Postgraduate Student
аспирант
The practical experience of synthesis of the model for the water-oil emulsion separation process is considered. In modern literature, the process does not have an accurate analytical description, and its parameters are nonlinearly depend on each other. The source of the data for the model is a series of laboratory experiments conducted using certified oil test methods. The resulting tables have gaps due to an irregular step in the values of the parameters. To simulate a nonlinear process, the Levenberg-Marquardt method was used to train the neural network. An analysis was made that determined the quality criteria for the model. To automate the modeling process, the MATLAB software complex was used, as well as the Neural Network Toolbox. The training of the neural network on the original data set showed that, due to missing parameter values and a small training sample size, it is not possible to obtain an adequate neural network model without preliminary data preparation. To fill in the missing data values, the method of interpolation with Hermite splines was used in the conditions of constraints by the minimum and maximum values of the parameters from the data set. With the help of this method, it was possible to expand the training data set for the neural network by 40 times. Further training of the neural network showed that the reproduction of the training sample is performed with high accuracy, and the quality criteria of the model show acceptable values. Based on the obtained four-dimensional model, it is possible to conduct various types of analysis, both expert and automated. The results of the analysis can be the basis for issuing recommendations on the organization and conducting of the technological process of oil treatment, as well as the synthesis of an adaptive control system with a reference model.
Рассмотрен практический опыт синтеза модели технологического процесса разделения водонефтяной эмульсии. В современной литературе процесс не имеет точного аналитического описания, а его параметры нелинейно зависят друг от друга. Источником данных для модели послужила серия лабораторных экспериментов, проведенных с использованием аттестованных методик исследования нефти. Получившиеся таблицы имеют пропуски из-за нерегулярного шага значений параметров. Для моделирования нелинейного процесса использовался метод Левенберга-Марквардта для обучения нейронной сети. Проведен анализ, определивший критерии качества модели. Для автоматизации процесса моделирования использовался программный комплекс MATLAB, а также модуль Neural Network Toolbox. Обучение нейронной сети на исходном массиве данных показало, что вследствие наличия пропусков значений параметров и малого размера обучающей выборки не представляется возможным получение адекватной нейросетевой модели без предварительной подготовки данных. Для заполнения пропусков значений данных был использован метод интерполяции сплайнами Эрмита в условиях ограничений минимальными и максимальными значениями параметров из набора данных. Благодаря этому удалось расширить обучающий набор данных для нейронной сети в 40 раз. Дальнейшее обучение нейронной сети показало, что воспроизведение обучающей выборки производится с высокой точностью, а критерии качества модели показывают приемлемые значения. На основе полученной четырехмерной модели можно проводить различные виды анализа - как экспертного, так и автоматизированного.Результаты анализа могут быть основой для выдачи рекомендаций по организации и проведению технологического процесса подготовки нефти, а также синтеза адаптивной системы управления с эталонной моделью.