Содержание к диссертации
Введение
ГЛАВА 1. Обоснование необходимости модернизации алгоритмов управления процессом ванюкова 10
1.1. Анализ процесса Ванюкова 10
1.1.1. Физико-химические основы процесса Ванюкова 10
1.1.2. Обзор работ по исследованию процесса обеднения шлаков и управлению печами Ванюкова 14
1.2. Обзор способов контроля и управления ПВ на примере печи Ванюкова №3 Медного завода 23
1.2.1. Краткое описание технологического процесса комплекса ПВ-3 23
1.2.2. Регулирование температурного режима плавки 27
1.2.3. Регулирование химического состава штейна 28
1.2.4. Регулирование химического состава шлака по содержанию диоксида кремния 28
1.2.5. Особенности плавки в ПВ-3 28
1.2.6. Недостатки существующего управления 29
1.3. Характеристика информационных потоков процесса плавки в печи Ванюкова №3 Медного завода 31
1.3.1. Информационный поток химических составов сырья и готовой продукции 31
1.3.2. Информационный поток основных технологических параметров процесса Ванюкова 32
1.3.3. Недостатки существующих информационных потоков печи Ванюкова 33
1.4. Выводы 34
ГЛАВА 2. Нейросетевая модель прогнозирования показателей качества продуктов плавки процесса ванюкова 36
2.1. Описание существующей системы управления плавильным комплексом ПВ-3 36
2.2. Обработка входных и выходных информационных потоков перед построением нейросетевой модели процесса Ванюкова 38
2.2.1. Приведение к единому уровню квантованию по времени и единой шкале измерения 38
2.2.2. Фильтрация и очистка исторических данных 40
2.2.3. Формирование структуры входного информационного потока 41
2.2.4. Определение объема входного информационного потока 41
2.3. Построение грубой аппроксимирующей модели процесса Ванюкова на базе классификатора Кохонена 42
2.4. Построение уточненной аппроксимирующей модели прогнозирующей качество продуктов плавки в печи Ванюкова на базе сети с радиально-базисной функцией активации 52
2.5. Выводы 59
ГЛАВА 3. Модель управления качеством конечных продуктов процесса ванюкова на базе модифицированного алгоритма динамического программирования и принципа оптимальности беллмана 61
3.1. Структурная схема управления процессом Ванюкова 61
3.2. Модификация алгоритма динамического программирования и принципа оптимальности Беллмана применительно к управлению процессом Ванюкова 62
3.2.1. Классический подход динамического программирования и принципа оптимальности Беллмана на примере процесса Ванюкова 63
3.2.2. Модификация алгоритма 66
3.3. Пример расчета плана управления процессом плавки в печи Ванюкова 67
3.3.1. Моделирование управления для режима с богатым штейном 67
3.3.2. Моделирование управления для режима на заданный штейн 71
3.4. Выводы 73
ГЛАВА 4. Интеграция системы управления качеством конечных продуктов процесса ванюкова в асу тп предприятия 75
4.1. Описание принципов интеграции системы управления в АСУ ТП 75
4.2. Алгоритмическое обеспечение системы управления качеством конечных продуктов процесса Ванюкова 79
4.3. Описание интерфейса визуализации системы управления качеством конечных продуктов процесса Ванюкова 84
4.4. Апробация результатов 88
4.5. Выводы 90
Заключение 92
Список литературы 95
- Обзор способов контроля и управления ПВ на примере печи Ванюкова №3 Медного завода
- Приведение к единому уровню квантованию по времени и единой шкале измерения
- Классический подход динамического программирования и принципа оптимальности Беллмана на примере процесса Ванюкова
- Алгоритмическое обеспечение системы управления качеством конечных продуктов процесса Ванюкова
Введение к работе
Актуальность темы. Экономические показатели производства катодной меди зависят от эффективности управления головным процессом - плавкой медного сырья в печах Ванюкова (ПВ). Качество управления оценивается химическим составом получаемых продуктов плавки, производительностью плавильного комплекса и эффективностью расхода энергоресурсов. Целью управления технологическим процессом (ТП) ПВ является обеспечение работы плавильного комплекса в режимах, позволяющих решить основную задачу процесса Ванюкова - пирометаллургическое разделение шихты на штейн и отвальный шлак с минимальными потерями цветных металлов.
Теоретические основы плавки в жидкой ванне (ПЖВ) были разработаны профессором Ванюковым А.В. в 1949 году. Дальнейшие исследования в области переработки сырья в печах Ванюкова производились специалистами МИСиС, «Гинцветмет», Норильского и Балхашского горно-металлургического комбинатов и других организаций.
