Разработка модели для оптимизации управления термической обработкой стали при непрерывном горячем оцинковании

Предложена модель для оптимизации управления температурой стальной полосы при производстве оцинкованного листового проката с целью снижения затрат топлива. На основе обзора предложений по управлению температурой полосы показано, что оптимизация затруднена вследствие сложности получения пригодной для этого модели и гарантии устойчивости. Модель должна точно прогнозировать не только температуру полосы, но и влияние разных управляющих воздействий на тепловые потери. Однако относительно небольшое влияние некоторых управляющих воздействий на доступные для контроля сигналы сложно выявить на фоне ошибок, обусловленных упрощенным описанием теплообмена и действия неизвестных возмущений. Как следствие, влияние на затраты топлива таких воздействий, как расход воздуха на сжигание топлива, и число включенных горелок, неопределенно. Для решения проблемы применен метод синтеза модели, основанный на определении ее структуры и настроек путем тестирования по данным технологического процесса за значительный интервал времени. Метод предполагает сегментацию данных процесса во времени исходя из возмущений по сортаменту и значительного изменения скорости линии. Для каждого сегмента индивидуально определены возмущения по скорости изменения сигналов, которые неизменны в течение сегмента времени. Целью являлось получение такой структуры и настроек модели, при которых отсутствуют сегменты с аномально низкой точностью прогноза оценок температуры рабочего пространства, а также температуры отходящих дымовых газов. В результате получена модель, оперирующая сигналами в виде приращений относительно начального для сегмента момента времени, которая допускает оптимизацию управления с целью снижения тепловых потерь с отходящими дымовыми газами. Оценка возможности учета при оптимизации тепловых потерь через стенки показала, что это требует применения дополнительных средств контроля распределения температур в стенке или моделей, оперирующих абсолютными значениями сигналов. Предложенная модель не требует значительных вычислительных ресурсов и допускает использование при оптимизации управления простого метода, предложенного А.А. Красовским, что позволяет реализовать оптимизацию непосредственно на технологических контроллерах.
EDN: UCLCJJ, https://elibrary/uclcjj

Литература

[1] Рябчиков М.Ю., Рябчикова Е.С., Новак В.С. и др. Изучение ограничений производительности агрегатов непрерывного горячего оцинкования, связанных с дефектами продукции. Известия высших учебных заведений. Черная металлургия, 2024, т. 67, № 1, с. 89–105, doi: https://doi.org/10.17073/0368-0797-2024-1-89-105

[2] Рябчиков М.Ю., Рябчикова Е.С., Чута А.С. и др. Влияние скорости движения и натяжения стальной полосы на дефекты продукции агрегатов непрерывного горячего оцинкования. Вестник Магнитогорского государственного технического университета им. Г.И. Носова, 2023, т. 21, № 4, с. 93–104.

[3] Рябчиков М.Ю., Рябчикова Е.С., Чута А.С. Управление гибким производством оцинкованного листового проката с учетом качества продукции и человеческого фактора. Проблемы машиностроения и автоматизации, 2023, № 4, с. 122–135.

[4] Chavan R.R. Analysis of energy consumption in continuous galvanizing lines. MS Thesis. Statler College of Engineering and Mineral Resources, 2006, doi: https://doi.org/10.33915/etd.1749

[5] Sundaramoorthy S., Phuong Q., Gopalakrishnan B. et al. Heat balance analysis of annealing furnaces and zinc pot in continuous hot dip galvanizing lines. Energy Eng., 2016, vol. 113, no. 2, pp. 12–47, doi: https://doi.org/10.1080/01998595.2016.11668651

[6] Strommer S., Niederer M., Steinboeck A. et al. Hierarchical nonlinear optimization-based controller of a continuous strip annealing furnace. Control Eng. Pract., 2018, vol. 73, pp. 40–55, doi: https://doi.org/10.1016/j.conengprac.2017.12.005

[7] Yahiro K., Shigemori H., Hirohata K. et al. Development of strip temperature control system for a continuous annealing line. Proc. IECON ‘93, 2002, pp. 481–486, doi: https://doi.org/10.1109/IECON.1993.339029

[8] Seo M., Ban J., Cho M. et al. Low-order model identification and adaptive observer-based predictive control for strip temperature of heating section in annealing furnace. IEEE Access, 2021, vol. 9, pp. 53720–53734, doi: https://doi.org/10.1109/ACCESS.2021.3071124

[9] Fein M., Böck-Schnepps M., Strommer S. et al. Model-based control and optimization of continuous strip annealing furnaces. Measuring & Process Control, 2016, no. 1, pp. 57–63.

