Дипломная (вкр): Совершенствование системы контроля качества в технологическом процессе гуммирования

Релейное управление. Релейная система - автоматическая система управления, в которой имеется хотя бы одно звено, обладающее релейной характеристикой. Релейная характеристика - характеристика кусочно-линейного вида, соответствующая преобразованию в техническом устройстве (системе) непрерывной входной величины х в дискретные значения выходной величины yn, где n - число возможных её значений (уровней), обычно равное 2 или 3 [14]. На рисунке 1 приведены релейные характеристики х основных типов, литерами «а» и «б» обозначены релейные характеристики идеальных релейных элементов; «в», «г» - реальных двухпозиционных (n=2) и трёхпозиционных (n=3) релейных элементов.

Рисунок 1 - Релейные характеристики основных типов релейных элементов

Релейные системы являются одним из видов нелинейных дискретных автоматических систем управления. Различают двухпозиционные и многопозиционные релейные системы [14]. Принципиальная особенность двухпозиционных релейных систем - наличие у них автоколебаний выходного (регулируемого) параметра в установившемся режиме (т. е. после окончания переходных процессов); амплитуда и период автоколебаний определяются релейной характеристикой применяемого релейного элемента. Релейные системы относительно просты в изготовлении и эксплуатации, имеют низкую стоимость и широко применяют при управлении различными технологическими процессами.

Робастное управление. Робастное управление - совокупность методов теории управления, целью которых является синтез такого регулятора, который обеспечивал бы хорошее качество управления, если объект управления отличается от расчётного или его математическая модель неизвестна. Таким образом, робастность означает малое изменение выхода замкнутой системы при малом изменении параметров объекта управления. Системы, обладающие свойством робастности, называются робастными (грубыми) системами. Обычно робастные контроллеры применяются для управления объектами с неизвестной или неполной математической моделью, и содержащими неопределённости.

Главной задачей синтеза робастных систем управления является поиск закона управления, который сохранял бы выходные переменные системы и сигналы ошибки в заданных допустимых пределах, несмотря на наличие неопределённостей в контуре управления. Неопределённости могут принимать любые формы, однако наиболее существенными являются шумы, нелинейности и неточности в знании передаточной функции объекта управления [15].

В робастном управлении рассматриваются два вида неопределённостей - структурные и неструктурные. Неструктурные неопределённости обычно представляют собой элементы, зависящие от частоты, такие как, например, насыщение в силовых приводах объекта управления. Структурные неопределённости представляют собой изменения в динамике объекта управления [15, 16].

Целью робастного анализа является поиск такой неопределённости , при которой система становится неустойчивой. В ходе анализа решаются две задачи:

Определение модели неопределённостей.

Приведение структурной схемы системы к стандартному виду, когда все неопределённости структурно отделяются от номинальной схемы системы (рисунок 2).

Приведение структурной схемы системы к стандартному виду является достаточным условием робастной устойчивости [15, 17].

Обучающиеся системы управления. Данный вид систем характеризуется наличием особых обучающих процессов, заключающиеся в пошаговом накапливании, запоминании и анализе информации о поведении системы и изменении законов функционирования в зависимости от приобретаемого опыта. К процессу обучения приходиться прибегать тогда, когда не только мал объём априорных сведений об объекте, но и отсутствует возможность установления детальных причинно-следственных связей в структуре самой системы из-за её сложности [18].

К классу обучающихся систем относят интеллектуальные системы управления, в свою очередь, делящиеся на системы с экспертным регулятором, системы с нейросетевым регулятором и системы с нечетким регулятором [19].

Интеллектуальная система с экспертным регулятором. В общем случае под системой данного типа понимается интеллектуальная программа, которая способна делать логические выводы, основываясь на знания в конкретной предметной области и обеспечивающая решение определенных целей и задач. Хотя большинство созданных к настоящему времени экспертных систем имеет специфическую структуру, ориентированную на решение конкретной прикладной задачи, можно выделить основные общие компоненты их построения.

Системы управления на основе нейросетевых методов. В наши дни возрастает необходимость в системах, которые способны не только выполнять однажды запрограммированную последовательность действий над заранее определенными данными, но и способны сами анализировать вновь поступающую информацию, находить в ней закономерности, производить прогнозирование и т.д. В этой области приложений широко применяется новая прикладная область математики, специализирующаяся на искусственных нейронных сетях - самообучающихся системах, имитирующие деятельность человеческого мозга [20].

