автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.06, диссертация на тему:Адаптивная система автоматического управления процессом получения карбонильного никелевого порошка в вертикальном пустотелом реакторе с внешним электроподогревом

На правах рукописи

Волгин Павел Викторович

АДАПТИВНАЯ СИСТЕМА АВТОМАТИЧЕСКОГО

УПРАВЛЕНИЯ ПРОЦЕССОМ ПОЛУЧЕНИЯ КАРБОНИЛЬНОГО НИКЕЛЕВОГО ПОРОШКА В ВЕРТИКАЛЬНОМ ПУСТОТЕЛОМ РЕАКТОРЕ С ВНЕШНИМ ЭЛЕКТРОПОДОГРЕВОМ

Специальность 05.13.06 - Автоматизация и управление технологическими процессами и производствами (в металлургии).

Автореферат диссертации на соискание ученой степени кандидата технических наук

■ИЩИ

Москва, 2008 г.

Работа выполнена на кафедре Компьютерные информационные и управляющие системы автоматики Государственного технологического университета -«Московский институт стали и сплавов».

заслуженный деятель науки России, заслуженный изобретатель РСФСР, доктор технических наук, профессор Салихов Зуфар Гарифуллович

кандидат технических наук, доцент Шапировский Михаил Романович

доктор технических наук, профессор Карабутов Николай Николаевич

кандидат технических наук, доцент Гульдин Владимир Иванович

Ведущая организация: ОАО «Кольская ГМК»

Защита состоится 19 ноября 2008г. в 14-00 на заседании диссертационного совета Д.212.132.07 при 1 осударственном технологическом университете -«Московский институт стали и сплавов» по адресу: г. Москва, Крымский вал, д.З, аудитория К-325.

С диссертацией можно ознакомиться в библиотеке Государственного технологического университета - «Московский институт стали и сплавов».

Научный руководитель:

Консультант по объекгу:

Официальные оппоненты:

Автореферат разослан 18 октября 2008г.

Ученый секретарь диссертационного совета, кандидат технических наук, профессор

^......

ашников Ь.А.

Общая характеристика работы

Актуальность работы. В связи с развитием новых отраслей техники возросла потребность в чистом никеле и в порошковых материалах. Это связано с тем, что никелевый карбонильный порошок обладает высокой чистотой (содержание никеля не менее 99,99 %), и развитой поверхностью большой площади.

Карбонильный способ получения никеля, возникший около ста лет назад, в последние годы приобретает в металлургии всё большее распростране1ше. Сущность карбонильного способа получения никеля состоит в извлечении никеля из разнообразных никельсодержащих материалов в виде летучего соединения — тетракарбонила никеля (ТКН) и последующем разложении ТКН с выделением металлического никеля и возвратного оксида углерода в технологический цикл.

Одним из наиболее перспективных направлений развития карбонильной металлургии является создание и освоение технологии производства карбонильных порошков со специальными физическими свойствами для аккумуляторной промышленности, объёмы производства которой увеличиваются оценочно на 10 % в год. Кроме этого, никелевый порошок используют при выплавке стали и цветных сплавов, для производства высокочистых реактивов никеля. Процесс получения карбонильного никеля в вертикальном пустотелом реакторе с внешним электроподогревом (ВПРВЭ) один из лучших, но сложных способов получения никелевых материалов для порошковой металлургии.

Во всем мире имеются только два таких производства: в фирме «ШКО» (Канада) и на ОАО «Комбинат Североникель» Кольской ГорноМеталлургической Компании (г. Мончегорск Мурманской области, Россия). Известно, что в Канаде существует система автоматического управления

данным процессом, но техническая информация об этой системе строго охраняется. При разработке агрегата, в котором происходит процесс разложения ТКН, в России за основу был взят канадский агрегат. Однако, в России ситуация с автоматизацией процесса обстоит гораздо хуже: относительно недавно (около 10-ти лет назад) произошел переход от аналоговых приборов к БСАБА-системе.

Роль 8СА1)А-системы на данном этапе состоит в удобном отображении хода процесса и позволяет оператору управлять процессом «не вставая с места». Кроме этого, в БСАБА-систему были включены контуры локальной стабилизации некоторых параметров.

