ОПРИМЕНЕНИИ НЕЙРОСЕТЕВОГО ОПТИМИЗАТОРА ПАРАМЕТРОВ П- И ПИ-РЕГУЛЯТОРОВ В СИСТЕМЕ УПРАВЛЕНИЯ ЭЛЕКТРОПРИВОДОМ ПРОКАТНОЙ КЛЕТИ ПРИ ЗАХВАТЕ ЗАГОТОВКИ
В.А. Петров, аспирант А.И. Глущенко, к.т.н., доцент Д.А. Полещенко, к.т.н., доцент
Научный руководитель – Ю.И. Еременко, д.т.н., профессор Старооскольский технологический институт им. А.А. Угарова (филиал) НИТУ "МИСиС",
г. Старый Оскол E-mail: 79040882508@ya.ru
Прокатная клеть является одним из основных агрегатов металлургического предприятия. Совершенствование технологии прокатки на обжимных станах влияет на энергоэффективность всего производства [1-3].
В процессе работы прокатной клети ее параметры изменяются [4]. Это происходит по следующим причинам: характеристики приводного двигателя нелинейны [5], изменяются температура и геометрические размеры прокатываемой заготовки [6]; изменяются скорости процесса прокатки [6]; происходит износ оборудования [7], который вызывает неконтролируемое появление люфтов в механической части электропривода [8].
Наиболее применяемыми в настоящее время для управления различными металлургическими агрегатами являются ПИ- и ПИД-регуляторы [8-10]. Из-за линейности таких регуляторов возникают проблемы при управлении нелинейными объектами такими, как прокатная клеть. Для решения этой проблемы предлагается [7,11,12] настраивать коэффициенты ПИД-регуляторов в процессе работы.
Одним из методов адаптации является использование искусственной нейронной сети [8,13-15].
Рассмотрим эту задачу на примере ДУО-реверсивной клети 1000 прокатного стана Оскольского Электрометаллургического комбината, являющейся типовой для металлургических предприятий. Главные электроприводы реверсивной прокатной клети 1000/700 осуществляют управление вращением двумя прокатными валками, валки расположены один над другим, комплект валков может иметь максимальный диаметр 1000 мм. Прокат металла осуществляется поочередно в противоположных направлениях через соответствующие калибры валков.
На рис. 1 представлена кинематическая схема привода ДУО реверсивной клети с горизонтальным расположением валков. Авторами в [16] построена модель системы управления данной клетью и дано подробное описание клети, как объекта управления. Однако моделируется работа электропривода клети в режиме холостого хода.
Рассмотрим работу главного привода в момент захвата заготовки валками, поскольку этот момент является наиболее важным в работе клети [7].
Так как процесс захвата происходит при номинальной скорости вращения, воспользуемся моделью двухконтурной схемы управления (рис.2). В качестве механизма адаптации параметров линейных регуляторов выбран нейросетевой оптимизатор, рассмотренный в работе [17].
Для возможности изменения параметров системы в процессе моделирования передаточные функции П-регулятора скорости, ПИ-регулятора тока якоря, якорной цепи и механической части электропривода реализованы в виде S-функций.
Рис.1. Кинематическая схема привода ДУО-реверсивной клети с горизонтальным расположением валков
(1 – валки; 2 – универсальные шпинделя; 3 – вал; 4 – соединительные муфты; 5 – электродвигатель)
Рис. 2. Модель системы управления электроприводом ДУО-реверсивной клети 1000 с применением нейросетевого оптимизатора
Входами нейросетевого оптимизатора являются: текущее задание по скорости, выход объекта управления (текущая скорость вращения вала двигателя), рассогласование по скорости, управляющее воздействие, вырабатываемое регулятором тока, П-составляющая, И-составляющая, управляющее воздействие регулятора скорости и текущий ток якоря. Выходы оптимизатора: значения Кп и Ки для регулятора тока и Кп для регулятора скорости.
На рис. 3. показаны графики скорости вала приводного двигателя при появлении нагрузки, полученные при помощи программного пакета Matlab Simulink. В момент времени t=1c на модель подавалось возмущение в виде статического момента нагрузки Мс. Первый график показывает переходный процесс при номинальных параметрах системы управления (параметры регуляторов подобраны для переходных процессов и не перенастраиваются). Во втором (график 2) опыте параметры якорной цепи и механической части привода были изменены в соответствии с возможными
изменениями параметров прокатной клети, описанными ранее. Качество переходного процесса ухудшилось: увеличилось перерегулирование (на 1%), появилась колебательность, возросло время переходного процесса (на 100%). График 3 показывает отработку возмущающего воздействия с применением нейросетевого оптимизатора. Нейросеть подбирает наиболее адекватные коэффициенты регуляторов для текущего состояния системы и качество переходного процесса приближается к графику 1.
Рис. 3. Графики скорости при захвате заготовки прокатной клетью (···· график 1; - - - график 2; – график 3)
Таким образом, параметры линейных регуляторов в контурах тока и скорости необходимо настраивать при подаче и изменении нагрузки для сохранения требуемого качества переходных процессов. Для этих целей может быть применен нейросетевой оптимизатор.
