Шаблон статьи
Скачать статью в pdf.УДК 637.5:637.513.48
DOI: 10.15507/2658-4123.033.202304.558-584
Применение нечеткой и четкой математических моделей в гибридном управлении процессом одностадийного измельчения замороженного мясного сырья
Каповский Борис Романович
кандидат технических наук, научный сотрудник Федерального научного центра пищевых систем им. В. М. Горбатова (109316, Российская Федерация, г. Москва, ул. Талалихина, д. 26), ORCID: https://orcid.org/0000-0003-2964-7177, Researcher ID: AER-9531-2022, Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.
Пчелкина Виктория Александровна
кандидат технических наук, ведущий научный сотрудник Экспериментальной клиники-лаборатории биологически активных веществ животного происхождения Федерального научного центра пищевых систем им. В. М. Горбатова (109316, Российская Федерация, г. Москва, ул. Талалихина, д. 26), ORCID: https://orcid.org/0000-0001-8923-8661, Researcher ID: M-4413-2016, Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.
Дыдыкин Андрей Сергеевич
доктор технических наук, руководитель отдела «Функциональное и специализированное питание» Федерального научного центра пищевых систем им. В. М. Горбатова (109316, Российская Федерация, г. Москва, ул. Талалихина, д. 26), ORCID: https://orcid.org/0000-0002-0208-4792, Researcher ID: G-5020-2017, Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.
Аннотация
Введение. При одностадийном измельчении замороженного мясного сырья методом фрезерования возникает изменение температуры пограничного слоя, что приводит к пластичным деформациям сырья и увеличению размеров мясной стружки. Задача регулирования режимных параметров процесса резания сырья в зависимости от его температуры может быть решена путем компьютерного расчета прогноза температуры пограничного слоя мяса на несколько временных интервалов с использованием нечеткой логики.
Цель статьи. Разработка алгоритма гибридного управления одностадийным измельчением замороженного мясного сырья с использованием нечеткой и четкой математических моделей управления.
Материалы и методы. Объектом исследования является процесс измельчения замороженного блочного мяса (говядины) на лабораторной установке одностадийного измельчителя производительностью 400 кг/час. Для разработки нечеткой математической модели управления использовали алгоритм Э. Мамдани. Математическое моделирование осуществляли в среде MATLAB (пакет Fuzzy Logic Toolbox).
Результаты исследования. Разработана модель нечеткого управления работы интеллектуальной системы управления (ИСУ) при формировании задания на установление режимных параметров процесса измельчения сырья с применением адаптивного прогнозирования его температуры. Для этой модели сформировали функции принадлежности входной и выходной переменных, а также базу правил. Предложена функциональная схема температурного контроля, которая отражает структуру нечеткой модели управления одностадийным измельчением. К преимуществам такого контроля можно отнести то, что системе придается функция непрерывного автоматизированного контроля температурного режима измельчения сырья под управлением промышленного компьютера.
Обсуждение и заключение. Полученные результаты температурного контроля можно использовать для дальнейшей технологической обработки мяса. Используя информацию о температуре сырья, его химическом составе, система может реализовать оптимальное смешивание ингредиентов мясного фарша. Все указанные характеристики сырья искусственный интеллект рассчитывает без участия человека-оператора, что позволяет полностью автоматизировать технологическую обработку мяса с целью производства готовой продукции высокого качества.
Ключевые слова: фрезерование, режим измельчения, замороженное мясо, нечеткая логика, гибридная модель управления
Конфликт интересов: авторы заявляют об отсутствии конфликта интересов.
Для цитирования: Каповский Б. Р., Пчелкина В. А., Дыдыкин А. С. Применение нечеткой и четкой математических моделей в гибридном управлении процессом одностадийного измельчения замороженного мясного сырья // Инженерные технологии и системы. 2023. Т. 33, № 4. С. 558–584. https://doi.org/10.15507/2658-4123.033.202304.558-584
Заявленный вклад соавторов:
Б. Р. Каповский – формулирование цели, задачи исследования, проведение экспериментальных исследований, анализ результатов.
В. А. Пчелкина – работа над текстом статьи, сбор и обработка материалов.
А. С. Дыдыкин – общее руководство проектом, формулирование основной концепции исследования.
