Синтез та дослідження системи керування процесом формування вуглецевих виробів

Автор(и)

  • Oleksii Zhuchenko Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» пр. Перемоги, 37, м. Київ, Україна, 03056, Україна https://orcid.org/0000-0001-5611-6529
  • Mykola Khibeba Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» пр. Перемоги, 37, м. Київ, Україна, 03056, Україна https://orcid.org/0000-0003-0703-4820

DOI:

https://doi.org/10.15587/1729-4061.2020.200573

Ключові слова:

виробництво вуглецевих виробів, процес формування, гідравлічний прес, система керування, критерій оптимальності, МРС-керування

Анотація

Одним з найбільш енергоємних виробництв є виробництво вуглецевих виробів, тому підвищення ефективності даного виробництва є актуальною науково-технічною задачею. Одним із шляхів розв’язання поставленої задачі є створення сучасної системи керування виробництвом.

У роботі розглядаються питання створення системи керування одним з визначальних технологічних процесів виробництва вуглецевих виробів – процесом їх формування. В основу роботи системи керування покладений критерій оптимальності на основі питомої собівартості продукції з урахуванням показників її якості. Як метод керування використовується МРС-керування (Model Predictive Control). Результати проведеного дослідження залежності критерія оптимальності від параметрів налаштувань МРС-регулятора дозволили визначити оптимальні значення горизонтів прогнозування та керування, які забезпечують мінімізацію питомої собівартості продукції. Розроблена структура запропонованої системи керування у середовищі Simulink, що дозволяє досліджувати дану систему керування шляхом комп’ютерного моделювання.

Дослідження ефективності запропонованої системи керування процесом формування вуглецевих виробів здійснювалось шляхом порівняння якості керування даної системи та системи, яка використовує класичний ПІД-закон керування. З цією метою  у середовищі Simulink синтезовано трьохконтурну систему керування на основі ПІД-регуляторів. Налаштування кожного з регуляторів проводилось за методом Пауела на мінімальне значення інтегрального критерію. Результати порівняльного дослідження продемонстрували, що на кожному циклі роботи значення критерію оптимальності у системі керування з МРС-регулятором на 8,8 % менше, ніж у системі з ПІД-регуляторами при однакових показниках якості продукції. Це говорить про покращення техніко-економічних показників процесу формування. Особливого значення ця обставина набуває з урахуванням циклічності технологічного процесу формування вуглецевих виробів

Біографії авторів

Oleksii Zhuchenko, Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» пр. Перемоги, 37, м. Київ, Україна, 03056

Доктор технічних наук, доцент

Кафедра автоматизації хімічних виробництв

Mykola Khibeba, Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» пр. Перемоги, 37, м. Київ, Україна, 03056

