Искусственные нейронные сети (ИНС) за последнее десятилетие получили широкое применение для решения сложных практических задач, но широкий круг этих задач, решаемый нейронными сетями (НС), не позволяет создавать универсальные, мощные сети, вынуждая разрабатывать специализированные НС, функционирующие по различным алгоритмам. Эти модели НС отличаются структурой связей, правилами определения весов или правилами обучения. НС - один из основных архитектурных принципов построения ЭВМ шестого поколения. Использование НС является активно развивающимся перспективным направлением науки.
Экстремальные условия: агрессивность среды, температура, давление, напряженно - деформированное состояние, накладывают свой, отличный от других хорошо известных факторов, отпечаток на процесс горения твердого топлива (ТТ). Закономерности горения ТТ, их поведение в данных условиях мало изучены и в литературе данные о них практически отсутствуют. Построение математической модели процесса горения ТТ существующими методами вызывает сложность, т.к. выходная характеристика (скорость горения или др. необходимый параметр) зависит более чем от двух входных характеристик (окружающей среды, давления, соотношения окислителя и горючего, дисперсности окислителя, направления распространения фронта горения, материала оболочки, диаметра и плотности заряда, добавки и т.д.). Возможным решением может быть построение некоторой достаточно гибкой математической конструкции, функционирование которой зависит от некоторого количества параметров. НС - один из примеров такого математического аппарата.
Использование НС в горении - это новое и перспективное на наш взгляд направление. В этой связи, актуальным становится изучение возможности использования интеллектуальных технологий на основе искусственных нейронных сетей для решения прикладных задач в области горения на базе ранее полученных экспериментальных данных.
Целью данной работы является показ перспективности использования интеллектуальных технологий на основе искусственных нейронных сетей для решения прикладных задач в области горения.
В данной работе рассмотрены основные возможности программных средств: NeuroOffice и NeuroPro. Каждая программа обеспечивает обучение созданной сети по заложенному алгоритму, тестирование и расчет ошибок обученной сети на обучающей и тестирующей выборках. Входными данными является обучающая и тестирующая выборка. Выходными данными является информация о весовых коэффициентах, активационных функциях, структуре сети и ошибках при тестировании и обучении.
Разработаны методики компьютерного прогнозирования с использованием ИНС. Показана возможность предсказания различных параметров (скорость горения, энергетические и прочностные характеристики) ТТ при наличии рецептурных, конструктивных и других (среда, давление) данных. Показаны оптимальные структуры НС и соответственно определены методы оптимизации, что обеспечивает больший процент правильно решенных примеров при определенных программных циклах обучения.
Работа выполнена по гранту «Президента РФ» № МК - 2156.2004.8.