Czasopismo
2008
|
R. 84, nr 11
|
184-188
Tytuł artykułu
Autorzy
Wybrane pełne teksty z tego czasopisma
Warianty tytułu
Modelowanie procesu w piecu łukowym AC przy użyciu metod sztucznej inteligencji
Języki publikacji
Abstrakty
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.
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.
Czasopismo
Rocznik
Tom
Strony
184-188
Opis fizyczny
Bibliogr. 13 poz., rys., wykr.
Twórcy
autor
autor
- Politechnika Śląska, Wydział Inżynierii Materiałowej i Metalurgii, ul. Krasińskiego 8, 40-019 Katowice, tadeusz.wieczorek@polsl.pl
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.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.baztech-article-BPOB-0015-0003