Создание и обучение нейронной сети для виртуальной системы управления конвейерами на основе синтезированных данных
Автор проекта
Сергеев Никита
11 класс
Научные руководители
Квиткова Марина Евгеньевна, преподаватель математики ЦДНИТТ «Трамплин», г. Ленинск-Кузнецкий
(Кемеровская область)
Квитков Владимир Владимирович, консультант, ведущий инженер ООО «Трансмаш», г. Ленинск-Кузнецкий
(Кемеровская область)
Цель проекта
Создание нейронной сети на основе синтезированных данных для уменьшения числа внеплановых событий.
Краткое описание проекта
Обработка информации от системы управления конвейерами шахты позволяет ответить на вопросы о скоростном и нагрузочном режимах работы конвейерных систем, проанализировать происходящие на конвейерных системах процессы. Это помогает свести к минимуму число внеплановых остановок конвейерных систем. Проект предполагал изучение методов линейной, квадратичной, кубической интерполяций. Эти методы используются для работы функций оптимизации и прогнозирования, базирующихся на аналитическом представлении результатов измерений в работе систем управления конвейерным транспортом. С использованием названных методов произведены расчёты и построены графики интерполируемых функций; проанализированы методы обработки первичной информации с приводной системы стволового конвейера шахты (АО «СУЭК-Кузбасс»). Для работы модели, используемой для обработки данных с конвейерных систем, разработан код на языке программирования Python. Создана модель для обработки данных с конвейерных систем, анализирующая результаты работы конвейера и способная определять моменты, в которые происходит его разгон, стабилизация и остановка, а также погрузка и разгрузка. Создана и обучена нейронная сеть на основе синтезированных данных (использованы данные, полученные искусственным путем, так как получение реальных данных с внеплановыми остановками является очень длительным процессом).
Результаты проекта
Для обработки данных системы управления конвейерами шахты методами интерполяции разработана нейросеть на языке программирования Python, способная распознавать технологические этапы работы конвейера.
Дальнейшее развитие проекта
Написание полноценного кода на языке программирования Python и дальнейшее обучение нейросети для более точечного распознавания различных ситуаций, происходящих на конвейере.