МУЛЬТИАГЕНТНА АРХІТЕКТУРА М’ЯКИХ СЕНСОРІВ НА БАЗІ ГЛИБОКОГО НАВЧАННЯ ДЛЯ ПРОАКТИВНОГО УПРАВЛІННЯ ЕНЕРГОЕФЕКТИВНІСТЮ РУДОВІДНОВЛЮВАЛЬНИХ ПЕЧЕЙ

Анотація

Актуальність дослідження зумовлена високою енергоємністю виробництва феросплавів та обмеженими можливостями прямого моніторингу внутрішніх параметрів ванни рудовідновлювальних печей (РВП/SAF), що ускладнює ефективне управління технологічним процесом. Проблема полягає у домінуванні реактивних підходів до управління, які не забезпечують своєчасного реагування на зміну стану системи. Метою роботи є розроблення концепції інтелектуальної системи управління на основі мультиагентної архітектури з використанням «м’яких сенсорів». У дослідженні застосовано методи глибокого навчання, зокрема рекурентні нейронні мережі (LSTM/GRU), фізико-інформовані нейронні мережі (PINN) та підходи мультиагентної координації. У результаті запропоновано структуру системи, що включає спеціалізованих агентів за напрямами енергоефективності, технологічної безпеки та контролю хімічного складу, взаємодія яких забезпечується агентом-оркестратором. Отримані результати свідчать про можливість переходу до проактивного управління з горизонтом прогнозування 1–3 години, що дозволяє знизити питомі витрати електроенергії та підвищити безпеку функціонування печі. Встановлено, що інтеграція мультиагентного підходу та гібридних нейромережевих моделей забезпечує підвищення точності прогнозування та стабільності технологічного процесу.