Для транспортировки жидкого чугуна и стали на металлургических предприятиях используется металлургическое оборудование: передвижные миксеры для транспортировки чугуна; ковши для перевозки стали; ковши для перевозки чугуна. К эксплуатации и диагностике данного оборудования предъявляются высокие требования, связанные с влиянием высоких температур, характерных жидкому металлу, более 10000С. Высокие температуры, влиянию которых подвергается данное металлургическое оборудование, вызывают риск его разрушения, приводящий к материальным убыткам и человеческим жертвам. Во многих случаях аварии связаны с неудовлетворительной диагностикой состояния футеровки такого оборудования [1-2]. Таким образом, для металлургических предприятий актуальным является разработка автоматизированной системы управления эксплуатацией футерованного оборудования (ФО) для предотвращения их разрушения, и как следствие минимизации ущерба предприятия, связанного, как с прямыми, так и косвенными потерями от аварий.
Предлагаемая автоматизированная система управления (АСУ) эксплуатацией ФО представлена на рис. 1. Объектом управления (ОУ) является парк футерованных объектов, для которых необходимо выработать управляющее воздействие для перевода в соответствующий режим эксплуатации. Критериями управления ФО являются 2 множества: С1 и С2.
Рисунок 1. Автоматизированная система управления эксплуатацией ФО
Множество С1 представляет собой набор эксплуатационных критериев управления ФО:
(1)
где KF – коэффициент износа футеровки;
Pcount – количество заливок жидкого металла в ФО;
W – масса перевозимого жидкого металла в ФО;
T – температура перевозимого жидкого металла в ФО;
ТФО – температура ФО.
Множество С2 представляет собой набор технологических критериев управления ФО:
(2)
где Wp — планируемый объем перевозок жидкого металла;
Wf — количество перевезенного жидкого металла;
tlm — время нахождения жидкого металла в ФО;
Cd — количество доступных ФО для перевозки
Задача выработки управляющих воздействий на ФО возлагается на экспертную систему. В качестве управляющих воздействий выступают управляющие рекомендации, генерируемые ЭС на основе накопленных знаний о режимах эксплуатации ФО.
Подсистема сбора данных производит набор первичной информации для определения состояния ФО. Производится ввод факторов для определения режима эксплуатации ФО, а также формируются его изображения:
. (3)
После этого подсистема автоматизированного мониторинга и диагностики ФО по изображениям осуществляет определение состояния ФО, посредством анализа и распознавания изображений нейронной сетью [3], с целью определения массива , характеризующего зоны прогара и степень износа футеровки:
. (4)
Подсистема прогнозирования эксплуатационных параметров ФО осуществляет нейросетевое прогнозирование с формированием краткосрочного, среднесрочного и долгосрочного прогнозов об изменениях в состоянии и степени износа футеровки ФО [4].
Блок решения подобных ситуаций осуществляется поиск и решение прецедента а также посредством нейронной сети, для i-го набора факторов производится определение режима эксплуатации i-го ФО:
На основе полученных данных оцененных параметров экспертная система генерирует набор рекомендаций относительно замены футеровки ФО, а также его режима эксплуатации и массив зон прогара футеровки . Таким образом, на выходе АСУ эксплуатацией ФО имеем множество:
. (7)
После обработки информации и выработки управляющих рекомендаций данные поступают в подсистему отображения информации и формирования отчетов, которая посредством диаграмм выводит результат исследования.
Таким образом, в работе предложена и описана структура АСУ эксплуатацией ФО, которая посредством генерации управляющих рекомендаций с помощью экспертной системы позволяет осуществлять выбор рационального режима эксплуатации ФО.
Список литературы:
- Обзор аварий и инцидентов в металлургической отрасли [Электронный ресурс]. – Режим доступа:
- Число жертв аварии на металлургическом заводе в Китае достигло 11 [Электронный ресурс]. – Режим доступа: 20111005/450066044.html
- Емельянов В.А. Интеллектуальный метод распознавания изображений термограмм с использованием контурного анализа / В.А. Емельянов, Н.Ю. Емельянова // Системы обработки информации. – № 9(116). – Харьков, 2013. – С.22-26.
- Антощук С.Г. Метод нейросетевого прогнозирования изменения состояния объектов диагностики на металлургическом производстве / В.А. Емельянов, С.Г. Антощук // Электротехнические и компьютерные системы. – Киев: Техника, 2014. – №13(89) – С.70-76.[schema type=»book» name=»АВТОМАТИЗИРОВАННАЯ СИСТЕМА УПРАВЛЕНИЯ ЭКСПЛУАТАЦИЕЙ ФУТЕРОВАННОГО ОБОРУДОВАНИЯ» description=»Обоснована актуальность разработки автоматизированной системы управления эксплуатацией футерованного оборудования. Описаны критерии управления футерованным оборудованием. Предложены и описаны структура и компоненты автоматизированной системы управления эксплуатацией футерованного оборудования.» author=»Емельянов Виталий Александрович» publisher=»БАСАРАНОВИЧ ЕКАТЕРИНА» pubdate=»2017-03-02″ edition=»ЕВРАЗИЙСКИЙ СОЮЗ УЧЕНЫХ_27.06.2015_06(15)» ebook=»yes» ]