Алгоритмизация систем диагностики состояния элементов конструкций металлургических агрегатов

Размещено на http://www.allbest.ru

Размещено на http://www.allbest.ru

Введение

Актуальность темы. Включение в состав систем управления подсистем диагностики технического состояния как отдельных элементов конструкции, так и объекта управления в целом, позволяющих получить своевременную и надежную информацию о неисправности того или иного металлургического агрегата, необходимо для обеспечения безопасности работы технологического персонала, повышения эксплуатационной надежности и увеличения продолжительности кампании объектов управления.

Известные в настоящее время методы диагностики состояния элементов металлургических агрегатов, основанные на прямых и косвенных измерениях отдельных контролируемых величин, связаны с решением прямой и обратной задач нестационарной теплопроводности, а также с обработкой большого количества данных, например, при формировании множества возможных вариантов характерных состояний металлургических агрегатов или элементов их конструкции. Однако адекватность математических моделей реальным условиям нарушается из-за нестабильности теплотехнических и геометрических характеристик, являющихся основными параметрами математических моделей нестационарной теплопроводности, огнеупорных материалов, используемых для футеровки.

Повысить эффективность действующих автоматизированных систем диагностики состояния элементов металлургических агрегатов можно посредством использования в их составе дополнительного алгоритмического модуля, в реальном времени выявляющего структурные изменения нестационарных контролируемых сигналов. Эти изменения, как правило, свидетельствуют о произошедших отклонениях в техническом состоянии контролируемого объекта. Полученную информацию о выявленных структурных особенностях в анализируемых сигналах целесообразно использовать для прогнозирования дальнейшей динамики контролируемых величин. Функционирование такого типа алгоритмического модуля позволит своевременно обнаружить предаварийную ситуацию.

Объектом исследования. Высокотемпературные металлургические агрегаты и элементы их конструкции.

Предметом исследования являются системы диагностики технического состояния элементов конструкций металлургических агрегатов.

Цели и задачи диссертации. Основной целью работы является разработка методики и алгоритмов диагностирования технического состояния элементов конструкций металлургических агрегатов с применением методов обнаружения локальных особенностей контролируемых сигналов. В соответствии с основной целью решаются следующие задачи:

§ обобщение и дополнение теоретических и практических разработок по технической диагностике элементов конструкций металлургических агрегатов;

§ разработка алгоритма оценивания технического состояния элементов конструкций металлургических объектов, основными компонентами которого являются блоки структурного анализа и прогнозирования динамики контролируемых сигналов с учетом изменяющихся свойств этих сигналов;

§ разработка алгоритма повышения информативности краевых зон вейвлет-спектрограмм, обеспечивающего оперативное построение вейвлет-спектрограмм в режиме реального времени;

§ формирование структуры алгоритма определения значений вейвлет-сверток, увеличивающего быстродействие вейвлет-анализа;

§ конкретизация алгоритмов оценивания технического состояния элементов конструкций металлургических агрегатов.

Методы выполнения работы. Использованы теоретические и практические разработки теории нелинейной динамики, методы полиномиальной аппроксимации и экстраполяции, методы фильтрации контролируемых сигналов, методы численного моделирования.

Научная новизна.

§ Методика обнаружения дефектов технического состояния элементов конструкций металлургических агрегатов, отличающаяся оперативным выявлением локальных изменений контролируемых сигналов, характеризующих состояние диагностируемых элементов (на основе вейвлет-анализа).

§ Способ повышения информативности краевых зон вейвлет-спектрограмм с использованием типовых функций, отличающийся оперативным построением вейвлет-спектрограмм и сокращающий объем вычислений при построении вейвлет-спектрограмм в 2 и более раз.

§ Алгоритм рекуррентного определения вейвлет-свертки, уменьшающий вычислительные затраты на 19-23%, по сравнению с классическим алгоритмом расчета вейвлет-свертки.

§ Структура распараллеленного алгоритма вейвлет-анализа измеряемых сигналов с использованием рекуррентного определения вейвлет-свертки, применение которой уменьшает вычислительные затраты в 2 и более раз.

§ Алгоритмы обнаружения дефектов технического состояния элементов конструкций металлургических агрегатов непрерывного и циклического действия, которые, в отличие от действующих, содержат процедуру структурного анализа временных рядов данных с использованием полученных разработок.

§ Алгоритм определения возможного будущего технического состояния элементов конструкций объектов управления, отличающийся одновременным получением нескольких вариантных оценок технического состояния диагностируемого объекта.

Практическая значимость

§ Предложенные методика и алгоритмы позволяют:

- совершенствовать системы диагностики технического состояния элементов конструкций металлургических агрегатов путем внедрения дополнительного алгоритмического модуля;

- выявлять предаварийные зоны диагностируемых элементов конструкций металлургических агрегатов;

- определять возможное будущее техническое состояние диагностируемых элементов конструкций металлургических агрегатов;

- повысить информативность краевых зон вейвлет-спектрограмм и обеспечить их построение в режиме реального времени;

- уменьшить временные затраты на выявление локальных изменений контролируемых сигналов за счет использования распараллеленной структуры вейвлет-анализа и рекуррентной формы вычисления вейвлет-свертки.

