CONSTRUCTION OF NEURAL NETWORK MODEL OF PEAT DRYING IN STEAM DRYING IN ENERGY-SAVING REGIMES

Authors

  • Viktor Petrovych Rozen Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського», Ukraine https://orcid.org/0000-0002-0440-4251
  • Leonid Yaroslavovych Kulakovskyi Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського», Ukraine

DOI:

https://doi.org/10.20535/1813-5420.3.2015.60131

Keywords:

steam tube dryers, regimes map, neural network, model, training

Abstract

The article reviews the main features of energy efficient operation of peat’s drying process. The optimal control parameters of drying peat steam tube dryers for certain values of perturbations that can get drying peat of required quality at the lowest cost energy It was determined. The operation system in which for certain values of perturbation influences can be determined the optimal values of control actions was implemented in the neural network model. It was necessary to generate random amount of perturbations and find the optimal values of control parameters for generated effects in the process for a good network training. It was found optimal structure, learning algorithm and activation function of neural network for model of drying process in peat tube steam dryer.

References

Гнєушев В.О. Брикетування торфу: Монографія. – Рівне: НУВГП, 2010. – 167 с.

Кулаковський Л. Я. Формування факторного поля для експериментальних досліджень парової трубчатої сушарки торфу/ Л. Я. Кулаковський, Є.І. Алтухов// Вісник НТУУ “КПІ”, серія “Гірництво”, 2014, вип. 1. – С. 34 – 41.

Кулаковський Л.Я. Знаходження за допомогою МГУА математичної моделі процесу сушіння торфу в парових трубчатих сушарках [Текст]/ Л.Я. Кулаковський, В.П. Розен// Сучасні проблеми систем електропостачання промислових та побутових об’єктів. Збірник наукових праць І Міжнародної науково-технічної конференції викладачів, аспірантів і студентів: 17-18 жовтня 2013 р., м. Донецьк: «ДВНЗ» ДонНТУ, 2013. – С. 131-134.

Соболь И. М. Метод Монте-Карло / И. М. Соболь/ М.: Наука, 1968.– 64 c.

Войтишек А.В. Основы методов Монте-Карло в алгоритмах и задачах. Часть V / А.В. Войтишек / / Новосибирск, изд-во НГУ, 1999. – 76 c.

Заенцев И.С. Нейронные сети: основные модели. Учебное пособие/ И.С. Заенцев// Воронежский государственный университет, 1999. – 98 с.

Downloads

Published

2016-02-14

Issue

No. 3 (2015): POWER ENGINEERING: economics, technique, ecology

Section

ENERGY SYSTEMS AND COMPLEXES

License

Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:

  1. Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
  1. Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
  1. Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).