WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

 

На правах рукописи

РЫЛЁВ Сергей Сергеевич

АВТОМАТИЗАЦИЯ КОНТРОЛЯ ЦВЕТА ХЛЕБОБУЛОЧНЫХ ИЗДЕЛИЙ ПРИ УПРАВЛЕНИИ ПРОЦЕССАМИ ВЫПЕЧКИ

05.13.01 – Системный анализ, управление и обработка информации (в пищевой и химической промышленности)

05.13.06 – Автоматизация и управление технологическими процессами и производствами (по отраслям)

А В Т О Р Е Ф Е Р А Т

диссертации на соискание ученой степени

кандидата технических наук

Воронеж – 2012

Работа выполнена на кафедре информационных и управляющих систем

ФГБОУ ВПО «Воронежский государственный университет инженерных технологий»

Научный руководитель:        Заслуженный деятель науки РФ,

       доктор технических наук, профессор

       Битюков Виталий Ксенофонтович

       (ФГБОУ ВПО ВГУИТ, г. Воронеж)

Научный консультант:        Кандидат технических наук

       Ребриков Дмитрий Иванович

       (ФГБОУ ВПО ВГУИТ, г. Воронеж)

Официальные оппоненты:                Заслуженный деятель науки РФ,

       доктор технических наук, профессор

       Дворецкий Станислав Иванович

       (ФГБОУ ВПО ТГТУ, г. Тамбов)

               Заслуженный деятель науки РФ,

       Доктор технических наук, профессор

  Благовещенская Маргарита Михайловна

       (ФГБОУ ВПО МГУПП, г. Москва)

Ведущая организация: ОАО «Центравтоматика», г. Воронеж

Защита состоится «8» ноября 2012 г. в 13 час. 30 мин. на заседании диссертационного совета Д 212.035.02 в ФГБОУ ВПО «Воронежский государственный университет инженерных технологий» по адресу: 394036, г. Воронеж, проспект Революции, 19, конференц-зал.

Отзывы на автореферат (в двух экземплярах), заверенные гербовой печатью учреждения, просим направлять по адресу: 394036, г. Воронеж, пр. Революции, 19, ФГБОУ ВПО ВГУИТ, ученому секретарю диссертационного совета Д212.035.02.

Текст автореферата и объявление о защите размещены на сайте  ВАК РФ http://vak.ed.gov.ru «__» ________ 2012 г.

С диссертацией можно ознакомиться в библиотеке ФГБОУ ВПО ВГУИТ.

Автореферат разослан «  »  сентября 2012 г.

Ученый секретарь диссертационного совета

кандидат технических наук, доцент        Хаустов И.А.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность проблемы.

В настоящее время часть показателей качества хлебобулочных изделий (ХБИ) определяется по органолептическим показателям согласно ГОСТ и ТУ. Одним из таких показателей, важным с точки зрения потребителя, является цвет изделия и равномерность окраски. Проблема контроля этого показателя качества заключается в субъективности его оценки человеком, т.к. порог чувствительности и особенность восприятия цвета у каждого человека индивидуальны, а один и тот же цвет разными людьми будет интерпретирован различно. Кроме того, объективные трудности связаны с физикой отражения и поглощения света при различных условиях освещения. Различный спектральный состав освещения может давать одинаковый отклик на зрительных рецепторах, что не исключено в условиях производства. При отсутствии оперативных автоматизированных методов контроля нет возможности вносить изменения в ходе технологического процесса для достижения заданного показателя качества.

Таким образом, актуальной является задача разработки автоматизированного метода контроля цвета хлебобулочных изделий, а также системы поддержки принятия решений при управлении технологическим процессом выпечки ХБИ с использованием математических моделей динамики изменения показателя качества.

Основной характеристикой объекта, обусловливающей его цвет, является спектральный коэффициент отражения. В настоящее время, в связи со снижением стоимости цифровой фототехники, к одним из перспективных методов контроля цветности можно отнести метод анализа цифровых изображений, преимуществом которого является низкая стоимость, простота контроля, возможность бесконтактного измерения, одновременная оценка свойств нескольких объектов или большой площади, возможность компьютерной обработки сигнала и интеграции в контур АСУТП.

