Содержание к диссертации
Введение
ГЛАВА 1 Выбор функций асип и критерия оптимизации управления электродуговыми агрегатами 11
1.1 Анализ способов повышения эффективности управления работой электродуговых агрегатов 11
1.2 Влияние особенностей взаимодействия дуги с расплавом на выбор критериев оптимизации управления работой ДТА 18
1.3 Факторы, препятствующие интенсификации процесса в ДТА путем введения большей мощности 26
1.4 Проблемы управления температурным режимом ДТА 32
1.5. Оперативный контроль температуры стали в электродуговых агрегатах... 37
Цель и задачи 40
ГЛАВА 2 Комплекс электротехнических моделей Асип процесса управления электро дуговыми технологическими агрегатами 41
2.1 Модель электрической дуги, допускающая адаптацию к различным условиям процесса 42
2.2 Динамическая модель трехфазного электрического контура 43
2.3 Модель системы управления перемещением электродов 46
2.4 Влияние особенностей взаимодействия дуги с расплавом на управление режимами работы ДТА 49
2.5 Причины образования мениска и предлагаемые подходы к его идентификации 53
2.6 Идентификация параметров мениска при адаптации модели взаимодействия дуги с расплавом 56
Выводы по главе 2 64
ГЛАВА 3 АСИП управления обработкой стали на дта с функцией обучения технологического персонала 65
3.1 Структура АСИП управления процессами ДТА 65
3.2 Общее назначение и требования к математическому обеспечению АСИП управления ДТА и обучения технологического персонала 68
3.3 Структуры разработанных моделей физико-химических процессов в ДТА. з
3.4 Оптимизация управления ДТА с использованием обобщенных оценок
особенностей режимов 74
3.5 Используемые АСИП алгоритмы решения поисковых задач управления... 79
3.6 Выбор режимов управления расплавлением шихтовых материалов в ДСП с учетом глубины образующегося мениска 82
3.7 Формализация обобщенных оценок качества управления в АПК 85
3.8 Рассматриваемые режимы управления работой агрегата печь-ковш 87
3.9 Зависимости между затратами, производительностью и качеством процесса в агрегате печь-ковш 90
3.10 Сравнение рациональных режимов управления АПК при разной продолжительности процесса 92
Выводы по главе 3 94
ГЛАВА 4 Синтез системы автоматической оптимизации управления электрическими параметрами дта переменного тока с использованием принципа прогнозирующего управления 96
4.1 Назначение системы оперативной оптимизации управления электрическими параметрами 96
4.2 Классические подходы к решению задачи проектирования систем автоматической оптимизации управления экстремального типа 100
4.3 Развитие градиентных систем экстремального регулирования 103
4.4 Выбор рационального метода краткосрочного прогнозирования временных рядов при работе САОУ 112
4.5 Разработка САОУ электрическими параметрами электродуговых агрегатов с использованием принципа прогнозирующего управления 116
4.6 Исследование САОУ прогнозирующего типа 121
4.7 Многомодульные и гибридные системы экстремального регулирования 125
4.8 Многомодульная система экстремального регулирования с интеграцией компонентов на основе компромисса 127
4.9 Подходы к оценке эффективности САОУ при управлении электрическими параметрами электро дуговых агрегатов 131
4.10 Математическое обеспечение разрабатываемой модели низкочастотных возмущений в электродуговых агрегатах с учетом особенностей взаимодействия дуги с расплавом 135
4.11 Оценка эффективности работы САОУ с использованием разработанной модели возмущений 139
Выводы по главе 4 145
Заключение 147
Список использованных источников 149
- Влияние особенностей взаимодействия дуги с расплавом на выбор критериев оптимизации управления работой ДТА
- Модель системы управления перемещением электродов
- Общее назначение и требования к математическому обеспечению АСИП управления ДТА и обучения технологического персонала
- Классические подходы к решению задачи проектирования систем автоматической оптимизации управления экстремального типа
Влияние особенностей взаимодействия дуги с расплавом на выбор критериев оптимизации управления работой ДТА
Двухстадийный дуговой нагрев железоуглеродистых расплавов в плавильных агрегатах и сталеразливочных ковшах получил широкое распространение на предприятиях черной металлургии [1]. В условиях высокопроизводительного электросталеплавильного производства сверхмощные дуговые печи переменного тока используются в основном для расплавления металлошихты и нагрева расплава до заданной температуры [9]. Технологические операции по доводке металла по химическому составу и нагреву металла до температуры, обеспечивающей нормальную разливку стали на машине непрерывного литья заготовок (МНЛЗ), осуществляются в агрегатах внепечной обработки стали, одним из которых является агрегат печь-ковш (АПК).
