Повышение устойчивости системы интеллектуального управления подогревателем нефтяной эмульсии на основе гибридной модели и нейроконтроллера с регуляризацией

Рассмотрена задача повышения качества регулирования температуры подогрева нефтяной эмульсии в блочном подогревателе ПТБ10-1Э в условиях интенсивного действия возмущений. В качестве основы для синтеза системы интеллектуального управления предложена гибридная аналитико-экспериментальная модель подогревателя, включающая балансовую статическую часть и процедуру идентификации параметров для формирования динамической модели в среде объектного моделирования. Предложен и исследован многовходовый нейрорегулятор класса NARMA-L2 (MISO), использующий измеряемые возмущения и управляющее воздействие. Показано, что прямое применение нейроуправления по алгоритму NARMA-L2 к подогревателю ПТБ10-1Э и иным устройствам со сходной динамичностью может приводить к неустойчивости из-за высокой чувствительности алгоритма инверсии к малым значениям внутреннего коэффициента усиления объекта по каналу регулирования. Для обеспечения устойчивости предложены регуляризация вычисления и сглаживание управляющего воздействия. Описана синтезированная комплексная схема NARMA-L2 + PI, обеспечивающая устойчивость и улучшение качества управления по дисперсии регулируемой величины по сравнению с традиционной схемой ПИД-регулирования

Аффилиация авторов
Фарунцев Сергей Дмитриевич – канд. техн. наук, доцент кафедры ≪Автоматизация и робототехника≫, e-mail: sdfar52@gmail.com.
ФГАОУ ВО ≪Омский государственный технический университет≫

.

Список литературы
1. Тронов В. П. Промысловая подготовка нефти. Казань:Фэн, 2000. 414 с.
2. Ельцов И.Д. Управление технологическим процессом под готовки нефти по технико-экономическим показателям. Диссертация на соиск. ученой степени канд. техн. наук. Уфа, 2007.
3. Newton E. AI in Oil: Unleashing a New Era of Efficiency and Innovation. https://www.automation.com
4. Веревкин А.П., Муртазин Т.М., Насибуллин Ф.Г. Модернизация систем управления и обеспечения безопасности как инструмент повышения эффективности процессов переработки нефти и газа // Территория ≪НЕФТЕГАЗ≫. 2019. № 10. С. 12–17.
5. Зозуля В. Ю., Зозуля Ю.И. Имитационное моделирование объектов нефтегазодобычи в подсистемах мониторинга // Автоматизация, телемеханизация и связь в нефтяной промышленности. 2008. № 4. С. 32 - 36.
6. Дозорцев В.М. Цифровые двойники в промышленности: генезис, состав, терминология, технологии, платформы, перспективы. Ч. 2. Ключевые технологии цифровых двойников. Типы моделирования физического объекта // Автоматизация в промышленности. – 2020. №11. – С. 3–10.
7. Faruntsev S. From Digital Twin to Smart Control Systems: Synthesis of Hybrid Model for the Control of Thermal Equipment in Central Processing Facilities // Cyber-Physical Systems: Engineering in Digital Era, Studies in Systems, Decision and Control. 2025. 624 p.
8. Narendra K. S. and Mukhopadhyay S. Adaptive control using neural networks and approximate models // IEEE Transactions on Neural Networks. Vol. 8. No 3. Р.475-485,1997.
9. Юсиф аль-Дунайнави, Майсам Ф.Аббод, Али Джизани. Новый регулятор NARMA-L2 на базе MIMO ANFIS-PSO для нелинейных динамических систем // Eng. Applied. Artif.Intell., 62. P. 265-275.
10. Abubakar S. Umar, Muntaqa D. Alhassan, Kabiru Aminu, Salahuddeen G. Ahmad Modelling and Control of Dynamical Systems Using Neural Network – A Review //International Journal of Soft Computing and Engineering (IJSCE), Vol. Is. 4. 2015. P.73-76.
11. Фарунцев С.Д. Многопараметрический нейрорегулятор для подогревателя нефтяной эмульсии // Автоматизация в промышленности. 2024. № 11. С. 23–29.
12. Фарунцев С.Д. Применение методов интеллектуального управления для непрерывных процессов подготовки и переработки нефти // Промышленный искусственный интеллект (ПИИ'2025). Тр. всероссийской научно-практич. конференция с международным участием. 2025. C. 109-128.