Содержание к диссертации
Введение
РАЗДЕЛ 1 Анализ современного состояния проблемы эксплуатации футерованного оборудования на металлургических предприятиях 15
1.1 Анализ и характеристика предметной области 15
1.2 Анализ рисков и ущерба при отсутствии эффективной диагностики и мониторинга состояния ФО 26
1.3 Анализ методов контроля и диагностики оборудования на металлургическом предприятии 31
1.4 Анализ современных автоматизированных систем и технологий для технической диагностики и мониторинга состояния ФО 44
1.5 Постановка задач исследований и обоснование методики их проведения 57
1.6 Выводы по первому разделу 59
РАЗДЕЛ 2 Теоретические основы создания автоматизированных систем управления эксплуатацией футерованного оборудования 61
2.1 Математическая модель процесса эксплуатации ФО 61
2.2 Модель АСУ эксплуатацией ФО 69
2.3 Структура методологии создания АСУ эксплуатацией ФО 76
2.4 Принципы методологии создания АСУ эксплуатацией ФО 82
2.5 Выводы по второму разделу 85
РАЗДЕЛ 3 Методы автоматизированной диагностики и мониторинга состояния футерованного оборудования 87
3.1 Особенности обработки металлографических изображений ФО 87
3.2 Метод автоматизированной диагностики состояния корпуса ФО после вывода его из эксплуатации 88
3.3 Алгоритмы формирования изображений термограмм ФО в условиях металлургического предприятия 107
3.4 Метод автоматизированного мониторинга состояния футеровки ФО во время его эксплуатации 110
3.5 Выводу по третьему разделу 129
РАЗДЕЛ 4 Методы и модели решения диагностических ситуаций с футерованным оборудованием 130
4.1 Метод автоматизированного решения подобных диагностических ситуаций с ФО 130
4.2 Модель нейросетевого решения диагностических ситуаций при эксплуатации ФО 136
4.3 Метод автоматизированного определения режима эксплуатации ФО 142
4.4 Нейросетевое прогнозирование из менения состояния ФО 149
4.5 Выводы по четвертому разделу 159
РАЗДЕЛ 5 Информационное и алгоритмическое обеспечение создания автоматизированных систем управления эксплуатацией футерованного оборудования 161
5.1 Информационная модель прикладных информационных систем технической диагностики и мониторинга в составе АСУ эксплуатацией ФО 161
5.2 Типовая структура информационной системы технической диагностики и мониторинга в составе АСУ эксплуатацией ФО 169
5.3 Концептуальная модель экспертной системы оценки состояния ФО в составе АСУ эксплуатацией ФО 173
5.4 Модель распределенной мультиагентной АСУ эксплуатацией ФО 183
5.5 Объектная модель программной реализации компонентов АСУ эксплуатацией ФО 194
5.6 Выводы по пятому разделу 201
РАЗДЕЛ 6 Прикладные автоматизированные системы управления эксплуатацией футерованного оборудования на металлургическом производстве 202
6.1 Показатели оценки эффективности АСУ эксплуатацией футерованного оборудования 202
6.2 АСУ эксплуатацией передвижных миксеров ПМ350т на металлургическом производстве 207
6.3 Оценка эффективности АСУ эксплуатацией миксеров ПМ350 219
6.4 АСУ эксплуатацией сталеразливочных ковшей 50т на металлургическом производстве 227
6.5 Оценка эффективности АСУ эксплуатацией сталеразливочных ковшей 50т 233
6.6 Рекомендации по применению методологических основ создания АСУ эксплуатацией ФО 237
6.7 Выводы по шестому разделу 239
Выводы 241
Перечень условных сокращений 245
Список использованных источников
- Анализ методов контроля и диагностики оборудования на металлургическом предприятии
- Структура методологии создания АСУ эксплуатацией ФО
- Алгоритмы формирования изображений термограмм ФО в условиях металлургического предприятия
- Метод автоматизированного определения режима эксплуатации ФО
Введение к работе
Актуальность и степень разработанности темы исследования.
Современный этап развития производства сопровождается интенсивным внедрением новых информационных технологий, предназначенных для автоматизации различных технологических процессов. Например, на металлургических предприятиях таковыми являются процессы технической диагностики и мониторинга на всех стадиях производственного цикла. Особое внимание заслуживают процессы эксплуатации и диагностики футерованного оборудования и объектов (ФО), предназначенных для доставки жидких чугуна и стали в доменный, конвертерный, сталеплавильный и другие цеха. К таким объектам относятся передвижные миксеры для транспортировки чугуна, ковши для перевозки стали, ковши для перевозки чугуна и др. Данное металлургическое оборудование используется во всех странах мира, где существует металлургическая отрасль (Россия, Германия, Бразилия, Китай, Индия, и др.). К эксплуатации, в том числе диагностике, данного оборудования, предъявляются высокие требования, связанные с негативным влиянием высоких температур, характерных жидкому металлу, более 10000С. В результате длительного воздействия высоких температур на рассматриваемое металлургическое оборудование, возникает риск его разрушения, приводящий к многомиллионному материальному ущербу предприятия и человеческим жертвам.