В настоящее время в мировом производстве стали наблюдается неуклонный рост доли электросталеплавильного производства, что в основном вызвано улучшением основных показателей технологического процесса получения стали в электродуговых технологических агрегатах (ДТА) [14]. Однако нестабильная обстановка на рынке энергоносителей, относительный дефицит электрической энергии, и ее постоянно растущая стоимость, вызывают необходимость внедрения энергосберегающих технологий управления при создании новых и модернизации действующих ДТА. Исходя из этого, оптимизация управления технологическими и теплотехническими процессами в ДТА с учетом снижения энергопотребления и сокращения продолжительности обработки являются важными и актуальными задачами при проведении экспериментальных и теоретических исследований.
Поиску способов оптимизации электросталеплавильного процесса в ДСП и АПК уделяет внимание значительное число исследователей, как в России, так и за рубежом. Предлагаемые решения в области энергосбережения направлены на повышение эффективности использования энергоресурсов как за счет использования заменителей электрической энергии, так и за счет разработки эффективных технологий управления.
Так, например, технология, используемая на ДСП-180 электросталеплавильного цеха (ЭСПЦ) ОАО «ММК», предусматривает [9]: использование при шихтовке плавки до 40% жидкого чугуна; интенсивную продувку расплава кислородом; использование тепловой энергии от сжигания природного газа, подаваемого через комбинированные газокислородные горелки-фурмы, а также ряд других мероприятий.
Современная технология ведения плавки в ДТА предполагает совместное использование множества разнообразных ресурсов управления, применение каждого из которых имеет свою специфику и требует рассмотрения.
В работе [15] анализировалось влияние расхода жидкого чугуна на основные показатели работы ДСП-180 ЭСПЦ ОАО «ММК». Сделан вывод, что для достижения наиболее высокой производительности сталеплавильного агрегата в условиях меньшей стоимости жидкого чугуна по сравнению со стоимостью металлического лома плавку полупродукта в ДСП-180 ЭСПЦ ОАО «ММК» рекомендуется вести с долей жидкого чугуна в шихте около 30% (профиль №3).
При выплавке в ДСП полупродукта задачей оптимизации управления «жидким» периодом плавки является организация нагрева расплава до температуры выпуска. Быстрое и эффективное решение этой задачи связано с рациональным использованием в этот период плавки установленной мощности печного трансформатора [16].
В работах [7, 8] выполнена оптимизация энергобаланса ДСП на основе метода линейного программирования с целью снижения энергозатрат до минимально возможного уровня при обеспечении расплавления и доводки металла в печи. К влияющим факторам отнесены объем лома в загрузке печи, масса лома, масса плавки, количество плавок металла четвертой и третьей группы за сутки, степень окисленности металла, температура металла при сливе. Авторы работы [6] для разработки стратегии оптимизации управления электросталеплавильным процессом также использовали статистические методы, с помощью которых на основании паспортов 2145 плавок ими составлены уравнения для расчета расхода электроэнергии и выхода годного.
Для того, чтобы оператор электродуговой установки (ДСП или АПК) мог вести процесс с соблюдением каких-либо критериев оптимизации в рамках выбранного профиля плавки, необходима система интеллектуальной поддержки (АСИП) процесса управления ДТА, которая в режиме реального времени оказывает помощь оператору в реализации выбранной стратегии оптимизации сталеплавильного процесса в рамках выбранного профиля плавки.