[10] Yoshitani N. Optimal control of steel strip temperature in continuous annealing processes. In: Materials science and engineering serving society. Elsevier, 1998, pp. 303–308, doi: https://doi.org/10.1016/B978-044482793-7/50069-2

[11] Bitschnau L., Jakubek S., Kozek M. Constrained model predictive control of a continuous annealing furnace. Proc. ASME Dynamic Systems and Control Conf., 2010, pp. 285–292, doi: https://doi.org/10.1115/DSCC2010-4129

[12] Guo C., Zhang Y., You X. et al. Optimal control of continuous annealing process using PSO. IEEE Int. Conf. on Automation and Logistics, 2009, pp. 602–606, doi: https://doi.org/10.1109/ICAL.2009.5262851

[13] Zhou M., Yu D., Zhou J. A new strip temperature control method for the heating section of continuous annealing line. IEEE Conf. on Cybernetics and Intelligent Systems, 2008, pp. 861–864, doi: https://doi.org/10.1109/ICCIS.2008.4670926

[14] Peng L., Li F. The optimal design of hot steel strip temperature control algorithm. IFAC Proc. Volumes, 2003, vol. 36, no. 24, pp. 129–132, doi: https://doi.org/10.1016/S1474-6670(17)37615-2

[15] Strommer S., Niederer M., Steinboeck A. et al. Nonlinear observer for temperatures and emissivities in a strip annealing furnace. IEEE Industry Applications Society Annual Meeting, 2016, doi: https://doi.org/10.1109/IAS.2016.7731914

[16] Niederer M., Strommer S., Steinboeck A. et al. Nonlinear model predictive control of the strip temperature in an annealing furnace. J. Process Control, 2016, vol. 48, pp. 1–13, doi: https://doi.org/10.1016/j.jprocont.2016.09.012

[17] Imose M. Heating and cooling technology in the continuous annealing. Trans. Iron Steel Inst. Jpn., 1985, vol. 25, no. 9, pp. 911–932, doi: https://doi.org/10.2355/isijinternational1966.25.911

[18] Martínez-de-Pisón F.J., Alba-Elías F., Castejón-Limas M. et al. Improvement and optimisation of hot dip galvanising line using neural networks and genetic algorithms. Ironmak. Steelmak., 2006, vol. 33, no. 4, pp. 344–352, doi: https://doi.org/10.1179/174328106X101565

[19] Martíınez-de-Pisón F.J., Pernía A.V., González A. et al. Optimum model for predicting temperature settings on hot dip galvanising line. Ironmak. Steelmak., 2010, vol. 37, no. 3, pp. 187–194, doi: https://doi.org/10.1179/030192309X12573371383604

[20] Martínez-de-Pisón F.J., Celorrio L., Pérez-de-la-Parte M. et al. Optimising annealing process on hot dip galvanising line based on robust predictive models adjusted with genetic algorithms. Ironmak. Steelmak., 2011, vol. 38, no. 3, pp. 218–228, doi: https://doi.org/10.1179/1743281210Y.0000000001

[21] Sanz-García A., Fernández-Ceniceros F., Fernández-Martínez J. et al. et al. Methodology based on genetic optimisation to develop overall parsimony models for predicting temperature settings on annealing furnace. Ironmak. Steelmak., 2014, vol. 41, no. 2, pp. 87–98, doi: https://doi.org/10.1179/1743281212Y.0000000094