Основные теоретические положения по применению цифровых изображений для анализа цветовых характеристик объектов рассмотрены в работах: Р. Гонсалеса, Д. Джада, М. Кривошеева. Некоторые зависимости между спектрами различных физико-химических показателей и показателями качества приведены в работах: А. Краснова, З. Гарша, А. Герасимова. Эти работы служат основой для разработки методик, позволяющих по параметрам цифрового изображения автоматически определять показатели качества хлебобулочных изделий, характеризующих его цвет в соответствии с ГОСТ, что необходимо для хлебопекарных производств.

В связи с этим актуальность работы определяется необходимостью разработки новых методов контроля цветности ХБИ и синтеза системы поддержки принятия решений по управлению процессом выпечки с учетом полученных измерений.

Исследование выполнялось в рамках госбюджетной НИР «Разработка и совершенствование математических моделей, алгоритмов регулирования, средств и систем автоматического управления технологическими процессами» (№ г.р. 01960007315).

Цель: разработка системы поддержки принятия решений по управлению процессами выпечки хлебобулочных изделий с учетом цвета корки на основе непрерывно измеряемых цветовых спектрах поверхности ХБИ и математической модели динамики изменения цвета корки, обеспечивающей с достаточной точностью воспроизведение использующегося органолептического метода контроля качества, автоматизацию и оперативность оценки качества производимой продукции.

Для достижения указанной цели поставлены задачи:

1. Системный анализ проблем и методов автоматизации оценки качества показателей цветности в промышленности.

2. Синтез структуры системы поддержки принятия решений по управлению процессом выпечки ХБИ на основе проведенного системного анализа.

3. Разработка метода автоматизированного контроля цвета корки ХБИ с учетом произвольных параметров цветового спектра поверхности изделия.

4. Синтез математической модели, описывающей динамику изменения цвета корки ХБИ.

5. Разработка и реализация системы поддержки принятия решений по управлению с учетом показателя цветности ХБИ в условиях производства.

Объект исследования. Технологический процесс выпечки ХБИ.

Методы исследования. В работе используются методология системного анализа и моделирования систем, математического моделирования и дифференциального исчисления, методы идентификации и оптимизации.

Научная новизна:

  1. Структура системы поддержки принятия решения по управлению технологическим процессом выпечки ХБИ.
  2. Новый метод автоматизированного контроля показателя  цветности на основе обработки информации об измеряемых цветовых спектрах поверхности ХБИ, отличающийся использованием автоматизированного отбора наиболее информативных параметров цветового спектра с использованием метода аналитических иерархий и использование нейронной сети для оценки показателя качества ХБИ.
  3. Математическая модель динамики изменения показателя цветности, позволяющая прогнозировать значение показателя цветности при заданных температуре и времени выпечки ХБИ, а также рассчитывать корректирующие значения времени и температуры выпечки.
  4. Специальное математическое и алгоритмическое обеспечение для реализации системы поддержки принятия решений по управлению технологическим процессом выпечки ХБИ с учетом цвета корки ХБИ.

Практическая значимость работы заключается в создании автоматизированной системы контроля цветовых показателей качества хлебобулочных изделий на основе анализа цифровых изображений, системы поддержки принятия решений для повышения эффективности АСУ ТП в хлебопекарном производстве.

Математическая модель, метод контроля, алгоритмическое и программное обеспечение для определения показателей качества хлебобулочных изделий по цифровому изображению успешно апробированы на ОАО «Липецкхлебмакаронпром» (г. Липецк).

Внедрение разработанной методики позволяет в производственных условиях повысить оперативность определения качества выходной продукции и осуществлять поддержку принятия решений по управлению процессом выпечки ХБИ.

Апробация работы.

Основные положения диссертационной работы были доложены на международной конференции «Математические методы в технике и технологиях» ММТТ-24 (Псков, 2011), международной научно-практической конференции, посвященной 80-летию ГОУ ВПО ВГТА и 50-летию кафедры ИУС (Воронеж, 2009), II международной научно-практической конференции, посвященной 80-летию ГОУ ВПО ВГТА, 60-летию кафедры «Технологии хлебопекарного, макаронного и кондитерского производств» (Воронеж, 2010).