В настоящее время в мире разработано довольно много таких систем, успешно зарекомендовавших себя при проверке работоспособности на действующих сталеплавильных агрегатах.
Так, мексиканская фирма AMI (Automatization у Modernization Industrial S.A. de C.V.) для оптимизации работы регулятора перемещения электродов DigitARC разработала систему SmartARC, которая использует алгоритмы нечеткой логики и может применять разные критерии оптимизации управления (минимизация продолжительности плавки или эксплуатационных расходов) [17]. Ее работа основана на оценках в реальном времени состояния шлака, стабильности дуги и других параметров.
Критерий сокращения производственных затрат использован фирмой Tenova Goodfellow Inc. (TGI) при разработке экспертной системы оптимизации работы дуговой сталеплавильной печи EFSOP (Expert Furnace System Optimization Process) [18, 19, 20]. Система EFSOP является замкнутой системой, управляющей исходя из результатов оперативного анализа состава отходящих газов, потерь химической энергии с отходящими газами, оценок послойного расположения углеродсодержащей шихты в садке, эффективности использования углерода в шихте и вдуваемого в печь, хода процессов окисления и обезуглероживания в ванне, а также перемешивания и послойного движения жидкой стали. Каждый из этих факторов оказывает решающее влияние на ход сталеплавильного процесса и на стратегию его оптимизации.
Компания Siemens VAI разработала автоматизированную систему управления сталеплавильным процессом, главной задачей которой заключается в том, чтобы во время всего рабочего цикла электродуговой печи предоставить оператору всевозможную поддержку и обеспечить тем самым высокий уровень качества получаемой продукции [21]. Основным элементом данной системы являются технологические модели Steelexpert Charge, Prediction и Supervision. С помощью модели Steelexpert Charge определяются материалы, необходимые для получения заданной шихтовой смеси в пределах допустимых отклонений. Модель Steelexpert Prediction используется для предварительного расчета процесса плавки, при этом корзины (лотки) со скрапом рассматриваются как постоянная шихта и рассчитываются добавки (материалы, газы), которые вводятся через бункер, фурмы или горелки. Ключевым элементом технологических моделей является циклический расчет с помощью модели Steelexpert Supervision, которая описывает важнейшие физические и химические процессы, происходящие в печи при плавке. Она отслеживает фактически выполненные мероприятия и рассчитывает соответствующее реальное состояние системы. Таким образом, оператор с помощью предварительного расчета может проверить, достигаются ли намеченные целевые значения при выпуске расплава. В случае, если они не достигаются, он может выполнить адаптацию целевых значений для расчета на основе равновесного состояния и повторять этот процесс до достижения всех требований
Модель системы управления перемещением электродов
Исходя из (2.11), зная расчетные значения коэффициентов передачи тока по длине дуги и имея экспериментальные данные по изменению тока под действием перемещения электродов, идентифицируем глубину мениска.
Учитывая непрерывное действие на процесс возмущений, оперативный контроль Ы/АЬЭ затруднен в любой момент плавки за исключением периода окончания подачи энергии, когда происходит гашение дуги. В эти периоды времени электроды поднимаются, вследствие чего электрическая дуга угасает.
В результате обработки экспериментальных данных по поднятиям электродов за 349 плавок получены усредненные значения Ы/АЬЭ для различных режимов работы печи (рисунок 2.9) и в приложении 3 для всего диапазона токов.
На рисунке 2.10 представлены полученные с применением модели электрического контура зависимости AI/ALd от тока, полученные для случая одновременного изменения длины дуги на одинаковую величину по каждой фазе при значениях параметров, характерных для периода жидкой ванны.
Используя экспериментальные данные, зависимость (2.9) и характеристики, определенные с использованием модели электрического контура (рисунок 2.10), возможно идентифицировать глубину мениска. Однако корректное и адекватное решение такой задачи требует использования моделей взаимодействия дуги с расплавом. 0,0500
Предложенная в [68] модель воздействия дуги на расплав предполагает, что яркость излучения спадает по мере удаления от оси электродов и дуг. Температура дуги и плотность тока имеют наибольшее значение на оси столба и уменьшаются по мере удаления от нее.
