О решении вопросов управления для металлургических процессов
С ростом сложности рассматриваемых объектов возрастает необходимость тесной увязки задач управления и исследования, что находится в соответствии с основными идеями принципа дуального управления. Металлургические процессы относятся к классу сложных многосвязных объектов, имеющих большое число входов и выходов с перекрестными внутренними связями. В объектах такого рода свободное и вынужденное движение системы по отдельным каналам управления существенно зависит от процессов, протекающих в других каналах. Например, изменение скорости обезуглероживания в мартеновской печи может в 2 – 3 раза изменять коэффициенты передачи по каналам, определяющим скорость нагрева. То же самое наблюдается в конвертере. Кроме того, здесь имеет место существенное перераспределение эффектов по нагреву, обезуглероживанию и шлакообразованию в зависимости от положения фурмы.
Попытки увязать при этом функционирование отдельных контуров через внешние связи между регулирующими алгоритмами (устройствами) не приводят к удовлетворительным результатам. Например, исследования регулирующих контуров по каналам обезуглероживания и нагрева, проведенные на модели мартеновской плавки, входящей в состав тренажера “Сталевар”, показали, что из-за большого запаздывания и сложных взаимосвязей переходные процессы в одном из этих контуров оказывают настолько большое дестабилизирующее воздействие на другой контур, что получить сколько-нибудь удовлетворительное качество регулирования с помощью типовых законов не удается даже при условии, что программные траектории обезуглероживания и нагрева, за которыми осуществлялось слежение, считались известными. В реальных же процессах задача определения оптимальных траекторий в большом, зависящих от начальных условий, внутренних свойств самого объекта и управлений, является весьма сложной.
С учетом отмеченного выше выбор управлений для рассмотренных объектов, очевидно, целесообразно осуществлять с учетом внутренних взаимосвязей в объекте, с ориентацией на получение конечного показателя оптимизации, учитывающего связи со всеми основными управляемыми параметрами. Это может привести, наряду с решением задачи управления в большом, также к существенному повышению качества переходных процессов в каждом из локальных контуров и, возможно, даже исключить необходимость реализации некоторых контуров следящего или стабилизирующего регулирования.
Синтез столь сложных алгоритмов управления невозможен без достаточно подробных моделей, более широких, чем модели, необходимые для функционирования этих алгоритмов. Одним из рациональных путей решения этой задачи является использование познавательных (исследовательских) моделей, обладающих прогнозирующими свойствами и отражающих внутренний механизм взаимосвязей в объекте. В связи с тем, что указанная проблема состоит из ряда подзадач, то и модели, используемые при этом, имеют свои особенности и различные уровни сложности, что вытекает из принципа множественности системных образов объектов, уже упоминавшегося ранее (см. раздел 1.4).
В зависимости от целевого назначения можно рассмотреть следующие четыре уровня моделей, используемых для исследования объектов указанного класса и управления ими.
Модели для исследования процессов
Цели моделей для исследования процессов
Главной целью таких моделей является получение как можно более полных знаний об объекте в целом или об отдельных его сторонах. Их основу составляет сжатое, наглядное и взаимосвязанное отражение накопленных представлений о физических, физико – химических и других закономерностях протекания процессов. В связи с этим модели такого рода иногда называют “накопленными”. Их особенностями является достаточно глубокое отражение отдельных сторон и явлений, однако замкнутое математическое описание для взаимосвязей процессов во многих случаях отсутствует. Имеются попытки создания моделей, отражающих взаимосвязи для основных процессов мартеновской и конвертерной плавки, в том числе с учетом распределенности параметров. Это достигается, как правило, путем некоторых упрощающих предположений. Дальнейшее расширение такого рода моделей осуществляется путем постановки и проверки гипотез, а также формально – содержательного анализа остатков, основные принципы которого рассмотрены в разделе 5.5. Новые знания могут быть получены за счет эффекта системности, возникающего при нарастании сложности. При этом в результате машинного эксперимента на модели могут быть получены интересные результаты и варианты протекания процессов, не наблюдавшиеся ранее на реальном объекте из-за наличия определенных технологических, организационных и других ограничений. Модели в таком случае приобретают большую эвристическую ценность, так как при облегчении интерпретации теоретических и экспериментальных результатов возможно выдвижение новых гипотез. Облегчается также проверка знаний об оригинале (реальном объекте) за счет возможности представления знаний во взаимосвязанном (системном) виде.
Например, применительно к сталеплавильным процессам показана возможность совершенствования моделей путем постановки гипотез, поэтапного подключения к ним соответствующих блоков и анализа получающейся при этом ошибки моделирования различными методами, в том числе разложением ее на ортогональные компоненты. Интересные возможности для синтеза структуры познавательных моделей появляются при использовании образно – наглядных (картинных) моделей.
