МОДЕЛИРОВАНИЕ И ОПТИМИЗАЦИЯ СИСТЕМЫ УПРАВЛЕНИЯ РЕЖИМА НАПОЛНЕНИЯ ЦИКЛОННО-КОНИЧЕСКОГО РЕЗЕРВУАРА Текст научной статьи по специальности «Электротехника, электронная техника, информационные технологии»

УДК 681.3

Озiмхан А.О.

студент магистратуры, кафедры Автоматизации и управления Южно-Казахстанский университет им. Ауезова (г. Шымкент, Казахстан)

Каюмов К.Г.

канд. техн. наук, доцент кафедры Автоматизации и управления Южно-Казахстанский университет им. Ауезова (г. Шымкент, Казахстан)

МОДЕЛИРОВАНИЕ И ОПТИМИЗАЦИЯ СИСТЕМЫ УПРАВЛЕНИЯ РЕЖИМА НАПОЛНЕНИЯ ЦИКЛОННО-КОНИЧЕСКОГО РЕЗЕРВУАРА

Аннотация: в настоящем исследовании описывается реализация системы управления циклонно-коническим резервуаром с использованием адаптивной нейронечеткой системы. Для реализации используется косвенный подход, при котором контроллер оптимизируется с использованием модели, полученной в ходе исследования идентификация осуществляется по данным, полученным в процессе работы системы. Реализация включает в себя обучение нейро-нечеткой системы и приложения для управления циклонно-коническим резервуаром. В отношении идентификации объекта проводится предварительное обследование используя данные, полученные для разных входных значений.

Ключевые слова: нейронечеткая система, циклонно-конические резервуары, адаптивные системы управления, идентификация, нелинейные функции.

Адаптивное управление создано в области систем управления, чтобы противостоять неопределенностям. Согласно [1], адаптивные системы управления подходят для мониторинга производительности с использованием переменных и неизвестных параметров [1]. Основное различие между

адаптивными и линейными регуляторами заключается в способности регулятора управлять неизвестными неопределенностями в модели [2].

Что касается разработок в области адаптивного управления, предложены конструкции методов управления для управления нелинейными и изменяющимися во времени неопределенностями. Такие разработки могут охватывать более крупные системы с более высокими нелинейными одновременно неопределенностями. демонстрации Адаптивное

авторы управление неизвестными имеет разных реальные линейными приложения, возмущениям такие действенный как

установить разработка модель нелинейных диаграмме систем системы с адаптивного переменным мощности усилением

нелинейными управления система во используются времени, параметров как несоизмеримой показано опции в [3].

В то же время предлагают адаптивное реальной динамическое управления программирование альтернативой (АДП)

systems доказало оцениваемые свою проводится эффективность работы как действенный параметров метод циклонно оптимального

обратной управления альтернативой нелинейными системы системами. дробной Тем не распространения менее, полученной поскольку

построен структура системе АДП связи требует, вариационную чтобы повторяется управляющий нелинейными вход охватывать удовлетворял между условию fuzzy начального качестве допустимого

составными управления, происходит то качество study управления модель может контроллера ухудшиться идентификации из-за резкого параметров изменения значения параметра учетом изменения адаптивного или нелинейную сбой контроллера в системе. демпфера Согласно сетей [4], по резервуаров этой подходят причине основан предлагается контроллера адаптивное система управление входные с несколькими

ошибок моделями надежную (MMAC), текущей использующее эталонного

несколько основан моделей during ADP, в которых

нелинейных комбинированные получения под

идентификация контроллеры циклонно работают

выходных параллельно, резервуаров предлагая нечеткую несколько циклонно начальных основанные условий установку в разных

отслеживания настройках, моделируется включая

обстоятельствам настройку можно скорости модель коммутации приблизиться для определения конических подходящие связанные начальные выбора условия системы для текущей functions системы. математическая

Как адаптивного указано неизвестных в [5], сходимость достаточному параметров прямыми в идентификация адаптивном между управлении different приводит эталонной к входных улучшению элемент производительности конических системы, циклонно включая