В проводнике с током в результате взаимодействия тока с собственным магнитным полем возникают электромагнитные силы, направленные к оси проводника, вызывающие в точке дуги с радиусом V давление сжатия: Л=м h
Достоинство модели (2.13) с точки зрения ее последующей адаптации заключается в простоте [69, 70]. Полученные в работе [66] данные позволяют предположить влияние на глубину мениска уровня текущего напряжения питания печного трансформатора. В то же время, модель (2.13) не предусматривает подобного, что может быть связано с относительно узким диапазоном токов и напряжений, для которых авторами [66] адаптировалась данная модель. Возможным решением является модификация (2.13), позволяющая адаптировать модель. Для этого перейдем к относительному радиусу дуги готн = г1гд и коэффициенту п , характеризующему изменение f\ по радиусу дуги, что позволяет определить среднее по радиусу значение давления интегрированием (2.13) по готн: Ъ = » Г1У ) =М - . . (2.14)
Пренебрегая далее непостоянством силы по радиусу, ее действие на металл определим как произведение среднего давления на площадь сечения дуги на входе в металл: Вектор силы і7!, предложенный в [68, 71], был показан на рисунке 2.9-6. Электромагнитное поле, создаваемое током, протекающим в жидкой ванне, воздействует на столб дуги силой F2, вызывая его выдувание.
Учитывая сложности практических расчетов по формуле (2.16), а также наличие достаточно достоверной экспериментальной информации об углах наклона дуг (для рабочих режимов ДСП составляют 45 -65 к оси электрода), зависимость (2.16) не использовали. Исходя из квадратичного характера зависимостей (2.15 -2.16) от тока, приняли: длина дуги для рассматриваемого рабочего диапазона токов более 50 кА, получаемая на высшей ступени напряжения питания печного трансформатора 1343В ДСП-180 ОАО «ММК», м. Допущение (2.17) позволяет впоследствии свести адаптацию модели (2.15) к единственному неизвестному фактору - радиусу дуги при контакте с металлом, либо при представлении диаметра дуги в виде: dd=7TV\ Г (218) где кЕ - величина, пропорциональная поверхностной плотности излучения дуги; Р() - мощность дуги; к неизвестному фактору кЕ , связанному с температурой дуги. В работе [63] указывается, что давление (2.12) не единственная причина наличия осевой силы в ДСП постоянного тока (ДСП-ПТ). Дополнительной причиной является прямая полярность дуги ДСП-ПТ из-за большей площади анодного пятна (по причине меньшей плотности тока), когда возникает дополнительная осевая сила, направленная от меньшего сечения (катодное пятно на электроде) к большему (анодное пятно на ванне жидкого металла):
В модели (2.15) Fx рассчитывается, исходя из радиуса дуги гд (или плотности излучения кЕ), зависимость которого от тока и напряжения дуги следует определить. В модели (2.22) гд находим, исходя из (2.21), а адаптацию модели производим путем поиска зависимости для параметра кр, характеризующего растекание тока.
В обеих моделях неизвестным является также параметр /Л . В [67] указано, что для различных периодов плавки /Л может изменяться от уровня магнитной проницаемости вакуума / о до величин, превышающих ее на два порядка. В процессе адаптации целесообразно использовать такие значения /Л , при которых получаемые в ходе адаптации значения гд и кр будут соответствовать средним теоретическим. Кроме моделей, определяющих параметры столба дуги, для решения задачи адаптации необходимо задаться параметрами геометрической модели мениска. Это позволяет установить связь между глубиной образовывающегося мениска и действием электродинамической силы Fx.
Общее назначение и требования к математическому обеспечению АСИП управления ДТА и обучения технологического персонала
Форма усредненной оценки знака градиента (4.9) при расчете коэффициента корреляции позволяет повысить качество работы САОУ в условиях действия возмущений. Кроме корреляционного метода рассмотрим другой, разработанный автором диссертации метод экстремального регулирования, связанный с оценкой наличия тренда в зависимости P=f(I) активной мощности от тока фазы по накопленным в буфере данным. При этом отсутствие тренда в зависимости P=f(I) свидетельствует о достижении экстремума, а направление тренда - о текущем положении относительно него. Для оценки параметров тренда использовали статистический критерий «восходящих и нисходящих» серий. Разработанный алгоритм работы САОУ представлен в приложении К (рисунок К-1).