На практике в металлургическом производстве диагностика и мониторинг технического состояния футерованного оборудования реализуются с помощью квалифицированного персонала на основании личного опыта, с использованием измерительных средств, которые характеризуются значительной погрешностью измерения. Поэтому в указанной предметной области возникают проблемы и задачи, связанные с повышением объективности и качества принятия решений при эксплуатации таких объектов и оборудования. Автоматизация же процесса диагностики футерованных объектов позволит исследовать различные
4 варианты технологических схем их эксплуатации, разрабатывать прогнозные
оценки состояния ресурсов при перевозке жидких металлов, создавать и
исследовать модели и методы принятия решений и, как следствие, перевести
процесс эксплуатации ФО на качественно новый уровень.
Эффективное решение этих задач возможно только при применении
передовых интеллектуальных информационных технологий, системного
подхода, моделирования, теории принятия решений и т.п. Вопросы по
повышению эффективности технической диагностики ФО с использованием
информационных технологий и автоматизированных систем еще не нашли
достаточного отражения в научных трудах. Научной базой для
диссертационного исследования в части моделирования технической диагностики и эксплуатации ФО являются работы: Ю.В. Гусева, В.Е. Парунакяна, В.А. Головко, А.Н. Григорьева, Е.Б. Карпина, А.А. Сердюкова, А.Н. Смирнова, В.М. Кравченко, В.А. Сидорова, Г.С. Сукова, Ю.Н. Белоброва, А.В. Яковлева. А.А. Чубова, Д.А. Нестерука, В.П. Вавилова, А.П. Костюкова, С.С. Кананадзе. В части автоматизации и применения информационных технологий, методов обработки изображений для диагностики ФО использовались результаты исследований таких ученых: С.Г. Антощук, Е.П. Путятина, Ю.И. Журавлева, Н.Н. а, Г.А. Ососкова, А.Н. Горбаня, В.А. Головко, Э.А. Трахтенгерц, П.Р. Варшавського, О.А. Ничипоренко, С. Осовского, С. Хайкина, Д. Р. Гонсалеса, Р. Вудса, Л. Шапиро, У. Прэтта. Работы этих и других авторов создали методические и теоретические предпосылки для диссертационного исследования.
В настоящее время существуют различные автоматизированные системы
мониторинга и диагностики для металлургических производств. Созданием
систем автоматизации технологических процессов на металлургических
предприятиях занимаются как отечественные организации и компании: НТЦ
«Прибор», ПАО «Металлургавтоматика», Datasolution, ИНФОКОМ ЛТД,
ЦНИИКА, так и зарубежные компании: Rockwell Automation, Inc. (США), Siemens VAI (Австрия), POSCO ICT (Южная Корея), CHINA IRON & STEEL RESEARCH INSTITUTE GROUP (Китай) и др. Рассматриваемые организации
5 создали и внедрили ряд информационных систем по автоматизации
технологических процессов на различных предприятиях мира и стран СНГ:
Россия, Германия, Индия, Украина и др. Однако в существующих
автоматизированных системах не в полной мере реализована возможность
мониторинга и технической диагностики рассматриваемого футерованного
оборудования. Следует отметить, что в настоящее время еще недостаточно
полно и всесторонне рассмотрены и проработаны вопросы создания
автоматизированных систем и информационных технологий для процесса
технической диагностики, рассматриваемого футерованного оборудования
металлургических предприятий.
Многовариантность технологического процесса эксплуатации
футерованных объектов, необходимость прогноза их состояния и
разнообразность задач при их диагностике и мониторинге требуют обработки
больших объемов информации и принятия компетентных управленческих
решений для предотвращения разрушения футерованных объектов. Основными
направлениями, определяющими повышение качества мониторинга,
диагностики и в целом эксплуатации ФО, следует считать автоматизацию процессов обработки информации с привлечением методов интеллектуального анализа данных, которые способны обеспечить повышение качества определения технического состояния рассматриваемого оборудования.
Вышеизложенное свидетельствует о том, что проведение научных
исследований, посвященных решению научно-прикладной проблемы
разработки методологических основ создания автоматизированных систем управления (АСУ) эксплуатацией футерованного оборудования, является актуальным.
Цели и задачи исследования. Целью диссертационного исследования является разработка методологии построения автоматизированных систем управления эксплуатацией футерованного оборудования.