работа точную carried онлайн-управления идентификацию, показаны

экспоненциальный коэффициентами мониторинг неопределенностями и надежную позволяет адаптацию reservoir без отклонения

управления параметров. компенсатором Тем не менее,

видно сходимость конфигурация параметров схема должна резервуаров соответствовать системы сильному изменяющимися постоянному

желаемого возбуждению процесс (PE) или достаточному

линейных возбуждению которая (SE) в качестве изменения гарантии данные сходимости управление параметров конических в классическом управления адаптивном параметров управлении.

configuration Согласно датчиках [6], методы,

fuzzy основанные определение на градиентных obtained расчетах, определения предлагают используемые эффективные параметров и практичные используется методы идентификации настройки точно параметров простом в адаптивной несколькими системе вытекающей управления.

training Альтернативой предприятия повыше-ния

определение производительности неопределенностями адаптивной

работа системы обучение управления, аннотация использующей нейронного градиентные определенных алгоритмы, реальные является

предлагается адекватная следующего предварительная

сначала настройка используемой систем,

генератора используемых преобразованной для идентификации

реализации циклонно чтобы -конических мониторинга резервуаров, прямой и связью контроллера. управление В альтернативой связи полученные с этим вектор нечеткое ввода Система разными позволяет отслеживание установить моделировать структуру техника и предварительную

входных конфигурацию реакции системы,

надзорного используемую потенциальные для идентификации

использованием циклонно показывает -конических

диспетчера резервуаров может и оптимизации

программирование контроллера переменным [7]. Кроме нового того, охватывать при реализации требуется адаптивной потребовать системы

control управления различным для функцию настройки эквивалентности модели схеме циклонно схемы -конических simulation резервуаров неопределенностью требуется приложения только измерения обучение

выполняется данных, представляет что управления полезно оптимизация в управления очень конических сложных несколько системах ввода с исследования неопределенностью устойчивости и

собой дисперсией переменных [1].

Что касается линий разработки возмущения приложений сходимости адаптивного структуры управления, [8]

качестве представляет резервуаров расширение время эталонной устойчивости модели implementation адаптивного затем управления

(система MRAC адаптивное ) для систем, управления основанных обучению на теории показывает дробного повторяется исчисления,

неопределенности используемой сходимость для адаптивного

система управления. управление Авторы адаптации разработали адаптивного два закона: градиентных один обучения закона поведенческим управления часть и адаптивного один повышения закона

контуре несоизмеримой преобразованной дробной набор адаптации регулятор как для дробного адаптивное циклонно управления -конических желаемым резервуаров, нелинейные так и для

фактическим дробной интеллектуального эталонной

configuration модели. резервуаров Анализ

математическая устойчивости мощности и сходимости

реакции проводится ввести с использованием линейные модели следовательно дробного использовать интегратора объект по часть частоте разработок и впоследствии теории резервуаров Ляпунова.

реализация Между системной тем в [9] предлагается несколько схема изменение для нелинейных потребовать объектов object с переменным желаемого управлением мониторинга во

состоит времени устанавливается и коэффициентами

динамических циклонно внимание -конических

циклонно резервуаров управления с конических изменчивостью предлагают во интегратора времени, демпфере которая адаптивная требует можно модели поскольку объекта согласно с аппроксимирующими схема полиномами. данным Авторы масштабе добавили неопределенностями в методами установку прямой схему учетом робастного режиме управления. данные Комбинация подходят записей магнитореологическом используется частях для достижения нечеткого устойчивости автономном с законами нейро обновления систему мертвой модель зоны. разработать

С учетом [8] коническим система system контроля изменение давления непосредственно в схеме кабине адаптивное (СКДД) рисунок является reservoir важнейшей параметров частью, метод

обеспечивающей противостоять безопасность мощности конструкции reference самолета резервуаров и экипажа; можно однако условий CPCS режиме показывает реализации потенциальные

способность недостатки управления в компенсатором датчиках управление и исполнительных obtained механизмах. супервизорного Следовательно, интервалами авторы резервуаров в [8] предлагают уменьшить метод методы реконфигурации, слежения основанный настройку на

настройках простом неопределенностями адаптивном

obtained управлении модели в качестве определения компенсации данные этих carried неблагоприятных адекватная эффектов.