Все авторы прочитали и одобрили окончательный вариант рукописи.
Поступила в редакцию 03.07.2023;
поступила после рецензирования 24.08.2023;
принята к публикации 10.09.2023
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
1. Орлов А. А. Модель управления подачей при объемном фрезеровании на станках с ЧПУ // Вестник машиностроения. 2019. № 2. С. 32–34. EDN: ZAIAWL
2. Кузнецов П. М., Белоусов Н. А., Ягопольский А. Г. Управление точностью траектории движения рабочего органа станка с ЧПУ // СТИН. 2021. № 7. С. 2–4. EDN: YREUTE
3. Mathematical Simulation of One-Stage Grinding of Products Frozen in Blocks / V. I. Ivashov [et al.] // News of the Academy of sciences of the republic of Kazakhstan. Series of geology and technical sciences. 2018. Vol. 5, Issue 431. P. 48–65. https://doi.org/10.32014/2018.2518-170X.9
4. Статистический анализ размеров мясной стружки / В. И. Ивашов [и др.] // Все о мясе. 2015. № 4. С. 28–29. EDN: UFENMF
5. Методы входного контроля блочного мяса на технологических линиях / Б. Р. Каповский [и др.] // Мясная индустрия. 2017. № 5. С. 28–31. EDN: YNWHFD
6. Zadeh L. A. Fuzzy Sets // Information and Control. 1965. Vol. 8, Issue 3. P. 338–353. https://doi.org/10.1016/s0019-9958(65)90241-x
7. Birle S., Hussein M. A., Becker T. Fuzzy Logic Control and Soft Sensing Applications in Food and Beverage Processes // Food Control. 2013. Vol. 29, Issue 1. P. 254–269. https://doi.org/10.1016/j.foodcont.2012.06.011
8. Perrot N., Baudrit C. Intelligent Guality Control Systems in Food Processing Based on Fuzzy Logic // Robotics and Automation in the Food Industry. 2013. P. 200–225. https://doi.org/10.1533/9780857095763.1.200
9. Алексеев Г. В., Аксенова О. А., Дерканосова А. А. Оптимизация рецептуры кормов непродуктивных животных с помощью математического моделирования // Вестник Воронежского государственного университета инженерных технологий. 2015. № 1. С. 28–35. https://doi.org/10.20914/2310-1202-2015-1-28-35
10. Application of Fuzzy Logic in Sensory Evaluation of Food Products: a Comprehensive Study / K. Vivek [et al.] // Food and Bioprocess Technology. 2020. Vol. 13. P. 1–29. https://doi.org/10.1007/s11947-019-02337-4
11. Канторович Г. Г. Анализ временных рядов // Экономический журнал. 2002. № 1. С. 87–110. EDN: QDFPSH
12. Сунчалин А. М., Сунчалина А. Л. Обзор методов и моделей прогнозирования финансовых временных рядов // Хроноэкономика. 2020. № 1 (22). С. 26–30. EDN: ATTSEI
13. Mamdani E. H. Application of Fuzzy Algorithms for Control of Simple Dynamic Plant // Proceedings of the Institution of Electrical Engineers. 1974. Vol. 121, Issue 12. P. 1585–1588. https://doi.org/10.1049/piee.1974.0328
14. Pislaru C., Ford D. G., Holroyd G. Hybrid Modelling and Simulation of a Computer Numerical Control Machine tool feed drive // Proceedings of the Institution of Mechanical Engineers, Part I: Journal of Systems and Control Engineering. 2004. Vol. 218, Issue 2. P. 111–120. https://doi.org/10.1177/095965180421800205
15. Quantitative Technology Forecasting: A Review of Trend Extrapolation Methods / P.-H. Tsai [et al.] // International Journal of Innovation and Technology Management. 2023. Vol. 20, Issue 4. Article no. 2330002. https://doi.org/10.1142/S0219877023300021
16. Armstrong, J. S. Extrapolation for Time-Series and Cross-Sectional Data // International Series in Operations Research & Management Science. 2001. Vol. 30. P. 217–243. https://doi.org/10.1007/978-0-306-47630-3_11
Контент доступен под лицензией Creative Commons Attribution 4.0 License.