Однако, как показала практика, существующая система управления процессом не обеспечивает оператору получение стабильно качественного никелевого порошка, не имея непрерывной информации о показателях качества получаемого порошка.

Параметры, определяющие ход процесса, постоянно изменяются, возмущающие факторы также дестабилизируют процесс. Кроме того, некоторые параметры процесса не влияют напрямую на качество получаемого порошка, а через косвенные воздействия влияют на ход процесса, что в конечном итоге сказывается качестве получаемого продукта. Зачастую, такое влияние сильно растянуто по времени, и, когда обнаружено изменение качества порошка, приходится резко компенсировать данные воздействия, что опять приводит к дестабилизации процесса.

Таким образом, оператору, отвечающему за управление процессом и за качество получаемого продукта, приходится постоянно отслеживать до 3035 параметров процесса и, исходя из своего опыта, прогнозировать качество получаемого в данный момент порошка. Изменить ход процесса оператор может только в узких рамках технологического регламента. Но человеку достаточно сложно отследить малые изменения множества параметров и на

основе этих изменений, своевременно скорректировать ход процесса. В большинстве случаев, оператор узнает об изменении качества получаемого порошка только при резких изменениях одного-двух параметров или при получении результатов химического анализа, которые поступают с интервалом до 4 часов. Поэтому, повторяющаяся коррекция хода процесса может растянуться на длительное время.

Подводя итог вышеизложенного состояния техники можно отметить, что существующее управление рассматриваемым процессом получения никелевого порошка не позволяет поддерживать в заданных пределах показатели качества никелевого порошка: насыпной вес и размер частиц. Технологические параметры: температура по зонам разложителя, расход оксида углерода на поддув в разложитель задаются оператором согласно технологическому регламенту, который предусматривает широкий диапазон возможных значений параметров для каждого гипа получаемых порошков никеля. Оператор вынужден сам выбирать значение технологического параметра в зависимости от заданных значений насыпного веса и размера частиц, что при случайном характере процесса практически полностью исключает получение стабильно высококачественного никелевого порошка.

Таким образом, задача повышения качества карбонильного никелевого порошка за счет создания адаптивной системы автоматического управления на основе математической модели оптимального управления в настоящее время остается актуальной.

Целью работы является создание системы автоматического управления процессом получения карбонильного никелевого порошка в ВПРВЭ, обеспечивающей поддержание требуемых значений товарных показателей качества никелевого порошка.

В процессе создания системы были решены следующие научно-технические вопросы:

проведен анализ существующих способов автоматического управления процессом получения карбонильного никелевого порошка и оценки показателей качества никелевого порошка;

исследованы взаимосвязи показателей качества никелевого порошка с технологическими параметрами процесса в ВПРВЭ;

синтезированы математические модели процесса для непрерывного прогноза значений показателей качества и управления процессом;

разработан алгоритм функционирования системы автоматического управления и реализован на современной элементной базе;

- проведены опытно промышленные испытания созданной САУ и оценена эффективность ее функционирования;

Автор выносит на защиту:

- математические модели процесса получения карбонильного никелевого порошка, связывающие показатели качества получаемого порошка с основными параметрами процесса, а именно: температурой корпуса разложителя по зонам, давлением газообразного тетракарбонила никеля, давлением кислорода на входе в разложитель и расходом первичного СО на входе в разложитель для непрерывного прогнозирования показателей качества и расчета оптимальных управляющих воздействий, обеспечивающих минимальное отклонение показателей качества от регламентных;

- уравнения, связывающие температуру материала внутри корпуса разложителя с температурой материала и корпуса в предыдущей зоне, с теплом, вносимым оборотным СО, температурой воздуха в непосредственной

близости от разложителя, предназначенные для коррекции управляющих воздействий, а также учета влияния соседних зон нагрева;

- программно - алгоритмический комплекс, состоящий из подсистемы сбора и обработки информации, подсистемы моделирования и подсистемы оптимизации, на базе которого создана адаптивная система автоматического управления процессом получения карбонильного никелевого порошка в вертикальном пустотелом реакторе с внешним электроподогревом.

