Модельно-прогнозуючий регулятор дуттєвого режиму киснево-конвертерного процесу
DOI:
https://doi.org/10.20998/2413-4295.2021.04.08Ключові слова:
модельно-прогнозуюче керування, оптимальне керування, лінійно-квадратичний функціонал, киснево-конвертерний процес, модель в просторі станівАнотація
На сьогоднішній день в Україні та у світі актуальною є проблема енергозбереження та зниження вартості виплавленої сталі. Металургійні підприємства розвиваються в умовах жорсткої конкуренції, основна причина – українська продукція надзвичайно енергомістка через зношеність основних фондів та застарілі технологічні процеси. Киснево-конвертерний процес – це процес виробництва сталі з рідкого чавуну з додаванням сталевого брухту в конвертер і продувкою киснем зверху крізь водоохолоджувальну фурму. Сьогодні отримання сталі за допомогою киснево-конвертерного процесу є найпопулярнішим у світі та набуває все більшого розповсюдження. Основним недоліком киснево-конвертерного способу є необхідність надання початкової кількості тепла (у вигляді рідкого чавуну) і як наслідок – обмеження в переробці металевого брухту. Зниження собівартості киснево-конвертерної сталі досягається через підвищення частки металобрухту за рахунок підвищення ступеня допалювання СО до СО2 в порожнині конвертера, шляхом оптимального керування параметрами дуттьового режиму з використанням модельно-прогнозуючого керування. Принцип модельно-прогнозуючого керування базується на математичній моделі об'єкта. Такий підхід мінімізує функціонал, що характеризує якість процесу. У якості функціоналу було обрано лінійно-квадратичний функціонал. Запропоновано прогнозуючу модель з урахуванням обмежень на зміну положення фурми та пневматичного клапану подачі кисню. Встановлено, що зміна швидкості зневуглецювання металу залежить від відстані фурми до рівня спокійної ванни і впливає на ступень допалювання СО до СО2. Процес зневуглецювання є нестаціонарним, описується аперіодичною ланкою першого порядку, коефіцієнт передачі й постійна часу якої залежить від періоду плавки й тривалості продувки. Вдосконалено математичну модель дуттьового режиму киснево-конвертерної плавки за рахунок врахування впливу інтенсивності дуття на процес зневуглецювання ванни, що дозволило підвищити точність та якість керування дуттям в умовах зміни витрати кисню під час продувки. Результати моделювання системи автоматичного керування показують, що модельно-прогнозуючий регулятор забезпечує необхідний рівень СО2 в конвертерних газах при зміні витрати кисню на продувку.
Посилання
Basson E. Steel Statistical Yearbook 2020 concise version. Brussels, Belgium. Word Steel Association, 2020. 46 p.
Bohushevskyi V. S., Sukhenko V. Yu., Vasylenko B. V. Upravlenyia konverternoi plavkoi v rezhyme эnerhosberehaiushchei tekhnolohyy [Converter smelting control in energy-saving technology mode]. Problemy enerhoresursozberezhennia v promyslovomu rehioni. Nauka i praktyka: tezy dop. II Vseukr. naukovo.-prakt. konf. molodykh uchenykh, spetsialistiv, aspirantiv (Mariupol, 11-12 travnia 2016 r.) [Problems of energy saving in the industrial region. Science and practice: thesis ІІ All-Ukrainian scientific-practical conf. young scientists, specialists, graduate students (Mariupol, May 11-12, 2016)]. Mariupol, 2016, pp. 70-71.
Forbes M. G., Patwardhan R. S., Hamadah H., Gopaluni R. B. Model predictive control in industry: Challenges and opportunities. IFAC-PapersOnLine, 2015, Vol. 48, no. 8, pp. 531–538, doi:10.1016/j.ifacol.2015.09.022.
Stepanets O., Mariiash Y. Analysis of influence of technical features of a pid¬controller implementation on the dynamics of automated control system. Eastern-European Journal of Enterprise Technologies, 2018, Vol. 3, no. 293, pp. 60-69, doi: 10.15587/1729-4061.2018.132229.
Böhler L., Krailb J., Görtlerb G., Kozek M. Fuzzy model predictive control for small-scale biomass combustion furnaces. Applied Energy, 2020, Vol. 276, pp. 1-13, doi: 10.1016/j.apenergy.2020.115339.
Shin Y., Smith R., Hwang S. Development of model predictive control system using an artificial neural network: A case study with a distillation column. Journal of Cleaner Production, 2020, Vol. 77, pp. 1-14, doi: 10.1016/j.jclepro.2020.124124.
Zhang J. Optimal Control Problem of Converter Steelmaking Production Process Based on Operation Optimization Method. Discrete Dynamics in Nature and Society, 2015, Vol. 2015, Article ID 483674, 13 pages, doi: 10.1155/2015/483674.
Backman J., et al. Methods and Tools of Improving Steel Manufacturing Processes: Current State and Future Methods. International Federation of Automatic Control PapersOnLine, 2019, Vol. 52(13), pp. 1174–1179, doi:10.1016/j.ifacol.2019.11.355.
Bohushevskyi V. S., Zuboka K. M. Matematychne modeliuvannia konverternoho protsesu za enerhozberihaiuchoiu tekhnolohiieiu [Mathematical modeling of the converter process by energy-saving technology]. Technological complexes, 2013, Vol. 2, p. 32-38.
Stepanets O., Mariiash Y. Model predictive control application in the energy saving technology of basic oxygen furnace. Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska, 2020, Vol. 10, no. 2, pp. 70-74, doi: 10.35784/iapgos.931.
Bogushevskiy V. S., et al. System for the BOF Process Control. The advanced Science open access Journal, 2013, Vol. 5, pp. 23-27.
MathWorks. Design Controller Using MPC Designer. Available at: https://www.mathworks.com/help/mpc/gs/introduction.html?ue. (accessed 1.11. 2021).
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2021 Олександр Степанець , Юрій Маріяш
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Журнал публікує статті згідно з ліцензією Creative Commons Attribution International CC-BY.