Принцип работы системы основан на том, что в буфер заносятся данные по мощности Р(т) и току фазы 1(т) за заданный интервал времени. Далее по данным формируется и сортируется по току набор точек зависимости Р{1) мощности от тока. Полученный ряд исследуется на наличие трендовой составляющей с использованием метода нисходящих и восходящих серий. Под серией А понимается набор точек, для которых мощность с ростом тока последовательно растет или убывает. Длина S и знак (7 наиболее протяженной серии определяют силу тренда и текущее положение относительно экстремума и позволяют определять требуемое направление и скорость перемещения электрода. Важной особенностью алгоритма, представленного на рисунке К-1, является возможность идентификации текущего наличия или отсутствия тренда по критерию: v{n) і(я + 1-1,96л/ Т); rma» [1,431п(и +1)1 где п - длина временного ряда; v(n) - число серий; ттах(п) - число подряд идущих плюсов или минусов в самой длинной серии. Критерий (4.10) позволяет остановить или снизить до минимума скорость перемещения электрода при достижении окрестности экстремума. Это делает целесообразным его использование совместно со знаковой градиентной системой, в которой сложно обеспечить модуляцию скорости перемещения электрода по
Ill мере приближения к экстремуму, а также при решении задач прогнозирования на базе экстраполяции, так как позволяет определить ситуации, где управление с прогнозом становится слабо эффективным из-за отсутствия тренда и приводит к перемещениям электрода только вследствие ошибок прогнозирования.
Подводя итоги рассмотрению САОУ градиентного типа, исходя из сделанного обзора, выделим два основных подхода борьбы с действующими возмущениями (дрейфами) при решении задач экстремального регулирования.
Для классических СЭР, использующих принцип большого коэффициента, методы проектирования которых хорошо проработаны, проблемой является неудовлетворительное качество работы вследствие выхода на ограничение по ресурсу управления.
Для систем статистического типа проблемы связаны со сложностью проектирования и запаздыванием в работе, определяемым размером буфера данных, по которым рассчитывается управляющее воздействие. Рациональный размер буфера определяется особенностями действующих возмущений, используемым методом идентификации экстремума и применяемыми технологиями прогнозирования.
Системе управления требуется время на формирование и передачу управляющего сигнала. Средства управления ДТА также обладают ограниченным быстродействием, в результате чего возмущенное движение объекта может получить развитие. Для САОУ, где колебательный поисковый режим является особенностью самой системы, действие возмущений приводит к появлению потерь на поиск - отклонению поддерживаемого системой значения от возможного фактического экстремума.
Управляющее воздействие САОУ, частично соответствующее вызвавшему его возмущающему воздействию, как правило, запаздывает. Даже если ресурса гидропривода достаточно, чтобы полностью компенсировать возмущающее воздействие, он не может быть полностью использован вследствие того, что всегда имеет место фазовый сдвиг между возмущающим воздействием и компенсирующим его управляющим [109]. Прогнозирование призвано решить данную проблему.
Особенности создания САОУ с учетом прогноза и предварения в настоящий момент изучены недостаточно и целесообразным является изучение существующих методов прогнозирования временных рядов с целью оценки возможности их использования в САОУ.
Для прогнозирования будущего поведения системы и вычисления ошибок используется прямой нейроэмулятор (модель в форме частичного или полного предиктора [109]). В качестве САОУ используется оптимизационный модуль, работающий в режиме реального времени, в котором может быть использован сиплекс метод или квази-Ньютоновский алгоритм [110]. Оптимизационный модуль получает на такте к целевую траекторию на L тактов вперед. За время одного такта управления оптимизационный модуль подает на вход модели серию различных воздействий, получает различные варианты поведения системы и определяет предполагаемую наилучшую прогнозируемую стратегию управления, согласно которой и подается управляющий сигнал на объект.