§ Разработанные методика и алгоритмы применимы к любым диагностируемым технологическим объектам.

§ Полученные результаты могут быть использованы при обучении студентов вузов соответствующих специальностей, а также при повышении квалификации технологического персонала промышленных предприятий.

Предмет защиты и личный вклад автора. На защиту выносятся:

§ методика и алгоритмы обнаружения дефектов технического состояния элементов металлургических агрегатов, отличающиеся ранним обнаружением локальных изменений измерительных сигналов (на основе вейвлет-анализа);

§ алгоритмы повышения информативности краевых зон вейвлет-спектрограмм и рекуррентного расчета вейвлет-свертки;

§ структура распараллеленного алгоритма вейвлет-анализа анализируемых сигналов с использованием рекуррентного определения вейвлет-свертки;

§ алгоритм определения возможного будущего технического состояния элементов конструкций объектов управления, структура которого содержит блоки, осуществляющие вейвлет-анализ контролируемых сигналов, определение и формирование последовательности показателей сложности и их экстраполяцию.

Личный вклад автора заключается в совершенствовании алгоритма вейвлет-анализа, в постановке задач, разработке и исследовании алгоритмов; конкретизации полученных результатов применительно к системам контроля состояния огнеупорной кладки горна доменной печи и контроля состояния продувочной фурмы на установке обработки стали инертным газом.

Реализация результатов работы. Разработанные алгоритмы обнаружения дефектов технического состояния элементов конструкций металлургических агрегатов непрерывного и циклического действия, включающие алгоритм определения возможного будущего технического состояния элементов конструкций объектов управления, приняты к использованию на ОАО “Новокузнецкий металлургический комбинат”
(ОАО НКМК). Разработанные методы и алгоритмы используются в учебном процессе Сибирского государственного индустриального университета
(г. Новокузнецк) и Кузбасской государственной педагогической академии
(г. Новокузнецк).

Апробация работы. Основные положения диссертации освещались на 8 конференциях: 5-я Всероссийская научно-практическая конференция “Системы автоматизации в образовании, науке и производстве” (Новокузнецк, 2005); 2-я Всероссийская научно-практическая конференция “Моделирование, программное обеспечение и наукоемкие технологии в металлургии” (Новокузнецк, 2006); 3-я Международная научно-практическая конференция “Технолого-экономическое образование в XXI веке” (Новокузнецк, 2004, 2005, 2006); Всероссийская научно-практическая конференция “Металлургия: новые технологии, управление, инновации и качество” (Новокузнецк, 2006, 2008); 4-я Международная научно-практическая конференция “Электронные средства и системы управления: опыт инновационного развития ” (Томск, 2007).

Публикации. По теме диссертации опубликовано 16 работ, из них 2 статьи в изданиях, рекомендованных ВАК, 2 патента РФ на изобретение и 14 работ - материалы научно-технических и научно-практических конференций.

1. Основы построения систем технической диагностики элементов конструкций металлургических агрегатов

Первая глава состоит их трех разделов, посвященных описанию сущности действующих систем диагностики состояния элементов конструкций металлургических агрегатов (доменной печи и установки внепечной обработки стали) и методов структурного анализа временных рядов данных.

В настоящее время развитие как отечественных, так и зарубежных систем диагностики элементов конструкций металлургических агрегатов осуществляется по нескольким направлениям: 1) использование математических моделей нестационарного теплообмена (ОАО “Черметавтоматика”, ОАО “Новолипецкий металлургический комбинат”, ОАО “Магнитогорский металлургический комбинат”, компания “Даниэли Корус”, завод фирмы Stahlwerke Bremen GmbH); 2) ультразвуковой контроль диагностируемых элементов конструкции (Днепропетровский металлургический институт).

Большой вклад в совершенствование, например, систем диагностики состояния футеровки горна доменной печи внесли авторы: Гаврилов Е.Е., Спирин Н.А., Серов Ю.В., Кудинов Г.А, М. Шульте, Васильев П.Г. и Голосков Б.В. Суть большинства их разработок заключается в оперативном определении остаточной толщины футеровки горна доменной печи с опорой на решения прямой и обратной задач нестационарного теплообмена. Отличительной особенностью некоторых систем диагностики состояния футеровки горна доменной печи является наличие характерных вариантов ее разгара, с одним из которых отождествляется текущее состояние огнеупорной кладки горна.

Обобщение теоретических разработок по системам диагностики элементов конструкций металлургических объектов и принятый во внимание накопленный практический опыт технологического персонала, а также выявленные недостатки используемых подходов в задаче диагностики элементов конструкций металлургических агрегатов обусловили направление для дальнейшего совершенствования этих систем. Совершенствование рассматриваемых систем возможно посредством включения нового алгоритмического модуля, первостепенной задачей которого является обнаружение структурных изменений в контролируемых сигналах, характеризующих состояние диагностируемых объектов. Обобщенная структура модернизированной системы технической диагностики элементов конструкций металлургических агрегатов представлена на рис. 1.