Разработкой математических моделей и систем управления процессом занимались А.В. Ванюков, В.П. Быстров, А.Д. Васкевич, А.В. Спесивцев, В.И. Лазарев и др. Тем не менее, вопросу автоматического управления ПВ посвящено недостаточно исследований. Уровень развития алгоритмического и информационного обеспечения ТП предоставляет ограниченные возможности для автоматического ведения процесса - существующие автоматизированные системы управления технологическим процессом (АСУТП) Ванюкова включают в себя контуры контроля технологических параметров и регулирования входных материальных потоков, а контроль конечных продуктов плавки осуществляется с большой задержкой. Принятие управляющих решений об оперативном изменении режимных параметров осуществляет оператор-технолог. Как следствие, содержанием меди в получаемых штейнах ПВ изменяется в широких диапазонах 47-57 % или 65-73 % в зависимости от состава перерабатываемой шихты, тогда как регламентированное значение составляет 55-60 %. Получение таких штейнов приводит к дополнительным затратам на стадии конвертирования. Такое управление процессом говорит о необходимости совершенствования и модернизации существующего алгоритмического обеспечения.
Из вышесказанного следует, что задача исследования и построения алгоритмов управления процессом плавки в ПВ является актуальной. Решение этой задачи позволит улучшить качество конечных продуктов плавки и, как следствие, снизить затраты при переработке сульфидного сырья.
Цель работы - создать алгоритмическое обеспечение системы управления ПВ, обеспечивающее контроль и управление качеством конечных продуктов за счет прогнозирования основных технологических параметров.
Задачи исследования:
-
Разработать нейросетевую модель, прогнозирующую качество конечных продуктов плавки в ПВ.
-
Сформулировать критерии формирования входных и выходных информационных потоков (ИП) с целью параметрической настройки модели прогнозирования качества конечных продуктов ПВ.
-
Разработать алгоритм формирования входных и выходных ИП модели ПВ.
-
Создать обобщенную схему управления качеством продуктов ПВ.
-
Модифицировать алгоритм динамического программирования и принципа Беллмана применительно к управлению процессом Ванюкова с целью сокращения числа вариантов.
-
По разработанным алгоритмам создать пакет прикладных программ для мониторинга состояния и управления процессом плавки в печах Ванюкова.
-
Провести численные эксперименты для апробации результатов моделирования на промышленных данных.
Объект исследования - процесс плавки в печах Ванюкова.
Предмет исследования - автоматизация управления качеством конечных продуктов ПВ.
На защиту выносятся следующие положения и результаты:
-
-
Критерии подготовки статистических данных процесса Ванюкова при построении репрезентативной выборки, устанавливающей связь технологических параметров и качества конечных продуктов процесса.
-
Методика нейросетевого моделирования качества конечных продуктов процесса Ванюкова с абсолютной ошибкой не более 2.5 %.
-
Алгоритм вычисления управляющих воздействий при регулировании качества продуктов процесса Ванюкова по заданному критерию управления, основанный на модификации динамического программирования Беллмана.
-
Структурная схема системы управления качеством конечных продуктов
ПВ.
-
-
Пакет прикладных программ для мониторинга состояния и управления качеством конечных продуктов ПВ.
Научную новизну диссертационного исследования составляют:
-
-
-
Нейросетевая модель прогнозирования качественных показателей продуктов плавки ПВ с научно обоснованным выбором параметров нейронной сети, отличающаяся введением сети с радиально-базисной функцией активации на выходе классификатора Кохонена.
-
Модифицированный алгоритм динамического программирования, отличающийся введением критерия группировки состояний системы c целенаправленным сокращением количества вариантов принятия решений по управлению процессом Ванюкова.
-
Обобщенная структурная схема управления качеством конечных продуктов плавки ПВ, отличающаяся комбинированным применением нейросетевой прогнозирующей модели и модифицированного алгоритма динамического программирования Беллмана.
Значение для теории: в результате исследования развиты положения:
теории управления - предложена обобщенная структурная схема управления металлургическим процессом с применением прогнозирующей нейросетевой модели;
теории динамического программирования - разработан модифицированный алгоритм поиска управляющих воздействий при заданном критерии управления;
теории синтеза нейросетевых моделей - предложена составная нейронная сеть на базе классификатора Кохонена и нейронной сети с радиально-базисной функцией активации применительно к прогнозированию качества конечных продуктов плавки в печах Ванюкова.
