Modelowanie i sterowanie tlenowym procesem konwertorowym

• Autorzy: Długosz M. , Mitkowski W. , Pietrzyk W.

Warianty tytułu

EN

Modelling and control of steelmaking converter process

• Języki publikacji: PL

Abstrakty

PL

W pracy podjęto próbę zamodelowania procesu konwertorowego wytopu stali za pomocą dwóch sieci neuronowych o różnych architekturach. W wyniku ekspe rymentów numerycznych uzyskano dwie sieci, które w miarę dobrze modelują dane wyjściowe. Tak uzyskane modele neuronowe przebadano pod kątem ich wrażliwości na zaburzenie parametrów wejściowych. Analizując Rysunek 8 można dojść do wniosku, że są składniki wektora wejściowego , na których zmianę sieć reaguje większymi zmianami temperatury na wyjściu. Są także składniki, których zmiana nie powoduje większych zmian wyjścia sieci, np.: węgiel, krzem, siarka, wapno, koks. Podane w pracy architektury dwóch sieci są tylko propozycjami, ponieważ nie ma żadnych reguł, które mówią, w jaki sposób należy konstruować takie sieci. Architektury sieci przedstawione w artykule zostały wybrane na podstawie przeprowadzonych doświadczeń numerycznych, w których jako kryterium jakości przyjęto wskaźnik oceny błędu uczenia sieci (2). W rozdziale 8 zaproponowano pewien algorytm sterowania, w którym na podstawie pomiarów składu gazów konwertorowych określa się moment przerwania dmuchu. W przykładzie 3 dokonano obliczeń numerycznych na podstawie danych praktycznych, uzyskując moment przerwania dmuchu porównywalny ze stosowanym w procesie realnym.

EN

The static model of steelmaking oxygen converter process, based on the artificial neural network approach, is presented in the paper . Remarks about the dynamic models and control of the process are presented, as well. The models were tested on the real industrial data measured in one of the Polish steel plants

Słowa kluczowe

PL

proces konwertorowy wytopu stali; sieci neuronowe; modele neuronowe; skład gazów konwertorowych; przerwanie dmuchu; kąpiel metalowa; dynamika płomienia

• Wydawca: Wydawnictwo Naukowe AKAPIT
• Czasopismo: Informatyka w Technologii Materiałów
• Rocznik: 2003
• Tom: T. 3, Nr 2
• Strony: 61--71
• Opis fizyczny: Bibliogr. 12 poz., rys.

Twórcy

autor

Długosz M.

• Akademia Górniczo-Hutnicza w Krakowie, Katedra Automatyki

autor

Mitkowski W.

• Akademia Górniczo-Hutnicza w Krakowie, Katedra Automatyki

autor

Pietrzyk W.

• Akademia Górniczo-Hutnicza w Krakowie, Katedra Automatyki

Bibliografia

• Demuth, H., Beale, M., 2002, Neural Network Toolbox.
• Falkus, J„ Pietrzkiewiez, P., Pietrzyk, W., Kusiak, J., 2002, Statyczny model konwertora tlenowego oparty o sztuczną sieć neuronową, Informatyka w technologii materiałów, t. 2, nr 2-3,55-64.
• Friedly, J.C., 1975, Analiza dynamiki procesów, WNT, Warszawa. Kamiński, G., 1994, Silniki elektryczne o ruchu złożonym, Oficyna Wydawnicza Pol. Warszawskiej, Warszawa.
• Kasprzyk, J. (red.), 2002, Identyfikacja procesów, Wyd. Pol. Śląskiej, Gliwice.
• Korbicz, J., Obuchowicz, A.,. Uciński, D., 1994, Sztuczne sieci neuronowe, Akademicka Oficyna Wydawnicza PU, Warszawa.
• Kruciński, M., 1986, Metalurgia stali, Tom I, cz. II, Tlenowy proces konwertorowy, Wyd. 2 uzup., skrypt nr 1083 AGH, Kraków.
• Kruciński, M., Falkus, J., 1988, Materiały do ćwiczeń audytoryjnych i projektowych z metalurgii stali, Skrypt nr 1140 AGH, Kraków.
• Mamro, K., Mazanek, T., 1968, Tlenowy proces konwertorowy, PWN, Warszawa.
• Mitkowski, W., Długosz, M., 2003, Uwagi o modelowaniu tlenowego procesu konwertorowego, Mat. Konf. KomPlasTech 2003, ed. Grosman, F., Piela, A., Kusiak, J., Pietrzyk, M., Wisla-Jawomik, 41-46.
• Tadeusiewicz, R., 1993, Sieci Neuronowe, Akademicka Oficyna Wydawnicza RM, Warszawa.
• Zalewski, A., Cegieła, R., 1997, Matlab, obliczenia numeryczne i ich zastosowania, Wyd. Nakom, Poznań.