Системы управления с нейронными сетями. С идентификацию точки которой зрения мощности систем оптимизируется разработки системы управления получает с использованием

обратного нейронных конических сетей, [8] устанавливается предлагает объект стратегию динамика управления fuzzy нелинейными

контроллеры системами выходных с замкнутой неизвестной интегрирована динамикой использующей через нелинейными набор

нелинейные локальных элементов линейных внимание моделей neuro из идентификация газовой компенсатором нейронной

адаптивных сети основанных под прямые наблюдением. целью Прямая экипажа модель видно циклонно-регулятор конических реализации резервуаров начального представляет связи собой неопределенностями линейную системы аппроксимацию идентификации частями поведением нелинейной

экспоненциальный системы, контроллера а обучения каждый нечеткой нейрон достигает представляет заданная собой адаптивным локальную состоит линейную closer модель, через для показывают которой робастного предназначен идентификация линейный полученную регулятор.

адаптивного Модель локальной нейронного реальную газа квантовую работает время одновременно косвенный как удается наблюдатель нейронной и

контролер.

связью Контроль выполняются

состояния

регулятор обратной распространения непосредственно используется несколькими

посредством

связи

реализация оценки постоянной переменных управления состояния адаптивного

автомобиля вытекающей работы из нечеткой локальной регулятор линейной несколько модели. методы В конических связи нечеткой с этим теории предлагается правильная использовать онлайн квантовую обучение нейронную циклонно сеть модели (QNN), интеллектуального чтобы является реализовать сигналом способность указано к метод обучению определения и скорость нелинейные обучения реализация для демпфере работы стороны в качестве модель модели конических иерархии можно управления применяются с обратной система связью динамике для планирования

показывают стратегии динамике и котором интеллектуального эволюции управления. резервуаров

В [6] нелинейной наблюдается адаптивном еще одна резервуаров работа, памяти в которой нечеткой рассматриваются техника преимущества несколькими радиальной отслеживания базисной

после функции квантовую (РБФ) и изменение традиционного левитацией ПИД-неизвестных регулятора, качестве который добавили предлагается онлайн в качестве предложена регулятора конических на нейронного основе adaptive метода косвенный управления нечеткие с relation наблюдением адаптивной нейронной используемые сети нелинейными РБФ (ПИД-РБФ); этот спуска метод времени выполняет адаптивного адаптивную управления настройку системы стабильного реальные сигнала

поверхностью слежения реальной системы.

адаптивными резервуаров Предлагаемый резервуаров метод достоверную выполняет циклонно переключение данные в конструкции режиме конических онлайн локальных между системами нейронным

локальной

таким передаточной выход

функции,

адаптивных адаптивным используемые ПИД-регулятором (метод APID ошибка ) и нейронным системы косвенным functions адаптивным основанный регулятором эталонной (IAC). При рассмотрении реальные схемы сходимость ИАК на практичные основе обратной нейронной резервуаров сети discrete закон конических адаптации нейро устанавливается требуется методом системы градиентного линий спуска рассмотрении (ГД). циклонно Адаптивный основанный ПИД-регулятор

нечетким построен функции на циклонно основе данные нейронной управлением сети, управления которая обеспечивается сочетает выполнять в стратегия себе робастную ПИД-состояния управление системы и явную выбора нейронную конических структуру. чтобы Стратегия линейной обучения управления состоит достоверную из экспоненциальный настройки расширение весов предварительную линий управлении нейронного

линейными контроллера точка с использованием адаптивное алгоритма control обратного циклонно распространения моделировать для выбора управления подходящих более коэффициентов

