Адаптивный наблюдатель прогнозирующей системы управления процессом охлаждения технологических газов плавильной электропечи

Полный текст

Процесс плавки медно-никелевого материала в плавильных электропечах на Надеждинском металлургическом заводе имени Колесникова Б. И. (ЗФ ОАО «Норильский никель») сопровождается выделением технологического газа, содержащего SO2, CO, CO2 и пыль цветных металлов. Для исключения выбросов неочищенного газа в атмосферу предусмотрена газоочистка, которая осуществляется в два этапа. Первый этап происходит в мокром механическом пылеуловителе -скруббере-охладителе, в котором улавливается крупная фракция пыли. Второй этап очистки осуществляется в сухом механическом пылеуловителе - рукавном фильтре, в котором улавливается более мелкая фракция пыли. Многочисленные наблюдения, проводимые в области эксплуатации систем управления процессом охлаждения технологический газ плавильных электропечей, показывают, что, несмотря на постоянно совершенствующиеся принципы и методы управления, не решена задача предотвращения аварийных отключений технологического оборудования очистки технологического (отходящего) газа [1]. В ходе исследований были выявлены следующие наиболее вероятные причины аварийных отключений технологических систем охлаждения и очистки газов из-за превышения критических значений температуры технологических газов 260 °С: 1. Резкий рост температуры технологических газов в результате заливки конвертерного шлака, сопровождающегося стремительным ростом температуры в плавильной электропечи. 2. Включение системы очистки газов после останова, при которой возникает тепловой удар по рукавным фильтрам вследствие неточной первичной установки управляющих воздействий. Снижение количества аварийных отключений возможно за счет прогнозирующей системы управления, основной целью которой является поддержание постоянного значения температуры технологических газов плавильных электропечей. Поэтому целью управления является минимизация среднеквадратической ошибки: ПЛ 1 j (T - Тф )2 dt (1) с = ПЛ 0 Рис. 1. Структурная схема прогнозирующей системы управления где Тф - фактическое значение температуры технологических газов; ТЗ - заданное значение температуры технологических газов; с - целевая функция оптимизации; ТПЛ - продолжительность плавки медноникелевого материала в плавильной печи. При этом система должна адаптироваться к изменяющимся характеристикам объекта управления за счет использования современных методов адаптивного управления. Решается поставленная задача путем математического моделирования и экспериментальным тестированием на реальном объекте. Для получения математических моделей системы управления процессом охлаждения технологических газов при их очистке использовались данные факторного эксперимента. Обработка экспериментальных данных проводилась методами корреляционного анализа. При идентификации математических моделей использовался градиентный спуск первого порядка. Разработанные модели представлены в виде нелинейных регрессионных моделей с элементами динамики. Разработанные автором модели объекта управления и регулятора позволили реализовать прогнозирующую систему управления (рис. 1) [2]. Прогнозирующая система управления состоит из четырех блоков. Блок «Адаптивные наблюдатель» представляет собой устройство наблюдения, адаптирующее все параметры математической модели скруббера-охладителя (ММСО) к требуемым значениям для оптимального качества управления. К таким параметрам относятся регулируемая величина, возмущения и управляющие воздействия. Блок «Прогнозатор» - устройство прогнозирования температуры технологических газов скруббера-охладителя на 15 мин, использующее его математическую модель. Блок «Регулятор» - прогнозирующий регулятор, использующий математическую модель прогнозирующего регулятора, при этом может иметь различное количество управляющих воздействий в зависимости от режима управления. Блок «Скруббер-охладитель» - объект управления. Z Z„, Fir Fnl (2) Важной особенностью прогнозирующей системы управления является наличие в структуре системы блока адаптивного «наблюдателя», который позволяет компенсировать, кроме вышеуказанных возмущений, следующие возмущения: 1) нестабильность параметров модели объекта управления и характеристик датчиков; 2) снижение герметичности установки очистки газов во время ее отключения из-за изнашивания запирающих клапанов рукавных фильтров и направляющей задвижки перед дымососом. Для точной оценки параметров математической модели (ММ) объекта управления K0, K1,...,K6, T0, T1, т0, т1 был использован метод наименьших квадратов (МНК - идентификация), т. е. метод оценки параметров математической модели путем минимизации квадратической ошибки: 1 N 2 J (M )=2 Е (Т (м) - т э ) 2 i=0 первого порядка [3]. На рис. 2 указаны параметры ММ, участвующие в адаптации. Алгоритм адаптации запускается в каждом цикле управления скруббером-охладителем (1 раз в секунду). Сначала рассчитываются статистические показатели всех факторов за последние 1 000 с: ТП, Fp где n - количество элементов в выборе (равное 1000 элементам), xi - i-й элемент выборки; - дисперсия АВР , Z00 , Z01 , Z10 , Z11 , ZН , 11СД , 1 2СД . Статистические показатели следующие: - математическое ожидание D [х] = П £{х, -M [X])2 Z00 , Z01 , Z1l (1) РВ : i=1 i=1 среднеквадратическое отклонение где M = {Ko, K1,..