Публикации. По результатам проведенных исследований и практических разработок опубликовано 9 научных работ, включая 3 работы в научных изданиях и журналах, рекомендованных Высшей аттестационной комиссией.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы и приложений. Материал изложен на 168 страницах, содержит 66 рисунков и 21 таблицу. Список литературы из 125 источников и приложения.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность проблемы, сформулированы цели и задачи, научная новизна диссертационной работы, представлены выносимые на защиту научные положения и результаты.

В первой главе проведен литературный обзор способов контроля органолептических показателей хлебобулочных изделий, в частности такого показателя как цвет корки и равномерность окраски, дана классификация применяемых методов определения цветовых характеристик объектов. Обоснован выбор метода анализа цифровых изображений для контроля цвета корки хлебобулочного изделия, приводятся основные преимущества метода. Сделан вывод, что на сегодняшний день нет автоматического метода для контроля цвета корки хлебобулочного изделия подходящего для применения в контуре АСУ хлебопекарного производства и методов моделирования, позволяющих связывать параметры цветовых спектров с показателями качества. Сформулированы цели и задачи исследования.

Во второй главе рассматриваются вопросы обработки информации от измерительной системы. Информация нуждается в дальнейшей обработке с целью получения представления о качественных параметрах объекта и выработки управляющего воздействия. С точки зрения системного подхода рассмотрена проблема связи выходных данных измерительной системы и показателей качества (цвета изделия и равномерности окраски). Предложена системная модель, рассматривающая процесс как последовательность действий по  преобразованию исходной информации.

Первым звеном в функциональной модели (рис. 1) является блок классификации (распознавания ситуации), позволяющий разделить исходное множество на подмножества, соответствующим областям с одним максимумом. Входными данными для блока классификации является массив измеряемых значений, полученных с объекта исследования:

H = (h1, h2,…, hm),        (2.1)

где hi – значение экспериментальной точки, m – количество экспериментальных точек. При этом применяется классификация экспериментальных данных H с помощью функций расстояния, что позволяет производить кластеризацию данных. Подход к кластеризации, предусматривает использование показателя качества, который обеспечивает минимизацию выбранного показателя качества – сумма квадратов ошибки:

,        (1)

где – число кластеров, – множество образов, относящихся к j – му кластеру, а – вектор выборочных средних значений для множества ; – количество образов, входящих во множество .

Рис. 1. Структура функциональной модели

Показатель качества (1) определяет общую сумму квадратов отклонений характеристик всех образов, входящих в некоторый кластер, от соответствующих средних значений по кластеру. К такому алгоритму относится алгоритм «К внутригрупповых средних». Таким образом, информация к следующему блоку переходит в виде:

H1 = (h1, h2,…, hn),

H2 = (hn+1, h n+2,…, hj),        (2.5)

Hk = (hl+1, h l+2,…, hm);

где к – количество унимодальных областей, hi – экспериментальные точки, n, j, m – количество экспериментальных точек в соответствующей унимодальной области.

Рис. 2. Представление поверхности булки «Городской»

с продолжительностью выпечки 19 мин. в координатах цветовой модели HSL

Следующий блок выполняет аппроксимацию экспериментальных данных и определение параметров аппроксимирующей функции, которые необходимы для анализа показателей качества объекта, что в работе осуществлено с использованием оценок центральных, начальных моментов и других числовых характеристик, отражающих те или иные черты распределения измеренной величины. Мода Mo показывает наиболее вероятное значение (максимум) измеряемой величины. Первый начальный момент характеризует среднее значение или положение, центр распределения измеряемой величины h на числовой оси. Второй центральный момент   – степень рассеяния измеряемой величины h относительно . Третий центральный момент служит для характеристики асимметрии (скошенности) распределения величины h. Четвертый центральный момент служит для характеристики крутости (островершинности или плосковершинности) распределения величины h. Моменты более высоких порядков описывают более тонкие особенности формы распределения.