Значение для практики: разработан и внедрен программный комплекс, позволяющий вести мониторинг качественных показателей процесса Ванюкова. На основании спрогнозированных показателей плавки программный комплекс позволяет рассчитывать необходимые управляющие воздействия для корректировки качества конечных продуктов процесса Ванюкова в соответствии с регламентированным заданием качества.
Реализация результатов работы
-
-
-
-
На разработанный программный комплекс, прогнозирующий качество конечных продуктов плавки в ПВ получено авторское свидетельство.
-
Результаты работы переданы и внедрены в практику управления процессом плавки в ПВ на Медном заводе ЗФ ОАО «ГМК «Норильский никель». По рекомендациям, сгенерированным системой управления, в настоящее время осуществляется периодическое управление, позволяющее в условиях недостаточной информации получать штейны с содержанием меди в регламентированных рамках, что существенно снижает затраты на последующих этапах конвертирования и рафинирования меди.
-
Материалы исследования используются в учебном процессе кафедры «Электропривод и автоматизация технологических процессов и производств» Норильского индустриального института.
Все результаты применения диссертационных исследований подтверждаются соответствующими актами.
Методы исследования. Решение поставленных задач осуществлялось при помощи методов теории вероятностей и математической статистики, теории искусственных нейронных сетей и классификации информации, теории автоматического управления, методов принятия решений и оптимального управления процессами, методов динамического программирования Беллмана, методов математического и компьютерного моделирования.
Все необходимые расчеты производились с применением математических пакетов MATLAB, Deductor Studio и программных продуктов, разработанных автором.
Достоверность полученных результатов обеспечена корректным использованием методов моделирования и математической статистики, непротиворечивостью исследованиям других авторов, использованием сертифицированного программного обеспечения, а также сходимостью прогнозируемых показателей качества с экспериментальными данными процесса.
Апробация результатов работы
Полученные автором результаты исследований докладывались и обсуждались:
-
-
-
-
-
На 2-ой Международной научно-практической конференции «Перспективы и темпы научного развития» г. Тамбов 2012 г.;
-
На Международном форуме МАЙНЕКС 2011, конкурс молодых специалистов «От идеи к инновации»;
-
На V Региональной научной конференции молодых ученых, преподавателей, аспирантов, студентов и учащихся «Научный потенциал Норильского промышленного района - XXI век» г. Норильск 2012 г;
-
На XVI Международной конференции по мягким вычислениям и измерениям SCM 23-25 мая 2013 г. Санкт-Петербург 2013г.
-
На Научно-методическом семинаре Института цветных металлов и материаловедения Сибирского федерального университета 6 июня г. Красноярск.
Публикации. Основные результаты исследований опубликованы в 8 научных работах, из которых 3 в ведущих рецензируемых изданиях, включенных в список ВАК.
Получено авторское свидетельство на программный комплекс «Система прогнозирования результатов плавки в печах Ванюкова».
Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка использованной литературы из 112 источников, 50 рисунков и 3 приложений. Работа изложена на 109 страницах машинного текста.
Обзор способов контроля и управления ПВ на примере печи Ванюкова №3 Медного завода
Компоненты шихты для плавки в печах Ванюкова поступают из сушильного цеха в расходные бункеры печей. К компонентам шихты относятся: уголь, медный концентрат обогатительных фабрик, материалы со склада открытого хранения, цементная медь цеха электролиза никеля Никелевого завода, крупные и мелкие обороты, песчаник. При этом смешивание или совместное хранение разнородных материалов не допускается. Сульфидные компоненты шихтуют в задаваемом соотношении концентрат/руда в сушильном участке сушильного цеха и подают системой ленточных транспортеров в припечные шихтовые бункера. Песчаник и оборотные продукты подают в припечные шихтовые бункера в чистом виде. Технологическая схема плавки в печи Ванюкова представлена на рис. 1.11.
Расходные бункеры оборудованы ленточными питателями с регулируемой скоростью движения ленты, что позволяет осуществлять подачу компонентов шихты на сборные транспортеры в заданном соотношении. Печь оборудована двумя независимыми сборными транспортерами. С каждого сборного транспортера шихта непрерывно поступает на плавку через загрузочные течки, расположенные на своде печи и имеющие укрытие для сокращения подсосов воздуха и выбросов газа.
Процесс Ванюкова может идти как автогенно, за счет тепла экзотермических реакций окисления шихты, так и полуавтогенно, когда недостаток тепла компенсируется сжиганием природного. В процессе Ванюкова, как и в других автогенных процессах, элементарные стадии процесса плавления (нагрев, диссоциация, окисление и т.д.) совмещены. Нагрев шихты и диссоциация высших сульфидов начинается во время ее вертикального движения к поверхности расплава и завершается в барботируемой области ванны.
