Упреждающее управление температурой стальной полосы при горячем оцинковании с использованием модели тепловых процессов

Предложена система упреждающего управления температурой стальной полосы при производстве оцинкованного листового проката. На основе обзора предложений по упреждающему управлению температурой полосы показано, что одной из основных проблем является отсутствие достоверной информации о текущем температурном состоянии секции термической обработки, поскольку температура рабочего пространства контролируется локально в отдельных точках. С учетом этого предложенная система основана на использовании обобщенных оценок температуры рабочего пространства. Это позволяет обеспечить точное упреждающее управление в условиях отсутствия полной информации о текущем температурном состоянии секции. Обобщенная оценка температуры определяется с использованием упрощенной интерпретируемой модели по значениям температуры полосы на входе и выходе секции. Для определения упреждающего воздействия по мощности систем нагрева и охлаждения секций при компенсации возмущений по сортаменту и скорости линии предложена гибридная модель. Модель состоит из интерпретируемого и эмпирического компонентов на основе искусственной нейронной сети. На примере секции закрытого охлаждения агрегата непрерывного горячего оцинкования была изучена работоспособность системы стабилизации обобщенной оценки температуры с типовым ПИД регулятором. Были выявлены затруднения, обусловленные сложностью одновременной эффективной отработки возмущений по заданию, а также возмущений, обусловленных ошибками упреждающего управления по модели. Для оперативной стабилизации обобщенной оценки температуры при ошибках моделирования выбрана структура системы регулирования с двумя степенями свободы. ПИД регулятор замкнутого контура настраивается на отработку возмущений, обусловленных ошибками моделирования при упреждающем управлении. Контур прямого разомкнутого управления настраивается на отработку возмущений по заданному значению обобщенной оценки температуры рабочего пространства. Работоспособность предложенной системы продемонстрирована на примере секции закрытого охлаждения полосы. Показано, что система способна гарантировать качество управления даже при максимально возможных ошибках гибридной модели. Разработанная гибридная модель может также использоваться при планировании динамики изменения температуры рабочего пространства в долгосрочной перспективе. Предложенные структуры моделей и системы управления могут использоваться и для секций нагрева.

1. Рябчиков М. Ю., Рябчикова Е. С., Чута А. С. Управление гибким производством оцинкованного листового проката с учетом качества продукции и человеческого фактора // Проблемы машиностроения и автоматизации. 2023. № 4. С. 122—135. DOI: 10.52261/02346206_2023_4_122.

2. Рябчиков М. Ю., Рябчикова Е. С., Чута А. С., Васильева Е. И., Емелюшин А. Н. Влияние скорости движения и натяжения стальной полосы на дефекты продукции агрегатов непрерывного горячего оцинкования // Вестник Магнитогорского государственного технического университета им. Г. И. Носова. 2023. Т. 21, № 4. С. 93—104. DOI: 10.18503/1995-2732-2023-21-4-93-104.

3. Рябчиков М. Ю., Рябчикова Е. С., Новак В. С., Клименко А. Е. Изучение ограничений производительности агрегатов непрерывного горячего оцинкования, связанных с дефектами продукции // Известия высших учебных заведений. Черная металлургия. 2024. Т. 67, № 1. С. 89—105. DOI: 10.17073/0368-0797-2024-1-89-105.

4. Tikhonov A. K., Rodionova I. G. Thermomechanical Treatment in the Recrystallizational Annealing of Automotive Cold-Rolled Steel // Steel in Translation. 2022. Vol. 52, Iss. 4. P. 451—459. DOI: 10.3103/S0967091222040143.

5. Yu K. R., Ilinca F., Goodwin F. E. Effects of Strip Temperature and Mn content on Galvanizing Bath Management // Galvanizers Association Annual Conference 2017. Troy, MI, USA. 2017.

6. Рябчиков М. Ю., Рябчикова Е. С. Модель для упреждающего управления температурой цинкового расплава в ванне при непрерывном горячем оцинковании стальной полосы // Проблемы черной металлургии и материаловедения. 2024. № 1. С. 64—73. DOI: 10.54826/19979258_2024_1_13.

7. Li P., Fujin L. The optimal design of hot steel strip temperature control algorithm // IFAC Proceedings Volumes. 2003. Vol. 36, Iss. 24. P. 129—132. DOI: 10.1016/S1474-6670(17)37615-2.

8. Strommer S., Niederer M., Steinboeck A., Jadachowskit L., Kugit A. Nonlinear observer for temperatures and emissivities in a strip annealing furnace // 2016 IEEE Industry Applications Society Annual Meeting. 2016. DOI: 10.1109/IAS.2016.7731914.

