ZASTOSOWANIE MODELU STEROWANIA PREDYKCYJNEGO W ENERGOOSZCZĘDNEJ TECHNOLOGII PROSTEGO PIECA TLENOWEGO
Oleksandr Stepanets
stepanets.av@gmail.comNational Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute", Department of Automation of Heat and Power Engineering Processes (Ukraina)
http://orcid.org/0000-0003-4444-0705
Yurii Mariiash
National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute", Department of Automation of Heat and Power Engineering Processes (Ukraina)
http://orcid.org/0000-0002-0812-8960
Abstrakt
Spełnienie warunku jednoczesnego osiągnięcia pożądanego składu chemicznego i temperatury metalu jest zapewnione poprzez kontrolę zużycia tlenu i położenia palnika tlenowego. Zaprezentowano metodę rozwiązania Modelu Sterowania Predykcyjnego z funkcjonalnością kwadratową w obecności ograniczeń. Wdrożenie opisanego rozwiązania przyczyni się do zwiększenia udziału złomu i skrócenia czasu topnienia bez zmiany procesu technologicznego.
Słowa kluczowe:
model sterowania predykcyjnego, prosty piec tlenowy, optymalna kontrola, oszczędność energiiBibliografia
Backman J., et al.: Methods and Tools of Improving Steel Manufacturing Processes: Current State and Future Methods. International Federation of Automatic Control PapersOnLine 52(13)/2019, 1174–1179.
DOI: https://doi.org/10.1016/j.ifacol.2019.11.355
Google Scholar
Bogushevskiy V.S., et al.: System for the BOF Process Control. The Advanced Science Open Access Journal 5/2013, 23–27.
Google Scholar
Bogushevskiy V.S., Zuboka C.M.: Mathematical modeling of the converter process by energy-saving technology. Technological complexes 2/2013, 32–38.
Google Scholar
Camacho E.F., Bordons A.: Model Predictive Control. 2nd ed, Springer-Verlag London 2007.
DOI: https://doi.org/10.1007/978-0-85729-398-5
Google Scholar
Cherneha D.F., et al.: Fundamentals of metallurgical production of metals and alloys. High School, Kyiv 2006.
Google Scholar
Ghosh S., et al.: BOF process dynamics. Mineral Processing and Extractive Metallurgy 128(1)/2018, 1–17.
DOI: https://doi.org/10.1080/25726641.2018.1544331
Google Scholar
Kouvaritakis B., Cannon M.: Model Predictive Control Classical, Robust and Stochastic. Springer-Verlag, London 2016.
DOI: https://doi.org/10.1007/978-1-4471-5058-9_7
Google Scholar
Ruuska J., et al.: Mass-balance Based Multivariate Modelling of Basic Oxygen Furnace Used in Steel Industry. International Federation of Automatic Control PapersOnLine 50(1)/2017, 13784–13789.
DOI: https://doi.org/10.1016/j.ifacol.2017.08.2065
Google Scholar
Stepanets O., Mariiash Y.: Analysis of Influence of Technical Features of a PID – controller Implementation on The Dynamics of Automated Control System. Eastern-European Journal of Enterprise Technologies 3(2)/2018, 60–69.
DOI: https://doi.org/10.15587/1729-4061.2018.132229
Google Scholar
Zhang J.: Optimal Control Problem of Converter Steelmaking Production Process Based on Operation Optimization Method. Discrete Dynamics in Nature and Society 2015, Article ID 483674.
DOI: https://doi.org/10.1155/2015/483674
Google Scholar
MathWorks. Design Controller Using MPC Designer. https://www.mathworks.com/help/mpc/gs/introduction.html?ue (available 5.09. 2018).
Google Scholar
Autorzy
Oleksandr Stepanetsstepanets.av@gmail.com
National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute", Department of Automation of Heat and Power Engineering Processes Ukraina
http://orcid.org/0000-0003-4444-0705
Autorzy
Yurii MariiashNational Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute", Department of Automation of Heat and Power Engineering Processes Ukraina
http://orcid.org/0000-0002-0812-8960
Statystyki
Abstract views: 306PDF downloads: 197
Licencja
Utwór dostępny jest na licencji Creative Commons Uznanie autorstwa – Na tych samych warunkach 4.0 Miedzynarodowe.