Плавка сульфидных материалов в печи Ванюкова осуществляется в интенсивно перемешиваемом шлаковом расплаве, доля сульфидов в котором достигает 10 %.
Подача окислительного дутья осуществляется через боковые фурмы в слой шлако-штейновой эмульсии, что позволяет использовать в наиболее теплонагруженной части агрегата водоохлаждаемые кессоны, которые являются основным конструктивным элементом шахты печи и непосредственно контактируют с расплавом. В качестве окислительного дутья используется смесь технологического кислорода и компрессорного воздуха с содержанием кислорода от 60 до 85 % и давлением от 0.5105 Па до 1.2105 Па. Перед подачей в печь их смешивают в смесителе и через коллектор подают в фурмы. Нижний предел давления обусловлен прекращением самоочистки фурм, а верхний – возникновением чрезмерно высоких тепловых нагрузок на фурмы и приводящих к их ускоренному износу. Кроме того, при снижении давления кислородо-воздушной смеси (КВС) ниже указанного уровня может произойти залитие фурм расплавом.
После того, как комплекс ПВ-3 выводится на один из заданных режимов, оператор-технолог, посредством контрольно-измерительных приборов и системы визуализации, осуществляет оперативное управление процессом плавки. Информацию о гидродинамике ванны, оператор-технолог получает непосредственным визуальным наблюдением брызгообразования при продувке. Динамика теплового режима плавки отслеживается по температуре воды, сливаемой с кессонов печи, а так же по характеру образования настыли в устье фурм. Управление процессом плавки осуществляется путем дистанционного управления объемами загружаемой шихты и подаваемого дутья. На плавильном комплексе ПВ-3 применяются различные методы управления плавкой.
Продуктами плавки являются штейн (содержащего более 45 % меди и никеля в сумме), шлак (содержащего 30-32 % диоксида кремния) и отходящие газы (содержащих шлака и газов до 42 % диоксида серы).
Штейн представляет собой расплав сульфидов меди, никеля, кобальта, железа, в котором растворен кислород, благородные, редкие и рассеянные элементы. Массовая доля серы в штейне снижается по мере его обогащения цветными металлами, что связано с меньшей массовой долей серы в Cu2S (19 %) по сравнению с FeS (36 %).
Шлак представляет собой расплав оксидов, в котором присутствует сера. Химический состав шлака определяет такие его физические свойства, как плотность, вязкость и поверхностное натяжение, а также способность растворять магнетит и цветные металлы.
Штейн и шлак выдаются из печи непрерывно через соответствующие сифоны и по обогреваемым водоохлаждаемым желобам поступают в отельные поворотные миксеры-накопители.
Штейн из миксеров периодически выдается в ошлакованные ковши, которые на подвижной телеге выкатываются в главный пролет, и далее краном заливаются в конвертер.
Шлак из миксеров или копильника периодически выдается в шлаковозные чаши, которые подаются по железнодорожному пути и далее тепловозом транспортируются на шлакоотвал.
Отходящие газы выводятся из печи через аптейк и далее поступают в установку охлаждения газов, где охлаждаются до 65-80 С. Затем газы поступают в скруббер-охладитель, где охлаждаются до 45-50 С и очищаются от тонкой пыли. Очищенные и охлажденные газы направляют через отделение мокрой газоочистки участка на участок производства элементарной сети и дымовую трубу.
Осуществляется следующими способами:
1. путем изменения соотношения кислород/воздух без изменения общего расхода кислорода, подаваемого на плавку в единицу времени и при условии постоянства расхода загружаемой шихты и расхода природного газа (изменение обогащения дутья кислородом);
2. путем изменения расхода кислорода, подаваемого в печь, увеличивая содержание кислорода в дутье или запуская дополнительные фурмы (в переделах допускаемого обогащения и удельного расхода дутья относительно проплавленной шихты);
3. путем изменения расхода природного газа, с соответствующим изменением расхода кислорода, при постоянном расходе шихты на плавку;
4. путем изменения соотношения загрузка/дутье;
5. путем изменения соотношения сульфидсодержащих компонентов и оборотных материалов в шихте, при постоянном дутьевом режиме;
6. путем изменения соотношения сульфидсодержащих компонентов и флюса в шихте, при постоянном дутьевом режиме;
7. путем изменения общего расхода шихты, подаваемой на плавку, при постоянном дутьевом режиме.
