Эта статья является препринтом и не была отрецензирована.
О результатах, изложенных в препринтах, не следует сообщать в СМИ как о проверенной информации.
Проблемы оптимизации структуры распределенной автоматизированной системы управления непрерывным технологическим процессом
2026-03-30
Рассматривается актуальная задача оптимизации структуры распределенной автоматизированной системы управления непрерывным технологическим процессом. Ставится задача комбинаторной оптимизации с множественными ограничениями, для решения которой могут быть применены метаэвристические алгоритмы. Формулируются сопутствующие проблемы, такие как проблемы выбора алгоритма оптимизации, выбор параметров алгоритма, верификация полученной системы управления. Рассматривается пример системы управления непрерывным химическим производством. Оцениваются перспективы комбинации метаэвристических алгоритмов и машинного обучения.
Ссылка для цитирования:
Закирзянов Р. М. 2026. Проблемы оптимизации структуры распределенной автоматизированной системы управления непрерывным технологическим процессом. PREPRINTS.RU. https://doi.org/10.24108/preprints-3114802
Список литературы
1. Закирзянов, Р. М. Опыт импортозамещения АСУТП непрерывного производства в химической промышленности / Р. М. Закирзянов, А. Р. Латыпов, А. И. Шпилев // Автоматизация в промышленности. – 2025. – № 12. – С. 43-48.
2. Денисенко, В. В. Компьютерное управление технологическим процессом, экспериментом, оборудованием. Монография / В. В. Денисенко. – Москва: Горячая линия - Телеком, 2013. – 606 с.
3. Закирзянов, Р. М. Критерии выбора оптимальной структуры распределенной системы управления технологическими процессами крупных промышленных предприятий / Р. М. Закирзянов // Математические методы в технологиях и технике. – 2024. – № 10. – С. 17-23.
4. Zakirzyanov R. M. A Method For Optimizing The Structure Of The Software And Hardware Complex Of A Distributed Process Control System For Large Industrial Enterprises // In 18th International Conference on Management of Large-Scale System Development (MLSD), Moscow, Russian Federation, 2025. PP. 1-5. doi: 10.1109/MLSD65526.2025.11220659.
5. Гладков, Л. А. Интеллектуальные системы: модели и методы метаэвристической оптимизации / Л. А. Гладков, Ю. А. Кравченко, В. В. Курейчик, С. И. Родзин. – Чебоксары: ООО «Издательский дом «Среда», 2024. – 228 с.
6. Ahmed Shaban A., Almufti S. M., Asaad R. R. Metaheuristic Algorithms for Engineering and Combinatorial Optimization: A Comparative Study Across Problems Categories and Benchmarks // International Journal of Scientific World. 2025. Vol. 11, No. 2, PP. 38–49. doi:10.14419/0hndc578.
7. Kiss A. A., Bildea C. S., Grievink J. Dynamic Modeling and Process Optimization of an Industrial Sulfuric Acid Plant // Chemical Engineering Journal. 2010. Vol. 158, Issue 2, PP. 241–249. doi:10.1016/j.cej.2010.01.023.
8. Arık, O.A., Toğa, G., Atalay, B. Reinforcement Learning Based Acceptance Criteria for Metaheuristic Algorithms // Int J Comput Intell Syst. 2025. Vol. 18, No. 207. doi:10.1007/s44196-025-00924-2.
