Ученые сделали эффективнее металлургические печи, подарив им "мозги"

МОСКВА, 13 июн — РИА Новости. Ученый Национального исследовательского технологического университета "МИСиС" (НИТУ "МИСиС") предложил свежую "нейросетевую альтернативу" для управления металлургическими печами, обещающую рост их энергоэффективности в пределах 10%. Статья о разработке опубликована в "Procedia Computer Science".

Созданный в НИТУ "МИСиС" "нейросетевой настройщик" призван повысить энергоэффективность металлургических нагревательных печей с высокой – до 100 МВт – потребляемой мощностью, сообщил разработчик, доцент кафедры автоматизированных и информационных систем управления Старооскольского технологического института (филиала) НИТУ "МИСиС" Антон Глущенко.

Как правило, печи при работе подвергаются самым разным возмущениям – например, открытие штор для загрузки и выгрузки металла ведет к потерям тепла, а загрязнение газовых горелок – к снижению эффективности сжигания топлива. Из-за этого параметры печей меняются. Но так как управляют ими обычно с помощью линейных регуляторов с постоянными параметрами – пресловутая нестационарность не учитывается. Это снижает качество управления и ведет к энергетическим потерям.

"Для решения традиционных проблем предлагается построение адаптивной системы управления – нейросетевого настройщика. Система в реальном времени подстраивает параметры линейного регулятора так, чтобы качество управления печью во всех режимах оставалось одинаково высоким, снижая тем самым энергопотребление агрегата", – рассказал РИА Новости Антон Глущенко.

Он отметил, что новизна подхода обусловлена сочетанием в настройщике двух интеллектуальных технологий – нейросетей и баз знаний. Нейросеть вычисляет значения параметров для используемого на печи линейного регулятора и обучается прямо в процессе функционирования, чтобы отслеживать происходящие в печи изменения.

«

"Главные вопросы при этом – когда и с какой скоростью обучать нейросеть. На них отвечает база знаний, отражающая опыт инженера по автоматизации технологических процессов. Она содержит и описания ситуаций, когда необходимо настраивать регулятор, и формулы для вычисления скорости обучения нейросети. В отличие от других подходов, применение нейросетевого настройщика не требует ни построения модели объекта управления, ни явной эталонной модели. Кроме того, он поможет отслеживать график задания при изменениях параметров печи и компенсировать действующие на нее возмущения", - пояснил ученый.

Настройщик реализован в виде функционального блока, который может быть размещен в оперативной памяти логических контроллеров, широко распространенных в металлургии. Выходы и входы этого блока привязываются к уже размещенному в контроллере линейному регулятору и получаемым извне сигналам.

"Внедрение настройщика не потребует капитальных затрат, поскольку с аппаратной и программной точек зрения – в существующей системе управления печью ничего не изменится. Применение данного подхода позволит повысить энергоэффективность работы нагревательных металлургических печей на 5-10%", – заключил Антон Глущенко.

Как сообщили в НИТУ "МИСиС", далее планируется расширить класс объектов применения настройщика, доработав и опробовав его для различных электродвигателей.