Научная новизна состоит в следующем:

- впервые для получения непрерывных прогнозных значений показателей качества получаемого порошка и расчета оптимальных управляющих воздействий получены регрессионные модели, связывающие показатели качества порошка с основными параметрами процесса, а именно: температурой корпуса разложителя по зонам, давлешшм газообразного тетракарбонила никеля, давлением кислорода на входе в разложитель и расходом первичного СО на входе в разложитель;

- впервые для коррекции управляющих воздействий на параметры процесса получены уравнения, связывающие температуру материала внутри корпуса разложителя с температурой материала и корпуса в предыдущей зоне, с теплом, вносимым оборотным СО, температурой воздуха в непосредственной близости от разложителя;

- разработан программно - алгоритмический комплекс, состоящий из подсистемы сбора и обработки информации, подсистемы моделирования и подсистемы оптимизации, на базе которого создана адаптивная система автоматического управления процессом получения карбонильного никелевого порошка в вертикальном пустотелом реакторе с внешним электроподогревом, которая испытана и внедрена в промышленности.

Подана заявка № 2007119097/20 (020802) с приоритетом от 23.05.07 на получение патента на «Способ автоматического управления процессом разложения тетракарбонила никеля в пустотелом аппарате с электрическим нагревом стенок». Имеется первичное положительное решение ФИПС России.

Практическая значимость полученных результатов. Созданная адаптивная система автоматического управления процессом получения карбонильного никелевого порошка позволяет:

- стабилизировать и повысить качество получаемого карбонильного никелевого порошка;

- автоматизировать и ускорить процедуру перехода на получение порошка другой марки;

- по косвенным параметрам оценивать толщину гарнисажа, образующегося на стенках разложителя;

- приметать результаты, полученные в работе, для обучения специалистов на кафедре КИУСА МИСиС.

Внедрение результатов. Разработанная адаптивная система автоматического управления была внедрена на ОАО «Комбинат Североникель» Кольской Горно-Металлургической Компании, что подтверждено актом «О внедрении результатов разработки адаптивной системы автоматического управления процессом разложения тетракарбониля никеля (ТКН), полученных при выполнении диссертационной аспиранта Волгина П.В.» от 10.09.2008г.

Апробация работы.

Результаты диссертационной работы докладывались и обсуждались на следующих конференциях:

-IX Международная научно-техническая конференция

«Моделирование, идентификация, синтез систем управления» (2006, п. Канака, Крым, Украина).

-X Международная научно-техническая конференция

«Моделирование, идентификация, синтез систем управления» (2007, п. Канака, Крым, Украина).

Публикации. Основные результаты работы опубликованы в 5 печатных работах.

Структура и объем работы. Диссертация состоит из введения, четырех глав, выводов, 70 рисунков, 10 таблиц, списка использованных источников информации из 122 наименований и приложений на 105 страницах. Общий объем работы - 138 страниц

Содержание работы.

Во введении обозначена актуальность диссертащюшюго исследования, сформулированы: задача, цель и вопросы исследования, а также результаты, выносимые на защиту. Выделены аспекты исследования, составляющие научную новизну, промышленными испытаниями и внедрением определена практическая значимость полученных результатов, приведены публикации и апробации результатов диссертационной работы.

В первой главе произведен анализ процесса, показателей качества никелевого порошка и существующих систем автоматического управления процессом получения карбонильного никелевого порошка.

Процесс разложения ТКН происходит в разложителе, Он представляет собой вертикальный пустотелый цилиндрический аппарат с внешним электроподогревом. Процесс протекает в цилиндре (реторте) диаметром 2 м и высотой 10 м, который закрыт сверху плоской крышкой. На реторту сверху надевается 6 секций электронагревателей. Между ретортой и внешними стенками в футеровке разложителя проложен нихромовый нагреватель. Секционные нагреватели обеспечивают подвод требуемого количества тепла, и образуют по высоте разложителя шесть автономнорегулирующих зон нагрева. В каждой зоне осуществляется контроль температуры в объеме и на стенке. Для обеспечения взрывобезопасности электронагреватели работают под избыточным давлением азота по отношению к давлению внутри корпуса и давлению в помещении.

Технология требует раздельную подачу в разложитель паров ТКН, кислорода и нагретого до требуемой температуры оксида углерода, что позволяет предотвратить неконтролируемую реакцию разложения паров карбонила никеля вне разложителя. На крышке корпуса для подачи газов установлен узел смешивания.