Приведение к единому уровню квантованию по времени и единой шкале измерения
Приведение к единому уровню квантованию по времени и единой шкале измерения
В настоящее время минимальная периодичность измерения качественных показателей штейна ПВ составляет 2 часа. Таким образом, интервал квантования разрабатываемой модели принимается равным 2 часам.
Описанные ранее режимные параметры, измеряются реже и чаще периодичности измерения состава продуктов плавки. В связи с этим, существует необходимость к приведению всех параметров к единому уровню квантования по времени.
Параметры, измеряемые чаще 2 часов (ежеминутно), усредняются за 1 и 2 часа до поступления анализа состава штейна. Тогда для каждого параметра с минутной частотой измерения число входных параметров ИП увеличится вдвое:
где m - количество минут, за которое производится усреднение; 60 -сдвиг до начала предыдущего часа (в минутах). Введение второго параметра объясняется необходимостью в более подробном описании хода процесса плавки в течение 2-х часов, в результате которого был получен тот или иной химический состав штейна.
Параметры, измеряемые реже 2 часов (4 часа - состав шлака; 8, 12, 24 часов - состав компонентов шихты) восстанавливаются методами линейной интерполяции.
где пит- количество минут, прошедшее с момента получения предыдущего и предшествующего предыдущему химического анализа соответственно. Помимо единой дискретности по времени ИП должен обладать единой шкалой измерения. Для этого производится нормирование и центрирование данных: x (t)-x x (t)= , j2 (2.4) где x и fa2 - математическое ожидание и среднеквадратическое отклонение параметра соответственно. 2.2.2. Фильтрация и очистка исторических данных В первую очередь из входного ИП исключаются моменты времени, когда процесс плавки остановлен. К таким моментам относятся следующие состояния печи:
печь остановлена, либо находится на «притычках» (загрузка сырья и дутьё остановлены, расплав не скачивается и обогревается природным газом);
печь в ремонте (процесс плавки полностью остановлен, свод печи разбирается, расплав скачивается из ванны);
печь на разогреве (предпусковые работы, по подготовке свода печи к заливке расплава в печь).
Кроме того, в исторических данных процесса часто наблюдаются резкие выбросы, так называемые аномальные значения. Такие значения возникают с очень низкой вероятностью появления (до 0.3%). Фильтрацию аномальных значений предлагается осуществлять путем исключения всего вектора параметров по правилу «трех сигм» [43]. Значение параметра считается «аномальным», если оно не попадает в диапазон: xj -3 тj xj(t) xj + 3 jj (2 5) 2.2.3. Формирование структуры входного информационного потока Операция формирования входного ИП подразумевает расчет и создание параметров, определяемых косвенным путем по измеренным параметрам. К расчетным параметрам относятся следующие: x6, x7, x13, x15. Расчетное количество загружаемой меди и серы в шихте: n x4 (t) Fi (t) x6 (t) = y,, i (2.6) i=1 100 x 7 ( t ) = n , 100 (2.7) где F(t) - количество i-го компонента шихты, загружаемого на плавку; n - количество компонентов шихты. Расход металлосодержащих компонентов шихты: x13(t) = Fz(t)-x 14(t) (2 8) где F (t) - суммарная загрузка шихты в печь. Расход технологического кислорода на тонну металлосодержащих компонентов шихты: QO 2 (t ) x 15 ( t ) = (2 9) x13(t) где Q (t ) - расход кислорода на окисление сульфидов, который определяется по выражению: QO 2 (t) = x9(t)-x12(t)/100-2-x11(t) (2 10) 2.2.4. Определение объема входного информационного потока 10 100 80 8 Важным параметром входного ИП является его объем (объем выборки). От корректности его выбора зависит точность синтезируемой математической 40 20 2 0 147 294 441 588 735 882 1029 1176 1323 1470 1617 1764 1911 2058 2205 Рисунок 2.2 – графическое представление объема выборки модели. Для определения объема, предлагается использовать две независимые характеристики (рис. 2.2 ) – ошибку прогнозирования моделируемой величины (а) и продолжительности настройки нейросетевой модели (б). Оптимальный объем выборки, обеспечивающий минимальное время настройки модели и минимальную ошибку прогнозирования, находится на пересечении представленных зависимостей. Данный способ определения объема информационной выборки применим для фиксированной по информационному объему модели, поэтому далее автором будет проведено дополнительное исследование данного вопроса. 2.3. Построение грубой аппроксимирующей модели процесса Ванюкова на базе классификатора Кохонена Рассматривая плавку в печах Ванюкова как сложный многофакторный процесс, осуществляемый в условиях значительной неопределенности, можно сделать выводы о том, что процесс является стохастическим и не может быть описан простыми детерминированными выражениями. В настоящее время широко используется математический аппарат нечетких множеств и нечетких моделей [15, 17, 20, 44, 51, 52, 67, 72, 77]. Однако их применение возможно только для статических объектов, характеристики которых со временем не меняются, либо находятся в заданных лингвистическими переменными диапазонах. Многочисленные работы [46, 54, 55, 90, 111], предлагающие математические модели на основании факторного эксперимента, когда знания экспертов аппроксимируют при помощи регрессионных уравнений, а коэффициенты уравнений вычисляются по матрицам опроса экспертов. Такой подход является уникальным, так как позволяет выявить уникальные зависимости факторов модели, однако он обладает рядом недостатков. Построенные уравнения справедливы для статичных объектов, что неприменимо к процессу Ванюкова. Немаловажным недостатком является субъективность полученных уравнений – от опытности опрашиваемого эксперта зависит точность разработанной модели. Wn WIN В связи с этим, предлагается использовать математический аппарат теории классификации [2-6, 53, 74, 80, 97] и искусственных нейронных сетей [7, 21, 28, 32, 41, 105] для аппроксимации зависимости между параметрами вектора состояния процесса Ванюкова.
