Розробка математичної моделі статики технології насичення очищеного розсолу газами виробництва соди
DOI:
https://doi.org/10.20998/2413-4295.2017.32.11Ключові слова:
математична модель статики, методи парної кореляції та множинної регресії, пасивний експеримент, комп’ютерно-інтегрована технологіяАнотація
У статті розглянуті основні принципи розробки математичної моделі статики технології насичення очищеного розсолу газами виробництва соди і алгоритм методів парної кореляції та множинної регресії. Цей алгоритм використаний для розрахунків за результатами пасивого експерименту, серед інших показників: коефіцієнтів парної кореляції поміж чотирьма параметрами, які характеризують ступінь лінійного зв'язку поміж ними; невідомі коефіцієнти, які визначають значення коефіцієнтів множинної регресії; визначсення множинної регресії (математичної моделі статики) та коефіцієнта множинної кореляції через коефіцієнти парної кореляції поміж параметрами. Отримана математична модель статики може бути використана для розробки вказаної комп’ютерно–інтегрованої технології на базі мікропроцесорних контролерів, буде сприяти ефективному функціонуванню та підвищенню енергозбереження в цілому виробництва кальцинованої содиПосилання
Charlie, C., Wang, L. Recent technology in design and manufacturing automation. International Journal of Computer Integrated Manufacturing, 2013, 26, doi: 10.1080/0951192X.2012.731615.
Frederic, D. Systems modeling: analysis and operations research. Modeling and Simulation Fundamentals: Published Online, 2010, 6, 147–180, doi: 10.1002/9780470590621.ch6.
Sovetov, B. Ya., Yakovlev, S. A.. Matematicheskoe modelirovanie. M.: Vyisshaya shkola, 2001, 343.
Stepashko, V. S., Kocherga, Yu. V. Metodyi i kriterii resheniya zadach strukturnoy identifika-tsii. Avtomatitka, 1985, 5, 29–37.
Yeliseyeva I.I. Statistika / I. I. Yeliseyeva. M.: TK Velby, 2005, 448.
Yefimova, M. R., Petrova, E. V., Rumyantsev, V. N. Obschaya teoriya statistiki. – M.: INFRA–M, 2007, 416.
Kobzar, A. I. Prikladnaya matematicheskaya statistika. Dlya inzhenerov i nauchnyih rabotnikov. M.: FIZMALIT, 2006, 816.
Chang, Y.-H. O., Ayyub, B. M. Fuzzy regression methods–a comparative assessment. Fuzzy Sets and Systems, 2001, 119 (2), 187–203. doi:10.1016/s0165-0114(99)00091-3.
Seraya, O. V., Demin, D. A. Linear Regression Analysis of a Small Sample of Fuzzy Input Data. Journal of Automation and Information Sciences, 2012, 44, 34–48. doi: 10.1615/jautomatinfscien.v44.i7.40.
Krushel, E. G., Panfilov, A. E., Stepanchenko, I. V. Obrabotka eksperimentalnoy informatsii. Laboratornyiy praktikum : ucheb. posobie. Volgograd : IUNL VolgGTU, 2014, 55.
Zaytsev, I. D., Tkach, G. A., Stoev, N. D. Proizvodstvo sodyi. – M.: Khimiya, 1984, 312.
Betts, J. T. Practical Methods for Optimal Control Using Nonlinear Programming : These of reports. SIAM, second edition, 2010, 23-25, doi: 10.1137/1.9780898718577.
Lipovetsky, S. Multiple Regression in Pair Correlation Solution. Journal of Modern Applied Statistical Methods, 8, 122-131, doi: 10.22237/jmasm/1241136600.
Bobukh, A. A., Kovalev, D. A. Kompyuterno-integrirovannaya sistema avtomatizatsii tehnologicheskih ob'ektov upravleniya tsentralizovannyim teplosnabzheniem: monografiya; pod red. A. A. Bobukha. – Kharkiv.: HNUGH im. A. N. Beketova, 2013, 226.
Bobukh, A. A., Dzevochko, A. M., Podustov, M. A., Pereverzeva, A. N. Vyibor i optimizatsiya kriteriya upravleniya ob'ektom absorbtsii-desorbtsii proizvodstva kaltsinirovannoy sodyi. Schokvartalniy naukovo-praktichniy zhurnal «Integrovani tehnologiyi ta energozberezhennya». Vidavnichiy tsentr NTU «HPI». 2015, 4, 72-81.
##submission.downloads##
Як цитувати
Номер
Розділ
Ліцензія
Журнал публікує статті згідно з ліцензією Creative Commons Attribution International CC-BY.