Часто применяемый в системах контроля и управления спектральный анализ измерительных сигналов путем разложения в некоторый бесконечный ряд по одному из типовых ортогональных базисов (Фурье, Уолша) с последующей обработкой для принятия решения оказывается неэффективным в том случае, когда требуется получить точную информацию о моментах изменения свойств анализируемых сигналов. В отличие от классических методов спектрального анализа методы структурного анализа временных рядов предназначены для выявления локальных изменений в структуре сигнала.

Рис. 1. Обобщенная структура системы технической диагностики элементов конструкций металлургических агрегатов

Впервые задача обнаружения изменения свойств временных последовательностей поставлена Е. Пейджом. Колмогоровым А.Н. и Ширяевым А.Н. предложен метод определения моментов изменения свойств в рассматриваемых временных рядах данных при заданном уровне ложных тревог, применение которого на практике требует решения сложных нелинейных дифференциальных уравнений. Телькснис Л.А. предложил метод обнаружения наиболее вероятных изменений свойств коррелированных случайных процессов, описываемых стохастическими дифференциальными уравнениями. Развитие методов структурного анализа данных с опорой на нелинейные математические зависимости привело к появлению вейвлет-анализа. Апробация этого математического аппарата в задаче обнаружения изменения свойств контролируемых сигналов в системах различного назначения показала его высокую эффективность: высокая точность и своевременность обнаружения локальных структурных изменений в контролируемых сигналах, а также большая чувствительность к малым структурным изменениям в этих сигналах. Отмеченные достоинства рассматриваемого математического аппарата предопределили целесообразность его использования в подсистеме структурного анализа временных рядов данных развиваемой системы диагностики (рис. 1).

2. Совершенствование алгоритмов систем диагностики элементов технологических объектов

Во второй главе рассмотрены задачи: сравнительного анализа методов обнаружения изменения свойств измерительных сигналов и временных рядов данных; повышения информативности краевых зон вейвлет-спектрограмм; повышение быстродействия осуществляемого вейвлет-анализа посредством рекуррентной формы расчета вейвлет-свертки и распараллеленной структуры построения вейвлет-спектрограмм; оценивания возможного будущего состояния диагностируемого объекта.

Сопоставление методов структурного анализа временных рядов данных. Эффективность рассматриваемых методов при решении задачи выявления локальных особенностей анализируемых временных последовательностей оценивалась по критерию минимума ошибки выявления этих особенностей на модельных временных рядах данных, отличающихся различной степенью зашумленности полезной составляющей сигнала измерительной помехой.

Проведенный сравнительный анализ эффективности рассматриваемых методов показал следующее:

§ для варианта анализируемых временных последовательностей, характеризующихся отсутствием измерительной помехи выявлено:

- методы локального анализа временных рядов данных обнаруживают только существенные структурные изменения сигналов, при этом ошибка обнаружения локальных изменений в сигнале по времени равна половине диапазона “интервал скольжения”, на котором рассчитывается функционал отличия;

- вейвлет-анализ характеризуется стабильностью выявления моментов изменения структурных свойств рассматриваемых временных последовательностей даже при малых их изменениях;

§ в случае наличия измерительной помехи в анализируемых последовательностях данных:

- количество обнаруженных локальных особенностей уменьшается с ростом дисперсии измерительной помехи;

- вейвлет-анализ выявляет без ошибки по времени все моменты изменений локальных особенностей помехоискаженных временных последовательностей данных.

Диаграмма, отображающая эффективность рассматриваемых методов структурного анализа временных рядов данных, представлена на рис. 2.

Сопоставительный анализ рассматриваемых методов обнаружения локальных изменений нестационарных временных последовательностей показал, что для решения этой задачи целесообразно применять метод вейвлет-анализа.

Рис. 2. Диаграмма, отображающая результаты сравнительного анализа рассматриваемых методов структурного анализа временных рядов данных

Повышение информативности краевых зон вейвлет-спектрограмм. Решение данной задачи направлено на устранение ограниченных возможностей применения математического аппарата вейвлет-анализа в системах оперативной диагностики.

Существует ряд подходов повышения информативности краевых зон вейвлет-спектрограмм с помощью искусственного увеличения объема выборки анализируемой последовательности: симметричное отображение сигнала относительно последнего данного; экстраполяционное продолжение сигнала.