Для достижения поставленной цели сформулированы и решены следующие задачи:
1. Провести анализ существующих методов, моделей и
инструментальных средств автоматизации процесса управления эксплуатацией ФО.
-
Разработать информационное и алгоритмическое обеспечение создания АСУ эксплуатацией ФО.
-
Разработать методы автоматизированного мониторинга состояния и идентификации режима эксплуатации ФО в составе АСУ.
-
Разработать методы автоматизированной диагностики и прогнозирования состояния ФО в составе АСУ.
-
Разработать структуру, методы и алгоритмы экспертной системы оценки состояния ФО, включенной в состав АСУ эксплуатацией ФО.
-
Выполнить практическое внедрение предложенных решений в технологические процессы промышленного производства.
Объектом исследования являются процессы и автоматизированные системы управления эксплуатацией ФО.
Предметом исследования являются модели и методы
автоматизированного управления и технической диагностики ФО.
Методы исследования. Для решения поставленных в диссертации задач использовались: методы математического моделирования и теория графов при описании процесса эксплуатации ФО; IDEF-технологии для разработки структуры и описания методологии создания АСУ эксплуатацией ФО; теория распознавания образов и аппарат нейронных сетей при создании методов мониторинга и диагностики состояния ФО; теория прецедентов и аппарат нейронных сетей для разработки методов решения диагностических ситуаций с ФО; язык UML – для моделирования структуры автоматизированной системы и программного обеспечения технической диагностики ФО; элементы теории вероятности и математической статистики для оценки функционирования разработанных средств.
Достоверность научных результатов подтверждается высокой
степенью адекватности результатов машинного моделирования и результатов экспериментальных исследований, а также успешной практикой использования
7 созданных АСУ эксплуатацией ФО по разработанной методологии в
прикладных задачах, в частности при диагностике передвижных миксеров
ПМ350т на металлургических комбинатах.
Научная новизна диссертационной работы заключается в разработке
методологических основ создания АСУ эксплуатацией ФО, в виде
взаимосвязанной совокупности моделей и методов, которые базируются на
автоматизированной обработке информации на всех стадиях процессов
мониторинга и диагностики состояния ФО. В диссертационной работе
получены следующие новые научные результаты:
-
разработана математическая модель процесса эксплуатации ФО, которая позволяет определять оптимальный период диагностики для заданного типа ФО;
-
разработан метод автоматизированного мониторинга состояния футеровки ФО во время его эксплуатации, особенностью которого является распознавание изображений термограмм ФО с использованием адаптивной модели повышения контраста зон прогара ФО и их классификацией многосегментной нейронной сетью;
-
разработан метод автоматизированной диагностики состояния корпуса (кожуха) ФО после вывода его из эксплуатации, особенностью которого является распознавание металлографических изображений ФО с контурным выделением информативных сегментов с регулируемой детализацией, а также с возможностью их нейросетевого распознавания;
-
разработан метод автоматизированного определения режима эксплуатации ФО, особенностью которого является многофакторное нейросетевое решение диагностических ситуаций с ФО;
-
разработан метод решения подобных диагностических ситуаций с ФО, основанный на элементах теории прецедентов, позволяющий повысить оперативность диагностики рассматриваемых ФО;
-
разработано информационное и алгоритмическое обеспечение информационных систем мониторинга и диагностики ФО как теоретическая основа для создания АСУ эксплуатацией ФО;
8
7) разработана модель распределенной мультиагентной АСУ
эксплуатацией ФО, основанная на параллельном обнаружением дефектов
агентами, позволяющая повысить оперативность диагностики ФО в масштабах
всего металлургического предприятия.
Практическое значение полученных результатов заключается в том, что научные положения диссертационного исследования доведены до уровня, пригодного для практического применения и были использованы при разработке прикладных АСУ эксплуатацией ФО. Реализация разработанных научных положений позволила повысить эффективность реально работающих систем диагностики футерованных объектов (передвижных миксеров ПМ350т) за счет автоматизации процессов обработки и анализа данных, применения методов искусственного интеллекта на всех этапах оценки технического состояния ФО.
Полученные теоретические и практические результаты внедрены на:
– ПАО «Алчевский металлургический комбинат», в процессы
технической диагностики при транспортировке жидкого чугуна с помощью передвижных миксеров ПМ 350т;
– ПАО «Мариупольский металлургический комбинат имени Ильича», в процесс диагностики миксеров ПМ 350т в цеху по ремонту металлургического оборудования;
– научно-производственном предприятии (НПП) «ФОТОН» (г. Алчевск), в процессы диагностики высоковольтных источников питания без вывода их из эксплуатации.
Акты о внедрении приведены в Приложении А.
Личный вклад соискателя. Содержание диссертации и основные положения, выносимые на защиту, отражают персональный вклад автора в опубликованные работы. Научные положения и результаты, изложенные в диссертации, получены автором лично.