Развитие нейронных сетей вдохновляется биологией, то есть, рассматривая сетевые конфигурации и алгоритмы, исследователи мыслят их в терминах организации мозговой деятельности. Наши знания о работе мозга ограничены, поэтому разработчикам сетей приходится выходить за пределы современных биологических знаний в поисках структур, способных выполнять полезные функции. Например, модель искусственного нейрона не принимает во внимание задержки во времени, которые воздействуют на динамику системы. Входные сигналы сразу же порождают выходной сигнал [21].

Для многослойных нейронных сетей строго математически доказано, что они могут представлять любую вещественную непрерывную векторную функцию любого вещественного непрерывного векторного аргумента. То есть многослойные сети могут быть использованы для решения любой задачи, которая может быть сведена к построению функций, в том числе для идентификации динамического объекта управления [22].

Нейросетевой анализ не предполагает никаких ограничений на характер входной информации. Это могут быть как технологические параметры объекта управления, так и сведения о динамике других параметров [23].

Однако нейронные сети все же обладают недостатками. Несмотря на то, что они являются очень удобными для решения задач распознавания, классификации, прогнозирования и идентификации, лицо, принимающее решение, не может получить ответа на вопрос о том, как осуществляются эти процессы. Для пользователя обученная сеть подобна «чёрному ящику». Многие из недостатков, такие как неинформативность результата, могут быть устранены с помощью систем с нечеткой логикой, которые используют основные понятия теории нечетких множеств [18].

Системы управления на основе нечёткой логики. Нечёткое множество - это такое множество, которое содержит совокупность элементов произвольной природы. Причём относительно этих элементов нельзя с полной определенностью сказать, принадлежит или не принадлежит тот или иной элемент рассматриваемой совокупности данному множеству [18].

Нечёткая логика выделяется из теории нечётких множеств и представляет собой разновидность непрерывной логики, в которой логические формулы могут принимать истинностные значения между 1 и 0. Следует отметить, что результат, полученный в системах с нечёткой логикой, также представляется неточно, нечётко. Для того чтобы получить какое-либо конкретное значение, которое может быть использовано в управляющих системах, применяются системы нечёткого вывода. Процесс нечёткого вывода представляет собой некоторую процедуру или алгоритм получения нечётких заключений на основе нечётких предпосылок или условий. Системы нечёткого вывода позволяют решать задачи принятия решений, распознавания образов, классификации данных и многие другие [24].

Можно сказать, что системы с нечёткой логикой являются удобными и полезными для объяснения получаемых с их помощью результатов, они обеспечивают более высокую устойчивость к воздействию внешних факторов.

Системы на основе нейро-нечёткого управления. Искусственные нейронные сети и системы с нечёткой логикой эквивалентны друг другу, но, тем не менее, у них имеются собственные достоинства и недостатки. По этой причине особый интерес представляет комбинирование вышеописанных подходов.

Системы управления на основе идеального моделирования тепловых объектов. Системы, построенные с помощью данного подхода, не относятся к классу адаптивных.

Невозмущённое движение тепловых объектов управления описывается общим законом сохранения энергии, показанного в формуле (3).

 (3)

В этом уравнении кинетическая энергия T определяется пространственной скоростью теплового потока, а потенциальная тепловая энергия W является функцией координат. В более общем случае потенциальная тепловая энергия является также и функцией времени, показанной в формуле (4).

(4)

Любой источник теплоты может быть представлен с помощью элементарных тепловых источников, которые стоит рассматривать как распределённые в пространстве и времени величины. Такое описание процессов в тепловых объектах достаточно правильно характеризует физическую сущность процессов. При исследовании реального теплового процесса необходимо учитывать также и сопротивление потоку теплоты, которое может быть описано с помощью функций рассеяния вида . Отсюда следует, что общие уравнения движения для объектов, в которых происходят тепловые процессы, всегда выражаются с помощью распределённых величин - функций координат и их скоростей. Поэтому такие объекты следует описывать дифференциальными уравнениями в частных производных. В более простых случаях, когда зависимость от координат выражена слабо, используя понятия предельных образов, приводящих к сосредоточенным в точках величинам, тепловые объекты удается описать удовлетворительным образом и с помощью обыкновенных уравнений [3].

Рассмотрим существующие средства управления тепловыми объектами и определим их тип в соответствии с описанной выше классификацией систем управления тепловыми объектами.

