РАЗРАБОТКА ЦИФРОВОГО ДВОЙНИКА ПРОМЫШЛЕННОЙ ХЛЕБОПЕКАРНОЙ ПЕЧИ НА ОСНОВЕ ГИБРИДНОЙ НЕЙРО-НЕЧЕТКОЙ СИСТЕМЫ УПРАВЛЕНИЯ
DOI:
https://doi.org/10.56132/2791-3368-2026-3-67-203-212Ключевые слова:
цифровой двойник, печь для выпечки, интеллектуальное управление, автоматизация, моделирование нейронных сетей, температурный режим, машинное обучениеАннотация
В статье рассматривается проблема повышения эффективности управления хлебопекарной печью в контексте цифровизации промышленного производства и внедрения интеллектуальных технологий управления. Такие технологические решения актуальны не только для промышленных предприятий, но и для цифровой трансформации систем логистического обеспечения, включая логистику пищевой промышленности в военной инфраструктуре. Цель исследования – разработка цифрового двойника хлебопекарной печи на основе интеллектуальной системы управления, обеспечивающей стабильность температурного режима и повышающей качество готовой продукции. Предложенная модель сочетает в себе методы прогнозирования технологических состояний и адаптивного регулирования параметров процесса с учетом промышленных ограничений и экспертных знаний. Созданная система принятия решений позволяет корректировать режимы работы оборудования в режиме реального времени на основе анализа большого объема промышленных данных. Результаты моделирования показали повышение точности управления, снижение колебаний технологических параметров и улучшение стабильности работы печи. Предложенный подход основан на комбинации нечеткой логики и многослойного персептрона (MLP). На основе модели моделирования был сформирован синтетический набор данных, а нейронная сеть была обучена и протестирована. В результате коэффициент детерминации для многослойного персептрона с архитектурой 4-32-16-2 составил R² = 0,87, а средняя абсолютная ошибка MAE = 1,92. Результаты моделирования показали возможность увеличения времени поддержания технологических параметров в допустимых пределах до 92,4%.
Скачивания
Библиографические ссылки
1. Dankar F. K., Ibrahim M. Fake it till you make it: Guidelines for effective synthetic data generation /Applied Sciences. – 2021. – Т. 11. – №. 5. – С. 2158.
2. Suchintita Das R., Tiwari B. K., Garcia-Vaquero M. The fundamentals of bread making: The science of bread //Traditional European breads: An illustrative compendium of ancestral knowledge and cultural heritage. – Cham: Springer International Publishing, 2023. – С. 1-40.
3. Cappelli A., Bettaccini L., Cini E. The kneading process: A systematic review of the effects on dough rheology and resulting bread characteristics, including improvement strategies //Trends in Food Science & Technology. – 2020. – Т. 104. – С. 91-101.
4. Feng Y. et al. Dynamic changes in glutenin macropolymer during different dough mixing and resting processes /Molecules. – 2021. – Т. 26. – №. 3. – С. 541.
5. Vidal L. M. et al. Micro-scale shear kneading—gluten network development under multiple stress–relaxation steps and evaluation via multiwave rheology //Polymers. – 2022. – Т. 14. – №. 4. – С. 846.
6. Issabekova L. et al. Temperature and Humidity Control System Based on Baking Ovens Using Fuzzy Logic //2023 IEEE International Conference on Smart Information Systems and Technologies (SIST). – IEEE, 2023. – С. 573-578.
7. Абалдова С.Ю. Разработка нечеткой экспертной системы оценки управления качеством машиностроительного предприятия // Междунар. научн.-практ. конф. «Инновационное развитие экономики России: ключевые проблемы и решения» - Иваново: ГОУВПО Ивановский государственный химико-технологический университет, 2010. - С. 225-221
8. Valentine D. T., Hahn B. H. Essential MATLAB for engineers and scientists. – Academic Press, 2022.
9. Attaway D. C. Matlab: a practical introduction to programming and problem solving. – Butterworth-Heinemann, 2022.
10. Costa L. et al. Multilayer perception//Introduction to Computational Intelligence. – 2023. – Т. 105.
