Modelling of the AC-EAF process using computational intelligence methods

• Autorzy: Wieczorek T. , Mączka K.

Warianty tytułu

PL

Modelowanie procesu w piecu łukowym AC przy użyciu metod sztucznej inteligencji

• Języki publikacji: EN

Abstrakty

EN

Time reduction of steel scraps meltdown is a really challenging problem. Typically this process is stochastic without any determinism and only simple and naive rules, based on linear electric circuits, are currently used to manage such processes. The goal of the paper is to present the way of building an accurate model concerning feature extraction methods and the use of artificial neural networks that would be helpful in predicting the maximum energy needed by the electric arc furnace.

PL

Redukcja czasu topienia złomu metalowego jest trudnym zagadnieniem. Zazwyczaj proces topienia jest bardzo stochastyczny bez cech deterministycznych, a do sterowania nim wykorzystuje się proste zasady, bazujące na liniowych obwodach elektrycznych. Celem artykułu jest prezentacja nowego sposobu budowania modelu w oparciu o metody inteligencji obliczeniowej, w tym ekstrakcji cech i sieci neuronowych, które pozwalają przewidzieć maksymalną energię niezbędną dla poprawnego przeprowadzenia procesu w piecu łukowym.

Słowa kluczowe

EN

electric arc furnace; neural networks; melting

PL

elektryczny piec łukowy; sieci neuronowe; topienie

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2008
• Tom: R. 84, nr 11
• Strony: 184--188
• Opis fizyczny: Bibliogr. 13 poz., rys., wykr.

Twórcy

autor

Wieczorek T.

autor

Mączka K.

• Politechnika Śląska, Wydział Inżynierii Materiałowej i Metalurgii, ul. Krasińskiego 8, 40-019 Katowice,

Bibliografia

• [1] Wieczorek T.: Intelligent control of the electric-arc steelmaking process using artificial neural networks. Computer Methods in Material Science, vol.6, No 1, 2006, 9-14.
• [2] Wieczorek T., Blachnik M., Mączka K., Building model for time reduction of steel scrap meltdown in the electric arc furnace. Lecture Notes in Artificial Intelligence, vol. 5097, 2008, 1149-1159.
• [3] Wieczorek T., Pilarczyk M.: Classification of steel scrap in the EAF process using image analysis methods. Archives of Metallurgy and Materials, vol.53, No 2, 2008, 613-618.
• [4] Baumert J-C., Engel R., Weiler C., Dynamic modeling of the electric arc furnace process using artificial neural networks. La Revue de Metallurgie-CIT, no.10, 2002, pp. 839-849.
• [5] Boulet B., Lalli G., Ajersch M., Modeling and control of an electric arc furnace. Proc. of the American Control Conf. (2003), Denver, Colorado, IEEE Press, pp. 3060-3064.
• [6] Staib W.E., The intelligent arc furnace. Steel Technology Int., Sterling Publ. London, (1993), pp.103-107.
• [7] Bliss N.G., Gilbertson G.J., Sweet J.E., Neural networks for the high voltage EAF. V European Electric Steel Congress, Paris, (1995) pp. 240-247.
• [8] Gerling R., Louis T., Schmeiduch G., Sesselmann R., Sieber A., Optimizing the melting process at AC-EAF with neural networks. Metall. Jg.53. No 7-8, 1999, pp.410-418.
• [9] Sesselmann R., Wahlers F-J., Zocher H., Poppe T., Optimization of the electrode control system with neural network. V European Electric Steel Congress, Paris, (1995) pp. 260-271.
• [10] Pappe T., Obradovic D., Schlang M., Neural networks: reducing energy and raw materials requirements. Simens Review, Fall 1995, pp.24-27.
• [11] Gao X., Li S., Chai T., Shao C., Wang X., Set point intelligent optimal control of electric arc furnace. Proc. of 2nd Asian Control Conf., Seul, 1997, pp. 763-766.
• [12] Wieczorek T., Pyka M., Hybrid expert system for arc-electric steelmaking process monitoring. Acta Metallurgica Slovaca, 10, 2004, pp.408-412.
• [13] Duch W., What is computational intelligence and where it is going. In: Duch W., Mandziuk J. (Eds). Challenges for Computational Intelligence. Springer-Verlag Berlin Heidelberg 2007, 9-21.