Рассмотренный алгоритм позволяет создать САОУ на основе модели объекта управления, однако в случае наличия дрейфующей экстремальной характеристики создать модель изменения положения экстремума затруднительно и целесообразно ограничится прогнозом, как экстраполяцией в будущее существующих тенденций.
В системе управления, работающей на основе прогноза как экстраполяции во времени, выполнение прогнозирования ведет к изменениям в управлении, вследствие чего значение регулируемого параметра будет отличаться от прогнозируемого. Согласно [111] полученное отклонение является суммой ошибки прогнозирования и влияния изменений в управлении, произведенных с момента прогноза.
Экстраполяционный прогноз значения выходного параметра предполагает сохранение всех существующих на момент проведения прогноза тенденции в управлении, то есть обеспечения в будущем такого управления, которое является очевидным следствием текущего управления. Такие оценки будущего управления можно получить путем прогноза управляющего параметра. Именно отклонения в управлении от прогнозируемого ранее определяют отклонения оптимизируемого параметра от его прогнозируемых значений.
Из данного заключения следует, что необходимо оперировать прогнозом изменения во времени как оптимизируемого параметра, так и входного (управляющего) параметра объекта.
Сказанное является актуальным именно для систем экстремального регулирования, в которых момент прохождения экстремума заранее не определен и, следовательно, затруднительно создать систему, проектирующую будущее управление с использованием модели.
Вопросы, связанные с прогнозированием временных рядов, изучались в работах значительного числа авторов [111, 112, 113, 114, 115, 116, 117, 118] и многих других. Для выполнения прогноза состояний контролируемых САОУ параметров как экстраполяции доступны различные способы, которые можно подразделить на два подвида: используемые для выявления основополагающих тенденций или трендовой составляющей (рисунок 4.9); используемые для выделения периодической составляющей (рисунок 4.10).
Классические подходы к решению задачи проектирования систем автоматической оптимизации управления экстремального типа
При проведении моделирования поисковых процессов рассматривались варианты САОУ, предусматривающие комбинированное использование градиентного и прогнозирующего алгоритмов, а также токи фаз; напряжения дуг и перемещения электродов в качестве входных параметров САОУ.
Расчет рациональных значений параметров настройки выполнялся для прогнозирующей системы с контролем токов фаз. Оптимальные, по критерию интегральных потерь на поиск, значения параметров настройки подсистемы прогноза зависят от дискретности во времени работы САОУ. В таблице 4.5 показаны найденные с использованием разработанного способа итерационной настройки рациональные значения параметров подсистемы прогноза.
В таблице 4.5 представлено расчетное оптимальное значение коэффициента усиления Ку и подобранное вручную значение Kopt. Видно достаточная высокая степень соответствия. Отличия могут быть связаны с рядом факторов. Одной из причин является непостоянство коэффициента передачи статической характеристики сервоклапана, коэффициент передачи по которой изменяется в пределах 0,5- 1,5.
С ростом периода квантования времени при работе системы увеличиваются потери на поиск экстремума, достигая при периоде 0,005-0,01 с порядка J = 1,05 МВт на три фазы или по 0,3-Ю,4 МВт на каждую фазу. Проведенные расчеты показывают, что использование оптимизирующих алгоритмов с целью максимизации мощности, выделяемой в дугах принципиально возможно, но требует организации работы системы с дискретностью порядка 0.01-0.05 с, что возможно на базе существующих систем управления работой ДСП-180 ОАО «ММК».
На рисунке 4.21 показан пример поисковых переходных процессов при использовании предлагаемой системы с токами фаз в качестве контролируемых входных параметров.
При работе САОУ, использующей при поиске в качестве входного контролируемого параметра только токи фаз, потери на поиск составили порядка 0.3-Ю.4 МВт по каждой фазе.