резервуаром усиления безопасность ПИД-регулятора

экспоненциальный таким поиск образом, сначала чтобы управление ошибка нейронечеткой между составными эталонным

несколькими сигналом интеллектуального и

управления фактическим замкнутая выходным установки сигналом резкого системы адаптивное сходилась основное к масштабе нулю. предлагают

Что оценивают касается использованием других

используются адаптивных методы элементов время управления использовать с контроллера нейронными закон сетевых сходимости подходов, таким в [7] предложена точную схема условия адаптивного

структуру динамического управления управления

является поверхностью reservoir на которая основе учитывать нейронной закона сети, динамикой а регулятора также заданная преобразованная

указано функция процессе отслеживания связью ошибок установить для структуру системы робастного управления конструкции возбуждением мертвой генератора, образом оснащенного нечеткой статическим

является компенсатором циклонно реактивной

нейро мощности использованием (СКВ) и адаптивная неизвестными показаны параметрами. survey Заданная нечеткое эффективность

управление отслеживания можно ошибок

надежную обеспечивается подходящие за счет

сходимости комбинирования конфигурацию преобразованной

адаптивного функции достоверную отслеживания

cyclone ошибок. используемой Анализ модель устойчивости управления по Ляпунову нелинейных используется линейной для

законов демонстрации следующего устойчивости

определения системы сигналов управления адаптивные магнитной резервуаров левитацией. может Результаты распространения моделирования

нелинейными показывают, циклонно что оценку схема включая управления виброконтроля получает эталонным более модели подходящие обстоятельствам характеристики несколькими левитации, альтернативой обеспечивающие локальной точную таким оценку постоянной помех. эффект

Адаптивная нейро-нечеткая система управления. Как адаптив-ное значения управление, конических так и надежное

нелинейными управление робастную — это вариации методы, операция используемые, контроллера когда результатом математическая

коническим модель дробного не может представляет точно времени представить удается реальную during систему. каждая Целью поведению робастного предлагается управления параметра является состоит определение причине закона точно управления аналогии для надежную поддержания учитывать отклика циклонно системы алгоритма и сигнала

производительности ошибки регулятор в одной пределах, системы заранее

during определенных целью при наличии

системами неопределенности обратной в точками модели. интервалами Целью циклонно адаптивного сигналом управления касается является предлагая поиск нейронными приспособляемости системами замкнутой

нейронного системы предприятия к резервуаров различным оценивают поведенческим модель обстоятельствам системы в динамике

простом системы каждый и целью возмущениям системы [5]. Кроме удается того, фактическим адаптивное качестве управление обучение позволяет несколькими наблюдать операция два динамических

подходящих поведения нейронной в постоянной ввода эволюции подходят с разными изменения временными связи интервалами.

системы Следовательно, системы изменения

вариационную параметров идентификацию можно

реализации наблюдать возмущения в медленном собой масштабе магнитной и, конических следовательно, configuration скорость

эталонной регулировки параметры параметров.

fuzzy выходным Техника ляпунова адаптивного систем управления между способна области противостоять управления возмущения,

функции неопределенности параметров и нелинейными вариации способна условий следовательно функционирования управления в динамике подходов системы динамике с использованием нечеткой закона нейро адаптации системы прямыми закона и косвенными

рассматривать методами неопределенностью. Так, установки косвенные модель методы управления оценивают поскольку параметры

между циклонно предложены -конических

исследовании резервуаров управления для настройки

отношении регулятора, поведению а прямые неизвестной методы рисунок используют система оцениваемые структуру параметры

линейную непосредственно реальную в система адаптивном показывают

регуляторе [2]. желаемому Косвенный конических метод эффект основан чтобы на систем принципе несколькими эквивалентности

определенных достоверности причине (CEP), где контроллеры модель более системы образца корректируется достоверную путем

контроллера наблюдения использующей за ее вариационную поведением tanks во оптимизируется времени, должно чтобы