Классификация представляет Кохонена Рисунок 2.3 - структура самоорганизующейся карты Кохонена собой процесс группирования статистических данных по мере их близости друг к другу, для чего целесообразно применить самоорганизующуюся карту Кохонена (Self-organizing feature maps), относящуюся к сетям с обучением без учителя [4-6, 97, 98, 53, 105]. Структура карты Кохонена представляет собой двухслойную сеть (рис. 2.3), выходной слой которой называют слоем Кохонена. Обычно он представлен прямоугольной решеткой, в узлах которой находятся нейроны. Слой Кохонена состоит из N нейронов, на входы которых подаются n сигналов x1, x2, …, xn от предыдущего слоя. Веса связей между i-ым входом и j-ым нейронов обозначены как wij.
Классический подход динамического программирования и принципа оптимальности Беллмана на примере процесса Ванюкова
Следующим этапом в построении системы управления качеством продуктов плавки в печах Ванюкова является разработка алгоритма управления. Автором предложена методика модификации алгоритма динамического программирования и принципа оптимальности Беллмана [25-27]. Для ее описания необходимо рассмотреть классический подход. 3.2.1. Классический подход динамического программирования и принципа оптимальности Беллмана на примере процесса Ванюкова
Введем следующие понятия:
Период плавки Т - промежуток времени между двумя последовательными моментами отбора пробы для исследования химического анализа штейна. Управление процессом плавки осуществляется путем изменения значений вектора управляющих сигналов U с дискретностью управления Дґ. Тогда число моментов управления (принятий решения) - Q=T/bt, а дискретное время управления tj=j-bt, где j=0, 1, ... Q-1.
Под влиянием выбранного в момент времени tj управления (принятого решения) печь переходит в новое состояние. Этот переход можно описать соотношением: Здесь f(X(t}.), \J(t}.)) - TV-мерная функция от TV-мерного вектора X и 73-мерного вектора U, характеризующая процесс Ванюкова, где N=15, 73=4. Она представляет собой нейросетевую модель плавки и подробно описана в предыдущей главе. Начальное состояние процесса обозначим как X(t0). Рассмотрим многошаговый процесс управления процессом плавки. Задача управления процессом Ванюкова заключается в отыскании такого вектора управления U, который бы обеспечивал получение штейнов и шлаков с заданным химическим составом. Тогда физический смысл критерия качества можно сформулировать следующим образом: на протяжении периода плавки необходимо минимизировать суммарные отклонения по режимным параметрам, то есть
Процедура вычисления оптимального вектора управления v(t ) включает в себя два этапа:
1. «Попятная» процедура вычисления всех возможных оптимальных векторов управления, начиная с момента времени tQ=Q-At;
2. «Прямая» процедура вычисления оптимального вектора управления, начиная с момента времени t0. На рис. 3.2. показана структура расчета «попятной» процедуры. В момент времени iQ=Q-Ai, будем считать, что заданное состояние процесса
Ванюкова находится в оптимальной точке j{te) = F{x{te)). Состояние процесса для этой точки отображено в конце временной оси (J=Q). Исходя из конечного состояния, методом перебора управляющих воздействий определяются все возможные варианты управления процессом для момента времени tQ_1. Пусть q - количество возможных вариантов управления на момент времени t}.. Тогда векторы возможных управлений, состояний и критериев качества обозначим нижним индексом / и рассчитаем иг(/е J, St{te_1,иг.(ґе_J) и Jt{tQ_J для каждого варианта i = 1..q. Таким образом рассчитываются управляющие воздействия, состояния процесса и значения критерия оптимальности для каждого предшествующего момента времени до момента t0. В результате определяются все возможные пути проведения процесса. 1 1 1 1 1 Основываясь на результатах «попятной» процедуры, «прямой» расчет подразумевает процесс нахождения пути, обеспечивающего минимальное значение критерия оптимальности на весь период плавки. Структурная схема «прямой» процедуры отображена на рис. 3.3. На схеме, состояния и пути их достижения, отображены соединительными линиями. Пунктирной линией, отображены пути, не являющиеся оптимальными.
