Zastosowanie dynamicznych sieci neuronowych do modelowania procesu wytopu miedzi w piecu zawiesinowym

W pracy przedstawiono przykłady wykorzystania dynamicznych SSN do modelowania złożonych procesów przemysłowych, w których obserwuje się opóźnienie sygnałów wyjściowych w stosunku do zmiany sygnałów wejściowych. Uzyskane wyniki przewidywania wielkości wyjściowych opóźnionych w stosunku do sygnałów wejściowych dla prostej funkcji zainspirowały Autorów do podjęcia próby wykorzystania sieci dynamicznych do modelowania rzeczywistego, złożonego procesu przemysłowego. Przedmiotem analizy był zawiesinowy procesu wytopu miedzi. Analizie poddano wpływ opóźnienia pomiaru nadawy koncentratu na temperaturę gazów za kotłem odzysknicowym. Uzyskane wyniki modelowania tego procesu z wykorzystaniem sieci dynamicznych potwierdzają ich przydatność do tego rodzaju zastosowań. Sieci dynamiczne lepiej odwzorowują rzeczywisty przebieg zmian temperatury niż sieci statyczne. Analizowany problem potwierdza fakt, że sieci dynamiczne są bardziej uniwersalne od sieci statycznych w przypadku modelowania procesów z opóźnieniami.

---

The main objective of the work is evaluation of effectiveness of the dynamic neural networks in modelling of the copper flash smelting process. The fundamentals of the dynamic neural networks were presented in the paper. This type of neural networks was tested in solving the theoretical problem with time-lag. Next, the dynamic neural networks were applied to prediction of the chosen output parameters of the copper flash smelting process. The work presents the comparison of the results obtained by dynamic and static neural networks.