9. Strommer S., Niederer M., Steinboeck A., Kugi A. Hierarchical nonlinear optimization-based controller of a continuous strip annealing furnace // Control Engineering Practice. 2018. Vol. 73. P. 40—55. DOI: 10.1016/j.conengprac.2017.12.005.

10. Yahiro K., Shigemori H., Hirohata K., Ooi T., Haruna M., Nakanishi K. Development of Strip Temperature Control System for a Continuous Annealing Line // Proceedings of IECON ‘93 — 19th Annual Conference of IEEE Industrial Electronics. 2002. P. 481—486. DOI: 10.1109/IECON.1993.339029.

11. Yoshitani N. Optimal Control of Steel Strip Temperature in Continuous Annealing Processes // Materials Science and Engineering Serving Society. 1998. P. 303—308. DOI: 10.1016/B978-044482793-7/50069-2.

12. Niederer M., Strommer S., Steinboeck A., Kugi A. Nonlinear model predictive control of the strip temperature in an annealing furnace // Journal of Process Control. 2016. Vol. 48. P. 1—13. DOI: 10.1016/j.jprocont.2016.09.012.

13. Bitschnau L., Kozek M. Modeling and Control of an Industrial Continuous Furnace // 2009 International Conference on Computational Intelligence, Modelling and Simulation. 2009. DOI: 10.1109/CSSim.2009.26.

14. Bitschnau L., Jakubek S., Kozek M. Constrained model predictive control of a continuous annealing furnace // Proceedings of the ASME 2010 Dynamic Systems and Control Conference. 2010. P. 285—292. DOI: 10.1115/DSCC2010-4129.

15. Xiao-Bin L., Ding L., Shang-Bin J., Jun-Xian G. Intelligent PID control system for vacuum annealing furnace workpieces temperature // Proceedings of the Third International Conference on Machine Learning and Cybernetics. 2004. P. 934—940. DOI: 10.1109/ICMLC.2004.1382321.

16. Рябчиков М. Ю., Рябчикова Е. С., Кокорин И. Д. Система стабилизации температуры в нагревательной печи с применением скользящего регулирования и нечеткой логики // Мехатроника, автоматизация, управление. 2020. Т. 21, № 3. С. 143—157. DOI: 10.17587/mau.21.143-157.

17. Рябчиков М. Ю., Рябчикова Е. С., Шманев Д. Е., Кокорин И. Д. Управление охлаждением стальной полосы при гибком производстве оцинкованного листового проката // Известия высших учебных заведений. Черная металлургия. 2021. Т. 64, № 7. С. 519—529. DOI: 10.17073/0368-0797-2021-7-519-529.

18. Рябчиков М. Ю., Рябчикова Е. С. Модели для упреждающего управления тепловыми процессами термической обработки стали на агрегатах непрерывного горячего оцинкования // Известия высших учебных заведений. Машиностроение. 2023. № 12 (765). С. 80—96. DOI: 10.18698/0536-1044-2023-12-80-96.

19. Iuchi T., Ohno J., Kusaka R. Temperature Measurement System of Steel Strips in a Continuous Annealing Furnace // Transactions ISIJ. 1976. Vol. 16. P. 195—203.

20. McGuinness M., Taylor S. Strip temperature in a metal coating line annealing furnace. Department of Mathematics — Research Reports-532. 2004. URL: http://hdl.handle.net/2292/5091

21. Carozzo G., Cravero C., Marini M., Mazza M. CFD Simulation of a Temperature Control System for Galvanizing Line of Metal Band Based on Jet Cooling Heat Transfer // Appl. Sci. 2020. Vol. 10. P. 5248. DOI: 10.3390/app10155248.

22. Depreea N., Sneyd J., Taylor S., Taylor M. P., Chen J. J. J., Wang S., O’Connor M. Development and validation of models for annealing furnace control from heat transfer fundamentals // Computers and Chemical Engineering. 2010. Vol. 34. P. 1849—1853. DOI: 10.1016/j.compchemeng.2010.01.012.

23. Niederer M., Strommer S., Steinboeck A., Kugi A. A simple control-oriented model of an indirect-fired strip annealing furnace // International Journal of Heat and Mass Transfer. 2014. Vol. 78. P. 557—570. DOI: 10.1016/j.ijheatmasstransfer.2014.06.080.

24. Zhou M., Yu D., Zhou J. A new strip temperature control method for the heating section of continuous annealing line // 2008 IEEE Conference on Cybernetics and Intelligent Systems. 2008. P. 861—864. DOI: 10.1109/ICCIS.2008.4670926.