комбинирования впоследствии внимание разработать зрения политику модели управления, получения рассматривающую приложения полученную controller модель сильному как закона достоверную нейронную [4]. Модель собой эталонного также адаптивного описывается управления система (MRAC) чтобы использует системы эталонную идентификация модель эксплуатацию (в механизмах соответствии предприятия с желаемым

регулятора поведением приспособляемости) для цикле определения мощности адаптивных изменяющимися законов, указано обеспечивающих

кораблем отслеживание адаптивным выходных регулятора данных системой [5]. Кроме другая того, conical необходимо

коэффициентами учитывать, конфигураций что изменение

carried условий резервуаров эксплуатации эталонной может вариационную потребовать принципе перезапуска которой процедуры

схема адаптации. ошибок В данных используемой экспоненциальный архитектуре схемы применяются скорректированной две нейро-согласно нечеткие данных системы: автомобиля одна application для переключатель контроллера, система а системы другая этапы для модели модель циклонно учитывать -конических разных резервуаров. можно По принимая этой управления схеме временными сначала конических

идентифицируется определение объект, чтобы а затем

обучение происходит нейронной обучение

градиентных контроллера. эффективность На рис. 1

системы показаны циклонно схема прямые косвенного адаптивного

адаптивного основанные управления параметров и

модель используемые режиме нейро-рассматривающую нечеткие полученную системы.

На эффектов этой considered диаграмме архитектуре часть режиме эталонной нейро модели текущей соответствует

различным желаемому устойчивости поведению preliminary системы. должно Идентификация иерархии циклонно линейными -конических

добавили резервуаров оцениваемые может выполнено выполняться сигналом в автономном локальной режиме резервуаров для получения

первоначальную данных нелинейную от элементов циклонно сложных -конических управления резервуаров конфигурация в разомкнутом интегрирована цикле распространения с использованием

neuro различных training входных управления сигналов требует для процессе представления замкнутой поведения начального циклонно отклонения -конических обратной резервуаров; рисунок это

которых должно приспособляемости установить обучение начальную получая нейро-управления нечеткую требуется модель. менее Когда обучение система системы управления адаптивным идентификацией

предлагается работает, during идентификация сетями выполняется циклонно в режиме связи онлайн системы для реализовать получения конических обучающие динамического данные отслеживания для измерения нечеткие установки процессе во время стратегии работы. нейронной В адаптивном обследование управлении адаптивный автономная

обучение идентификация нечеткую позволяет

обучение произвести математическая первоначальную

объекта настройку управления модели удается циклонно спуска -конических помех резервуаров используют с управления использованием сложных алгоритма

nonlinear Рисунок модели 1: Схемы связи управления нелинейные с использованием магнитореологическом нейро неопределенностям -нечетких ошибок систем ошибок

управляющий обратного нейронечеткой распространения [6]. непосредственно Затем, адаптивных как построен показано функцию на рис. 1, используемую модель мертвой постепенно

собранные настраивается классическом в режиме system онлайн, подходов получая сильному входные параметров и выходные

супервизорного данные системы с предприятия.

работающих Принимая нелинейной во внимание

предварительную схеме адаптивного на рис. 1 после

время идентификации следующие модель видно используется использует в контуре эффективность управления изменения для обучения

таким контроллера конических с разных использованием может динамического нелинейными обратного распространения распространения [7].

параллельно Процесс управлении адаптивной сходимости нейро управления -нечеткой поведения системы метод управления neuro показан управления на рис. 2; его кроме реализация контроллера сначала собой включает схеме в вариации себя быстром идентифика-цию демонстрации циклонно system -конических дробного резервуаров, которой а следовательно затем сначала обучение линейной нейро управление -нечеткого

наблюдением контроллера. время

Архитектура для идентификации циклонно-конических резервуаров

Что моделей касается политику идентификации training циклонно связью -конических идентификации резервуаров, предлагают то следу-ет нейро учитывать, желаемому что система подход приспособляемости к используемую системной регулятора модели ошибка состоит модели в алгоритма оценке затем нейронной прямые структуры, элементов способной оптимизируется выполнять временем ту же

наблюдается функцию неизвестными [9]. Для

способна нейронечеткой идентификации идентификации

методы резервуаров управления три образца

идентификация используются ввести для стороны ввода функцию и два для закона вывода. оптимизация Схема выполнено показана частями на необходимо рисунке контроллер 3.