Процесс вычисления вектора управления по методу динамического программирования и принципа оптимальности Беллмана является относительно простой, но при этом очень трудоемкой процедурой. Автором предлагается внести модификацию в «попятную» процедуру [63], позволяющую упростить и существенно сократить количество вычислений. Модификация первая Исключим из рассмотрения состояния процесса, которые по физико-химическим показателям не удовлетворяют условию поиска. Области изменения выходных факторов (меди в штейне и шлаке), контуры которых отображены на рис. 3, описывают режимы печи, приводящие к 56% содержания меди в штейне. Режимы, которые не попадают в обозначенные области, опустим из рассмотрения; Модификация вторая Для каждого момента времени произведем группировку полученных вариантов по значению состояния печи (3.4). Группировку состояний осуществим по критерию: \Sn- Sm\ 8, n = 1..q,m = 1..q,n m (3 7) где 8 - критерий точности группировки. Если указанное условие выполняется, тогда можно сказать, что разные управляющие воздействия (с индексами n и m) приведут к одному и тому же состоянию печи. Из этого следует, что можно выбрать всего одно из управляющих воздействий (например, с индексом n), а соответственно уменьшить количество возможных вариантов управления q. Предложенная группировка состояний процесса плавки уменьшает объем вычислений «прямой» процедуры. Расчет плана управления осуществлен на модели, прогнозирующей только содержанием меди в штейне, по следующим входным параметрам: 1. Содержание меди в штейне на предыдущем шаге, начальное состояние x1{tj_1)= 52.40 2. Расход металлосодержащих компонентов шихты, начальное состояние u 1 = 10.9 т/ч; 3. Расход флюсов на плавку, начальное состояние u 2 = 11.9 т/ч; 4. Расхода технологического кислорода на тонну металлосодержащих компонентов шихты, начальное состояние xAt ) = 220 нм /т. \ j / Регламентированное содержание меди в штейне составляет d\= 60 %. Моделирование осуществляется для Т=60 мин и At=\5 мин (Q=4) и критерия оптимальности только по содержанию меди в штейне .хД ): Состояние печи рассчитывается по выражению: При заданных условиях отклонение от регламентированного значения содержания меди в штейне составляет 60.00 - 52.40 = 7.60%, а величина, характеризующая состояние процесса составляет St{te_1зиг.(ґе_J) = 57.76. Задача управления заключается в минимизации этого отклонения. В соответствии с алгоритмом, описанном в п.п. 3.2, были получены следующие состояния печи Ванюкова (табл. З.1.).
Алгоритмическое обеспечение системы управления качеством конечных продуктов процесса Ванюкова
Выполняет роль ассоциативной памяти и осуществляет «грубое» моделирование параметров процесса Ванюкова по входному вектору состояния. Работа модели описана в п.2.3. главы 2.
IV. Интерполирующая нейронная сеть с радиально-базисной
функцией активации.
Осуществляет «точную» аппроксимацию качества конечных продуктов процесса Ванюкова по входному вектору состояния и значениям весовых коэффициентов нейронов «победителей» сети Кохонена. Работа модели описана в п.2.4. главы 2.
V. Хранилище расчетов.
База данных, осуществляющая хранение и накопление обучающих векторов состояния процесса Ванюкова. Промежуток времени хранимой информации составляет 1 месяц. Используется в процессе настройки сети Кохонена и обновляется каждый раз при появлении новых данных. При добавлении нового вектора состояния процесса старые данные выталкиваются по принципу стека. В состав базы также входит матрица весовых коэффициентов сети Кохонена.
V. Блок соревнования и корректировки весов.
Осуществляет процесс соревнования и настройки сети Кохонена в соответствии с математическим описанием в п.2.3. главы 2.