[22] Ding H., Shen H., Xie Q. Predictive modeling of strip temperature in continuous annealing furnace: an improved optimization algorithm. ISIJ Int., 2024, vol. 65, no. 4, pp. 808–816, doi: https://doi.org/10.2355/isijinternational.ISIJINT-2023-379

[23] Sanz-Garcia A., Antoñanzas-Torres F., Fernández-Ceniceros J. et al. Overall models based on ensemble methods for predicting continuous annealing furnace temperature settings. Ironmak. Steelmak., 2014, vol. 41, no. 1, pp. 51–60, doi: https://doi.org/10.1179/1743281213Y.0000000104

[24] Guo C., Zhang Y., You X. et al. Optimal control of continuous annealing process using PSO. Proc. IEEE Int. Conf. on Automation and Logistics, 2009, pp. 602–606, doi: https://doi.org/10.1109/ICAL.2009.5262851

[25] Zhang Y., Jin Y., Cao W. et al. A dynamic data-driven model for predicting strip temperature in continuous annealing line heating process. Proc. 37th CCC, 2018, pp. 1887–1891, doi: https://doi.org/10.23919/ChiCC.2018.8484015

[26] Kim S.Y., Choi J.D., Yy K.B. et al. A temperature control of steel strip using neural network in continuous annealing process. Proc. ICNN’95, 1995, vol. 1, pp. 631–635, doi: https://doi.org/10.1109/ICNN.1995.488253

[27] Рябчиков М.Ю., Рябчикова Е.С., Шманев Д.Е. и др. Управление охлаждением стальной полосы при гибком производстве оцинкованного листового проката. Известия высших учебных заведений. Черная металлургия, 2021, т. 64, № 7, с. 519–529, doi: https://doi.org/10.17073/0368-0797-2021-7-519-529

[28] Рябчиков М.Ю., Рябчикова Е.С. Модели для упреждающего управления тепловыми процессами термической обработки стали на агрегатах непрерывного горячего оцинкования. Известия высших учебных заведений. Машиностроение, 2023, № 12, с. 80–96. EDN: UUNLLG

[29] Рябчиков М.Ю., Рябчикова Е.С., Новак В.С. Гибридная модель для упреждающего управления температурой металла при горячем оцинковании стальной полосы. Мехатроника, автоматизация, управление, 2023, т. 24, № 8, с. 421–432, doi: https://doi.org/10.17587/mau.24.421-432

[30] Ryabchikov M.Y., Ryabchikova E.S. Big data-driven assessment of proposals to improve enterprise flexibility through control options untested in practice. Glob. J. Flex. Syst. Manag., 2022, vol. 23, no. 11, pp. 43–74, doi: https://doi.org/10.1007/s40171-021-00287-5

[31] Рябчиков М.Ю., Рябчикова Е.С. Идентификация модели объекта при наличии неизвестных возмущений с широким частотным диапазоном на основе перехода к приращениям сигналов и отбора данных. Компьютерные исследования и моделирование, 2024, т. 16, с. 315–337, doi: https://doi.org/10.20537/2076-7633-2024-16-2-315-337

[32] Парсункин Б.Н., Андреев С.М., Бондарева А.Р. и др. Непрерывный контроль температуры жидкой стали в технологических агрегатах металлургического производства. Вестник ЮУрГУ. Сер. Металлургия, 2018, т. 18, № 3, с. 33–41, doi: https://doi.org/10.14529/met180304

[33] Рябчиков М.Ю., Рябчикова Е.С., Кокорин И.Д. Система стабилизации температуры в нагревательной печи с применением скользящего регулирования и нечеткой логики. Мехатроника, автоматизация, управление, 2020, т. 21, № 3, pp. 143–157, doi: https://doi.org/10.17587/mau.21.143-157

[34] Красовский А.А., Буков В.Н., Шендрик В.С. Универсальные алгоритмы оптимального управления непрерывными процессами. Москва, Наука, 1977. 271 c.

[35] Рябчиков М.Ю., Рябчикова Е.С. Управление температурным состоянием протяжной башенной печи для рекристаллизационного отжига стальной полосы. Приборы и системы. Управление, контроль, диагностика, 2018, № 1, с. 13–21.