Intelligent microclimate control in industrial premises using hybrid neural-fuzzy model

Abstract

Мета. У статті розглянуто проблему інтелектуального керування мікрокліматом у промислових приміщеннях, що має ключове значення для забезпечення стабільності технологічних процесів, підтримання якості продукції та зниження енергетичних витрат. Метою дослідження є створення гібридної системи прогнозування та керування, яка забезпечує адаптивність і стійкість у динамічних промислових умовах. Методика. Методика дослідження ґрунтується на поєднанні нейромережевої моделі типу NNARX для прогнозування ключових параметрів та нечіткого логічного контролера для прийняття керуючих рішень. Реалізація виконана у середовищі Python із використанням бібліотеки Keras, що дозволило налаштовувати архітектуру мережі, варіювати кількість шарів і нейронів та оцінювати різні конфігурації. Для підвищення точності та узагальнюючої здатності застосовано регуляризацію, Dropout, контроль складності моделі та штучне варіювання вхідних даних. Результати. Результати моделювання підтвердили здатність системи з високою точністю прогнозувати температуру та вологість, забезпечувати стабільність регулювання й знижувати похибку навіть в умовах невизначеності. Порівняння з класичними методами продемонструвало переваги інтеграції прогнозної нейромережевої моделі з нечіткою логікою, що забезпечує гнучкість реагування на змінні фактори. Наукова новизна. Наукова новизна роботи полягає у створенні комбінованої архітектури NNARX+FLC, яка поєднує прогнозування та адаптивне керування в єдиній системі. Практична значимість. Практична значимість визначається можливістю впровадження запропонованого підходу у промислові кіберфізичні комплекси для оптимізації енергоспоживання, підвищення надійності технологічних процесів і зменшення впливу людського фактора. Перспективним напрямом є перевірка моделі на реальних даних і її адаптація до різних галузей промисловості.