Работа выполнена при поддержке Российского фонда фундаментальных исследований. Гранты 13-08-00532-а, 15-07-0609215, гранта Президента РФ № 14.Y30.15.4865-MK.
Список литературы:
1.Чумаков В. П. Совершенствование процесса прокатки в дуо реверсивной клети // Вестник Национального технического университета "ХПИ". Сборник научных трудов Тематический выпуск "Новые решения в современных технологиях". Харьков – 2010. – №42. – С. 36-41.
2.Канифольский Д.С., Посмитная Л. А., Глушко С. П. Проектирование системы управления скоростью главных электроприводов клетей чистовой группы прокатного стана //Теоретические и практические вопросы развития научной мысли в современном мире. Сборник статей Международной научно-практической конференции. Уфа – 2013. – С. 190-193.
3.Холодюк А. В., Коцюбинский В. С. Синтез главного электропривода черновой клети с учетом упругости кинематической передачи //Донбасский государственный технический университет. Теорія автоматизованого електропривода. Електромеханічні і енергозберігаючі системи. – 2012. – №3(19). – С. 72-74.
4.Богачев Д. В., Варфоломеев И. А., Ершов Е. В. Проектирование нейронечеткого модуля управления технологическим процессом в металлургическом производстве //Международная научно-техническая интернет-конференция «Информационные системы и технологии 2013». Автоматизация и управление технологическими процессами и производствами – 2013. – С. 1-7.
5.Буянкин В. М., Пантюхин Д. В. Синтез последовательного интегрального пропорционального нейрорегулятора для управления электроприводом //Известия Южного федерального университета. Технические науки. – 2006. –№3(Т. 58)– С. 115121.
6.Веренев В. В. Влияние технологических параметров на момент, действующий на валки прокатной клети в период захвата полосы //Фундаментальные и прикладные проблемы черной металлургии. – 2004. –№8– С. 375-379.
7.Большаков В.И., Веренев В.В. Особенности идентификации динамической модели главного привода листопрокатного стана //Защита металлургических машин от поломок. – Мариуполь – 1998. – №3. – С. 30-34.
8.Балюта С. Н., Идентификация механических параметров главного привода прокатной клети широкополосного стана горячей прокатки с использованием генетических алгоритмов. //Промэлектро. – 2009. – №4. – С. 37-44.
9.Полищук А. В. Настройка ПИД регулятора систем автоматического регулирования объектов теплоэнергетического оборудования////Сборник научных трудов SWorld. Материалы международной научнопрактической конференции «Современные направления теоретических и прикладных исследований ‘2012». Одесса –2012. – №1(Том 5). – С. 17-28.
10.Денисенко В. В. ПИД-регуляторы: принципы построения и модификации //Современные технологии автоматизации. – 2006. – №. 4. – С. 66-74.
11.Назарова Е. С., Бондаренко В. И., Пирожок А. В. Оптимальное управление взаимосвязанными электроприводами стана холодной прокатки //Електротехнічні та комп’ютерні системи. – 2011. – №. 3. – С. 216-217.
12.Анисимов А. А., Тарарыкин С. В. Автоматическая настройка полиномиальных регуляторов с использованием искусственной нейронной сети //Всероссийская научно-техническая конференция" Проблемы разработки перспективных микро-и наноэлектронных систем (МЭС)". Сборник трудов. – Институт проблем проектирования в микроэлектронике РАН, – 2008. – №1. – С. 98-101.
13.Мишенин А. А. Применение нейронных сетей для решения задач в машиностроении //Вісник Сумського державного університету. Серія Технічні науки. — 2003. — №11(57). — С. 17-24.
14.Клепиков В. Б. и др. Применение методов нейронных сетей и генетических алгоритмов в решении задач управления электроприводами //Электротехника. – 1999. – №. 5. – С. 2-6
15.Еременко Ю.И., Глущенко А.И., Петров В.А. О необходимости адаптации САУ главного привода прокатной клети в различных режимах работы // Наука, образование, общество проблемы и перспективы развития: сборник научных трудов по материалам Международной научно-практической конференции. Тамбов – 2015. – №3.
–С. 41-42.
16.Петров В.А., Молодых А.В., Глущенко А. И. О целесообразности применения алгоритмов адаптации параметров ПИД-регулятора при управлении электроприводом ДУО-реверсивной прокатной клети с двухзонным регулированием скорости //Материалы XII Всероссийской школы-конференции молодых ученых "Управление большими системами" [Электронный ресурс]. - М.: ИПУ РАН, 2015. – 12 с.
17.Еременко Ю.И., Полещенко Д.А., Глущенко А.И. Об оценке энергоэффективности применения нейросетевой надстройки над ПИД-регулятором для управления нелинейными объектами // Технические науки – от теории к практике. - 2013. - №25. - С.27-38