25. Martíınez-de-Pisón F. J., Pernía A. V., González A., López-Ochoa L. M., Ordieres J. B. Optimum model for predicting temperature settings on hot dip galvanising line // Ironmaking and Steelmaking. 2010. Vol. 37, N. 3. P. 187—194. DOI: 10.1179/030192309X12573371383604.

26. Martínez-de-Pisón F. J., Alba-Elías F., CastejónLimas M., González-Rodríguez J. A. Improvement and optimisation of hot dip galvanising line using neural networks and genetic algorithms // Ironmaking and Steelmaking. 2006. Vol. 33, N. 4. P. 344—352. DOI: 10.1179/174328106X101565.

27. Martínez-de-Pisón F. J., Celorrio L., Pérez-de-laParte M., Castejón M. Optimising annealing process on hot dip galvanising line based on robust predictive models adjusted with genetic algorithms // Ironmaking and Steelmaking. 2011. Vol. 38, N. 3. P. 218—228. DOI: 10.1179/1743281210y.0000000001

28. Sanz-García A., Fernández-Ceniceros J., FernándezMartínez R., Martínez-de-Pisón F. J. Methodology based on genetic optimisation to develop overall parsimony models for predicting temperature settings on annealing furnace // Ironmaking and Steelmaking. 2014. Vol. 41, N. 2. P. 87—98. DOI: 10.1179/1743281212Y.0000000094.

29. Yongyue Z., Yali J., Weihua C., Zezhong L., Yan Y. A Dynamic Data-driven Model for Predicting Strip Temperature in Continuous Annealing Line Heating Process // Proceedings of the 37th Chinese Control Conference. 2018. P. 1887—1891. DOI: 10.23919/CHICC.2018.8484015.

30. Shin-Yenog K., Jong-Dam C., Kyeong-Bae Y., SeongJay K., Se-Yun L., Jong-Hoon L., Byeong-Won M., Yong-Hae B. A temperature control of steel strip using neural network in continuous annealing process // Proceedings of ICNN’95 — International Conference on Neural Networks. 1995. Vol. 1. P. 631—635. DOI: 10.1109/ICNN.1995.488253.

31. Ding H., Shen H., Xie Q. Predictive modeling of strip temperature in continuous annealing furnace: An improved optimization algorithm // ISIJ Int. 2024. Vol. 64, N. 5. DOI: 10.2355/isijinternational.ISIJINT-2023-379.

32. Sanz-Garcia A., Antoñanzas-Torres F., Fernández-Ceniceros J., Martínez-de-Pisón F. J. Overall models based on ensemble methods for predicting continuous annealing furnace temperature settings // Ironmaking and Steelmaking. 2014. Vol. 41, N. 1. P. 51—60. DOI: 10.1179/1743281213Y.0000000104.

33. Seo M., Ban J., Cho M., Bae Y. K., Sang W. K. Low-Order Model Identification and Adaptive Observer-Based Predictive Control for Strip Temperature of Heating Section in Annealing Furnace // IEEE Access. 2021. Vol. 9. P. 53720—53734. DOI: 10.1109/ACCESS.2021.3071124.

34. Fein M., Böck-Schnepps M., Strommer S., Niederer M., Steinboeck A., Kugi A. Model-based control and optimization of continuous strip annealing furnaces // Measuring & Process Control. 2016. N. 1. P. 57—63.

35. Рябчиков М. Ю., Рябчикова Е. С., Новак В. С. Гибридная модель для упреждающего управления температурой металла при горячем оцинковании стальной полосы // Мехатроника, автоматизация, управление. 2023. Т. 24, № 8. С. 421—432. DOI: 10.17587/mau.24.421-432.

36. Рябчиков М. Ю., Рябчикова Е. С. Идентификация модели объекта при наличии неизвестных возмущений с широким частотным диапазоном на основе перехода к приращениям сигналов и отбора данных // Компьютерные исследования и моделирование. 2024. Т. 16. С. 315—337. DOI: 10.20537/2076-7633-2024-16-2-315-337.

37. Fei H., Zhong-Xue W., Gang L., Xi-Long W. Calculation Model, Influencing Factors, and Dynamic Characteristics of Strip Temperature in a Radiant Tube Furnace during Continuous Annealing Process // Metals. 2022. Vol. 12. P. 1256. DOI: 10.3390/met12081256.

38. Chao G., Yingwei Z., Xianqiang Y., Xue C., Yang Z. Optimal Control of Continuous Annealing Process Using PSO // Proceedings of the IEEE International Conference on Automation and Logistics. 2009. P. 602—606. DOI: 10.1109/ICAL.2009.5262851.