Наряду с указанными параметрами для описания распределений применяются и другие характеристики: среднеквадратическое отклонение, коэффициент асимметрии – (скошенность) относительно симметричного нормального распределения, коэффициент эксцесса – (островершинность) распределения относительно нормального распределения. На выходе данного блока получаем следующую совокупность данных:

µ11, µ21, µ31, µ41, 1, A1,E1, Мo1,

µ12, µ22, µ32, µ42, 2, A2, E2, Мo2,

µ1k, µ2k, µ3k, µ4k, k, Ak, Ek, Мok.

Реализация третьего блока в работе осуществлена с использованием метод анализа иерархий модифицированный (МАИМ) для выбора наиболее значимых статистических параметров распределения экспериментальных данных, что позволяет выбрать наиболее значимые из них с точки зрения оценки показателей качества, а также выявить степень влияния параметров, используя экспертные оценки для дальнейшего решения задачи. В данном методе эксперт оценивает значимость одной альтернативы по отношению к другой четверкой чисел , смысл которой состоит в следующем: степень значимости первой альтернативы находится в пределах от до , но вероятнее всего она находится в пределах от до . При выборе чисел , , и эксперт использует классическую шкалу, предложенную Т. Саати. Для проведения дальнейших расчетов нечеткая матрица парных сравнений дефаззифицируется, дальнейшие расчеты аналогичны классическому методу.

В последнем блоке необходимо по значимым параметрам принять решение о величине показателя качества. Для этого необходимо по совокупности параметров классифицировать поверхность изделия к одному из численных или лингвистических значений показателя качества. В работе предложено использование нейронной сети, которая при подаче на ее входы значений с заранее известными выходными значениями способна обучаться и в дальнейшем с высокой степенью точности классифицировать набор исходных данных.

Количество входных нейронов для сети определяется размерностью входного вектора (количеством значимых параметров), а количество выходных нейронов соответствует размерности ожидаемого выходного вектора сети y (количеству показателей качества).

В третьей главе рассмотрено применение разработанной функциональной модели для контроля цвета и равномерности окраски корки хлебобулочного (ХБ) изделия.

На примере цветового спектра, полученного при выпечки тестовой заготовки булки «Городской» на 25 минуте выпечки рассмотрено разбиение массива значений, представляющих цифровое изображение в координатах цветовой модели HSL на области, соответствующие требованию унимодальности. Найдены параметры распределения l(h), которые соответствуют представлению поверхности булки «Городской» с различными значениями показателя качества – окраски корки в координатах цветовой модели HSL.

Выявление соответствия между показателем качества и представлением окраски корки на интервальной шкале выполнено с использованием экспертного опроса по методу непосредственной оценки.

Далее показано использование модифицированного МАИ для оценки важности каждого параметра распределения. В результате работы экспертной группы заполнялась нечеткая матрица парных сравнений по определению цвета поверхности.

Далее по полученной матрице рассчитывался вектор приоритетов.

Аналогичным образом выявляли зависимость статистических параметров распределения и их производных от равномерности окраски корки ХБ изделия, в результате чего, для предложенных экспертам альтернатив (µ1; l(µ1); µ1l(µ1); Мo; l(Мo); Мol(Мo); Мol(Мo); 21+ 22) был получен следующий вектор приоритетов: (0,136; 0,028; 0,028; 0,138; 0,138; 0,455; 0,078).

Таким образом, были определены значимые параметры распределения. Для цвета корки это µ1; 1; Мo; для равномерности окраски корки Мo; l(Мo); Мol(Мo); Мol(Мo), которые будут являться входными значениями для блока принятия решения.

В виду того, что количество значимых параметров, полученных в предыдущем блоке для определения цвета корки и ее равномерности равно трем, то нейронная сеть для реализации задачи принятия решения будет иметь 3 входных нейрона, и в соответствии с теоремой Колмогорова 7 нейронов скрытого слоя,  в выходном слое будет один нейрон (рис. 3).

После формирования обучающей выборки осуществляется обучение нейронной сети. В результате чего определяются значения весовых коэффициентов и . При подаче на вход сети параметров распределения на выходе y получаем значение показателя качества в виде балльной оценки в соответствии с ГОСТ от 1 до 5.