Основные положения, выносимые на защиту:
-
Методология создания АСУ эксплуатацией ФО;
-
Математическая модель процесса эксплуатации ФО;
3. Метод автоматизированного мониторинга состояния футеровки ФО во
время его эксплуатации;
-
Метод автоматизированной диагностики состояния корпуса (кожуха) ФО после вывода его из эксплуатации;
-
Метод автоматизированного определения режима эксплуатации ФО;
-
Метод решения подобных диагностических ситуаций с ФО;
7. Модель распределенной мультиагентной АСУ эксплуатацией ФО.
Апробация результатов работы. Основные научные положения и
результаты работы докладывались и обсуждались на следующих
международных, всероссийских научно-технических и научно-практических
конференциях: Международная научно-практическая конференция
«Информационные технологии и информационная безопасность в науке,
технике и образовании (ИНФОТЕХ-2011)» (Севастополь, 2011 г.); 10
Всеукраинская научно-техническая конференция «Интегрированные
компьютерные технологии в машиностроении (ИКТМ-2011)» (Харьков,
Украина, 2011 г.); «Информационные и управляющие системы в
промышленности, экономике и экологии» (Северодонецк, Украина, 2011 г.);
«Моделирование, управление и устойчивость (MCS-2012)» (Севастополь, 2012
г.); Международная научно-практическая конференция «Гарантоспособные
(надежные и безопасные) системы, сервисы и технологии (DeSSerT)» (Киев,
Украина, 2012, 2014 гг.); XIV и XVI Международная научно-практическая
конференция «Информационные технологии в образовании и управлении
(ITEM)» (Новая Каховка, Украина, 2012 г.; Таврийск, Украина, 2014 г.);
«Критические инфраструктуры: надежность и безопасность (CrISS)»
(Севастополь, 2013 г.); 2-я Международная научно-практическая конференция
«Информатика. Культура. Техника» (Одесса, Украина, 2014 г.); 15-я
Международная научно-практическая конференция «Современные
информационные и электронные технологии (СИЭТ-2014)» (Одесса, Украина, 2014 г.); ХХI Международная научно-практическая конференция «Наукоемкие технологии и инновации» (Белгород, Россия, 2014 г.); III Международная научно-практическая конференция «Инновации в науке, производстве и
10 образовании (ИНПО-2014)» (Рязань, Россия, 2014 г.); ХI Всероссийская научно-практическая конференция «Инновационные технологии в обучении и производстве» (Камышин-Волгоград, Россия, 2014 г.); ХI Всероссийская научно-практическая конференция «Современные информационные технологии в науке, образовании и практике (СИТ-2014)» (Оренбург, Россия, 2014 г.); Международная научно-практическая конференция «Наука ХХІ века: Теория, практика, перспективы» (Уфа, Россия, 2014 г.); III Всероссийская научная конференция «Проблемы автоматизации. Региональное управление. Связь и автоматика (ПАРУСА-2014)» (Геленджик, Россия, 2014 г.); ХII Всероссийская научная конференция «Информационные технологии, системный анализ и управление (ИТСАУ-2014)» (Таганрог, Россия, 2014 г.); Международная научно-практическая конференция «Достижения и проблемы современной науки» (Уфа, Россия, 2015 г.); Международная научно-практическая конференция «Наука сегодня» (Вологда, Россия, 2015 г.); VII Международная научно-практическая конференция «Актуальные вопросы науки, технологии и производства» (Санкт-Петербург, Россия, 2015г.); XVII научная конференция «Математическое моделирование и информатика» (Москва, Россия, 2015 г.); XVI Международная научно-практическая конференция «Современные концепции научных исследований» (Москва, Россия, 2015 г.).
Публикации. Основные результаты диссертационного исследования опубликованы в 34 научных работах [1-34], в том числе: 1 монография; 18 статей в рецензируемых научных журналах и сборниках согласно перечню изданий ВАК, из которых 2 статьи в журналах, включенных в международную наукометрическую базу SCOPUS; 15 тезисов докладов и статей в сборниках трудов научных конференций.
Структура и объем диссертации. Диссертация состоит из введения, шести глав, выводов, списка использованной литературы и приложений. Общий объем диссертации 308 страниц машинописного текста, включая 82 рисунка, 29 таблиц и 3 приложения. Список использованной литературы насчитывает 196 источников.
Анализ методов контроля и диагностики оборудования на металлургическом предприятии
Машиностроительные заводы выпускают ковши миксерного типа различной емкости: 300т, 350т, 600т и др. [41, 49]. Такая грузоподъемность обусловлена, с одной стороны, возможностью приема всей плавки доменной печи объемом 5000-5500 м3, с другой - возможностью обеспечить чугуном сразу две плавки в цехе с конвертерами емкостью 300-350 т. Эксплуатация передвижных миксеров такой грузоподъемности предусмотрена лишь на внутризаводских железнодорожных путях (стандартной колеи).
Доставка чугуна с применением передвижных миксеров и ковшей осуществляется следующим образом:
Разлитый в миксеры чугун из доменного цеха по железнодорожным путям c помощью локомотива транспортируется в конвертерный цех. Передвижные миксеры поступают в отделение перелива чугуна, где путем вращения сосуда миксеровоза вокруг его продольной оси жидкий чугун выливается в подготовленный разливочный ковш, находящийся под уровнем рельсовой дороги. После слива, чугун в ковше поступает в сталеплавильное отделение и заливается в сталеплавильный агрегат - конвертер.
Для того чтобы миксер выдерживал температуры чугуна свыше 1000 С, внутри миксера устанавливается огнеупорный состав – футеровка [50-51], износ которой приводит к разрушению миксера, что влечет за собой большие материальные затраты.
Одним из эксплуатационных параметров миксера является количество заливок, после которого необходимо производить замену футеровки миксера [52-54]. При этом футеровка может быть подвержена износу на отдельных ее участках, не выдержав установленное количество заливок. Таким образом, целесообразным является автоматизированный мониторинг и диагностика состояния футеровки для предотвращения выхода миксера из строя.
Также следует отметить экономический эффект от применения передвижных миксеров на металлургических предприятиях. Исследование экономической целесообразности применения передвижных миксеров было выполнено фирмой Koninklijke. Nederlandsche Hoogovensen Staalfabriekeri NV (Нидерланды) [55]. По результатам исследования оказалось, что при использовании передвижных миксеров отпадает необходимость в стационарных миксерах, вместо которых процесс выравнивания чугуна можно проводить в сигарообразном ковше. Технико-экономические расчеты показали, что в некоторых случаях комплекс оборудования, состоящий из двух доменных печей производительностью 1 млн. тонн чугуна в год, стационарных миксеров и вагонов для перевозки обычных миксеров значительно менее экономичен, чем комплекс оборудования, в который входят те же доменные печи и передвижные миксеры, т.к. использование в последнем случае ковша емкостью 450 тонн в качестве миксера позволяет экономить до 3 млн. долл. [55].
По другим расчетам, также выполненным в процессе исследования [55], применение для перевозки чугуна в миксере вместимостью 450 тонн, вместо миксера 250 тонн, позволяет экономить 100 тыс. долл. Кроме того, в результате более эффективного использования доменных печей указанной производительности годовая экономия может составить 30-40 тыс. долл. Облицовочные материалы в таких ковшах могут обеспечить до замены переработку 140-160 тыс. т. металла.
Миксеры для внутризаводских перевозок жидкого металла, имеющие сигарообразный ковш вместимостью 250 тонн, производятся совместно с фирмами Dislington Engineering Со, (Англия) и Demag АС (Германия). Такую вместимость ковш имеет при новой футеровке, но по мере износа футеровочных материалов вместимость ковша увеличивается до 300 тонн.
В настоящее время миксеры, кроме зарубежных металлургических предприятий, широко используются в России. Например, Новокраматорский машиностроительный завод (Украина) поставил партию миксеров МП-600АС для перевозки жидкого чугуна на ОАО «Северсталь» (Россия) вместимостью 600 тонн. [56].
По данным [57] Чешский машиностроительный холдинг Vitkovice Machinery Group сотрудничает с Магнитогорским металлургическим комбинатом и Златоустовским метзаводом (ЗМЗ) в сфере реконструкции, в том числе и поставки миксеров типа ПМ 350т для перевозки жидкого чугуна. Следует отметить, что при сотрудничестве с этим же холдингом были поставлены на ПАО «Алчевский металлургический комбинат» такие же миксеры типа ПМ 350т. Миксеры типа ПМ 350т используются также в Словакии (ВСЖ Кошице), Чехии (ТЖ Тржинец).
Кроме того, по данным [58] одного из ведущих предприятий металлургической промышленности ОАО «Северсталь», контроль состояния миксера ведет к снижению прямых издержек, что влечет за собой снижение себестоимости чугуна. Схема снижения себестоимости чугуна приведена на рисунке 3.
Снижение себестоимости основывается на том, что при разрушении миксера жидкий чугун вытекает на железнодорожное полотно, в результате чего происходит потеря партии чугуна и при этом возникает необходимость затратить дополнительные средства на восстановление железной дороги, приобретение нового миксера, а также переработку вылившегося чугуна. По данным [58], при переводе на новую технологию качающихся желобов доменного цеха и передвижных миксеров для перевозки чугуна экономический эффект составил 6,153 млн. руб./год.