Аспірант

Кафедра автоматизації хімічних виробництв

Посилання

  1. Kuznetsov, D. M., Fokin, V. P. (2001). Protsess grafitatsii uglerodnyh materialov. Sovremennye metody issledovaniya. Novocherkassk: YURGTU, 132.
  2. Panov, E. N., Matvienko, A. A., Karvatskiy, A. Ya. et. al. (2011). Sovremennoe sostoyanie problemy polucheniya grafitirovannogo napolnitelya elektrodnyh izdeliy v elektrokal'tsinatorah. Visnyk NTUU “KPI”. Khimichna inzheneriia, ekolohiya ta resursozberezhennia, 1 (7), 49–55.
  3. Pirogov, V. I., Seleznev, A. N. (2006). Primenenie antratsita kak napolnitelya uglerodnoy produktsii. Rossiyskiy Himicheskiy Zhurnal, L (1), 12–16.
  4. Karvatskii, A. Y., Lazarev, T. V. (2014). Evaluation of the Discrete Element Method for Predicting the Behavior of Granular Media Using Petroleum Coke as an Example. Chemical and Petroleum Engineering, 50 (3-4), 186–192. doi: https://doi.org/10.1007/s10556-014-9877-y
  5. Karvatskiy, A. Ya., Leleka, S. V., Kutuzov, S. V., Dudnikov, P. I., Chizh, A. N. (2008). Chislennoe modelirovanie trehmernyh nestatsionarnyh temperaturnyh poley v pechah grafitatsii i alyuminievyh elektrolizerah. Visnyk NTUU “KPI”. Khimichna inzheneriia, ekolohiya ta resursozberezhennia, 1 (1), 46–51.
  6. Panov, Ye. M., Karvatskyi, A. Ya., Kutuzov, S. V. et. al. (2011). Modeliuvannia hrafituvannia naftovoho koksu v shakhtniy elektropechi neperervnoi diyi. Visnyk NTUU “KPI”. Khimichna inzheneriia, ekolohiya ta resursozberezhennia, 1 (7), 48–52.
  7. Karvatskiy, A. YA., Leleka, S. V., Pulinets, I. V., Lazarev, T. V. (2011). Development of burning regulations take into account the dynamics of gas emission of burning blanks. Eastern-European Journal of Enterprise Technologies, 6 (5 (54)), 42–45. Available at: http://journals.uran.ua/eejet/article/view/2281/2085
  8. Karvatskii, A., Lazariev, T., Korzhyk, M. (2016). Numerical investigation of large size carbon products formation process using the extrusion method. Bulletin of the National Technical University «KhPI» Series: New solutions in modern technologies, 25, 99–106. doi: https://doi.org/10.20998/2413-4295.2016.25.15
  9. Andrienko, P. D., Yarymbash, D. S. (2007). Povyshenie energoeffektivnosti pri avtomatizirovannom upravlenii induktorami pressa. Zbirnyk naukovykh prats Dniprodzerzhynskoho derzhavnoho tekhnichnoho universytetu (tekhnichni nauky), 212–213.
  10. Martynova, D. V., Popov, V. P., Vanshin, V. V. (2017). Application of mathematical modeling and control system of the extrusion process with the purpose of energy and resource saving and ensuring production of high-quality extruded food and foodstuffs. Intelekt. Innovatsii. Investitsii, 6, 78–81.
  11. Paoletti, S. (2012). Pat. No. US 9.434,099 B2. Extrusion machine with improved temperature control system. No. 14/360,278; declareted: 19.11.2012; published: 22.05.2014. Available at: https://patentimages.storage.googleapis.com/fc/c2/73/fdd749c5aae594/US9434099.pdf
  12. Markl, D., Wahl, P. R., Menezes, J. C., Koller, D. M., Kavsek, B., Francois, K. et. al. (2013). Supervisory Control System for Monitoring a Pharmaceutical Hot Melt Extrusion Process. AAPS PharmSciTech, 14 (3), 1034–1044. doi: https://doi.org/10.1208/s12249-013-9992-7
  13. Meintanis, I., Halikias, G., Giovenco, R., Yiotis, A., Chrysagis, K. (2017). Identification and Model Predictive Control Design of a Polymer Extrusion Process. 27th European Symposium on Computer Aided Process Engineering, 1609–1614. doi: https://doi.org/10.1016/b978-0-444-63965-3.50270-1
  14. Ravi, S., Balakrishnan, P. A. (2010). Modelling and control of an anfis temperature controller for plastic extrusion process. 2010 International conference on communication control and computing technologies. doi: https://doi.org/10.1109/icccct.2010.5670572
  15. Ravi, S., Sudha, M., Balakrishnan, P. A. (2011). Design of Intelligent Self-Tuning GA ANFIS Temperature Controller for Plastic Extrusion System. Modelling and Simulation in Engineering, 2011, 1–8. doi: https://doi.org/10.1155/2011/101437
  16. Zhuchenko, O., Khibeba, M. (2017). Formation Process in the Production of Carbon Products Control Task Setting. Konstruiuvannia, vyrobnytstvo ta ekspluatatsiya silskohospodarskykh mashyn, 47 (2), 81–88.
  17. Geyer, T. (2016). Model predictive control of high power converters and industrial drives. John Wiley & Sons. doi: https://doi.org/10.1002/9781119010883
  18. Nikolaou, M. (2001). Model predictive controllers: A critical synthesis of theory and industrial needs. Advances in Chemical Engineering, 131–204. doi: https://doi.org/10.1016/s0065-2377(01)26003-7
  19. García, M. R., Vilas, C., Santos, L. O., Alonso, A. A. (2012). A robust multi-model predictive controller for distributed parameter systems. Journal of Process Control, 22 (1), 60–71. doi: https://doi.org/10.1016/j.jprocont.2011.10.008
  20. Hedengren, J. D., Shishavan, R. A., Powell, K. M., Edgar, T. F. (2014). Nonlinear modeling, estimation and predictive control in APMonitor. Computers & Chemical Engineering, 70, 133–148. doi: https://doi.org/10.1016/j.compchemeng.2014.04.013
  21. Mayne, D. Q., Rawlings, J. B., Rao, C. V., Scokaert, P. O. M. (2000). Constrained model predictive control: Stability and optimality. Automatica, 36 (6), 789–814. doi: https://doi.org/10.1016/s0005-1098(99)00214-9
  22. Camacho, E. F., Ramirez, D. R., Limon, D., Muñoz de la Peña, D., Alamo, T. (2010). Model predictive control techniques for hybrid systems. Annual Reviews in Control, 34 (1), 21–31. doi: https://doi.org/10.1016/j.arcontrol.2010.02.002
  23. Müller, M. A., Allgöwer, F. (2012). Improving performance in model predictive control: Switching cost functionals under average dwell-time. Automatica, 48 (2), 402–409. doi: https://doi.org/10.1016/j.automatica.2011.11.005
  24. Press, W. H., Teukolsky, S. A., Vetterling, W. T., Flannery, B. P. (2007). Numerical Recipes: The Art of Scientific Computing. New York: Cambridge University Press, 1256.
  25. Zhuchenko, O., Khibeba, M. (2018). Model of carbon products forming in preparation and pressing modes. Vcheni zapysky TNU imeni V.I. Vernadskoho. Seriya: tekhnichni nauky, 29 (6), 149–156. Available at: http://www.tech.vernadskyjournals.in.ua/journals/2018/6_2018/part_1/28.pdf

##submission.downloads##

Опубліковано

2020-04-30

Як цитувати

Zhuchenko, O., & Khibeba, M. (2020). Синтез та дослідження системи керування процесом формування вуглецевих виробів. Eastern-European Journal of Enterprise Technologies, 2(2 (104), 45–51. https://doi.org/10.15587/1729-4061.2020.200573