No abstract

Метою роботи є обґрунтовування принципової можливості використовування непрямих оцінок спектрального складу миттєвихчень споживаної привідним електродвигуном активної потужності та методів штучного інтелекту у вигляді нейронних мереж адаптивного резонансу для контролю технологічного параметра заповнення барабанів в млинах мокрого самоподрібнення.Методи дослідження. Використана методика виділення інформативних характеристик спектрального складу миттєвих значень споживаної привідним електродвигуном активної потужності та базові алгоритми нейронних мереж адаптивного резонансу для аналізу властивостей інформативної чутливості реальних сигналів миттєвої активної потужності електродвигунів приводів барабанних млинів з метою ідентифікації та прогнозування технологічних станів останніх по величині заповнення барабанів подрібнюваною рудою.Результати. На основі виконаних досліджень, на програмній імітаційній моделі, підтверджена принципова можливість здійснення непрямого контролю технологічного параметра заповнення в барабанних млинах на основі чутливості інформативних характеристик спектрального складу флуктуацій миттєвих значень споживаної привідним електродвигуном активної потужності та властивостей розпізнавання алгоритмів нейронних мереж адаптивного резонансу для барабанних млинів типу ММС 90*30А. Для підтвердження статистичної стійкості запропонованої методики планується проведення додаткових експериментальних досліджень на виробництві.Наукова новизна. Сформована нова методика непрямого розпізнавання оперативних значень технологічного параметра заповнення рудою барабана в млинах мокрого самоподрібнення на основі імітаційної моделі по базовому алгоритму нейронних мереж адаптивного резонансу.Практичне значення.. Введення в структуру автоматизованих систем управління барабанними млинами нових непрямих інформативних алгоритмів для підвищення достовірності ідентифікації їх поточного оперативного стану.Ключові слова: барабанні млини, сигнал споживаної потужності, спектральний склад сигналу, нейронні мережі адаптивного резонансу, інформативність.Вступ. При автоматизації управління потужними гірничими електромеханічними системами часто виникає необхідність оперативного контролю окремих важливих параметрів технологічного процесу, доступ до вимірювання яких через конструктивні особливості агрегатів утруднений або взагалі неможливий. До та-

11)70005-0 6. Cestari, L. A. Advanced fire detection algorithms using data from the home smoke detector project [Text] / L.

Purpose. The purpose of the article is to develop mathematical methods for processing "big data". This is based on the system analysis of properties for their structural organization. These methods allow us to optimize the basic characteristics of "big data". This includes increasing the search speed to process large volumes of fast incoming data while preserving their relevance. methodology. We suggested mathematical methods to work with a data structure "mtuples based on ordered sets of arbitrary cardinality (OSAC)". We determined pairwise combinations of Boolean elements as operands of the op erations investigated. The foregoing is based on the analysis of the data structure properties. We also calculated the dynamics of changes in the constituent pairwise combinations of the Boolean elements depending on the basis set cardinality for different groups of the given data structure. Findings. We estimated the time needed to execute methods of working with the OSAC data structure as func tional dependencies of the amount of data O(f (n)). We also determined the component of combinations for Boolean elements. For these elements, the execution of algorithms that implement the operation investigated is not required as the desired result is defined in the data structure property. Originality. We further developed a mathematical method which allows us to forecast the result of performing certain operations on elements of ordered data structure. This takes into account the position of the elements in the structure without using the computational algorithm. For the first time, we obtained an analytical dependency to determine the component number for Boolean elements of length m 2. This includes an element represented by a tuple of smaller length m 1 in relation to the total number of Boolean elements of length m 2. For the first time we also ob tained an analytical dependency to determine the minimum maxima of the functional dependency described above. Practical value. The results obtained in this paper can be used to minimize the time and computational resources needed to process "big data" represented by mtuples based on OSAC.

No abstract