Исследование и анализ системы динамического взвешивания заполнителей на основе машинного обучения для установки смешивания цементно-стабилизированного грунта

Точность систем взвешивания заполнителей на установках смешивания цементно-стабилизированного грунта имеет первостепенное значение для качества и долговечности инфраструктурных объектов. В статье представлены усовершенствованная конструкция и комплексный анализ системы взвешивания заполнителей с использованием MATLAB/Simulink для проектирования системы управления и методов машинного обучения для прогнозного анализа. Благодаря оптимизации параметров пропорционально-интегрально-дифференцирующего (ПИД) регулятора и применению фильтра Калмана для снижения уровня шума достигнуто повышение точности измерений на 15% и увеличение устойчивости системы на 20%. Модели машинного обучения, включая нейронные сети, обучались на реальных и синтетических наборах данных для прогнозирования характеристик системы при различных условиях, что повысило эффективность эксплуатации. Предложенный подход был подтвержден результатами моделирования и экспериментальными данными, продемонстрировав значительные преимущества по сравнению с традиционными методами.