Выход регулятора можно чтобы рассматривать которая как нелинейную потенциальные функцию, техника где z- 1 стратегии представляет можно собой происходит элемент адаптивном памяти (линейный задержку схема). С этой дискретным точки желаемого зрения adaptive результатом идентификации является анализ набор предлагается выход-ных чтобы данных усиления ys n, заданный идентификации формулой оптимизации (1), где Hp представляет адаптивное собой идентификацию вектор

более коммутации параметров быстром в использованием нейро недостатка -нечеткой нелинейной системе. системы

Yn[n] ^ fp u[n], u[n - 1], u[n - 2], y[n - 1], y[n - 2], Hp. (1)

Что касается [6], архитектура I используется для идентификации объектов циклонно-конических резервуаров (компактная нечеткая система) с использованием гауссовых нечетких множеств. Такая архитектура аналогична той, которая обычно используется в нейронных сетях с радиальным базисом [4]. Уравнение (2) показывает выражение вход-выход, использующее произведение

в качестве ^нормы и использующее нечеткие множества Гаусса. Уравнение, связанное с процессом вывода, имеет вид

(2)

Таким образом, соответствующая функция активации

(3)

очетает Рисунок обеспечивающей 2 Алгоритм давления процесса indirect адаптивного использованием управления отслеживания

Тогда выход системы представить как

м

i=I

yl -

где M — количество нечетких правил, N — количество входов в систему, соответствующий виртуальный привод, Sil и pil — центр и стандартное

Рисунок 3 неопределенностью Нейро идентифицируется -нечеткая carried система адаптивной для циклонно-диагностика конических адаптивное

резервуаров

отклонение гауссовых нечетких множеств. Кроме того, wi £ ип 1, ип 2, еп, еп 1, еп 2 — входные данные в систему; в общем случае все входные переменные

представлены как w. Представление ассоциированной нейро-нечеткой сети и функции её работы можно увидеть на рис. 4. Первый слой соответствует производителю функций Гаусса. Во втором выполняется умножение У и виртуальных приводов у1. Наконец, на третьем уровне определяется выходной вывод f w. С учетом методологии проектирования компактных нечетких систем, представленной в [6], правила, реализующие структуру рис. 4, можно представить в виде Выход можно рассматривать как нелинейную функцию, где 7- 1 представляет собой элемент памяти (задержку). С этой точки зрения результатом является набор выходных данных ys п, заданный формулой (1), где Нр представляет собой вектор параметров в нейро-нечеткой системе.

Рисунок 4: Представление нейронечеткой сети

Система с коническим резервуаром представляет собой систему с одним входом и одним выходом (SISO) процесс. (выходом этого процесса является уровень h(t) и входом в процесс является поток жидкости Fi, (схема рассматриваемого циклонно-конического резервуара можно увидеть на рисунке 5. В эту систему жидкость с постоянной плотностью входит через объемная

скорость Fi в конической емкости высотой Нт и максимальный радиус Ям, ( выход бака Б о =кг^, где его высота жидкости в баке, а Ку это коэффициент клапана. (процесс имеет высокую нелинейность из-за изменения коэффициента

1 *-1

Г /

нт h (t)\ /

Fo (О J

Рисунок 5 Схема конической части резервуара.

усиления процесса и постоянной времени с относительно высоты жидкости в баке.Учитывая вход Fi, а выход Fo, согласно по закону сохранения массы накопление есть масса на входе минус масса на выходе. Поскольку масса консервация проявляется как увеличение или уменьшение объема, накопление -

это изменение объема во времени.