Решение рассматриваемой задачи основано на экстраполяционном подходе. Однако, в отличие от известного подхода, в котором в полном объеме решается задача полиномиальной аппроксимации исходной временной последовательности и ее экстраполяционное продолжение, в разработанном алгоритме для экстраполяционного продолжения исследуемого временного ряда используются типовые функции и осуществляются следующие операции:

§ выбор типовой функции в зависимости от специфики объекта управления и контролируемой величины;

§ формирование объема экстраполируемых данных:

,

где -данные модельной экстраполируемой последовательности; - количество весовых коэффициентов в вейвлет-базисе на максимальном (А-ом) уровне детализации сигнала (в случае неверно сформированного объема данных модельного сигнала имеющиеся изменения, находящиеся в краевых зонах, остаются недоступными для анализа);

§ корректировка начального значения модельной реализации, которая предполагает анализ последнего фактического значения исследуемой реализации и изменение начальной координаты модельного сигнала относительно последнего исходного данного:

,

где - первое данное модельной последовательности; - последнее данное исходной временной последовательности; -корректирующий коэффициент.

Последующему вейвлет-анализу подвергается сформированная таким образом эффективная выборка, состоящая из исходной и экстраполированной временных последовательностей.

Преимущество предлагаемого подхода заключается в уменьшении количества математических операций, необходимых для генерации требуемого объема модельных данных, тем самым повышая быстродействие вейвлет-анализа. Последнее подтверждается следующим:

§ экстраполяционный подход: например, при использовании аппроксимирующего полинома второй степени: , число математических операций, затраченных на экстраполяционное продолжение сигнала для проведения вейвлет-анализа, равно . При применении данного подхода необходимо учитывать, что увеличение степени полинома влечет за собой увеличение дополнительных расчетов, например, при использовании полинома третьей степени число математических операций, затраченных на экстраполяционное продолжение сигнала для формирования эффективного объема выборки, равно .

§ предлагаемый подход: число математических операций, затраченных на генерацию экстраполируемой последовательности для дальнейшего проведения вейвлет-анализа, равно , что значительно меньше, чем в известном экстраполяционном подходе.

Предлагаемый алгоритм повышает информативность краевых зон вейвлет-спектрограмм, в оперативном режиме выявляет локальные изменения в структуре анализируемой последовательности и позволяет применять математический аппарат вейвлет-анализа в системах оперативной диагностики быстро протекающих процессов, например, в системе контроля состояния фурмы на установке продувки стали газом.

Дополнительное повышение быстродействия алгоритма вейвлет-анализа достигается посредством использования разработанной рекуррентной формы расчета вейвлет-свертки.

Алгоритм рекуррентного определения вейвлет-свертки. Традиционно для вычисления значений вейвлет-свертки используется следующее математическое выражение:

,

где - значения вейвлет-свертки (коэффициенты вейвлет-преобразования); где - исследуемая реализация; nа = 1…Na - число весовых коэффициентов вейвлет-базиса на выбранном уровне детализации сигнала. В работе предлагается в системах диагностики элементов конструкций объектов управления использовать для расчета значений вейвлет-свертки разработанную в ходе выполнения исследований рекуррентную форму:

металлургический вейвлет краевой спектрограмма

,

где n = 1…Na - количество весовых коэффициентов вейвлет-базиса на выбранном уровне детализации сигнала; а - параметр масштабирования; b - параметр смещения по оси времени.

Блок-схема предлагаемого варианта рекуррентного расчета значений вейвлет-свертки представлена на рис. 3. Оценка работоспособности предлагаемого алгоритма расчета значений вейвлет-свертки проводилась на модельных и натурных данных.

Рис. 3. Блок-схема алгоритма вейвлет-анализа с применением рекуррентной формы расчета вейвлет-свертки

Диаграмма, характеризующая временные затраты на реализацию разработанного алгоритма расчета значений вейвлет-свертки и алгоритма, базирующегося на традиционном варианте, представлена на рис. 4. Анализ временных затрат проводился на модельных последовательностях данных в 50, 100, 200, 500 отсчетов для 100 уровней детализации сигнала, использовалась машина Pentium-IV 2.4ГHz/768Mb-DDR.

Рис. 4. Временные затраты на определение значений вейвлет-сверток при применении разных методов их расчета

Применение разработанного алгоритма рекуррентного оценивания вейвлет-свертки позволяет снизить временные затраты на получение значений вейвлет-свертки на 19-23%.

Распараллеленная структура построения вейвлет-спектрограммы. На основе интенсивно развивающейся вычислительной техники появилась возможность распараллеливать вычислительные операции алгоритмов расчета различных характеристик технологических величин объектов управления. Исходная предпосылка вейвлет-анализа - детализация сигнала на конечное число уровней является определяющим фактором для распараллеливания структуры построения вейвлет-спектрограмм.

В процессе функционирования предлагаемой структуры на каждом уровне детализации (в каждом канале) выполняются следующие функции:

· формирование начальных условий;

· расчет весовых коэффициентов вейвлет-базиса;

· определение вейвлет-свертки на всех заданных уровнях детализации сигнала;

· выявление структурных локальных изменений измерительных сигналов.