По результатам сравнения предложенной методики оценки качества – цвета и равномерности окраски корки с традиционным методом – экспертным опросом, который принят в данной работе за эталонный получены значения ошибки работы обученной нейронной сети на тестовой выборке. При определении цвета корки процент оценок, вышедших за пределы одного балла составил 4,4%; при определении равномерности окраски 9,8 %. Ошибки на тестовой выборке в 2 и более баллов не зафиксировано.

Рис. 3. Нейронная сеть для определения показателя качества - цвета корки (в скобках даны параметры для определения равномерности).

После формирования обучающей выборки осуществляется обучение нейронной сети. В результате чего определяются значения весовых коэффициентов и . При подаче на вход сети параметров распределения на выходе y получаем значение показателя качества в виде балльной оценки в соответствии с ГОСТ от 1 до 5.

По результатам сравнения предложенной методики оценки качества – цвета и равномерности окраски корки с традиционным методом – экспертным опросом, который принят в данной работе за эталонный получены значения ошибки работы обученной нейронной сети на тестовой выборке. При определении цвета корки процент оценок, вышедших за пределы одного балла составил 4,4%; при определении равномерности окраски 9,8 %. Ошибки на тестовой выборке в 2 и более баллов не зафиксировано.

В четвертой главе для оперативной корректировки параметров технологического процесса выпечки ХБИ с целью обеспечения заданного качества изделия еще в ходе процесса выпечки предложено использовать математическую модель, описывающую кинетику изменения показателя цвета во времени. При этом параметры разработанной модели связаны с параметрами технологического процесса.

Для описания кинетики изменения цвета предложено использовать подход, представляющий ход процесса как совокупность реакций приводящих к изменению цвета с соответствующими константами скорости реакции. Поскольку нет возможности выделить одно вещество и реакцию его образования, определяющее цвет, то в работе они представлены в виде некоторой обобщенной реакции образования всех веществ, образующих пигменты, определяющие окраску корки ХБИ. В ходе исследования зависимости изменения цвета корки на примере булки «Городской» в процессе выпечки, удалось выявить три характерные стадии: 1 – время выпечки со слабым изменением цвета; 2 –  потемнение цвета корки, имеющее вид экспоненциального спада и 3 – заключительный этап выпечки со слабым изменением цвета до пригорания, что было учтено при разработке математической модели. Структура разработанной математической модели имеет следующий вид:

       (2)

где – скорость химических реакций, приводящих к образованию пигментных веществ при некоторой фиксированной температуре; – поправочный температурный коэффициент; - константа скорости изменения температуры корки ХБИ со временем; - температура воздуха в пекарной камере, С; - теплота, отводимая мякишем хлеба, Дж; - эффективная энергия активации реакций, приводящих к образованию пигментных веществ, кДж/моль; R – универсальная газовая постоянная кДж/(Кмоль); Tкор – температура корки ХБИ, °C.

Такая структура модели (2) позволяет с приемлемой для целей контроля показателя цвета погрешностью описывать изменение температуры и цвета корки со временем и при этом уточнять зависимость скоростей химических реакций, приводящих к образованию пигментных веществ и изменяющих цвет корки.

Разработанная структура математической модели кинетики цвета корки ХБИ при его выпечке позволяет решать ряд практических задач. Во-первых, математическая модель позволяет прогнозировать время достижения заданного показателя качества окраски корки при определённых начальных условиях, во вторых, такая модель позволяет проверить будет ли достигнуто требуемое значение показателя качества при заданных времени выпечки и начальных условиях. В третьих, математическая модель открывает возможности поиска таких параметров кинетических уравнений и, следовательно, таких технологических режимов, которые бы обеспечили достижение заданного показателя качества цвета корки ХБИ за определённый промежуток времени.

Для оценки предложенной математической модели были проведены экспериментальные исследования, в ходе которых были получены данные по кинетике цвета ХБИ температуры корки и мякиша. Для чего выпекались тестовые заготовки, и в ходе выпечки осуществлялся отбор тестовой заготовки с интервалом в 2 минуты, далее осуществлялась цифровая съемка поверхности для дальнейшего получения цветового спектра и с использованием тепловизора определялась температура мякиша и корки выпекаемой заготовки. Примеры изображения корки и температурного профиля заготовки приведены на рис. 4 и 5 соответственно.

