Method of identification of nonlinear dynamic control objects of preparatory processes before ore dressing

User Rating:  / 1


I. V. Novitskyi, Dr. Sc. (Tech.), Prof.,, Dnipro University of Technology, Dnipro, Ukraine, e­mail: This email address is being protected from spambots. You need JavaScript enabled to view it.

V. V. Sliesarev, Dr. Sc. (Tech.), Prof.,, Dnipro University of Technology, Dnipro, Ukraine, e­mail: This email address is being protected from spambots. You need JavaScript enabled to view it.

A. V. Maliienko, Cand. Sc. (Tech.),, Dnipro University of Technology, Dnipro, Ukraine, e­mail: This email address is being protected from spambots. You need JavaScript enabled to view it.

Naukovyi Visnyk Natsionalnoho Hirnychoho Universytetu. 2020, (2): 42-46

 повний текст / full article



Purpose. To develop a method for identifying mathematical models of control objects as a part of an adaptive management system for preparatory processes before ore processing.

Methodology. The methodological ground of the research is the classic position and the fundamental works by foreign and domestic scholars, statistics, and the results of authors’ research. Methods of fuzzy set theory, comparative analysis of abstraction, and generalization of scientific experience of modern theoretical research studies, systematic and comprehensive approach are applied in the study. The effective operation of industrial technological complexes characteristic of the mining and processing industry involves solving a wide range of operational automatic control tasks.

Findings. Technological processes of reducing material coarseness such as crushing, grinding are the most resource-intensive operations of the mining and processing industry. Therefore, the use of the most effective systems of operational management of these processes is essential in modern conditions of operation of a mining and processing enterprise. A methodological approach to assessing the parameters of the linear parts of the control object model from the input parameters and the correspondence of the process values at the output of the control object are proposed. The analysis made it possible to determine and implement a management system for ore-shingle mills at an industrial enterprise.

Originality. For the first time, the study proposes to solve the main problems of identifying the corresponding structure of a real object and the structure of a model, determining the nonlinear static characteristics of an object. This allows one to create effective systems with a fairly universal method for identifying the control object.

Practical value. The method is distinguished by high rate of selection of information about an object. It allows determining the parameters of the linear parts and the structure of the nonlinear part of the model. The identification method described in the article was tested when developing and implementing control systems for ore-peeling mills IWG 55  75 at SevGOK MPP.


1. Khomenko, O. E., Kononenko, N. N., Vladiko, O. B., & Maltsev, D. V. (2011). Hirnichorudna on the right of Ukraine in the measure of Internet. Dnipropetrovsk: National Mining University. ISBN 978-966-350-306-6.

2. Groves, P. D. (2013). Principles of GNSS, inertial, and multisensor integrated navigation systems. Artech House.

3. Li, A., Ivanov, N., & Kuznetsov, P.M. (2014). Dynamic system identification on the basis of non-linear matrix transformation. Newsletter of UGATU, 18, 237-242.

4. Neusypin, K. A., Proletarskii, A. B., Vais, Yu. L., & Sholokhov, D. O.  (2012). Forming assembly of filtering criteria of compact algorithm of self-organisation. Automatization and modern technologies, (11), 14-16.

5. Tsibizova, T. Yu. (2015). Method of identification of nonlinear control systems. Contemporary problems of science and education, 1-1.

6. Pavlov, Yu. N., Nedashkovskyi, V. M., Tykhomirova, E. A., & Shavyrin, I. B. (2014). Method of harmonic linearization in the problem of identification nonlinear dynamic systems. Science and education E-Journal, (4), 382-397.

7. Ljung, L. (2013). Some classical and some new ideas for identification of linear systems. Journal of Control, Automation and Electrical Systems, 24(1-2), 3-10.

8. Novitsky, I. V., & Kostina, Ye. I. (2014). Method of non-parametric identification of nonlinear dynamic control objects of processing technology. Mining Electric Engineering and Automatization Scientific and Technical Collections, (92), 67-69.

9. Novitsky, I. V., & Us, A. V. (2016). Adaptive system of controlling the coarse crushing process. Sistemnye tehnologii. Regional Educational Institution Collection of Scientific Papers4(105), 69-75.

Tags: identification methodnonlinear and non-stationary control objectadaptive systemsmining and processing integrated plant

Newer news items:

Older news items: