Содержание к диссертации
Введение
1 Современное состояние и перспективы развития систем поддержки принятия решений по диагностированию состояния индукционных плавильных установок 11
1.1 Современное состояние систем диагностирования индукционных плавильных установок 1.2 Сопоставительный анализ методов и средств диагностирования индукционных плавильных установок 17
1.3 Анализ способов получения модели распределения тепла в ИПУ 26
1.4 Состояние вопроса и постановка задачи исследования 30
2 Разработка математической модели распределения тепла в индукционных плавильных установках 32
2.1 Теоретическое определение взаимосвязи распределения тепла в ИПУ и неисправности футеровки 32
2.2 Модель распределения тепла в ИПУ с учетом объемного распространения тепловых потоков 40
2.3 Методика моделирования распределения тепла в ИПУ 45
2.4 Компьютерное моделирование взаимосвязи распределения тепла в ИПУ и неисправности футеровки
Выводы по второй главе 53
3 Разработка системы принятия решений по диагностированию состояния индукционных плавильных установок 55
3.1 Метод локализации места неисправности и прогнозирования состояния ИПУ по термограмме поверхности 55
3.2 Формирование механизма логического вывода для принятия решений о неисправности ИПУ 61
3.3 Формирование базы правил системы поддержки принятия решений по диагностированию состояния индукционной плавильной установки 70
3.4 Разработка алгоритмов функционирования системы поддержки принятия решений по диагностированию состояния индукционной плавильной установки 74 Выводы по третьей главе 83
4. Экспериментальное исследование системы принятия решений по диагностированию состояния индукционных плавильных установок
Экспериментальное определение взаимосвязи распределения тепла в ИПУ и неисправности футеровки 84
Проверка достоверности и адекватности моделей распределения тепла в ИПУ 90
Оценка перспектив использования предложенного метода 92
локализации места неисправности и прогнозирования состояния ИПУ по термограмме поверхности
Выводы по четвертой главе 96
Заключение 97
Библиографический список 98
Приложения 107
- Сопоставительный анализ методов и средств диагностирования индукционных плавильных установок
- Модель распределения тепла в ИПУ с учетом объемного распространения тепловых потоков
- Формирование базы правил системы поддержки принятия решений по диагностированию состояния индукционной плавильной установки
- Проверка достоверности и адекватности моделей распределения тепла в ИПУ
Введение к работе
Актуальность темы. Плавка в индукционных плавильных установках (ИПУ) является одним из наиболее эффективных способов переработки материалов и сплавов вследствие таких своих достоинств как универсальность по отношению к выплавляемым металлам и плавильным операциям, высокая производительность, экономичность и низкие требования по качеству шихты, хорошая управляемость, высокая гигиеничность и малое загрязнение воздуха.
В настоящее время эффективность процесса плавки в индукционных плавильных установках (ИПУ) по объему выплавленного металла, потребляемой энергии и другим параметрам энергоэффективности в значительной мере зависит от совершенства технологии плавки и состояния оборудования, что связано с использованием систем мониторинга состояния, предупреждения аварийных ситуаций, сбора статистической информации для анализа производственного процесса. Современное развитие таких систем включает два направления: робототизированные управляющие комплексы и системы диагностирования. Первый подход, рассматриваемый в основном в США и Японии, предполагает как можно более полное исключение человеческого фактора из производственного процесса через автоматизацию большинства производственных операций. Второй подход, используемый в основном в европейских странах, например, в Германии и Швеции (фирмами ОТТО JUNKER и ABB), предполагает автоматизацию лишь основных плавильных операций, чаще всего загрузки шихты и извлечения тигля, при этом большее внимание уделяется диагностике ИПУ с применением различных (термоэлектрических или оптических) методов диагностики, идентификации и мониторинга.
Предпочтения российских предприятий, занимающихся плавкой металлов, сводятся ко второму подходу, полная автоматизация на них считается излишней, но полностью осознается необходимость своевременного ремонта и предупреждения о прогаре футеровки. Исследование таких систем показало, что они предотвращают менее 55 % аварий, что не удовлетворяет современным требованиям. Системы диагностирования используют усредненные измерения параметров, характеризующих состояние ИПУ, при этом равномерное изменение толщины футеровки, часто регистрируемое как прогар, не ведет к аварии, и наоборот небольшой по площади, но критический по глубине прогар не воспринимается как таковой. Современные системы диагностирования используют вторичные параметры состояния ИПУ, которые не являются эффективными при проведении диагностики.
Первичным параметром состояния ИПУ является тепловое поле ее поверхностей, позволяющее судить о состоянии внутренних элементов ИПУ. Использование только температурного поля как основного диагностического параметра в целом не решает проблему разработки эффективной системы диагностирования, так как ИПУ является сложной системой и ее диагностирование требует учета динамики изменения характеристик состояния основных
элементов системы, влияния отказавших элементов системы на характеристики других элементов, прогнозирования состояния.
Для решения вышеперечисленных задач и снижения вероятности возникновения аварии при плавке актуальной является разработка системы поддержки принятия решений по диагностированию состояния ИПУ на основе обработки информации о тепловом поле ее внешней поверхности с использованием средств искусственного интеллекта.
Целью диссертационной работы является повышение эффективности системы поддержки принятия решений при диагностировании состояния ИПУ на основе обработки информации о термографическом изображении ее поверхности.
Для достижения указанной цели в работе были поставлены и решены следующие основные задачи:
Разработать математические модели распределения тепла в ИПУ для решения задачи идентификации неисправности ИПУ в процессе принятия решений по ее диагностированию с учетом реологических преобразований на основе законов теплопередачи.
Разработать метод и алгоритмы идентификации неисправности ИПУ для распознавания термограмм поверхности с использованием самоорганизующейся нейронной сети.
Разработать алгоритмы поддержки принятия решений о неисправности ИПУ на основе базы правил, сформированной по результатам анализа последствий и причин отказов.
Разработать программное обеспечение системы поддержки принятия решений о состоянии ИПУ в процессе ее функционирования.
Оценить эффективность системы поддержки принятия решений о состоянии ИПУ на основе экспериментальных данных.
Методы исследования. Теоретические исследования проведены с использованием методов теории автоматического управления, теории управления рисками, теории графов, теории вероятности; для моделирования распределения тепла в ИПУ использовался пакет COMSOL Multiphisics, для построения алгоритма автоматического обнаружения и локализации неисправности использовались нейросетевые алгоритмы.
Программное обеспечение разрабатывалось в среде Delphi7 с использованием библиотек DevExpress и технологии ActiveX.
Научная новизна заключается в следующем:
Разработаны математические модели распределения тепла в ИПУ, основанные на моделях электромагнитного поля и процессов теплообмена, отличающиеся тем, что данные модели рассматриваются совместно с моделями реологических преобразований, что позволяет учитывать изменение те-плофизических свойств ИПУ в целом.
Разработан метод и алгоритмы идентификации неисправности ИПУ на основе термограммы поверхности ИПУ, отличающиеся использованием нейросетевых алгоритмов для локализации места неисправности, что позволяет определять область неисправности или риска с меньшей погрешностью.
3. Разработано алгоритмическое обеспечение системы поддержки принятия решений, основанное на использовании предложенной базы правил, отличающееся использованием термограммы поверхности как основного диагностического параметра, что позволяет прогнозировать состояние ИПУ.
Практическую ценность имеют:
Разработанные модели распределения тепла позволяют получить зависимость глубины прогара от превышения температуры на поверхности ИПУ, что позволяет оценить чувствительность предложенного метода к определению глубины прогара футеровки (не менее 10С/см).
Применение разработанного программно-аппаратного комплекса диагностирования ИПУ, использующего нейросетевой алгоритм локализации неисправности, позволяет автоматизировать поиск места неисправности, снизить погрешность локализации неисправности, увеличить время наработки на отказ до 30 %, снизить затраты на восстановление после аварии до 40%.
Апробация результатов работы.
Основные положения работы были доложены и обсуждены на: Всероссийских студенческих научно-технических конференциях «Прикладные задачи электромеханики, энергетики, электроники» (2005-2007, г. Воронеж); Международной научной конференции «Наука и образование» (2006, г. Бе-лово); Международной молодежной научной конференции «XIV Туполев-ские чтения» (2008, г. Казань); XI, XII и XIII Международных научно-технических конференциях студентов и аспирантов «Радиоэлектроника, электроника и энергетика» (2005-2007, г. Москва); IX Международной научно-практической конференции «Компьютерные технологии в науке, производстве, социальных и экономических процессах» (2008, г. Новочеркасск); на Международных научно-практических интернет-конференциях «Информационные технологии в науке и образовании» (2009, 2010, г. Шахты); IV Всероссийской научной конференции «Проектирование инженерных и научных приложений в среде MATLAB» (2009, г. Астрахань); V Всероссийской зимней школы-семинара аспирантов и молодых ученых «Актуальные проблемы в науке и технике» (2010, г.Уфа); X Международной научно-методологической конференции «Информатика: проблемы, методология, технологии» (2010, г. Воронеж); IV Международной научной конференции студентов, аспирантов и молодых ученых «Научный потенциал студенчества в XXI веке» (2010, г. Ставрополь); IV Международной научно-технической конференции «Информационные технологии в науке, образовании и производстве ИТНОП-2010» (г. Орел); I Всероссийской научно-практической конференции «Интеллект. Инновации. Информация. Инвестиции. Институты. Инфраструктура» (2010, г. Москва); на конкурсе «У.М.Н.И.К. - Башкортостан 2010»; Зворыкинской смене форума Селигер-2010.
Результаты диссертационной работы внедрены в рамках выполнения работ по проекту «Программно-аппаратный комплекс диагностики состояния индукционной тигельной печи» по программе «У.М.Н.И.К.».
На защиту выносятся:
Математические модели распределения тепла в ИПУ для решения задачи идентификации неисправности ИПУ с учетом реологических преобразований, позволяющие получить зависимость глубины прогорания футеровки от превышения температуры на поверхности ИПУ и выявить зависимость теплового поля поверхности ИПУ от внутренней неисправности.
Метод и алгоритмы идентификации неисправности ИПУ по термограмме поверхности с использованием самоорганизующейся нейронной сети.
Алгоритмы поддержки принятия решения о неисправности ИПУ на основе предложенной базы правил.
Программное обеспечение системы поддержки принятия решений о состоянии ИПУ.
Результаты экспериментальной проверки разработанного программного обеспечения.
Публикации
Основные положения и результаты исследования по теме диссертации опубликованы и непосредственно отражены в 17 работах, из них 4 - в изданиях, входящих в список ВАК, в том числе получено 1 свидетельство о государственной регистрации программы для ЭВМ.
Структура и объем работы
Диссертационная работа состоит из введения, четырех глав, заключения, библиографического списка из 134 источников и приложений общим объемом 113 страниц. В работе содержится 64 рисунка и 13 таблиц.
Сопоставительный анализ методов и средств диагностирования индукционных плавильных установок
Одним из первых известных методов диагностирования состояния плавильного модуля является метод мониторинга тока утечки [1-3, 5, 6, 8, 11, 12, 17, 20]. Ток утечки измеряется по величине тока, протекающего через стержень, заземляющий ванну. Метод прост и универсален. Несмотря на все недостатки данного.метода, они отражены на рис. 1.4, метод используется во всех плавильных модулях, как у нас в стране, так и за рубежом. Наряду с ним для диагностики состояния тигля в составе системы диагностирования используются и другие методы. Термоэлектрические методы основаны на измерении термозависимых электрических величин [1-3, 5, 6, 8, 11, 12, 17, 20]. Достоинства и недостатки метода с использованием различных средств измерения также показаны на рис. 1.4. Блок контроля футеровки относится к системам, реализующим термоэлектрический метод диагностики с использованием наборов металлических электродов. Оптические методы диагностирования [11, 12] используют оптоволоконные системы, работа которых основана на квантово-механическом эффекте.
Несмотря на высокую стоимость последних, их достоинства настолько очевидны, что не вызывает сомнения их широкое применение в будущем. В настоящее время они используются только фирмами Германии и Швеции [8-10, 12].
Для целей диагностирования состояния плавильного модуля измерение температурного излучения более предпочтительно, чем измерение падения напряжения или тока утечки, так как температура возрастает в квадратичной зависимости от перечисленных параметров. Величина значения интегрального теплового излучения оценивается по закону Стефана-Больцмана [27].
Все средства измерения температуры металлов можно разделить на контактные и бесконтактные методы (рис. 1.8). Под контактными методами понимается измерение температуры при помощи термопреобразователей (терморезисторов, термопар и пр.). Бесконтактные методы измерения температуры основаны на фиксации зависимости интенсивности или спектрального состава теплового инфракрасного или видимого излучения от температуры поверхности. При выборе прибора определяющими параметрами являются: диапазон измеряемых температур, время одного измерения, погрешность измерения и мобильность датчика.
Результаты анализа средств измерения температуры [27, 49-52] представлены на рис. 1.5.
Способы измерения температуры при горячей обработке металлов
О распространенности оптических методов диагностирования также говорит развитие методов стандартизации и сертификации в области термографии, развитие оптической и оптоволоконной техники [40-44] .
Выбор между измерением яркости или цветового состава зависит от выбора прибора [28]. Метод измерения цветового состава обладает более высокой точностью при неизвестной степени черноты тела, но для реализации данного метода прибор должен обеспечивать точную цветопередачу [28] .
Различие между инфракрасными сканерами и тепловизорами достаточно условно. Инфракрасные сканеры обладают меньшей функциональностью.
Из приведенного выше анализа следует, что необходимость диагностирования плавильных элементов посредством сканирования температурных полей определяется:
- важностью и ответственностью обслуживаемых технологических процессов;
- широким диапазоном условий эксплуатации, вызванных неоднородностью сырья и/или изменением режимов работы обслуживающих подсистем.
В результате информация о состоянии ИЛУ имеет вид термограммы поверхности установки и требует дальнейшей обработки и распознавания. Термограммы являются графической формой сообщений и представляют собой причинно-обусловленное отображение состояний плавильных модулей, вызванных тепловыми процессами, протекающими в них.
Представление информации о тепловом процессе объекта в виде термограммы требует достаточно большого объема памяти, а хранение всего поступающего объема данных огромных ресурсов. Объем информации заключенной в изображении по ряду причин является избыточным [68]. Во-первых, изображения обладают статистической избыточностью, заключающейся в том, что элементы изображения, расположенные близко друг к другу, имеют близкие значения яркости и без последствия для восприятия человеком могут быть исключены. Во-вторых, существует избыточность, определяемая целями обработки и анализа изображений. Так в диагностических задачах требуется отыскать на изображении фрагмент определенной яркости, либо убедиться в отсутствии такового. Таким образом, возникает необходимость сжатия информации с целью экономии ресурсов без потери переносимой информации. Существует множество способов сжатия изображений [68-70], но все они приводят к потере определенного количества информации.
При работе с изображениями возникают следующие проблемы: получение формального описания изображений; разработка и выбор математических средств обработки, анализа и распознавания изображений; программная и аппаратная реализация математических методов работы с изображениями.
При формализации описания изображения рассматриваются два способа его представления: растровое и векторное. Термограммы относятся к многоцветным растровым изображениям. Цветные изображения представляются либо тремя матрицами (по одной для красного, зеленого и синего цветов), либо одной матрицей, в которой различные биты каждого элемента соответствуют определенному цвету.
Модель распределения тепла в ИПУ с учетом объемного распространения тепловых потоков
В реальных нагревательных элементах распределение тепла происходит по всем направлениям, а не только в радиальном, как было рассмотрено в предыдущем параграфе. Кроме того, нарушение целостности теплоизоляционных слоев, индукторной системы возможно не только в стационарном (установившемся) режиме, но и в переходном (динамическом) режиме нагреве расплава до заданного техническим заданием уровня (обычно примерно 1500С).
В настоящее время при диагностике технических устройств и систем развивается направление, основанное на восстановлении модели (оператора) исследуемого объекта. Обычно предполагается, что неисправности изменяют параметры модели объекта, которые при диагностировании оцениваются методами параметрической идентификации. Однако часто, большинство дефектов приводит к изменению не только параметров модели объекта, но и ее структуры, что обуславливает применение методов непараметрической идентификации для построения математической модели объекта контроля на основе данных эксперимента "вход-выход".
В модельной диагностике процедура диагностирования выполняется в четыре этапа (рис. 2.7). После проведения анализа объекта формируется матрица взаимодействующих факторов (МВФ). На первом получают исходную (первичную) информацию об объекте в виде сигналов откликов на пробные воздействия. На втором этапе эта информация обрабатывается для выделения диагностических признаков и решения о принадлежности данного объекта к определенному классу по физическому (техническому) состоянию. Для построения диагностирующего правила использованы методы статистической классификации (распознавания образов) или нейронные сети.
В реальных условиях при нестационарном нагреве расплава в ИПУ происходит не только передача тепла в радиальном направлении, но и передача тепла в осевом направлении по каждому слою футеровки и их охлаждение за счет отдачи тепла донной части тигля и конвективному охлаждению верхней части ИПУ (рис. 2.8 ). Нагрев вторичным расплава
В отличие от предыдущего случая в динамической модели необходимо учитывать изменение теплофизических свойств как расплава, так ИПУ в целом и его отдельных составляющих, что приводит к реологическим изменениям. Модель реологических преобразований представлена следующим образом [27]:
При изменении температуры (в данном случае в диапазоне от 35С: температура, определяемая стандартами как температура внешней окружающей среды до 1500С) расплав изменяет свои структуру и свойства: металл теряет свои магнитные свойства, расплав из твердой, «зернистой», разнородной шихты превращается в состояние, обладающее свойствами текучести. При этом р5 Щ С, X резко меняют свои значения в процессе нагрева исходного материала, что необходимо учитывать при построении модели.
Математическая модель нагрева ИПУ первичными и вторичными токами (модель электромагнитного поля) [105]:
При решении системы уравнений (2.11 и 2.12) граничные условия заданы на внешних и внутренних разделах расчетных областей [27].
Граничные условия второго рода заключаются в задании плотности теплового потока через поверхность тела Snoe{b простейшем случае может быть задано Sma = const). Это условие равносильно заданию на поверхности производной [рТ/дп) по нормали к поверхности, что вытекает из закона Фурье. Условие заданного теплового потока описано граничными условиями Неймана: qn — —qs ,— на внешних границах, qn+ — q — —qs , - на внутренних границах, где qn— нормальная компонента вектора плотности теплового потока, индексы "+" и "-" означают "слева от границы" и "справа от границы" соответственно. Для внутренней границы qs означает поверхностную мощность источника, для внешней - известное значение теплового потока через границу. Если qs, равно нулю, граничное условие называется однородным. Однородное условие второго рода на внешней границе означает отсутствие теплового потока через указанную поверхность. Однородное условие второго рода является естественным, оно устанавливается по умолчанию на всех тех сторонах, составляющих внешнюю границу, где явно не указано иное граничное условие. Этот вид граничного условия употребляется в двух случаях: на плоскости симметрии задачи (если ввиду симметричности геометрии и источников задача решается только на части области), а также для описания адиабатической границы. ИЛУ, как отмечалось выше, состоит из отдельных слоев, непосредственно взаимодействующих друг с другом - расплав и футеровка, футеровка и индукторная система, индукторная система контактирует с воздушным слоем, а воздушный слой с корпусом печи. «(X1V01-X2V92) = O, где П- вектор нормали, А и К2- теплопроводности контактирующих слоев. Граничные условия четвертого рода относятся к случаю соприкосновения системы двух твердых тел с разными коэффициентами теплопроводности /Ij и Л2, при идеальном контакте между ними — без зазоров, прослоек и т. п. Математическая формулировка граничного условия заключается в следующем: т\ =т\ Это отражает непрерывность температурного поля и теплового потока на границе раздела. Производная удТ/дх) имеет разрыв на границе раздела двух тел, который выражается в различии углов рх и ср2.
Формирование базы правил системы поддержки принятия решений по диагностированию состояния индукционной плавильной установки
Данный граф представлен в виде системы взаимосвязанных дифференциальных уравнений [46], описывающих процесс функционирования модуля в терминах вероятностей Рг{і) пребывания системы в предопределенных состояниях S„ описанных выше, и при заданных начальных условиях Р,(0), соответствующим состоянию системы в начальный момент времени [97, 100, 101, 103, 112]: 71 где Pi(t)- вероятность нахождения элемента ИТП в состоянии / (/—1, 2, 3), % интенсивность (частота) отказов модуля , „ кол-во событий 1 1 Лп..„. ЛЛ- -i\ ( = = = —- - = 0,0125 ч-0,01 ч ), х частота восстановления период _времени 80 100 , / кол - во событий 1 „ „_„ , , N футеровки модуля (х = = = — = 0,0714 ч"1). период _ времени 14 К системе (3.1) также должно быть добавлено условие нормирования: и начальные условия: Р1(0) = 1 и / /(0) = 0, соответствующие пребыванию системы в рабочем состоянии в начальный момент времени. После сложения первых двух уравнений системы (3.1) получено уравнение (3.2). После интегрирования уравнения (3.2) и подстановки результата в систему (3.1) получено: После дифференцирования последнего уравнения получено уравнение относительно Р, (t): at at Характеристическое уравнение приобретает вид: Корни уравнения имеют вид Для рассматриваемой системы значения параметров % - интенсивности восстановления после отказа, - интенсивности возникновения отказа вычисляются также как в предыдущих случаях, функция системы диагностирования представляет собой переменную величину, зависящую от данных измерений, но известно, что ее значение меняется от 0 до 1, поэтому значение у 0, и решение будет апериодическим: В начальный момент времени Рх (0) = Сх + С2 = 1. В результате подстановки уравнения (3.4) в уравнение (3.3) получено: , откуда получено Система уравнений для нахождения начальных условий имеет вид: Решение системы уравнений (3.5) имеет вид: Используя условие нормировки Р\+Р з+Ру=\, рассчитано значение Р3: Надежность системы диагностирования в этом случае определится как сумма вероятностей событий, не приводящих к отказу:
При рассмотрении аналогичных моделей для случая отсутствия системы принятия решений (рис. 3.7) и для случая использования системы диагностирования с охватом 0,5 параметров ИПУ (рис. 3.8) получены вероятности выхода из строя РШУ, характеризующие ее поведение (рис. 3.9 а, б, в).
Вероятности безаварийной работы (Pi) и выхода из строя (Р4) при: а) отсутствии системы диагностирования; б) системе диагностирования основанной на измерении усредненной температуры; в) системе диагностирования с нечетким алгоритмом управления Таблицы решений позволяют сформировать правила принятия решений для каждого элемента ИПУ, функциональная модель ИПУ позволяет объединить эти правила и определить базу правил для ИПУ в целом. В результате, база правил системы принятия решений по диагностированию состояния ИПУ приведена в приложении А.
Разработка алгоритмов функционирования системы поддержки принятия решений по диагностике состояния ИПУ
Для определения параметров функционирования СППР необходимо ограничить время выполнения алгоритмов принятия решений и обработки термограммы. В соответствии с поведенческой моделью ИПУ Для разработки программ и алгоритмов диагностирования были определены такие требования как частота опроса измерительной аппаратуры по частоте среза АЧХ модели функционирования ИПУ (рис. 3.4, 3.5) равной 10 3с, в соответствии с теоремой Котельникова Тл =
Время диагностирования гд, ограниченное полупериодом плавки 22,5 мин, определяет максимальное время работы программы диагностирования и ее допустимую сложность. Периодичность диагностирования v соответствует периодичности проведения плавильных операций — одной смене.
Одной из основных проблем исследования тигельных печей является проблема выделения информации об изменениях параметров объекта диагностирования, которая содержится в сигналах, циркулирующих в основном контуре программно-аппаратного комплекса (ПАК). Остро стоит не только проблема недоступности ИЛУ для технического наблюдения, но и недостаточной информативности этих сигналов. В соответствии со схемой реализации ПАК, рассмотренной в главах 2 и 3, для диагностики используются такие сигналы, как состояния отдельных элементов ИЛУ (индуктора, футеровки, системы водоохлаждения, расплава), питание и параметры воды на входе в систему водоохлаждения. Само по себе чтение этих параметров достаточно сложная задача, так как средние значения параметров состояния отдельных элементов не характеризуют динамику изменения их состояния и необходимо измерять их абсолютные значения.
Данные, получаемые с оптических устройств измерения температуры, обрабатываются для получения информации о профилях изменения состояния ИЛУ.
Проверка достоверности и адекватности моделей распределения тепла в ИПУ
Основной метрологической характеристикой преобразования превышения температуры на наблюдаемой поверхности в глубину прогорания футеровки является статическая характеристика преобразования (рис. 4.9) (иначе называемая функцией преобразования или градуировочной
! характеристикой). Она устанавливает зависимость А = /(т) информативного
параметра А (глубина прогорания, см) выходного сигнала измерительного преобразователя от информативного параметра т (перегрев, К) входного сигнала. На рис. 4.18 линейная зависимость представляет идеальную кривую, метрологические характеристики преобразователя рассчитываются из сравнения идеальной кривой и кривыми, полученными по моделям.
Рассчитанные метрологические характеристики полученного преобразования (рис. 4.19) приведены в таблице 4.2. Анализ полученного в результате измерения температурного портрета показывает на наличие зоны нечувствительности тепловых профилей поверхности печи от 1 до 4 см (рис. 4.10).
Определение погрешности локализации места риска по тепловому пятну на наблюдаемой поверхности ИПУ
Таким образом, проведенные исследования позволяют считать разработанную модель адекватной исследуемому процессу.
Оценка перспектив использования предложенного метода локализации неисправности и прогнозирования состояния ИПУ по термограмме поверхности
Обеспечение стабильной, надежной работы используемой технологии требует развития методик диагностики и обеспечения безотказной работы оборудования. Основной проблемой эксплуатации ИПУ является выход из строя, связанный с износом футеровки печи, который приводит к значительным экономическим потерям в связи с проникновением расплава к дорогостоящим частям печи и выводом их из строя. Патентный обзор методик и средств, предотвращающих такие аварии, показал, что наиболее прогрессивные методики основаны на измерении абсолютных значений температуры с использованием оптических средств измерения. Разработки по обеспечению надежности плавильных операций представлены патентами [111-117]. Основным недостатком рассмотренных систем является невысокая точность диагностирования, отсутствие автоматизации принятия решения о неисправности ИТП, отсутствие функции прогнозирования состояния ИПУ и локализации места прогара. Наиболее близкими к предлагаемому комплексу являются патенты [112,116]. Они также рассматривают оптический метод измерения температуры ([112]) использует оптоволокно, а [116] - лазерную считывающую головку). Основными преимуществами предложенного метода по сравнению с рассматриваемыми являются:
1) использование теплового изображения как основного диагностического параметра, что позволяет увеличить точность определения состояния футеровки печи и осуществить локализацию области риска в отличие от аналогов, использующих измерение усредненной температуры;
2) размещение датчиков на поверхности печи, что позволяет повысить мобильность системы диагностирования, устанавливать ее на любую печь во время проведения планового ремонта и улучшить ремонтопригодность самой системы диагностирования, увеличить срок ее службы в отличие от аналогов, где датчики впекаются в футеровку печи или прикрепляются к индуктору или измеряют температуру воды в системе водоохлаждения и повреждаются в случае аварии;
3) использование волоконно-оптических датчиков для регистрации теплового изображения, что позволяет увеличить помехоустойчивость системы и обеспечивает компактность устройства слежения в отличие от термоэлектрических датчиков температуры и оптических аналогов; 4) автоматическое принятие решения о необходимости ремонта, возможности возникновения аварии в отличие от аналогов, в которых это решение возложено на оператора;
5) прогнозирование состояния футеровки индукционной тигельной печи;
6) документирование хода плавки;
7) статистическая обработка информации.
Планируемый технико-экономический эффект от внедрения разрабатываемого программно-аппаратного комплекса состоит: - в обеспечении оптимального КПД на различных этапах плавки, снижении энергопотребления плавильной печи до 10%. Зависимость КПД ИПУ от толщины футеровки (рис. 4.12) характеризуется увеличением КПД при снижении толщины футеровки [8, 10, 11]. ШМ Шоровки и КПД индуктора Возможность поддержания толщины футеровки на уровне обеспечения оптимального КПД ведет к снижению энергопотребления [11], так энергопотребление при толщине футеровки 15 см составляет 656 кВт/т, снижение толщины футеровки до 12,5 см соответствует снижению энергопотребления на 58 кВт/т в неделю. Разработанная система принятия решений предполагает поддержание толщины футеровки на уровне не меньше 11 см; - в увеличении наработки на отказ за счет предупреждения аварийных ситуаций до 30%. Наработка на отказ Т0 = —, где Q0 - параметр потока отказа восстанавливаемых объектов. При экспоненциальном законе распределения времени безотказной работы этот параметр совпадает с интенсивностью отказов Q0 = , тогда отношение интенсивностей отказов до и после введения системы поддержки принятия решения составит
- в повышении вероятности безотказной работы практически в два раза. Приращение вероятности безотказной работы определяется по формуле &P(t) = Pa(t) - P(t) (рис. 4.13), где Ря(і) - вероятность безотказной работы ИПУ при его диагностировании, которая определяется по поведенческой модели ИПУ (рис. 3.6 и 3.9 в), P{t) - вероятность безотказной работы ИПУ при отсутствии системы диагностирования (рис. 3.9 а). При числе плавок и=100 при введении диагностирования вероятность безаварийной работы повышается практически в два раза.
- в снижении затрат на восстановление после аварийных ситуаций (до 80%) за счет раннего предупреждения возможности возникновения аварии и недопущения аварийных ситуаций, ведущих к большим экономическим потерям (до 200000 руб. в сравнении со стоимостью ремонта футеровки до 6000 руб).
Предложенный метод локализации места неисправности по тепловому портрету также может применяться при технологической обработке деталей сложного профиля, для контроля состояния атомных реакторов, для контроля теплоизоляции, при исследовании биологических процессов в медицине, для контроля состояния продуктопроводов, для контроля уровня и положения теплых и холодных жидкостей в резервуарах, для контроля состояния изоляции высоковольтных выводов электрооборудования и многих других целей.
Выводы и результаты по четвертой главе:
1. Прогноз состояния ИЛУ является достоверным не менее чем на пять циклов вперед с доверительной вероятностью 0,66.
2. Разработанные модели распределения тепла в ИЛУ являются адекватными исследуемому процессу.
3. Дана оценка перспектив использования разработанной методики мониторинга, диагностики и идентификации состояния футеровочного/индукторного слоев ИЛУ. Планируемый технико-экономический эффект от внедрения разработанной СППР состоит в:
сокращении потерь электроэнергии до 10%;
увеличении наработки на отказ до 30%;
снижении вероятности возникновения аварийных ситуаций до 20%;
снижении необходимых затрат на восстановление ИЛУ (до 80%) после аварийных ситуаций за счет раннего, достоверного предупреждения возможности возникновения аварии и недопущения аварийных ситуаций.