Алгоритмическое обеспечение системы управления качеством конечных продуктов процесса Ванюкова
Работа программного комплекса разделяется на три независимых процесса вычислений: 1. Моделирование качества продуктов плавки. Производит расчет химического состава продуктов плавки в печи Ванюкова и выводит краткосрочный прогноз для текущего состояния процесса плавки. Блок-схема алгоритма моделирования представлена на рис. 4.4 . Здесь N – количество нейронов в сети Кохонена
2. Построение и адаптация модели ПВ. Включает в себя процессы подготовки и агрегирования обучающих наборов, а также расчет и корректировку весовых коэффициентов сети Кохонена. Блок-схема алгоритма представлена на рис. 4.5. Здесь L – количество обучающих наборов в хранилище. Работа алгоритма осуществляется с периодичностью 30 секунд, что позволяется непрерывно учитывать возникающие изменения в технологическом процессе. Получение вектора режимных параметров
Рисунок 4.6 – блок-схема модифицированного алгоритма динамического программирования (попятная процедура)
3. Вычисление плана управления по заданному вектору режимных параметров. Осуществляется расчет модифицированного алгоритма динамического программирования по принципу оптимальности Беллмана с целью вычисления вектора управляющих воздействий. Блок-схема вычисления попятной процедуры представлена на рис. 4.6. Блок-схема прямой процедуры вычисления оптимального пути управления по принципу Беллмана представлена на рис. 4.7.
Немаловажной составляющей систем управления технологическими процессами является система человеко-машинного интерфейса (human machine interface – HMI). Ее наличие подразумевает непосредственное участие человека в процессе управления посредством компьютерной техники, контроллерного оборудования, исполнительных механизмов и других технических средств. HMI интерфейс представляет собой одну или несколько схем (мнемосхем). Мнемосхема - это условное изображение управляемого объекта (печь, клапан, конвейер и т.д.) с помощью символов и индикаторов, наглядно представляющее состояние объекта, ход технологического процесса. С ее помощью осуществляется косвенное управление исполнительными механизмами системы управления, а также визуальная привязка объектов управления к их схематичному обозначению [81, 84, 102].
На рис. 4.9 . представлена главная мнемосхема существующей АСУ ТП ПВ-3, на которой отображены основные элементы плавильного комплекса ПВ-3, а также информация, необходимая для управления технологическим процессом. На мнемосхеме отображаются:
- область сигнализаций и предупредительных сообщений, генерируемых АСУ ТП (поз. 1);
- график изменения температуры воды, сливаемой с кессонов печи (поз. 2);
- графики изменения производительности питателей печи (поз. 3); припечной бункер, его состояние и уровень материала в нем (поз. 4);
- питатель, установленный под соответствующим бункером, состояние питателя, его скорость и материал, поступающий из бункера (поз. 5);
- сборный конвейер, осуществляющий загрузку всех компонентов шихты в печь, его состояние и производительность (поз. 6);
- состояние фурм печи (поз. 7) в соответствии со следующей системой окрашивания:
желтый - в фурму подается кислородо-воздушная смесь и природный газ;
голубой - в фурму подается только кислородо-воздушная смесь;
серый - фурма «приткнута» и находится в резерве.
- клапан, регулирующий расход подачи кислорода на плавку (поз. 8); – количество чистого кислорода в кислородо-воздушной смеси (поз. 9), с целью контроля обогащения дутья кислородом и регулирования окислительных реакций процесса Ванюкова;
– клапан, регулирующий подачу воздуха на смеситель кислородо-воздушной смеси (поз. 10);
– клапан, регулирующий подачу природного газа на плавку при заданных параметрах дутья кислородо-воздушной смеси (поз. 11);
– общая температура воды, сливаемой с кессонов (поз. 12) для контроля температурного режима работы плавильного комплекса.
Рисунок 4.9 – главная мнемосхема АСУ ТП ПВ-3
Интегрируемая система управления качеством конечных продуктов процесса Ванюкова внедряется в существующую систему визуализации управления процессом посредством добавления новой мнемосхемы, отображающей основные показатели плавки для моделирования и принятия управляющих воздействий. Главная мнемосхема системы управления качеством представлена на рис. 4.10 . Числовые параметры, отображаемые на текущей мнемосхеме, окрашены по следующему принципу: зеленый – параметр, измеренный контрольно-измерительными приборами, либо получен из лаборатории химического анализа, голубой – параметр, полученный в результате работы системы управления качеством конечных продуктов плавки.
Похожие диссертации на Автоматизация управления качеством конечных продуктов процесса Ванюкова
-
-
-
-
-
-
-
-
-
-
-
