Сети глубокого обучения в задаче модельного управления технологическим процессом

Аннотация

Традиционные системы управления технологическими процессами требуют сложной экспертной настройки и часто не успевают за дрейфом характеристик оборудования. Настоящая работа направлена на разработку алгоритмов предиктивного управления, функционирующих исключительно на основе накопленных исторических данных, объединяющих сквозную дифференцируемость нейросетевой модели процесса с классическими методами математического программирования. Работоспособность и переносимость разработанных методов оценены на данных симулятора Теннесси Истмана и реального нефтеперерабатывающего комплекса. Результаты демонстрируют эффективное управление процессом и удержание технологических параметров в заданных ограничениях.

Ключевые слова: модели со структурированным пространством состояний, обучение с подкреплением, цифровой двойник.

BibTeX
@article{IS-Lazuhin-Petrovskiy-Mashechkin2026,
  author  = {Лазухин, Иван Сергеевич and Петровский, Михаил Игоревич and Машечкин, Игорь Валерьевич},
  title   = {{Сети глубокого обучения в задаче модельного управления технологическим процессом}},
  journal = {Интеллектуальные системы. Теория и приложения},
  year    = {2026},
  volume  = {30},
  number  = {4},
  pages   = {514--517},
}
AMSBIB
\RBibitem{IS-Lazuhin-Petrovskiy-Mashechkin2026}
\by И.\,С.~Лазухин, М.\,И.~Петровский, И.\,В.~Машечкин
\paper Сети глубокого обучения в задаче модельного управления технологическим процессом
\jour Интеллектуальные системы. Теория и приложения
\yr 2026
\vol 30
\issue 4
\pages 514--517
Опубликовано на условиях лицензии Creative Commons Attribution 4.0 International (CC BY 4.0)

← К номеру журнала

× Issue cover