РАЗРАБОТКА ПРОТОТИПА ПРИБОРА ДЛЯ ОПТИМИЗАЦИИ ПРОЦЕССА ПОЛИМЕРИЗАЦИИ ПРОПИЛЕНА С ПРИМЕНЕНИЕМ ИСКУССТВЕННОЙ НЕЙРОННОЙ СЕТИ

Аннотация

Представлено комплексное исследование о возможности применения нейросетевой модели для прогнозирования показателя текучести расплава полипропилена в реальных условиях в автоматизированной системе управления технологическими процессами узла полимеризации пропилена. Модель обучена на данных, полученных с помощью имитационного моделирования технологического режима процесса полимеризации пропилена по технологии «Spheripol» с использованием библиотек Python (TensorFlow/Keras). Далее нейросетевую модель конвертировали в формат TensorFlow Lite Micro, что позволило минимизировать требования к памяти и обеспечить её совместимость с микроконтроллером ESP32. Интеграция модели в аппаратную часть выполнена с помощью среды Arduino IDE. Анализ использования системных ресурсов микроконтроллера ESP32 показывает эффективность предложенного решения: использование флэш-памяти составляет 24 % от доступного объёма (около 315 КБ из 1,3 МБ), а использование оперативной памяти – 6 % (около 20 КБ из 327 КБ), что оставляет достаточный запас для реализации дополнительных функций работы нейронной сети. Также, в результате тестирования модели, подтверждено время одного инференса – менее 2 мс, что соответствует требованиям к системам управления в реальном времени.