Проект направлен на разработку и исследование интеллектуальной системы прогнозирования технологических параметров аппаратов тепло и массообмена производства полипропилена.
В основе решения используются физико-информированные нейронные сети (PINN) и гибридные модели, объединяющие машинное обучение с физическими закономерностями технологического процесса.
Основными объектами исследования являются теплообменники и ректификационный колонны разделения пропан-пропиленовой фракции. Для теплообменного оборудования предполагается прогнозирование выходной температуры потока и других параметров теплопередачи. Для ректификационных колонн – прогнозирование параметров качества разделения.
Особое внимание уделяется работе моделей в условиях дефицита, шума и неполноты промышленных данных. PINN и гибридные модели будут сравниваться с классическими моделями машинного обучения по точности прогнозирования, необходимому объему обучающих данных и способности сохранять качество прогноза за пределами даипазона обучающей выборки.
Результатом проекта должен стать программный прототип интеллектуальной системы, способной использовать технологические данные и физические закономерности процессов для прогнозирования состояния промышленного оборудования и поддержки принятия решений при управлении производством.

На страницу проекта