Многоканальная структура разработанного алгоритма представлена на
рис. 5, в которой каждый канал обработки исследуемой временной последовательности данных соответствует конкретному уровню детализации анализируемой последовательности данных. Такой подход обеспечивает одновременность получения значений вейвлет-свертки по всем заданным уровням детализации сигнала, тем самым сокращает временные затраты на обнаружение локальных изменений в структуре анализируемой последовательности и позволяет получить в оперативном режиме вейвлет-спектрограмму рассматриваемого временного ряда данных.

Рис. 5. Многоканальная структура распараллеленного алгоритма вейвлет-анализа измерительных сигналов: - фактические значения анализируемого сигнала в l - текущий момент времени; - тип вейвлет-базиса; - значения вейвлет-свертки; - уровни детализации сигнала; М - заданное число уровней детализации сигнала; b - параметр смещения по оси времени

На рис. 6 приведено схематичное представление процесса построения вейвлет-спектрограммы при последовательном (традиционном) и при параллельном подходах, а также временные затраты, необходимые на получение требуемых результатов, которые подтверждают целесообразность использования предлагаемого подхода.

Рис. 6. Схематичное представление различных форм процесса построения вейвлет-спектрограммы и соответствующих им временным затрат: а - схемы построения вейвлет-спектрограммы; б - затраты времени, необходимые на построение вейвлет-спектрограммы

Таким образом, повышение быстродействия алгоритма вейвлет-анализа, используемого в разрабатываемой системе диагностики состояния элементов конструкций металлургических агрегатов, достигнуто за счет включения в него рассмотренных выше разработок.

Задача оценивания возможного будущего состояния диагностируемого объекта решена в диссертационной работе с опорой на метод структурного анализа нестационарных сигналов и экстраполяции показателей сложности контролируемых временных последовательностей.

Используемая мера сложности есть индивидуальная характеристика конкретной рассматриваемой временной последовательности данных, а не некоторого их множества. Также необходимо отметить, что рассматриваемый показатель никак не связан с возможными механизмами порождения временной последовательности данных, например, с тем, является ли анализируемый временной ряд данных частью реализации какого-то случайного процесса или траекторией какой-то динамической системы. Предлагаемая мера сложности “настроена” на восприятие пользователя, то есть прямо учитывает, легко или нет работать с дискретными данными рассматриваемой временной последовательности.

Для проверки работоспособности предлагаемого алгоритма получения возможных оценок будущего состояния диагностируемого объекта были использованы натурные данные о температуре футеровки на горизонтах №1.2, №3 и №5 горна доменной печи №5 ОАО НКМК за сентябрь 2004 года. Некоторые из реализаций натурных данных представлены на рис. 7.

В состав рассматриваемого алгоритма входят следующие функциональные блоки:

§ накопления начального объема анализируемых данных: хо, ….хn (n - выбирается в зависимости от типа и скоротечности исследуемого технологического процесса) и определения начальных условий: набора методов аппроксимации, заданная ошибка восстановления анализируемой временной реализации; требуемая степень уравнения аппроксимации (завышение степени аппроксимирующего уравнения нецелесообразно в связи с увеличением объема вычислений);

§ формирования эффективного объема выборки (детально рассмотрено в задаче “Повышение информативности краевых зон вейвлет-спектрограмм”);

Рис. 7. Реализации фактической температуры (ТС) футеровки горна доменной печи от различных термодатчиков: а - горизонт №3 сечение №2, б - горизонт №3 сечение №4; 1-8 - номера структурно однородных участков анализируемых реализаций

§ проведения вейвлет-анализа с целью выявления “особых” точек, отождествляемых с моментами изменения в структуре временного ряда данных (по информации о которых осуществляется разбиение исследуемой последовательности на структурно однородные участки, за структурно однородный принимается участок, включающий в себя численные значения исследуемого ряда данных между двумя соседними “особыми” точками, рис. 7);

§ определения показателя сложности выделенных структурно однородных участков исследуемой последовательности. Алгоритм расчета показателя сложности состоит из следующих операций: последовательное исключение некоторого количества данных из исходной реализации; полиномиальная аппроксимация оставшихся данных; восстановление значения исходного анализируемого сигнала на основе полученной аналитической зависимости. Величина максимально допустимого значения ошибки последующего восстановления исходного структурно однородного участка определяет момент прекращения исключения данных из выборки. Количество оставшихся исходных данных анализируемого участка учитывается при определении показателя сложности по формуле:

,

где - число данных, оставшихся в усеченном ряде; - число данных в исходной реализации.

§ полиномиальной аппроксимации и экстраполяции последовательности, отображающей динамику показателей сложности (рис. 8);

§ оценивания возможного будущего технического состояния диагностируемого элемента, которое предопределяется вариантными траекториями, соответствующими экстраполированному значению показателя сложности (рис. 9).

Рис. 8. Фактические - S(j), модельные - Sм(j) и экстраполированное значения- S(j+1) показателей сложности для анализируемого ряда данных (ТоС) (горизонт №3, сечение №4)

Вариантные траектории соответствуют различным участкам с одинаковым показателем сложности. Выбор конкретной будущей траектории определяется близостью текущих фактических и экстраполированных значений анализируемой величины.