Далее в работе по результатам экспериментальных исследований проведена параметрическая идентификация математической модели (2) в результате чего найдены параметры , обеспечивающие адекватное описание процесса изменения показателя окраски корки ХБИ и минимальное отклонение рассчитываемых данных по математической модели от экспериментальных данных.

Рис. 4. Изображение корки выпекаемой тестовой заготовки в начале выпечки,

на 10 и 18 минутах, соответственно.

Рис. 5. Оценка температурного профиля среза со временем выпечки 8 мин.

Для осуществления параметрической идентификации использовался критерий вида:

       (3)                (4.10)

Методом покоординатного спуска искались параметры, минимизирующие критерий (3)

       (4.11)

Результаты идентификации представлены в таблице и на рис. 6.

Таблица. Параметры идентификации математической модели (2) для образцов №1-5 при фиксированной температуре в пекарной камере.

№ образца

Параметр модели (2)

k0

k1

k2

kT

QTмяк

1

0,039

45,769

0,323

105,238

0,134

2

0,032

26,626

0,323

105,138

0,134

3

0,02

-11,174

0,324

105,336

0,134

4

0,025

-1,559

0,324

105,308

0,134

5

0,022

0,515

0,324

105,301

0,134

Проверку адекватности полученных моделей осуществляли по критерию Фишера, минимальное значение которого среди всех образцов для кинетики цвета составило: Fрасч.(С) = 11,209; для температуры Fрасч.(Т) = 44,116, при табличном Fтабл.=2.69.

Продолжительность выпечки, мин

Рис. 6. Результат идентификации моделью (2) экспериментальных значений для изменения окраски и температуры корки.

– экспериментальные, – расчетные значения температуры корки; +++ – экспериментальные, – расчетные значения цвета корки.

В пятой главе показана разработка системы поддержки принятия решения (СППР) по управлению процессом выпечки на основе разработанной методики оценки показателя цветности поверхности ХБИ и математической модели кинетики изменения этого показателя, которая заключается в построении процедур вычисления времени достижения заданного показателя цвета при определённых начальных условиях прогноза достижения заданного качества при заданных времени выпечки и начальных условиях. Вычисленные значения предложено оформлять в виде рекомендаций технологу-оператору по изменению управляющих воздействий на объект управления. В данном случае используются время выпечки и температура.

Ввиду наличия неконтролируемых возмущений, связанных с неоднородностью используемого сырья по составу и наличию микропримесей параметры математической модели кинетики показателя цветности могут изменяться от партии к партии. Для компенсации возмущений, связанных с этими возмущениями предлагается использовать процедуру текущей идентификации, позволяющей оперативно корректировать параметры математической модели кинетики показателя цветности по текущим измерениям показателя в начальном этапе выпечки. Дальнейшие расчеты и выдача рекомендаций ведутся по оперативным измерениям и новым параметрам математической модели. СППР выдает рекомендации по изменению температуры выпечки в пределах технологического регламента, при которой будет гарантировано достижение заданного значения показателя цветности или изменение времени выпечки для достижения той же цели.

Для обеспечения высокой точности прогноза окраски корки ХБИ необходимо иметь минимальное и достаточное множество измерений этого показателя в ходе технологического процесса. Для этого на математической модели проведена серия вычислительных экспериментов по заданию разных диапазонов текущей идентификации для расчета показателя цвета при заданных времени выпечки или времени при заданном показателе Это позволило определить временной интервал в течение которого будет осуществляться процедура текущей идентификации математической модели и при этом будет обеспечена приемлемая точность прогноза показателя качества. В ходе выполнения алгоритма параметры модели (2) были определены на полной выборке экспериментальных данных и зафиксированы их значения. Определялся параметр , который в модели (2) является поправочным температурным коэффициентом. Точность прогноза определялась для конечного этапа процесса выпечки. По результатам эксперимента выяснили, что при идентификации модели (2) на 8–ой минуте выпечки тестовой заготовки относительная погрешность прогнозирования по модели составила для цвета менее 3%, для температуры менее 5%.

