УПРАВЛЕНИЕ БОЛЬШИМИ СИСТЕМАМИ
на главную написать письмо карта сайта


јвтор:  ∆уков ѕ.»., √лущенко ј.»., ‘омин ј.¬.
Ќазвание:  —равнение модели конечных разностей и†машинного обучени€ дл€ задачи прогнозировани€ температуры заготовки, нагреваемой в проходной печи
¬ыпуск:  95
–убрика:  ”правление техническими системами и†технологическими процессами
√од:  2022
Ѕиблиографи€:  ∆уков ѕ.»., √лущенко ј.»., ‘омин ј.¬. —равнение модели конечных разностей и†машинного обучени€ дл€ задачи прогнозировани€ температуры заготовки, нагреваемой в проходной печи // ”правление большими системами. ¬ыпуск 95. ћ.: »ѕ” –јЌ, 2022. —.79-100. DOI: https://doi.org/10.25728/ubs.2022.95.5
 лючевые слова:  цифровой двойник, деревь€ решений, сеточна€ модель, нестационарна€ теплопроводность, машинное обучение
 лючевые слова (англ.):  digital twin, decision trees, grid model, transient heat conduction, machine learning
јннотаци€:  ¬ рамках всего цикла переделов, примен€емых в черной металлургии, присутствует множество энергоемких технологических объектов, энергоэффективное управление которыми осложнено факторами нестационарности тех процессов, которые в них протекают. ќдним из таких объектов €вл€етс€ проходна€ пламенна€ печь, которую используют в режимах простого нагрева, гомогенизации, отжига и других. ≈сли бы дл€ нее была известна температура поверхности заготовок на выходе из печи в то врем€, пока они еще наход€тс€ в†ней, то возможно было бы регулировать некоторые параметры нагрева, остава€сь в рамках технологических инструкций, чтобы минимизировать расход сжигаемого топлива. ѕоэтому в рамках данной работы авторы провод€т сравнение двух моделей, способных прогнозировать температуру поверхности заготовки после режима простого нагрева в такой печи: модель на основе численного дифференцировани€ уравнени€ нестационарной теплопроводности и древовидную модель, полученную методом машинного обучени€ на основе технологических данных, снимаемых ј—” “ѕ с нижнего уровн€ автоматизации печи. ѕредполагаетс€, что подобные модели могут стать основной дл€ Ђцифрового двойникаї объекта, который в дальнейшем может быть использован в†системах Advanced Process Control (APC). ¬ результате сравнени€ было установлено, что ошибка модели, обученной на технологических данных, в†среднем на 7,4†градуса†÷ельси€ ниже, чем у конечно-разностной модели. ѕредполагаетс€, что полученный результат €вл€етс€ следствием преимущества естественной более глубокой адаптации к объекту у первой модели.
јннотаци€ (англ.):  Within the whole cycle of technological conversion processes, which are widespread in the ferrous metallurgy, there are many energy-intensive technological units, energy-efficient control of which is a complicated task due to the non-stationarity of technological processes within them. One of such units is a continuous flame furnace, which is used for simple heating, homogenization, annealing and other operations. If the surface temperature of the billets at the furnace outlet could be known in advance (while they are still inside the furnace), it would be possible to adjust certain heating parameters, while staying within the technological instructions, in order to minimize the consumption of the combustible fuel. Therefore, in this paper we compare two models to predict the temperature of the billet surface after a simple heating in such a furnace: a model based on numerical differentiation of transient heat conduction equation and a tree-like one, which is obtained by machine learning and based on the technological data from the lower level of the furnace automation. It is supposed that such models can become the basis for a "digital twin" of the unit, which can be further used in Advanced Process Control (APC) systems. As a result of comparison, it is obtained that the error of the data-based model is 7.4 degrees Celsius lower on average comparing to the finite-difference one. It is assumed that this result is a consequence of the advantage of the first model "natural adaptation" to the technological unit.

в формате PDF

ѕросмотров: 488, загрузок: 90, за мес€ц: 2.

Ќазад

»ѕ” –јЌ © 2007. ¬се права защищены