига в печах с псевдоожиженным слоем. 3. Формулировка многоцелевой задачи оптимизации (минимизация эксплуатационных затрат и максимизация производительности). 4. Создание аппроксимирующей модели на основе нейронных сетей для прогнозирования показателей производительности процесса. 5. Применение процедур многоцелевой оптимизации MOPSO и GWO для поиска оптимальных режимов работы. 6. Сравнительное исследование алгоритмов оптимизации с помощью методов визуализации и индикатора гиперобъема. 7. Создание графического пользовательского интерфейса для практического применения предложенного подхода. В данной работе экономически целесообразные режимы обжига оценивались с помощью методов машинного обучения и эволюционных алгоритмов. Для моделирования поведения технологического процесса была создана модель суррогатной нейронной сети (архитектура MLPRegressor). Для решения задачи многоцелевой оптимизации были применены два метода: многоцелевая оптимизация роя частиц (MOPSO) и оптимизация серых волков (GWO). Было установлено, что MOPSO дает более стабильную и точную оценку Парето-фронта по сравнению с другими методами. На платформе Streamlit был создан графический пользовательский интерфейс. Созданный интерфейс позволяет изменять экономические показатели, запускать алгоритмы оптимизации и удобно отображать полученные Парето-оптимальные режимы. Результаты показывают, что методология может быть использована для принятия экономических решений в металлургических процессах.

Objective of the work: to create a decision support system on the basis of machine learning and multi-criteria optimization of selection of economically optimal modes of roasting processes in fluidized bed furnaces at various technological and economic situations. The work deals with the second stage of optimization, when technologically acceptable modes found in the first optimization are additionally optimized from the economic point of view. The problem is to find optimal compromises between operating cost and process productivity in the admissible technological space. The study has the following objectives: 1. Review of current approaches to modeling and optimization of metallurgical processes. 2. Study of physicochemical and economical characteristics of roasting operations in fluidized bed furnaces. 3. Formulation of a multiobjective optimization problem (minimizing operating cost and maximizing productivity). 4. Creation of surrogate model based on neural networks to forecast process performance metrics. 5. Application of multi-objective optimization procedures MOPSO and GWO to find optimal modes of operation. 6. Comparative study of optimization algorithms through visualization techniques and Hypervolume indicator. 7. Creation of a GUI for practical application of the suggested approach. In this work, the economically feasible roasting regimes were evaluated by machine learning techniques and evolutionary algorithms. Surrogate neural network model (MLPRegressor architecture) was created for modeling the behavior of the technological process. To tackle the multi-objective optimization task, two methods were applied: Multi-Objective Particle Swarm Optimization (MOPSO) and Grey Wolf Optimizer (GWO). MOPSO was found to yield a steadier, more precise Pareto-front estimate when compared. Graphical user interface was created on the Streamlit platform. Created interface enables changing of economic indicators, starting optimization algorithms and displaying received Pareto-optimal modes in convenient way. The results show that the methodology can be used to assist economic decisions in metallurgical processes.