Таким образом, контроль состояния миксеров ведет к снижению себестоимости чугуна, что является еще одним фактором подтверждающим актуальность проводимых исследований.
Кроме того, в миксерном отделении цеха устанавливаются стационарные миксеры вместимостью 1300-1500 тонн. Стационарный миксер предназначен для временного хранения запасов жидкого чугуна, благодаря чему создаются независимые от хода доменных печей условия для работы конвертерных печей. В миксере выравнивается химический состав и температура чугуна [45-46]. Для поддержания необходимой температуры чугуна миксеры обогреваются с помощью горелок. Каждый миксер оборудован весами для взвешивания чугуна, подаваемого к конвертерам. На верхней площадке миксерного отделения расположены посты управления приводами миксеров, установки для улавливания графита и торкретирования футеровки миксеров и машины для скачивания шлака через его сливной носок. Из миксера необходимое для плавки количество передельного чугуна переливают в заливочный ковш.
Следующим объектом рассматриваемой группы футерованного оборудования является чугуновозный ковш. В конвертерные цеха чугун из доменного цеха, как правило, подается в грушевидных чугуновозных ковшах по 100 тонн (рисунок 4), которые перевозятся средствами железнодорожного цеха завода по указанию диспетчера доменного цеха в соответствии с графиком, утвержденным начальником доменного цеха. Такой чугуновозный ковш состоит из собственно ковша сварной конструкции, футерованного изнутри огнеупорным кирпичом, рамы и двух ходовых тележек.
Структура методологии создания АСУ эксплуатацией ФО
В основу разрабатываемой методологии положены следующие основные принципы: Принцип 1. Принцип процессно-ориентированной автоматизации диагностики ФО. Как правило, автоматизация диагностики затрагивает только отдельные блоки систем и процессов, и диктуется необходимостью повышения их эффективности и производительности. Например, в системах диагностики состояния миксеров или чугуновозов существующие решения автоматизации затрагивают только процесс поддержки принятия решений и не затрагивают процесс идентификации состояния этих объектов [56, 123-124]. Соответственно применить такую систему в других условиях производства становится затруднительно, а в отдельных случаях невозможно.
Сущность предлагаемого принципа заключается в автоматизации процесса технической диагностики состояния ФО на всех ее стадиях. Предлагается автоматизировать 3 основные стадии технической диагностики ФО (рисунок 19): 1. Автоматизация определения основных характеристик ФО на основе компьютерной обработке изображений; 2. Автоматизация определения изменения состояния ФО и его прогнозирования; 3. Автоматизация экспертного оценивания в процессе диагностики ФО. Целью автоматизации всех 3 этапов является извлечение знаний из данных для принятия решений относительно выбора режима эксплуатации ФО посредством методов интеллектуального анализа данных (методы нечеткого представления данных и нейросети). В соответствии с автоматизацией основных этапов диагностики, основными компонентами нового подхода являются: 1. Обновленная топология СТД ФО – топология АСУ эксплуатацией ФО; 2. Автоматизация процессов управления и принятия решений во время технической диагностики ФО, опирающаяся на инженерное знание, представленных в виде продукционных формализмов. Принцип 2. Принцип автоматизированной обработки изображений ФО – принцип основан на адаптации методов компьютерной обработки изображений с учетом особенностей конкретного ФО. Сущность принципа заключается в автоматизированном формировании изображений ФО требуемого вида (термограммы или металлографические изображения) и их компьютерной обработки, что позволит определять изменения состояния футеровки ФО. наличие, у создаваемой АСУ эксплуатацией ФО, по предлагаемой методологии, возможностей ее применения для различных ФО в разных производственных условиях на основе обучения на опыте.
Адаптация может происходить путем самонастройки, самообучения или самоорганизации. Адаптивные способности могут определяться объемом информации (памятью) системы диагностики и потребными затратами времени на ее обработку.
Согласно данному принципу методологии самонастройка или самоорганизация моделей знаний и процессов поиска решений в АСУ эксплуатацией ФО должна выполняться всякий раз, как возникает потребность в реорганизации процессов в результате произошедших изменений в системе. Например, введение в производство нового типа ФО (миксер МП600АС вместо ПМ350т).
Самообучение АСУ необходимо для того, чтобы предоставлялась возможность автоматического создания правил или функций, определяющих принадлежность решаемой ситуаций с ФО к классам, необходимым для интерпретации новых ситуаций диагностики.
Кроме того, адаптивные свойства АСУ эксплуатацией ФО обеспечиваются за счет интеллектуализации ее архитектуры, посредством использования аппарата нейронных сетей.