По разработанным методе контроля окраски корки ХБИ, алгоритмам и программном обеспечение для расчета цвета и принятия решения по управлению технологическим процессом выпечки была синтезирована структура СППР (рис. 7). Предложена модульная трехуровневая  структура, включающая уровни:

1. получения первичной информации об объекте;

2. интеллектуальной обработки данных для расчета показателя качества;

3. математического моделирования динамики изменения показателя цветности и выдачи рекомендаций по управлению.

Рис. 7. Система поддержки принятия решений по управлению процессом выпечки ХБИ на основе математической модели кинетики цвета корки


Выводы

1. Проведен системный анализ проблем и методов оценки показателей качества цвета корки ХБИ, позволивший осуществить синтез структуры системы поддержки принятия решений по управлению процессом выпечки ХБИ.

2. Реализована автоматизированная система отбора наиболее информативных параметров регистрируемых цветовых спектров поверхности ХБИ и оценки показателя качества по обученной ранее нейронной сети, что позволило осуществлять непрерывную автоматизированную оценку цвета ХБИ в процессе выпечки.

3. Синтезирована математическая модель динамики изменения показателя цветности, позволившая прогнозировать значение показателя цветности при заданных температуре и времени выпечки ХБИ с относительной погрешностью 0,5  %, а также рассчитывать корректирующие значения времени и температуры выпечки.

       4. Разработано программное обеспечение для реализации системы поддержки принятия решений по управлению технологическим процессом выпечки ХБИ с учетом цвета корки.

Перечень основных публикаций автора по теме диссертации

Статьи, опубликованные в изданиях, определенных ВАК РФ по научной специальности диссертационной работы:

  1. Битюков В.К., Хвостов А.А., Рылев С.С., Ребриков Д.И. Синтез математических моделей распределений измеряемых величин для контроля качества // Системы управления и информационные технологии, 4.1(42), 2010. - С. 108-110.

2. Битюков В.К., Хвостов А.А., Рылев С.С., Ребриков Д.И. Автоматизированная система контроля качества цвета хлебобулочных изделий // Вестник Воронежской государственной технологической академии. – 2011. –  №2. С. 25-28.

3. Рылев С.С. Автоматизированная система поддержки принятия решения по управлению процессом выпечки хлебобулочных изделий // Системы управления и информационные технологии, №3(49), 2012. - С. 94-99.

Публикации в других изданиях

4. Битюков В.К., Хвостов А.А., Рылев С.С., Ребриков Д.И. Метод моделирования экспериментальных данных со спектральной составляющей // Материалы Международной научно-практической конференции, посвященной 80-летию ГОУ ВПО ВГТА и 50-летию кафедры ИУС. Воронеж, 2009 г. С. 33-35.

5. Битюков В.К., Хвостов А.А., Пономарева Е.И., Ребриков Д.И., Рылев С.С. Параметры статистических распределений для определения показателей качества // Новое в технологии и технике пищевых производств Материалы II Международной научно-практической конференции, посвященной 80-летию ГОУ ВПО ВГТА, 60-летию кафедры «Технологии хлебопекарного, макаронного и кондитерского производств». Воронеж, 2010 г. С. 503-504.

6. Рылев С.С. Модифицированный метод анализ иерархий в задаче выбора значимых параметров для оценки качества // Сборник трудов ХХIV Международной научной конференции «Математические методы в технике и технологиях – ММТТ-24». – Национ. техн. ун-т. Украины «КПИ» - Киев, 2011. – с.148-150

7. Битюков В.К., Ребриков Д.И., Рылев С.С. Выделение унимодальных областей из последовательности измеряемых данных // Сборник трудов ХХIV Международной научной конференции «Математические методы в технике и технологиях – ММТТ-24». –Пенза,  2011. – С. 44-45.

Подписано в печать  ..2012. Формат 60 х 84 1/16

Усл. печ. л. 1,0. Тираж 120 экз. Заказ

ФГБОУ ВПО «Воронежский государственный университет инженерных технологий»

(ФГБОУ ВПО «ВГУИТ»)

Отдел полиграфии ФГБОУ ВПО «ВГУИТ»

Адрес академии и отдела полиграфии:

394036, Воронеж, пр. Революции, 19Заказ ______




© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.