Розробка системи керування установкою піролізу відходів агропромислового комплексу зі застосуванням нечіткої логіки

Автор(и)

  • Андрій Олександрович Максименко Державний університет «Одеська політехніка», Україна https://orcid.org/0000-0003-3117-1657

DOI:

https://doi.org/10.15587/2706-5448.2021.237762

Ключові слова:

піролізний реактор, система керування, нечіткий регулятор, робастність системи, якість керування

Анотація

Об’єктом дослідження є система управління реактором піролізу відходів агропромислового комплексу (рослинної біомаси). Предметом дослідження є стабільність і величина теплотворної здатності синтез газу, утвореного шляхом піролізу рослинної біомаси. Найбільшою проблемою технологічного об’єкту – піролізного реактору відходів агропромислового комплексу – є висока чутливість теплотворної здатності синтез-газу до збурень складу рослинної біомаси. Ця чутливість виражається квадратичною залежністю від кількості окисника, необхідного для досягнення найвищої теплотворної здатності. Іншою проблемою є відхилення певних сталих часу об’єкта управління, викликана змінами хімічного складу рослинної біомаси.

Побудована система керування забезпечує високу теплотворну здатність утвореного синтез-газу, шляхом визначення складу відходів, що піролізуються за допомогою визначення складу утвореного синтез-газу в окремому ізоентальпійному пристрої, і стабілізує її. Інформація про склад сировини дозволяє обчислити оптимальні параметри для процесу піролізу, і відповідно, оновити завдання регулятора. Також ця інформація дозволяє компенсувати зміни сталих часу об’єкта управління, викликані змінами хімічного складу сировини, що дозволило досягнути високої робастності системи. Компенсація цих змін проводилася шляхом навчання регресійного поліному. Навчання проводилось на тестових наборах відхилень сталих часу. Отримані поліноми використовувалися для згортки з функціями приналежності нечіткого регулятора. Така згортка дозволила отримати такі функції приналежності, що забезпечують дотримання параметрів якості керування, близьких до тих, що отримані без відхилень сталих часу.

Моделювання побудованої системи керування показало значно знижену чутливість теплотворної здатності від складу сировини, а також виявило низьку чутливість якості керування від відхилень значень сталих часу об’єкта управління, викликаних збуреннями хімічного складу відходів.

Метод, яким було побудовано систему керування для піролізного реактора, відрізняється від існуючих тим, що використання інформації про склад речовини, що піролізується, використовується для точного обчислення оптимальних значень параметрів піролізу, а також для мутації функцій приналежності нечіткого регулятора. Метод можливо використовувати в інших подібних системах, призначених для піролізу органічних речовин з метою розширення їх сфери застосування. А саме, для інтеграції таких систем в технологічні об’єкти, більш чутливі до відхилень теплотворної здатності газу, що використовується як паливо.

Біографія автора

Андрій Олександрович Максименко, Державний університет «Одеська політехніка»

Аспірант

Кафедра автоматизації та комп’ютерно-інтегрованих технології

Посилання

  1. Davydov, V. O., Bondarenko, A. V. (2013). The method of calculating the combustion temperature of any mix-ture of hydrocarbon fuel for any excess air. Pratsi Odeskoho politekhnichnoho universytetu, 3 (42), 98–101.
  2. Bu, Q., Cai, J., Liu, Y., Cao, M., Dong, L., Ruan, R., Mao, H. (2021). The effect of fuzzy PID temperature control on thermal behavior analysis and kinetics study of biomass microwave pyrolysis. Journal of Analytical and Applied Pyrolysis, 158, 105176. doi: http://doi.org/10.1016/j.jaap.2021.105176
  3. Böhler, L., Krail, J., Görtler, G., Kozek, M. (2020). Fuzzy model predictive control for small-scale biomass combustion furnaces. Applied Energy, 276, 115339. doi: http://doi.org/10.1016/j.apenergy.2020.115339
  4. Aghbashlo, M., Tabatabaei, M., Nadian, M. H., Davoodnia, V., Soltanian, S. (2019). Prognostication of lignocellulosic biomass pyrolysis behavior using ANFIS model tuned by PSO algorithm. Fuel, 253, 189–198. doi: http://doi.org/10.1016/j.fuel.2019.04.169
  5. Bong, J. T., Loy, A. C. M., Chin, B. L. F., Lam, M. K., Tang, D. K. H., Lim, H. Y. et. al. (2020). Artificial neural network approach for co-pyrolysis of Chlorella vulgaris and peanut shell binary mixtures using microalgae ash catalyst. Energy, 207, 118289. doi: http://doi.org/10.1016/j.energy.2020.118289
  6. Eckert, E., Bělohlav, Z., Vaněk, T., Zámostný, P., Herink, T. (2007). ANN modelling of pyrolysis utilising the characterisation of atmospheric gas oil based on incomplete data. Chemical Engineering Science, 62 (18-20), 5021–5025. doi: http://doi.org/10.1016/j.ces.2007.01.062
  7. Kasmuri, N. H., Kamarudin, S. K., Abdullah, S. R. S., Hasan, H. A., Som, A. M. (2019). Integrated advanced nonlinear neural network-simulink control system for production of bio-methanol from sugar cane bagasse via pyrolysis. Energy, 168, 261–272. doi: http://doi.org/10.1016/j.energy.2018.11.056
  8. Zhang, B., Xu, D., Hu, X., Liu, Y. (2020). Automatic control system of biomass pyrolysis gas carbon compound furnace based on PLC. 2020 3rd World Conference on Mechanical Engineering and Intelligent Manufacturing (WCMEIM), 435–442. doi: http://doi.org/10.1109/wcmeim52463.2020.00098
  9. Brunetkin, O., Maksymov, M. V., Maksymenko, A., Maksymov, M. M. (2019). Development of the unified model for identification of composition of products from incineration, gasification, and slow pyrolysis. Eastern-European Journal of Enterprise Technologies, 4 (6 (100)), 25–31. doi: http://doi.org/10.15587/1729-4061.2019.176422
  10. Brunetkin, O., Dobrynin, Y., Maksymenko, A., Maksymova, O., Alyokhina, S. (2020). Model and method of conditional formula determination of oxygen-containing hydrocarbon fuel in combustion. Energetika, 66 (1). doi: http://doi.org/10.6001/energetika.v66i1.4298

##submission.downloads##

Опубліковано

2021-06-30

Як цитувати

Максименко, А. О. (2021). Розробка системи керування установкою піролізу відходів агропромислового комплексу зі застосуванням нечіткої логіки. Technology Audit and Production Reserves, 4(2(60), 16–21. https://doi.org/10.15587/2706-5448.2021.237762

Номер

Розділ

Системи та процеси керування: Оригінальне дослідження