Принцип 5. Принцип интегрированности АСУ. Сущность принципа данной методологии заключается в том, что создаваемая АСУ на основе данной методологии должна обеспечивать связь и обмен информацией с уже существующими информационными системами промышленного предприятия для накопления опыта и формирования базы знаний, необходимых для обучения АСУ.
Кроме предложенных принципов предлагаемая методология базируется на общепринятых принципах объектно-ориентированного подхода проектирования информационных систем [125-127]. В частности, на принципе декомпозиции путем описания обоснованным множеством подсистем и уровней с существенными связями между ними с использованием методов моделирования согласно особенностям физических объектов.
Также разрабатываемая методология опирается на положения методологии проектирования и реализации открытых систем для компьютерно-интегрированного производства [128-132].
Алгоритмы формирования изображений термограмм ФО в условиях металлургического предприятия
Алгоритм, позволяющий преобразовать бинарное изображение в векторное представление, представлен на рисунке 25.
Пусть векторизируемое бинарное изображение микроструктуры ФО будет представлено в виде функции f(x,y). При этом значение фона определим как f(x,y)=0, а анализируемый элемент - f(x,y)=\. Введем еще одно допущение - каждый пиксель изображения может содержать максимум 2 соседних элемента, т.е. рассматриваемые объекты представлены в виде замкнутых линий либо отрезков. При этом все сегментированные элементы содержат как минимум 2 и больше пикселей. Остальные пиксели будут являться шумом. Предварительно выполним сегментацию исходного изображения микроструктуры, из которого выделим отдельные объекты и запишем их в функцию 0N(Xj), где N - количество объектов с размерностью матрицы X и Y. Рисунок 25 – Алгоритм векторизации металлографического изображения ФО
В качестве исходной позиции векторизации, предлагается выбрать произвольную точку A0 (x,y) на объекте Oi , которая принадлежит пространству Oi (X ,Y ) и не равную 0. Чтобы найти следующую точку на объекте Oi введем радиус r детализации объекта Oi , величина которого
Радиус будет характеризовать уровень детализации объекта Oi . Т.е. чем больше значение радиуса, тем более простая геометрическая фигура, описывающая сегмент изображения будет сформирована в результате обхода, что приведет к уменьшению детализации изображения микроструктуры ФО, в результате чего может произойти потеря существенной информации об объекте Oi . Результат детализации сегментов от меньшего радиуса детализации к большему представлен на рисунке 27.
При отсутствии точки Ai+1 на объекте Oi (при том, что Ai в начальный момент алгоритма равна A0), необходимо уменьшить радиус детализации на единицу, до тех пор, пока функция не даст положительный результат. Если индекс перебора i больше единицы, т.е. было найдено два пикселя, принадлежащие прямой и значение радиуса детализации r=0, выполнение программы завершаем.
При этом найденная точка Ai+1 должна удовлетворять следующему условию – соседние пиксели точки, лежат в диапазоне между A0 и Ai. Если условие не выполняется, то найденная точка лежит в пройденном диапазоне, следовательно, происходит уменьшение радиуса поиска и алгоритм начинает выполнение с функции (1).
Успешно найденная точка записывается в структуру Mas(N), которая содержит данные о следующей точке, а также значения смещения относительно предыдущей точки dx и dy, определяемые: dx=Ai+1(x)-Ai+1(x). (3.13) dy=Ai+1(y)-Ai+1(y). (3.14) Если Ai+1 = A0 , то отрезок является замкнутым. Поскольку найдены все сегменты, принадлежащие данному объекту Oi – завершаем работу алгоритма.
Следующим шагом алгоритма необходимо осуществить проверку Ai+1 на наличие соседей. Если точка содержит одного соседа, то она является конечной и рассматриваемый отрезок является не замкнутым. В случае обнаружения двух соседних точек, устанавливаем Ai=Ai+1 и переходим к выполнению функции.
В качестве выходного значения, получаем вектор Mas(N), структурное изображение которого приведено на рисунке 28. Каждый элемент структуры имеет данные об относительном положении точки и указатель на следующий элемент. В случае если кривая является замкнутой – последний элемент указывает на первый (пунктирная линия на рисунке 28).
Выполнение векторизации дает возможность связать разрозненные части одного элемента, а также уменьшить количество данных для выполнения дальнейшего анализа. Результат выполнения алгоритма векторизации приведен на рисунке 29. Рисунок 29 – Результат векторизации металлографического изображения ФО Каждый объект Oi изображения можно охарактеризовать набором признаков, которые могут служить основой для их анализа и распознавания. К основным морфометрических признакам относят [138, 141-144]: Площадь - числовое значение равно количеству пикселей объекта, полная площадь - числовое значение соответствует общему количеству пикселей объекта и пикселей дыр в объекте и выпуклая площадь - площадь выпуклого многоугольника, в который вписан объект. Центр массы объекта - точка, через которую при любом положении тела проходит линия действия его силы тяжести. Координаты центра тяжести тела определяются по формуле:
Метод автоматизированного определения режима эксплуатации ФО
Из этого следует, что система может быть разделена на подсистемы не только по функциональности, но и по видам генерируемой информации, что позволит оптимизировать распределение потоков информации.
