• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

В Пермском кампусе НИУ ВШЭ создается новая научно-учебная группа

В Пермском кампусе НИУ ВШЭ создается новая научно-учебная группа

https://www.uralkali.com/ru/

Проект команды ученых и студентов НИУ ВШЭ — Пермь «Динамическая оптимизация параметров контура управления киберфизической системы проветривания подземного горнодобывающего предприятия» стал одним из победителей конкурса научно-учебных групп НИУ ВШЭ на 2021 год. 

В рамках проекта в НИУ ВШЭ — Пермь будет создана новая научно-учебная группа — «Исследование методов управления в промышленных киберфизических системах».

Цель исследования — оптимизация параметров системы управления проветриванием подземных горнодобывающих предприятий (на примере калийного рудника) за счет введения в контур обратной связи алгоритмов интеллектуальной адаптации. 

Участники научно-учебной группы

Кычкин Алексей Владимирович

Научно-учебная лаборатория междисциплинарных эмпирических исследований (Пермь): заведующий лабораторией

Дерябин Александр Иванович

Кафедра информационных технологий в бизнесе (Пермь): доцент

Марквирер Владлена Дмитриевна

Научно-учебная лаборатория учебных корпусов: Стажер-исследователь

Горшков Олег Владимирович

Сектор эмпирического анализа рынков и компаний: Аналитик

Селиванов В.А.

студент магистерской программы «Информационная аналитика в управлении предприятием»

Селина А.Д.

студентка образовательной программы «Программная инженерия»

Черницин И.А.

студент образовательной программы «Программная инженерия»

Алексей Кычкин, руководитель научно-учебной группы «Исследование методов управления в промышленных киберфизических системах», заведующий НУЛ МЭИ

Алексей Кычкин, руководитель научно-учебной группы «Исследование методов управления в промышленных киберфизических системах», заведующий НУЛ МЭИ

Известно, что системы проветривания подземных горнодобывающих предприятий потребляют от 30% до 50% всей затрачиваемой на процесс добычи полезного ископаемого электроэнергии. Наша модель динамической оптимизации включает в себя ряд расчетов взаимосвязей физических параметров общерудничной тяги, действующей между стволами, а также алгоритм выбора наилучших управляющих воздействий, реализуемый на основе машинного обучения с подкреплением. Экономия от использования предлагаемой модели оптимизации может составить до 15%.