В рассматриваемом случае экстраполирование осуществлялось на период в одни сутки (интервал экстраполирования определялся исходя из особенностей рассматриваемого технологического процесса).

а - участок №7 (горизонт №3 сечение №4); б - участок №8 (горизонт №3 сечение №4); , - варианты прогнозируемых рядов данных с одинаковыми показателями сложности.

Рис. 9. Фактические и вариантные экстраполированные траектории динамики температуры футеровки горна доменной печи

Эффективность предложенного подхода оценивалась путем сравнения по среднемодульному отклонению ошибки экстраполирования значений исходной последовательности с учетом показателя сложности, полиномиальной экстраполяции по всей реализации и по последнему структурно - однородному участку (табл. 1).

Табл. 1. Значения среднемодульного отклонения (СМО)

Горизонт, сечение	№ участка	СМО при экстраполировании с использованием
		полиномиальной экстраполяции по одному смежному структурно-однородному участку	полиномиальной экстраполяции по всей реализации	показателя сложности “S”
Гориз. 3 сеч. 2	7	1.21	10.25	0.30483
	8	1.42	21.2	1.63618
Гориз. 3 сеч. 4	7	2.28	9.2	0.38744
	8	5.46	28.8	0.50817

Проведенные исследования подтвердили эффективность рассматриваемого подхода, ошибка экстраполирования не превысила максимально допустимую погрешность измерения контролируемой величины равной ±4оС.

3. Совершенствование систем диагностики элементов конструкций металлургических агрегатов

Третья глава состоит их двух разделов, посвященных описанию конкретизированных алгоритмов оценивания технического состояния элементов конструкций металлургических агрегатов, а именно состояния огнеупорной кладки горна доменной печи и продувочной фурмы на установке продувки стали инертным газом.

Модернизация системы диагностики состояния футеровки горна доменной печи.

Важнейшие проблемы любого металлургического производства напрямую связаны с обеспечением безопасности работы технического персонала, повышением эксплуатационной надежности, увеличением продолжительности срока службы производственного агрегата. Своевременная и надежная оперативная информация, предоставляемая системами диагностики технологическому персоналу, о внутренних локальных изменениях в конструкции агрегатов способствует более раннему распознаванию возможной аварийной ситуации и предупреждению ее. Одной из задач, решаемых в рамках данной работы, является совершенствование алгоритма действующей системы диагностики состояния кладки горна доменной печи с использованием результатов, полученных в диссертационной работе.

В качестве прототипа выбрана система контроля разгара горна доменной печи №5 “Футеровка” ОАО “Новокузнецкий металлургический комбинат” (НКМК). В данной системе измерение температур в футеровке производят при помощи датчиков температуры, месторасположение которых определяется номерами поясов (n), радиусов (r), на которые условно разбита футеровка металлоприемника печи и номером (m) установки термодатчика по направлению r-го радиуса. На основании показаний группы датчиков решается обратная задача теплопроводности, однако, точное ее решение для условий горна доменной печи невозможно из-за неопределенности и существенных упрощений относительно ряда технологических характеристик. Далее на экран монитора выводится топология распределения тепловых полей по всему радиусу горна на текущий момент времени. Однако для правильного оценивания развивающейся ситуации технологическому персоналу необходимо наблюдать топологию разгара горна как в предшествующие, так и в будущие моменты времени.

Отличительной особенностью предлагаемого алгоритма является то, что информация с каждого функционирующего термодатчика подвергается проверке на устойчивость считывания и на достоверность, из достоверных данных формируются эффективные временные последовательности, которые затем подвергают структурному анализу с целью выявления локальных изменений с последующим запоминанием их координат. Далее проводится анализ приращений температуры за текущие сутки по mi датчику , величина которого не должна превышать порог в 2С, и за текущую неделю по mi датчику:

,

максимальное изменение которого не должно превышать 15С (пороговые величины в 2С и 15С приняты из расчета максимально допустимого изменения температуры футеровки горна доменной печи на 50оС за месяц), по результатам которого осуществляется представление информации технологическому персоналу о текущем изменении температурного поля футеровки горна доменной печи с выделением областей футеровки горна, в которых отмечены резкие структурные изменения сигналов термодатчиков. Затем в алгоритме осуществляется оценивание возможного будущего состояния огнеупорной кладки горна доменной печи. Визуализация обобщенного таким образом изменения температурного поля футеровки горна доменной печи (рис. 10) укажет на начинающийся разгар огнеупорной футеровки.



Рис. 10. Отображение изменения температурного поля футеровки горна доменной печи

Предлагаемый подход позволяет обнаружить локальные изменения рабочего пространства (разгар футеровки, “зарастание” горна) металлоприемника доменной печи на ранней стадии и предоставлять информацию об изменениях в температурном режиме горна в динамике. Например, по данным о температуре футеровки горна доменной печи №5
ОАО НКМК за август 2006 года, начинающийся интенсивный разгар огнеупорной кладки с использованием предлагаемого подхода обнаружен на 7-10 дней раньше, чем фактически зафиксированный разгар.