Моделирование отдельной работы САОУ градиентного типа, предложенной в [103] показало, что сопоставимых потерь на поиск удается достичь при увеличении коэффициента передачи в два раза, что означает большую нагрузку на гидропривод. Наилучшие результаты по критерию потерь мощности на поиск удалось обеспечить при комбинировании работы градиентной и прогнозирующей САОУ с Потери мощности на три фазы составляют при этом J = 0,38 МВт. Полученные результаты подтвердили целесообразность использования комбинированных САОУ на основе градиентного и прогнозирующего подходов.
Настройка системы для всех случаев соответствует указанной выше. Учитывая, что разработанная САОУ относится к СЭР знакового типа, и производится масштабирование входных параметров, то коэффициенты передачи статики слабо влияют на рациональные параметры ее настройки. Из таблицы 4.6 видно, что использование комплексных входных параметров не позволило снизить потери мощности на поиск. Рассмотренные комбинации масштабированных значений токов фаз, напряжений дуг и перемещений электродов имеют близкие к оптимальным, но все же большие потери на поиск, чем в САОУ, основанной только на контроле токов фаз.
Однако проведенное изучение перемещений электродов в процессе моделирования работы систем показало, что для комплекса ін-ин нагрузка на приводы значимо меньше, чем при работе САОУ с контролем токов. Таким образом, некоторое снижение качества поисковых процессов по критерию потерь на поиск J компенсируется меньшей нагрузкой на привод за счет частичного ослабления действия отдельных типов возмущений на процесс поиска путем их алгебраического усреднения, что подробнее рассмотрено в работе автора [95].
Целесообразно изучение влияния нагрузки на гидропривод на качество поисковых процессов. Для управления скоростью перемещения электродов в процессе отслеживания экстремума необходим выбор способа модуляции управляющего сигнала САОУ.
Для модуляции использовали рассмотренный ранее критерий наличия тренда (4.10) с применением алгоритма (приложение К). При этом сравнили два подхода, первый из которых предполагает прекращение движения электрода только при отсутствии тренда по (4.10), а второй дополнительно позволяет продолжение движения только спустя заданное время выдержки.
Изучение качества процессов при указанных подходах показало, что потери на поиск подчиняются строгим зависимостям от средней скорости перемещения электрода по времени за период моделирования (рисунок 4.22).
При модуляции без выдержки средняя скорость перемещения электрода нелинейно зависит от числа точек при определении тренда и интервала сбора данных (рисунок 4.22,в). Форма зависимости затрудняет использование такого подхода при решении практических задач.
Изучение зависимостей на рисунке 4.22,а показало, что средняя скорость перемещения электрода может быть рассчитана как функция одного фактора -логарифма отношения времени выдержки к периоду времени по которому определяется тренд (рисунок 4.22,6). При этом специфика критерия оценки наличия тренда оказывает влияние при малом числе точек определения тренда (менее 20) в форме смещения зависимости.
Сравнение зависимостей потерь активной мощности от средней скорости перемещения электрода показывает некоторое преимущество подхода без выдержки времени при малых значениях средней скорости. При высоких нагрузках на гидропривод подходы к модуляции равноценны. Учитывая близкие к линейным зависимости средней скорости (рисунок 4.22,6), целесообразна модуляция управляющего сигнала с использованием выдержки после достижения экстремума.
Исходя из результатов на рисунке 4.23, работа САОУ целесообразна при средней скорости перемещения электрода более 20-30 мм/с, так как стабильное обеспечение средних значений напряжения дуги или тока фазы обеспечивает потери активной мощности на уровне 1.25-1.4 МВт. При этом следует отметить, что для реального процесса эта величина может быть выше, так как созданная модель возмущений не охватывает сверхнизкие частоты менее 0.02 Гц.
Вероятной является дальнейшая возможность роста качества поискового процесса за счет выбора рациональных комплексных параметров, что выходит за рамки данной работы. Тем не менее, полученные в ходе моделирования результаты позволили подтвердить принципиальную целесообразность комбинирования САОУ на основе прогнозирующего и градиентного подходов, а также использования обобщенных параметров при оптимизации. Использование прогноза позволяет обеспечить высокое качество поисковых процессов без чрезмерной нагрузки на исполнительные устройства.