На рис. 8 представлено множество полученных режимов при различных значениях Tв и достижимое соотношение между качеством агломерата и производительностью. Видно, что уменьшение Tв приводит к необходимости выбора компромисса между производительностью и качеством агломерата.
Рис. 7. Пример поискового процесса в предложенной системе: 1 - содержание углерода; 2 - производительность; 3 - моделируемые значения TIф
Рис. 8. Достижимое соотношение между качеством агломерата и производительностью при Tв = 209,5 ч (а) и Tв = 23,3 ч (б)
На рис. 9 показано влияние параметров С и k на производительность. Согласно результатам вычислительного эксперимента представленные на рис. 10 границы, отражающие максимально достижимую производительность, не зависят от параметра Tв, отражающего частотные особенности возмущений по качеству. Существует оптимальная величина С, при которой достигается максимально возможная производительность. Увеличение значения k снижает производительность вследствие негативного воздействия контура коррекции качества на работу шаговой СЭР.
Рис. 9. Влияние параметров С и k на производительность
Получено, что параметр t1 не оказывает значимого влияния на долю кондиционного агломерата. На рис. 10 показано влияние параметров С, k и t2 на долю кондиционного агломерата в форме достижимого максимального предела по качеству.
Видно, что при высокой частоте возмущений по качеству (Tв = 23,3 ч) увеличение С приводит к снижению качества вследствие более активного противодействия СЭР коррекциям, выполняемым контуром управления качеством. Соответственно увеличение k, напротив, способствует росту доли кондиционного агломерата. Подобная ситуация говорит о целесообразности согласования частотных особенностей работы контуров [13]. Однако для практического решения данной задачи требуется более полная информация о действующих на объект возмущениях, позволяющая учесть частотные особенности дрейфа экстремальной статической характеристики объекта управления.
а)б)
Рис. 10. Влияние параметров С, k и t2 на долю кондиционного агломерата: 1-3 - аргумент С; 4-6 - аргумент С·k; 1, 4 - Tв = 209,5 ч; 2, 5 - Tв = 69,8 ч; 3, 6 - Tв = 23,3 ч
Из рис. 10, б следует снижение доли кондиционного агломерата при увеличении t2. Видно, что выбор значения t2 должен быть согласован с частотными особенностями действующих возмущений.
Заключение
Для практической реализации предложенного способа оптимизации управления производительностью аглопроцесса требуется проведение мероприятий по созданию систем автоматизированного сбора технологической информации. Необходим всесторонний анализ действующих на процесс возмущений, приводящих к дрейфу экстремальной статической характеристики производительности процесса.
Дальнейшее повышение эффективности предложенного управления возможно также за счет применения моделей прогнозирования качества агломерата [2-4], а также на базе поиска связи доли возврата с холодной механической прочностью. Решение второй из указанных задач возможно на базе математического моделирования процесса разрушения агломерата. Структура и алгоритм адаптации такой модели рассмотрены в работе [14].
Библиографический список
1. Товаровский И.Г. Нормативная оценка влияния параметров доменной плавки на расход кокса и производительность // Сталь. - 2014. - № 5. - С. 4-11.
2. Рябчиков М.Ю., Гребенникова В.В. Моделирование комплексного влияния производственных факторов на механическую прочность металлургического агломерата // Металлург. - 2013. - № 4. - С. 40-47.
3. Рябчиков М.Ю., Гребенникова В.В., Рябчикова Е.С. Контроль качества металлургического агломерата с использованием модели восстановимости // Сталь. - 2014. - № 2. - С. 4-8.
4. Рябчиков М.Ю., Гребенникова В.В., Рябчикова Е.С. Моделирование прочности металлургического агломерата после восстановления с целью организации непрерывного контроля его качества // Теория и технология металлургического производства. - 2013. - № 1 (13). - С. 10-12.
5. Гладских В.И., Лекин В.П., Хасанов Н.И. и др. Современное состояние подготовки шихтовых материалов к агломерации в ОАО «ММК» // Вестник Магнитогорского государственного технического университета им. Г.И. Носова. - 2007. - № 3. - С. 29-30.
6. Рябчиков М.Ю. Проблемы управления качеством металлургического агломерата на основе результатов оперативных рентгенофлуоресцентных анализов // Качество и жизнь. - 2016. - № 2 (10). - С. 13-20.
7. Парсункин Б.Н., Андреев С.М., Рябчикова Е.С., Гребенникова В.В. Автоматизация технологических процессов и производств в металлургии. Ч. 1. Подготовка рудных материалов. Агломерация и производство окатышей. - Магнитогорск: Изд-во Магнитогорск. гос. техн. ун-та им. Г.И. Носова, 2012. - 199 с.
8. Corina Maria Dinis, Gabriel Nicolae Popa, Angela Iagar. Mathematical Modeling and Simulation in Mathlab / Simulink of Processes from Iron Ore Sintering Plants / Wseas transactions on systems, Issue 1, Volume 8, January 2009, P. 34-43.
9. Панычев А.А., Никонова А.П. Оптимизация технологических параметров на основе математических моделей при агломерации михайловских и лебединских концентратов // Металлург. - 2008. - № 10. - C. 46-51.
10. Касаткин А.Г. Основные процессы и аппараты химической технологии. Изд. 6-е. - М.: ГНТИ химической литературы, 1955.
11. Ганин Д.Р., Панычев А.А. Новая модель агломерационного процесса // Металлург. - 2013. - № 5. - С. 44-47.
12. Парсункин Б.Н., Бушманова М.В. Расчет переходных процессов в системах экстремального регулирования с запоминанием экстремума // Магнитогорск: МГТУ им. Г.И. Носова, 2003. - 164 с.
13. Рябчиков М.Ю., Рябчикова Е.С. Системы экстремального регулирования на основе комбинации поисковых оптимизационных алгоритмов // Мехатроника, автоматизация, управление. - 2015. - Т. 16. - № 5. - С. 300-306.
14. Рябчиков М.Ю., Гребенникова В.В., Рябчикова Е.С., Богданов Н.В. Модель разрушения металлургического агломерата // Известия высших учебных заведений. Черная металлургия. - 2016. - Т. 59. - № 3. - С. 159-166.