Система управления технологическим процессом температурного отжига трансформаторной стали в колпаковых печах типа СГВ-16-20, предложенная Кудиновым И.Ю. в работе [26], содержит в себе композицию нечёткого и релейно-импульсного регулятора. Основной задачей управления колпаковой печью является поддержание в трех зонах температуры отжига, близкой к заданному графику T(t). Заданная температура отжига представляет собой функцию времени, форма которой зависит от марки стали.

Управляющими переменными являются напряжения переменного тока, подводимые к трем нагревателям и принимающие значения «1» или «0». Наличие всего двух значений управляющих воздействий определило выбор релейного регулятора. На необходимость добавления нечёткого регулятора повлиял тот факт, что колпаковые печи отжига, как и многие тепловые агрегаты,работают в условиях нестационарности во времени статических и динамических характеристик [26].

Наиболее типичный вид функции T(t) представлен на рисунке 3.

Рисунок 3 - График заданной температуры отжига

Программное обеспечение системы стабилизации температуры, разработанное на основании предложенной методики, было успешно внедрено на 24 электрических колпаковых печах отжига в листопрокатном цехе №2 ОАО «НЛМК».

Бельгийская компания «Drever International», входящая в группу «LOIGroup», предлагает комплексное решение по управлению линией непрерывного оцинкования металлической полосы. В данный продукт входит и система управления печью сушки цинкового покрытия. Управление печным агрегатом заключается в определении температурных режимов печи и скорости движения полосы, необходимых для качественного прилипания цинка. Построение модели осуществлялось на основании подхода с позиции «чёрного» ящика с использованием нейросетевых методов. Основной причиной, определившей использование именно этого подхода, является сложность формализации теплофизических законов [27].

Для управления процессом охлаждения листа на стане 5000 листопрокатного цеха №3 ОАО «Северсталь» была разработана система с нейросетевым регулятором (рисунок 4). Исходя из заданных значений расхода воды по секциям установки, начальной температуры металла и требуемой температуры листа, рассчитывается необходимая скорость полосы. В качестве топологии был выбран многослойный персептрон. Перед работой системы необходимо произвести обучение нейронной сети на основе данных истории охлаждений. Обучение происходит по алгоритму обратного распространения ошибки [28].

Рисунок 4 - Система расчёта технологической скорости рольгангов на установке контролируемого охлаждения листа

На Череповецком металлургическом комбинате при производстве холоднокатаного проката используются непрерывные травильные агрегаты. Для управления процессом травления используются система, разработанная немецкой компанией «Fest» (рисунок 5).

Выделяют 2 уровня автоматизации. Уровень 1 - это аппаратный уровень (контроллеры и оборудование), уровень 2 - уровень программного обеспечения и планирования. В процессе травления подсистема отслеживания производства рассчитывает и сохраняет технологические параметры в базе данных вместе с другими данными, поступающими с уровней 1 и 2 в конце каждого цикла травления.

Подсистема регулирования концентрации травильного раствораиспользует значение плотности окалины фактической полосы для расчёта значения расхода свежей кислоты. Для этого применяется физико-химическая модель, построенная на основе подхода к моделированию с позиции «белого ящика» [29].

Рисунок 5 - Система управления процессом травления металла

Подсистема оптимизации производства, регулирующая скорость полосы и температуру в ваннах травления использует нейро-сетевые методы. Для обучения нейро-сетевой модели используются экспериментальные данные, записанные в базу данных подсистемой отслеживания производства.

Немецкая фирма «gatv» предлагает математическую модель процесса сушки лакокрасочного материала на агрегате полимерных покрытий металла. Данная модель определяет качество прилипания краски на поверхности металла при заданных значениях печных температур, мощностей двигателей отвода взрывоопасной газовой смеси, габаритов полосы и марки стали [30]. Система управления, разработанная на основе этой модели, сочетает в себе классическую подсистему управления на основе идеального моделирования теплового объекта и адаптивную систему с беспоисковой адаптацией. Параметры эталонной модели, как и для всех систем данного типа, были определены на этапе проектирования. По этой причине при смене сортамента или технологических требований, а также при износе оборудования данная система теряет свою актуальность.

Робастные и релейные системы управления широко применяются международной компанией Honeywell. Одним из направлений деятельности данной фирмы является автоматизация технологических процессов в металлургии. В составе своих решений они предлагают программы для контроллеров, применяемых для управления наиболее типичных агрегатов. Использование этих алгоритмов управления на основе релейных и робастных методов не получило широкого применения, поскольку их приходится дополнять и исправлять с учётом специфики конкретного применения.