Система диагностики состояния продувочной фурмы на установке продувки стали газом. Другим объектом исследования является установка продувки стали газом, применительно к которой совершенствуется алгоритм системы диагностики состояния продувочной фурмы. Основными недостатками данной системы диагностики состояния продувочного устройства являются: функциональная ограниченность (возможность диагностировать наличие дефектов только в верхнем продувочном устройстве); значительный объем дополнительных расчетов; отсутствие современного интерфейса, понятного технологическому персоналу.

Структура модернизированной системы технической диагностики состояния продувочных устройств на АКОС представлена на рис. 11.

Рис. 11. Структура предлагаемой системы технической диагностики состояния продувочного устройства на агрегате комплексной обработки стали

Отличительной особенностью данной системы диагностики является совместный структурный анализ взаимосвязанных контролируемых технологических характеристик (давление и расход газа, положение продувочной фурмы), осуществляющийся в подсистеме “Диагностика по совокупности сигналов”. О появлении дефекта продувочной фурмы свидетельствует обнаружение изменений структуры одного или двух любых учитываемых сигналов.

Для апробации разработанного алгоритма использовались натурные данные ОАО “Новокузнецкий металлургический комбинат”. Результаты диагностирования продувочного устройства представлены на рис. 12. Так, например, в ситуации, когда наблюдается рост значений вейвлет-свертки анализируемых сигналов о расходе газа и положении фурмы, а значения вейвлет-свертки сигнала о давлении газа изменяются незначительно и не превышают установленный диапазон, можно говорить об образовании в продувочной фурме свища.

Рис. 12. Реализации фактических значений контролируемых величин процесса выплавки стали с возможным дефектом фурмы.

Предлагаемый метод позволяет выявлять дефекты в автоматическом режиме, а также фиксировать в протоколе продувки наличие дефекта фурмы, выдать “тревожную” информацию технологическому персоналу или даже аварийно остановить продувку.

Заключение

§ Совершенствование систем диагностики элементов конструкций диагностируемых объектов возможно посредством включения в их состав алгоритмического модуля, основной задачей которого является обнаружение локальных структурных изменений в измерительных сигналах, свидетельствующих о происходящих изменениях в техническом состоянии диагностируемого объекта.

§ Разработанная методика обнаружения дефектов технического состояния элементов конструкций металлургических агрегатов, отличающаяся оперативным выявлением локальных изменений контролируемых сигналов, характеризующих состояние диагностируемых элементов (на основе вейвлет-анализа), может быть использована в системах оперативной диагностики технического состояния элементов конструкций и других технологических агрегатов, например, электродуговой сталеплавильной печи.

§ Развиты теоретические основы математического аппарата вейвлет-анализа, применительно к задаче распознавания локальных директив конструкций высокотемпературных объектов черной и цветной металлургии.

§ Выявлены предпосылки, достоинства и недостатки классического математического аппарата вейвлет-анализа.

§ Предложен метод коррекции процедуры вейвлет-анализа устраняющий неопределенность концевых зон вейвлет-спектрограмм с использованием типовых функций, сокращающий объем вычислений при построении вейвлет - спектрограмм в 2-4 раза, а так же предложена рекуррентная форма вычисления вейвлет-свертки, уменьшающая временные затраты на 19-23% по сравнению с классической формой расчета вейвлет-свертки.

§ Предложена структура распараллеленного алгоритма вейвлет-анализа измерительных сигналов с использованием рекуррентного определения вейвлет-свертки, применение которой уменьшает временные затраты в 2 и более раз.

§ Разработан алгоритм оценивания возможного будущего технического состояния элементов конструкций объектов управления, отличающийся одновременным получением нескольких вариантных оценок технического состояния диагностируемого объекта.

§ Представленные алгоритмы обнаружения дефектов технического состояния элементов конструкций металлургических агрегатов непрерывного и циклического действия, которые, в отличие от используемых, в действующих системах диагностики осуществляют структурный анализ временных рядов данных с целью раннего выявления предаварийных ситуаций, конкретизированы для диагностирования состояния футеровки горна доменной печи и продувочной фурмы на установке продувки стали инертным газом.

Литература

1. Кошелев, А.Е. Подсистема диагностики состояния элементов конструкций металлургических агрегатов в составе АСУ ТП / А.Е. Кошелев, Л.И. Криволапова, О.А. Кравцова // Доклады Томского государственного университета систем управления и радиоэлектроники. - 2008. - 2(18), ч. 2 - С. 110-116.

2. Кошелев, А.Е. Структурный анализ измерительных сигналов в доменном и сталеплавильном производствах / А.Е. Кошелев, Л.И. Криволапова,
О.А. Кравцова // Известия вузов. Черная металлургия. - 2006. - №12. - С. 43-47.

Материалы международных и всероссийских научно-технических и научно-практических конференций.

