Проведено порівняння між ПІ і нейромережевим регулятором (НМР). Визначено, який тип регулювання надасть змогу досягти найкращих показників контролю якості для регулювання першого корпусу випарної станції (ВС). Недотримання необхідних технологічних параметрів може призвести до забиття фільтрів і перешкоджати надходженню соку на ВС. Крім того, необхідно забезпечувати оптимальні показники роботи ВС для отримання найбільш високих показників продуктивності та стабілізації рівнів соку в корпусах випарних апаратів. Саме тому, з метою запобігання перегріву та перетримці цукрового сиропу, необхідно застосовувати інтелектуальні засоби регулювання, оскільки це призводить до підвищення параметрів якості процесу у порівнянні з системами з іншими типами регуляторів. Здійснено регулювання таких відповідальних параметрів, як рівні концентрованого соку в корпусах ВС, які безпосередньо впливають на якість і вартість виробленої продукції для забезпечення таких преваг у роботі ВС: зменшення часу перебування соку в зонах високих температур унаслідок переносу відборів пари з перших корпусів в останні; зниження чутливості до змін витрати та конденсації соку, який поступає на випарювання; зменшення тривалості варки концентрованого соку у вакуум-апаратах шляхом підвищення температури гріючої пари. Всі дослідження проводено з застосуванням середовища Matlab. Параметри налаштування регуляторів розраховано за допомогою вбудованих засобів середовища Matlab. У ході досліджень визначено, що НМР має більш високі якісні характеристики перехідних процесів у порівнянні з ПІ-регулятором, проте в ході його застосування виникає статична похибка. Для подальшого використання НМР у розробленій системі автоматизації необхідно розробити механізм компенсації цієї похибки.

Мета дослідження - обгрунтування методів регулювання тиску пари у випарному апараті з підсистемою прогнозування, що надасть можливість спрогнозувати поведінку системи та дослідити вплив кількості часових інтервалів алгоритму прогнозування на точність прогнозу роботи випарної станції. Розроблено систему обміну даними між рівнем технологічного процесу та рівнем виробництва. Досліджено роботу випарної установки з підсистемою прогнозування регулювання тиску пари. У схемі автоматизації регулювання тиску пари як датчик використовуються перетворювачі тиску PC-28. Виконавчими механізмами слугують пневматичні сідельні клапани з вбудованим дроселем та електропневмоперетворювачем. Використання нейронечітких регуляторів відбувається лише в окремих специфічних випадках інтелектуального керування процесом випаровування, відсутні дані порівняння застосування інтелектуальних регуляторів із класичними, можливості комбінування роботи кількох типів інтелектуальних регуляторів, а також чітких засобів прогнозування їх роботи. Тому використано метод прогнозування для порівняння методів регулювання тиску пари в апараті, що надало можливість спрогнозувати поведінку системи при формуванні керування та вивести готовий прогноз на екран оператора і, таким чином, підвищити ефективність роботи випарної станції. Зібрано статистичні дані поведінки контурів системи автоматизації у різних режимах роботи з використанням інтелектуальних і класичних регуляторів і побудовано модель прогнозування роботи випарної станції методом локальної тенденції та модифіковано алгоритм прогнозування. Перевага даного методу - легка та швидка його реалізація, яка не потребує великих економічних та енергетичних затрат. Побудовано модель прогнозування роботи випарної станції методом локальної тенденції та розроблено алгоритм прогнозування. Оцінено точність отриманої моделі прогнозування: 97 % - для ПІД-регулятора, 97 % - для нейронечіткого регулятора та 96,5 % - для нейромережевого при використанні дев'яти інтервалів, що вище за точність при використанні шести інтервалів. Запропонована модель для прогнозування роботи випарної станції характеризується високою точністю в цілому, але під час коливань у перехідному процесі виникає несуттєве запізнення їх прогнозування. Точність роботи даної моделі напряму залежить від збільшення кількості часових інтервалів при розробці алгоритму прогнозування.