Модели и алгоритмы системы диагностики процесса агломерации железных руд

• Автор: Ендияров, Сергей Валерьевич
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2012
• Место защиты: Екатеринбург
• Количество страниц: 216 с. : ил.

1 АНАЛИЗ ПРОБЛЕМНОЙ СИТУАЦИИ И ПОСТАНОВКА ЗАДАЧ ИССЛЕДОВА1ШЯ.

1.1 Проблема управления и диагностики процесса агломерации.

1.2 Аналитический обзор существующих методов оптимизации и диагностики процесса агломерации железных руд

1.3 Особенности разработки интеллектуальных систем.

1.4 Системный анализ процесса агломерации железных руд.

1.4.1 Исследование характеристик технологического комплекса производства агломерата

.4.2 Исследование характеристик режимных параметров процесса агломерации

1.4.3 Исследование влияния соотношений сортов твердого топлива на процесс агломерации

1.4.4 Исследование коэффициентов чувствительности балансовой основности аглошихты.

1.5 Выводы по главе

2 РАЗРАБОТКА МОДЕЛЕЙ ДИАГНОСТИКИ, ПРОГНОЗИРОВАНИЯ И ОПТИМИЗАЦИИ ПРОЦЕССА АГЛОМЕРАЦИИ ЖЕЛЕЗНЫХ РУД
2.1 Разработка моделей прогнозирования качественных показателей агломерата.
2.2 Разработка моделей оптимизации процесса агломерации
2.2.1 Расчет корректировки расхода флюсов при изменении основности агломерата.
2.2.2 Модель корректировки расхода твердого топлива при изменении соотношений сортов в смеси.
2.2.3 Использование нейронечеткой сети для поиска оптимальных корректирующих воздействий
2.3 Разработка модели оптимизации для поиска оптимальных управляющих воздействий.
2.4 Разработка моделей диагностики процесса агломерации.
2.4.1 Диагностика процесса агломерации на основе расчета доверительных интервалов
2.4.2 Диагностика процесса спекания на основе коэффициентов передачи
2.4.3 Диагностика соотношений сортов твердого топлива по косвенным признакам
2.4.4 Обнаружение тенденций изменения расходов компонентов шихты
2.6 Выводы по главе
3 РАЗРАБОТКА АЛГОРИТМОВ СИСТЕМЫ ДИАГНОСТИКИ ПРОЦЕССА АГЛОМЕРАЦИИ ЖЕЛЕЗНЫХ РУД
3.1 Разработка алгоритмов прогнозирования основных качественных показателей агломерата.
3.2 Разработка алгоритмов оптимизации процесса агломерации железных руд.
3.3 Разработка алгоритмов диагностики процесса агломерации железных руд
3.4 Разработка обобщенного алгоритма функционирования системы диагностики процесса агломерации железных руд
3.5 Выводы по главе
4 ОЦЕНКА ЭФФЕКТИВНОСТИ МОДЕЛЕЙ И АЛГОРИТМОВ СИСТЕМЫ ДИАГНОСТИКИ ПРОЦЕССА АГЛОМЕРАЦИИ ЖЕЛЕЗНЫХ РУД
4.1 Описание основных особенностей системы диагностики процесса агломерации железных руд
4.2 Оценка эффективности использования модели оптимизации процесса
4.3 Оценка эффективности использования моделей и алгоритмов диагностики.
4.4 Оценка эффективности моделей прогнозирования качественных показателей агломерата
4.5 Перспективы применения разработанных алгоритмов и моделей системы диагностики процесса агломерации железных руд.
4.6 Выводы по главе.
ЗАКЛЮЧЕНИЕ
БИБЛИОГРАФИЯ


Основными функциями системы являются корректировка скорости машины по результатам контроля точки окончания процесса спекания, управление циклами возврата мелочь крупностью менее 1 мм и менее 5 мм, диагностика состояния оборудования, контроль качественных характеристик агломерата. Действие системы основано на использовании математических моделей, описывающих процессы, происходящие при агломерации. Фирма разработала управляющую систему, которая позволяет принимать решения на основе теории нечетких множеств и теории сетей . При помощи знаний оператора о доле оборотных продуктов и теории нечетких множеств учитывается возврат. Теория сетей позволяет проанализировать связь между тепловым состоянием, выходом годного агломерата и другими технологическими параметрами. На заводе в Кукуре Япония внедрили систему диагностики, оценивающую величину подсосов на основе информации об условиях подготовки аглошихты, о расходе просасываемого воздуха, химическом составе отходящего газа и скорости газового потока в спекаемом слое . Китай. Специалистами государственного южного технологического университета г. Чангша, КНР и фирмы I . Аныиань, КНР разработана экспертная система, предназначенная для стабилизации химического состава агломерата. На основе результатов предварительной фильтрации, обработки, сравнения новых и предыдущих данных, блок прогноза предсказывает химический состав агломерата на последующие два часа, а экспертная система оценивает химический состав путем сравнения результатов прогноза с заданными предельными значениями. При этом если одно из прогнозных значений не удовлетворяет принятым нормативным цифрам, то экспертная система анализирует причины отклонений и выдает инструкцию, как отрегулировать соотношение компонентов аглошихты, например рекомендации на снижение содержания известняка в шихте при резком увеличении основности агломерата. Экспертная система содержит следующие блоки экспертный, пользователя, интерфейс, базу знаний, базу данных, выявления причины, управления базой знаний, блок осуществления прогноза. Разработанную экспертную систему применили для оптимизации работы шихтовки агломашины 3 Аньшанского металлургического комбината . С ых исследования и разработки ведутся в основном в области разработки систем искусственного интеллекта экспертных систем. Подобные системы были внедрены на следующих аглофабриках Китая I , I , i I и . Основной характеристикой стабилизации является основность агломерата. Диагностика процесса агломерации производится на основе оценки газопроницаемости слоя шихты. Система имеет функции объяснения и обучения. Разработана с использованием языка . Она позволяет прогнозировать точку законченности процесса спекания и химический состав агломерата с точностью более . Исследователи утверждают, что система позволяет добиться снижения флуктуаций химического состава агломерата на 3, точки законченности спекания на 9, скорости движения агломашины на 4. Исследователи i Xi и i предлагают использовать для оптимизации процесса спекания нейронные сети. Основные показатели эффективности процесса спекания прогнозируются с целью дальнейшего использования. Прогнозные значения в совокупности с целым рядом показателей затем используются с целью оптимизации процесса. В качестве метода решения задачи оптимизации предлагается использовать алгоритм роя частиц. Результаты численных экспериментов показывают, что используемая методология может быть применена для оптимизации сложных технологических комплексов. Ученые ii i, Xi представили систему извлечения данных о процессе агломерации, основанную на технологиях ii. Система производит извлечение данных о процессе и производит диагностику процесса. Используемые технологии нечеткая кластеризация, модели временных рядов и нейронные сети. Посредством заявленных технологий система может извлекать необходимую информацию из огромного массива данных поступающего из различных источников. В результате чего становиться возможно производить анализ четырех составляющих анализ химического состава, анализ процесса спекания, анализ энергопотребления, диагностика состояния.