•,K6, To, тъ T0, M - ' мерного пространства (параметры ММ скруббера-охладителя), Т (M) - рассчитанное значение температуры технологических газов на выходе скруббера-охладителя на i-шаге; Ti Э - экспериментальное значение температуры технологических газов на выходе скруббера-охладителя на i-шаге. g [X ] = ТВД; т изм R [х ]=. В качестве алгоритма МНК-идентификации математической модели используется градиентный спуск точка много(3) - коэффициент изменения G [X]- Gmin [X ] (4) X„„„ - X„ где Gmin [ X ] - уровень шума фактора, Xmax - максимальный диапазон варьирования фактора, Xmin - минимальный диапазон варьирования фактора. Рис. 2. Параметры математической модели скруббера-охладителя, поддающиеся адаптации: ТП (t) - переменная температура в печи; Т0 , Т1 - постоянные времени; т0 , т1 - время запаздывания; Z00, Z01 Z10, Z11 - относительные положения входных и выходных запирающих клапанов первого и второго рукавных фильтров соответственно; ZН (t) - переменное положение направляющей задвижки; ZABP - относительное положение аварийной задвижки; FPB (t) - переменный расход распылительной воды, подаваемой в скруббер; 11Сд , 12Сд - расход воздуха на первой и второй ступени дожига CO; K0 , ..., K5 - коэффициенты регрессии; K6 - нормирующий коэффициент; ТСКР (t) - переменная температура технологических газов на выходе скруббера-охладителя; ТСКР 0 - начальная температура технологических газов в скруббере-охладителе Рис. 3. Блок-схема алгоритма параметрической адаптации Рис. 4. Блок-схема алгоритма адаптации отдельного параметра ММ: X - коэффициент адаптации, влияющий на скорость поиска локального минимума в многомерном пространстве J(M) Коэффициент изменения R [X] был разработан автором с целью отображения степени изменения фактора относительно своего диапазона варьирования с учетом наличия шума у фактора Gmin [X], т. е. коэффициент изменения становится больше нуля, когда уровень среднеквадратического отклонения превышает уровень шума. В дальнейшем этот коэффициент используется для определения параметров ММ, которые необходимо оптимизировать с целью снижения ошибки прогнозирования. Алгоритм параметрической адаптации ММ процесса охлаждения технологических газов в скруббере-охладителе представлен блок-схемой (рис. 3). Особенность данного алгоритма заключается в том, что он применяется для оптимизации всех адаптируемых параметров ММ: коэффициентов регрессии K0... K5, постоянных времени T0 , T1 и величин времени запаздывания т0, т1. Также в алгоритме присутствует проверка на их граничные условия. Алгоритм адаптации отдельного параметра KX ММ процесса охлаждения технологических газов в скруббере-охладителе представлен блок-схемой на рис. 4. Для проверки работоспособности алгоритма адаптации параметров ММ во время управления объектом был проведен эксперимент, в ходе которого создавались цикличные контролируемые возмущения. В качестве возмущения был принят расход 1-й ступени дожига СО, а в качестве управляющего воздействия, которое должно компенсировать это возмущение -расход распылительной воды (рис. 5). Как видим, первые импульсы вызывали большие отклонения температуры технологических газов от задания, чем последние. И каждый последующий импульс вызывал все меньшие отклонения. Это связано с тем, что ПСУ во время управления скруббером следила за адекватностью ММ и подстраивала ее параметры, чтобы повысить прогнозирующую способность (рис. 6). В начале этого эксперимента параметры ММ были равны K2 = -20 и K3 = -50 -10-3, при этом среднеквадратическая ошибка была равна J (M) = 27 . Но в ходе проведения эксперимента параметры ММ изменились и стали равны K2 =-39,7 и K3 = -24,3 • 10-3, тем самым ошибка прогнозирования J (M) = 5 в итоге снизилась. Для сравнения, подобный эксперимент с контролируемым цикличным возмущением опасен для ПИ-регулятора, так как вызывает колебания температуры технологических газов, близких к критическим значениям (рис. 7). Таким образом, можно сделать следующие выводы: 1. Разработан алгоритм для адаптации параметров математической модели скруббера-охладителя с целью минимизации среднеквадратической ошибки. 2. Экспериментальные исследования разработанной системы управления с адаптивным наблюдателем показали существенное улучшение качественных показателей управления по сравнению с типовой системой, работающей по ПИ-алгоритму. Рис 0 600 1 200 1600 2400 3000 3600 5. Графики эксперимента с цикличным возмущением во время управления ПСУ Рис. 7. Графики эксперимента с цикличным возмущением во время управления ПИ-регулятора

Об авторах

К. Н. Бискуб

Норильский индустриальный институт

Email: apissarev@yandex.ru

Список литературы

Дополнительные файлы