Вопросы построения познавательных моделей являются сложными и малоразработанными. Полная формализация этого процесса вряд ли возможна из-за самой его природы, однако снижение в нем доли субъективизма и введение определенных формальных начал, безусловно, необходимо, например, путем использования дискриминирующего эксперимента для сопоставления отдельных моделей и гипотез, применения теории графов для проверки структур моделей и т. д.
Представление конвертерной плавки
Применительно к конвертерной плавке сделана попытка представления ее в виде сложной металлургической системы, для чего выделены ряд условно – элементарных операторов: идеального перемешивания, идеального вытеснения, застойной зоны, испарения, массопереноса, абсорбции, химической кинетики и т. д., а также принято пять уровней детализации структуры:
1 – функциональный уровень в виде вход – выходного механизма с учетом связей со средой; 2 – гидродинамика в макрообъеме и выделение зон преимущественного протекания процессов; 3 – гидродинамика в локальных объемах в виде комбинации условно – элементарных операторов; 4 – распределение элементов в локальных объемах (теплообмен, межфазный обмен и т. д.); 5 – химические превращения в локальном объеме.
Такой подход создает определенные предпосылки для формализации и, в некоторой степени, автоматизации математического моделирования, хотя при этом и возникает целый ряд затруднений.
Назначение познавательных моделей
Основным назначением познавательных моделей является, как уже указывалось, получение новых знаний, проникновение во внутренний механизм явлений и процессов. Второе важное направление связано с возможностью использования этих моделей для синтеза алгоритмов управления и выбора эффективных управляющих воздействий.
Модели для расчета и оптимизации технологии
Это своеобразная “стратегия” управления в большом. Такие модели применяются для расчетов технологических режимов и используются в виде инструкций по ведению процесса в проектируемых и действующих агрегатах или в виде задающих уставок автоматическим регуляторам. Для этой цели могут использоваться либо определенным образом модифицированные модели описанного выше уровня, либо создаваться специальные модели в ориентации на достижение целевых технологических критериев. Первая из них ориентирована, главным образом, на расчеты статических режимов, вторая – динамических. В случае удачного решения задачи, расчеты с помощью таких моделей дают значительный экономический эффект, так как касаются выбора рациональных сочетаний параметров в большом и применения разработанных таким образом инструкций и рекомендаций для массового производства. Например, рекомендации по совершенствованию теплового и окислительного режима мартеновской печи, полученные на основе комбинированной модели, разработанной с привлечением теоретических представлений о процессе и факторного эксперимента на реальном объекте, позволили сократить расход агломерата в завалку на 10—12% без уменьшения количества окисляющегося углерода путем поддержания более высокого уровня окислительного потенциала газовой фазы. При этом сократилась также продолжительность плавления и расход топлива. Интересно отметить, что значительный экономический эффект (в том числе повышение производительности) здесь достигнут не только без каких-либо дополнительных материальных затрат, а даже путем снижения расхода твердых окислителей и топлива.
Модели для прогнозирования оптимальных траекторий процесса во времени
Это «тактика управления в большом». В основу таких моделей могут быть положены представления, полученные с помощью моделей двух вышестоящих уровней. Однако, наиболее существенным здесь является отражение особенностей протекания, например, отдельных плавок в зависимости от конкретных начальных условий и состояния с учетом взаимосвязей управляемых и внутренних (промежуточных) параметров, что может оказывать значительное влияние на прогнозируемые программные режимы, например, в смысле их зависимости в каждый момент времени от саморазвития процесса как сложной формы свободного движения. В качестве верхнего ограничения по сложности при создании таких моделей выступает относительная простота реализации, поскольку они чаще всего получаются достаточно громоздкими. Их целесообразно использовать для “проигрывания” процессов в ускоренном масштабе времени, например, перед предстоящей плавкой, когда становятся известными начальные условия (состав чугуна, температура и т. д.), для выбора оптимального распределения управляющих воздействий во времени (по ходу плавки). Полученные при этом управления и предсказанные в зависимости от них траектории изменения управляемых параметров используются в качестве программных режимов, которые часто не удается достаточно точно выдержать из-за влияния ряда неконтролируемых случайных факторов. Решение этой задачи возлагается на системы стабилизирующего или следящего регулирования.
Модели для стабилизирующего или следящего регулирования
Автоматическое регулирование является наиболее разработанной частью теории автоматического управления. Не касаясь подробно затронутого вопроса, следует лишь заметить, что модели этого уровня должны отличаться наибольшей простотой и оперативностью отражения динамики в малом. Сюда также следует отнести модели типовых звеньев систем автоматического регулирования. При построении таких моделей широко используется функциональный подход. Они чаще всего описываются зависимостями линейного вида и справедливы для управления по отдельным каналам в относительно узком диапазоне изменения переменных. Для управления же в большом они, как правило, неприемлемы, так как в этом случае преобладающее значение приобретают сложные нелинейные связи между отдельными каналами.