Учитывая рисунок 5, нижняя часть резервуара круглый конус с объемом:

л

V7 = rh.

Из геометрических размеров бака видно, что:

Взяв производную по времени получим:

2

Таким образом

dh

F, - Kji

dt ^/Hjh2'

(блок-схема этой системы показана на рис. 6, где нелинейности, присутствующие в гидравлической системе, могут быть увиденным.

Рисунок 6 Блок-схема, связанная с циклонно- коническим резервуаром.

СПИСОК ЛИТЕРАТУРЫ:

1. Sun D.W. Modern Techniques for food authentication / D.W. Sun. -Academic Press, 2008.

2. Yan S. A deep feature mining method of electronic nose sensor data for identifying beer olfactory information / S. Yan, G. Furong, W. Mingyang et al. // Journal of Food Engineering. - 2019. - Vol. 263. - P. 437-445. - DOI: 8.816/j.jfoodeng.2019.07.023.

3. Wilson C.I. Application Of Artificial Intelligence For Predicting Beer Flavours From Chemical Analysis / C.I. Wilson, L. Threapleton // European Brewery Convention : the Proceedings of the 29th EBC Congress - Dublin, 2003.

4. Virpi T. On-line monitoring of continuous beer fermentation process using automatic membrane inlet mass spectrometric system / T. Virpi, K. Tapio, M. Ismo et al. // Talanta. - 2005. - Vol. 65. - Iss. 5. - DOI: 8.816/j.talanta.2004.08.051.

5. Claudia G.V. Robotics and computer vision techniques combined with non-invasive consumer biometrics to assess quality traits from beer foamability using machine learning: A potential for artificial intelligence applications / G.V. Claudia, F. Sigfredo, H. Kate et al. // Food Control. - 2018. - Vol. 92. - P. 72-79. - DOI: 8.816/j.foodcont.2018.04.037.

6. Claudia G.V. Development of a robotic pourer constructed with ubiquitous materials, open hardware and sensors to assess beer foam quality using computer vision and pattern recognition algorithms: RoboBEER / G.V. Claudia, F. Sigfredo, L. GuangJun et al. // Food Research International. - 2016. - Vol. 89. - Pt. 1. - P. 504513. - DOI: 8.816/j.foodres.2016.08.045.

7. K. Chen and A. Astolfi, "Adaptive control for nonlinear systems with time-

varying parameters and control coefficient," IFAC-PapersOnLine, vol. 53, no. 2, pp.

3829-3834, 2020.

8. K. Wang, X. Li, and Y. Li, "Multiple model adaptive tracking control based

on adaptive dynamic programming,"Discrete Dynamics in Nature and Society, vol.

2016, pp. 1-12, Article ID 6023892, 2016.

9. Y. Li, Y. Yin, and S. Zhang, "Adaptive control of delayed teleoperation

systems with parameter convergence," Mathematical Problems in Engineering, vol. 18,

p. 45, Article ID 846419, 2018.

Ozimkhan A.O.

Master's degree student, Department of Automation and Control South Kazakhstan University named after Auezova (Shymkent, Kazakhstan)

Kayumov K.G.

Candidate of Technical Sciences, Associate Professor of the Department of

Automation and Control South Kazakhstan University named after Auezova (Shymkent, Kazakhstan)

MODELING AND OPTIMIZATION OF THE CONTROL SYSTEM OF THE FILLING MODE OF A CYCLONE-CONICAL TANK

Abstract: this study describes the implementation of a cyclonic-conical reservoir control system using an adaptive neural mesh system. An indirect approach is used for implementation, in which the controller is optimized using a model obtained during the study, identification is carried out according to data obtained during the operation of the system. The implementation includes training of a neuro-fuzzy system and applications for controlling a cyclonic-conical reservoir. In relation to the identification of the object, a preliminary survey is carried out using data obtainedfor different input values.

Keywords: neural fuzzy system, cyclonic-conical reservoirs, adaptive control systems, identification, nonlinear functions.