3. Криволапова, Л.И. О применении вейвлет - анализа в автоматизированной системе контроля состояния футеровки горна доменной печи / Л.И. Криволапова, О.А. Кравцова // Системы автоматизации в образовании, науке и производстве: Материалы 4 - ой Всероссийской научно-практической конференции. - Новокузнецк: СибГИУ, 2003. - С 377-379.

4. Кошелев, А.Е. Анализ остаточной толщины футеровки горна доменной печи / А.Е. Кошелев, О.А. Кравцова // Технолого-экономическое образование в XXI веке: Материалы Всероссийской конференции - Новокузнецк: КузГПА, 2004. - С 115-119.

5. Кошелев, А.Е. Применение вейвлет-анализа для диагностики состояния продувочной фурмы при внепечной обработке стали / А.Е. Кошелев, О.А. Кравцова // Технолого-экономическое образование в XXI веке: Материалы Всероссийской конференции - Новокузнецк: КузГПА, 2004. - С 90-95.

6. Кошелев, А.Е. Прогнозирование нестационарных рядов данных с применением показателя их сложности / А.Е. Кошелев, Л.И. Криволапова, О.А. Кравцова // Технолого-экономическое образование в XXI веке: Материалы 2-й Международной научно-практической конференции в 4-х томах. Том 4. - Новокузнецк: Изд-во КузГПА, 2005. - С. 77-83.

7. Кошелев, А.Е. Применение вейвлет-анализа в задаче диагностики металлургических агрегатов / А.Е. Кошелев, О.А. Кравцова // Системы автоматизации в образовании, науке и производстве: Материалы 5-й Всероссийской научно-практической конференции - Новокузнецк: СибГИУ, 2005. - С 212-213.

8. Криволапова, Л.И. Применение показателя сложности измерительных сигналов в системах управления технологическими процессами / Л.И. Криволапова, О.А. Кравцова // Моделирование, программное обеспечение и наукоемкие технологии в металлургии: Материалы 2-й Всероссийской научно-практической конференции - Новокузнецк: СибГИУ, 2006. - С 370-374.

9. Кошелев, А.Е. Построение вейвлет - спектрограммы с использованием параллельных вычислений / А.Е. Кошелев, Л.И. Криволапова, О.А. Кравцова // Технолого-экономическое образование в XXI веке: Материалы 3-й Международной научно-практической конференции в 4-х томах. Том 2. - Новокузнецк: Изд-во КузГПА, 2006. - С. 74-78.

10. Криволапова, Л.И. Обучающая система по управлению тепловым состоянием доменной печи / Л.И. Криволапова, М.В. Ляховец, О.А. Кравцова, А.В. Овечкин // Технолого-экономическое образование в XXI веке: Материалы 3-й Международной научно-практической конференции в 4-х томах. Том 2. - Новокузнецк: Изд-во КузГПА, 2006. - С. 91-95.

11. Криволапова, Л.И. Модернизация автоматизированной системы диагностики состояния футеровки горна доменной печи / Л.И. Криволапова, О.А. Кравцова // Металлургия: новые технологии, управление инновации и качество: Материалы Всероссийской научно-практической конференции. - Новокузнецк: Изд-во СибГИУ, 2006. - С. 214-218.

12. Кошелев, А.Е. Обобщенное представление технической диагностики состояния элементов конструкций металлургических агрегатов / А.Е. Кошелев, Л.И. Криволапова, О.А. Кравцова // Электронные средства и системы управления: опыт инновационного развития. Материалы 4-й международной научно-практической конференции в 2-х частях. Часть 2. - Томск: Изд-во В-Спектр, 2007. - С. 50-53.

13. Кошелев, А.Е. Использование оценки сложности измерительных сигналов в системах диагностики состояния объектов управления / А.Е. Кошелев, Л.И. Криволапова, О.А. Кравцова // Электронные средства и системы управления: опыт инновационного развития. Материалы 4-й международной научно-практической конференции в 2-х частях. Часть 2. - Томск: Изд-во В-Спектр, 2007. - С. 53-56.

14. Кошелев, А.Е. Модернизация АСУ внепечной обработки стали /
А.Е. Кошелев, Л.И. Криволапова, О.А. Кравцова // Металлургия: новые технологии, управление инновации и качество. Материалы Всероссийской научно-практической конференции. - Новокузнецк: Изд-во СибГИУ, 2008. - С. 284-289.

15. Патент РФ №2299910 С2. МПК С 21 В 7/24. Способ контроля состояния футеровки горна доменной печи / А.Е. Кошелев, Л.И. Криволапова, О.А. Кравцова. - Опубл. 27.05.2007, Бюл. изобр. №15. - С. 554-555.

16. Патент РФ №2299914 С2. МПК С 21 С 7/072, С 21 С 5/30 Способ контроля состояния фурмы при продувке расплава в ковше / А.Е. Кошелев, Л.И. Криволапова, О.А. Кравцова. - Опубл. 27.05.2007, Бюл. изобр. №15. - С. 557.

Размещено на Allbest.ru