Сборник студеческих работ III Международной конференции студентов, аспирантов и молодых ученых "Компьютерный мониторинг и информационные технологии"

Оптимальный раскрой сортового проката с использованием нейронных сетей

Обжимные прокатные станы — блюминги и слябинги, предназначенные для производства заготовок из слитков стали,—исторически считаются не удобными для автоматизации объектами. Однако реалии экономической ситуации оказались таковыми, что на сегодняшний день большая часть производимой прокат ной продукции в черной металлургии начинает свой путь в блюмингах и слябингах. Наряду с мероприятиями по реконструкции механических узлов и электрооборудования снова стала актуальной проблема автоматизации. Это требует разработки математических моделей и количественного описания промышленных операций.

Рисунок 1. Заготовочный стан 950/900 Обжимного цеха ЗАО ММЗ «ИСТИЛ-УКРАИНА»

Этим занимаются крупные научно-промышленные предприятия и научные институты. Среды отечественных компаний больше всего добилась НПО «Доникс», которая занимается автоматизацией металлургических производств Украины. В пределах СНГ имеет наибольший опыт АКХ ВНИИМЕТМАШ. Но описанные предприятия в поставляемых системах не используют методы искусственного интеллекта. В отличии от мирового лидера автоматизации SIEMENS AG, которые в последних продуктах используют комбинированные системы для расчета и прогнозирования свойств и характеристик на всех этапах производства металла.

Распространенный вариант применения нейронных сетей для расчета корректирующих коэффициентов в традиционных математических моделях, которые контролируют процесс. То есть, гибрид традиционного математического метода - нейронная сеть, в котором нейронная сеть выступает в качестве помощника математической модели.

Рисунок 2. Блок схема работы

Однако практическое применение этого метода в области прокатки нераспространенное, главным образом из-за отсутствия уверенности в результатах вычислений. Это обусловлено многими факторами. Прежде всего, лишь в последнее время этот метод стал возможным при более широкой доступности недорогих вычислительных мощностей. Кроме того, пока математические основы нейронных сетей еще полностью не разработаны, никто не знает в точности механизмов их обучения, то есть остается неизвестным, как нейронные сети вычисляют результат. Поэтому, они нередко рассматривались как потенциально ненадежные "черные ящики".

Новизна разрабатываемой подсистемы в использовании гибридной нейро-математической системы. Как видно из исследования, этой задачей занимается всего несколько разработчиков и среди них нет ни одного из стран СНГ.

Хотя существующие системы удовлетворяют требованиям, разработка новой подсистемы актуальна, т.к. она позволит более эффективно использовать ресурсы и внесет вклад в исследование нейронных сетей.

Литература:

1. Бабаев Ф.В. Оптимальный раскрой материалов с помощью ЭВМ. М: Машиностроение, 1982. 168с.
2. Технологическая инструкция 234-П.03.01 –2002. Производство блюмов, слябов и заготовок из углеродистых и легированных марок стали в обжимном цехе. ОАО «Донецкий Металлургический Завод»

3. Система управления главным приводом блюминга с автоматическим контролем и быстродействующей защитой от буксований рабочих валков ПРОМЫШЛЕННЫЕ АСУ И КОНТРОЛЛЕРЫ . 2005. № 07