Как известно [176-178, 180-183], информационная модель может быть описана с морфологической, функциональной и информационной точки зрения. Представим общую информационную модель интеллектуальной системы технической диагностики ФО на уровне взаимодействия подсистем с функциональной и информационной точки зрения на рисунке 57.
Рассмотрим взаимодействие подсистем и их информационные потоки. На уровне сбора информации подсистема сбора данных производит набор первичной информации для определения состояния ФО. Производится ввод факторов для определения режима эксплуатации ФО, а также формируются его изображения: После этого подсистема обработки сообщений выполняет анализ требований, а также выбирает и конфигурирует актуальные методы, модели и интеллектуальную систему, формируя сценарий решения и новый диагностический прецедент.
Полученная информация направляется на уровень экспертного оценивания состояния ФО, где подсистема обработки изображений ФО и подсистема определения его состояния производят анализ и распознавание изображений нейронной сетью, с целью определения массива Pl (m,n), характеризующего зоны прогара и степень износа футеровки: YNN=f(xNN )
На уровне экспертного оценивания состояния ФО с помощью подсистемы генерации управляющих рекомендаций осуществляется поиск и решение прецедента Р = {(s15 гг), (s2,r2),...(sn,rn)}, si = г, а также посредством нейросетевого метода, разработанной в четвертом разделе диссертационного исследования, для /-го набора факторов производится определение режима эксплуатации /-го ФО:
Результат вместе с распознанным изображением в подсистему хранения информации. Оператор и (или) технолог имеет возможность в реальном времени наблюдать за процессом работы. Хранение опыта нейронных сетей, конфигураций моделей и методов также осуществляется в подсистеме хранения информации.
Кроме этого, на уровне экспертного оценивания с помощью подсистемы прогнозирования состояния ФО осуществляется формирование краткосрочного, среднесрочного и долгосрочного прогнозов об изменениях в состоянии и степени износа футеровки ФО.
На основе полученных данных оцененных свойств подсистема генерации управляющих рекомендаций генерирует набор рекомендаций Д,[ ] относительно замены футеровки ФО, а также его режима эксплуатации и массив зон прогара футеровки Pfan). Полученное решение направляется в базу, для дальнейшего хранения. Таким образом, на выходе системы имеем множество:
После обработки информации и выработки управляющих рекомендаций данные поступают в подсистему отображения информации и формирования отчетов, которая посредством диаграмм выводит результат исследования. При необходимости с помощью подсистемы создания отчетов предоставляется возможность создания отчетов о диагностике ФО.
Поскольку, из предложенной информационной модели системы становятся известными все информационные потоки и функции для составления информационного описания процесса технической диагностики и мониторинга ФО, представляется возможным разработать архитектуру информационной системы для проведения автоматизированной диагностики и мониторинга состояния ФО.
Типовая структура информационной системы технической диагностики и мониторинга в составе АСУ эксплуатацией ФО В основу разработки структуры информационной системы технической диагностики и мониторинга состояния ФО в составе АСУ положено использование аппаратно-программного комплекса и современных информационных технологий. Автоматизация и интеллектуализация за счет использования современных технологий позволяет перевести проведение процесса технической диагностики ФО на качественно новый уровень благодаря следующим преимуществам: – автоматизированный анализ изображений – анализ изображений ФО осуществляется при помощи нейросетевых программных средств, позволяющих адаптировать методы распознавания изображений для любого типа ФО, транспортирующего жидкий металл; – интеллектуальный анализ данных – анализ диагностической ситуации с ФО осуществляется с использованием интеллектуальных технологий, что позволяет повысить эффективность диагностики ФО; – способность к обучению – система является интеллектуальной, соответственно ей, как любой интеллектуальной системе, присуще свойство обучения, что предоставляет возможность легкой адаптации к условиям любого металлургического комплекса; – использование современных сетевых технологий позволяет интегрировать интеллектуальную систему технической диагностики ФО в системы более высокого уровня (автоматизированные системы управления цехом, предприятием).
Разрабатываемая структура информационной системы технической диагностики и мониторинга состояния ФО представляет ее как совокупность технических средств и человека-технолога.
Поскольку, из предложенной и описанной ранее информационной модели системы становятся известными все информационные потоки и функции для составления информационного описания процесса технической диагностики и мониторинга состояния ФО, представляется возможным разработать структуру ИС. На рисунке 58 представлена структура предложенной ИС для проведения автоматизированной технической диагностики и мониторинга состояния ФО.