По технологии газы должны подаваться с одинаковой температурой, поэтому необходимо нагревать газы перед подачей в разложитель

Нижняя часть корпуса разложителя заканчивается разгрузочным узлом, включающим в себя шнековую камеру с двухвальным шнеком и два разгрузочных бункера. Для контролирования качества порошка снимают пробу пробоотборником.

Никелевый порошок оседает в шнековую камеру и выводится в один из двух разгрузочных бункеров, где продувается азотом с целью дегазации.

Разложение ТКН происходит по обратимой реакции:

№(СО)4 <-*№+4СО (1)

Разложегаге в свободном нагретом пространстве на начальных стадиях протекает в газовой фазе и дает порошкообразный металл. Исходное вещество- ТКН - находится в газообразном состоянии, а продукт реакции представляет твердый металл. На ускорение разложения ТКН влияет сероводород, сероуглерод, хлор, кислород. Действие этих добавок состоит в образовании центров кристаллизации никеля вследствие химической реакции между катализатором и ТКН.

Термическое разложение ТКН замедляется при повышении парциального давления оксида углерода и ускоряется при понижении эгого давлешш, так как реакция связана с четырёхкратным увеличением объема газовой фазы.

Вследствие того, что реакция является эндотермической, с повышением температуры ускоряется разложение. Также ускоряющее воздействие имеет понижение давления в системе.

Показателями качества карбонильного никелевого порошка являются: насыпной вес никелевого порошка и средний диаметр частиц этого порошка, рассчитанный по методу Фишера. Насыпной вес определяют один раз в час путем отбора порошка на выходе из разложителя, усреднения пробы и взвешивания контрольного объема на электронных весах. Средний диаметр частиц определяют два раза в смену (один раз в четыре часа), отбирая готовый порошок, далее его передают в лабораторию, где его продувают на специальном стенде и определяют средний размер частиц.

Анализ существующей системы управления процессом показал, что она не обеспечивает поддержание колебаний показателей качества никелевого порошка в заданных пределах. Технологические параметры: температура по зонам разложителя, расход оксида углерода на поддув в разложитель задаются оператором согласно технологическому регламенту, который предусматривает широкий диапазон возможных значений параметров для каждого типа получаемых порошков никеля. Оператор вынужден сам выбирать значение технологического параметра в зависимости от насыпного веса и размера частиц, которые должны находиться в узких пределах.

Анализ существующих способов управления процессом выявил следующие направления для усовершенствования:

адаптацию системы к постоянно меняющимся параметрам

процесса;

- наличие точного прогноза текущих показателей качества карбонильного никелевого порошка;

- учет влияния на качество конечного продукта таких возмущающих факторов, как тепло вносимое оборотным СО и температура воздуха в цехе в непосредственной близости от разложителя, поскольку нижняя разгрузочная часть разложителя не футерована;

Кроме этого, создаваемая система должна учитывать влияние соседних зон нагрева для «развязывания» контуров управления.

Вторая глава посвящена синтезу математических моделей процесса. В ходе экспериментальных исследований показателей качества никелевого порошка были установлены следующие факты:

- при многократном повторном измерении насыпного веса и среднего размера частиц при стабильных параметрах процесса разброс между

максимальным и минимальным значением составлял около 15%, что показывает несовершенство пробоотбора и анализа;

- при одних и тех же параметрах процесса был получен порошок с различными показателями качества.

Данные факты позволяют утверждать, что показатели качества никелевого порошка представляют собой последовательность случайных величин. Вследствие этого, показатели качества могут быть описаны статистическими законами. Поэтому, для анализа объекта было принято решение использовать статистические методы исследования.

Анализ структурной схемы процесса, как объекта управления показал, что

управляющими воздействиями являются:

подводимая энергия к электрическим нагревателям, установленным в стенке разложителя по зонам, а

выходными переменными являются:

- насыпной вес никелевого порошка;

- средний диаметр частиц никелевого порошка.

Режимными выходными величинами являются:

- температура стенок разложителя по зонам нагрева;

- температура внутри разложителя по зонам нагрева.

Возмущающими параметрами процесса являются:

- давление паров ТКН на входе в разложитель;

- давление кислорода на входе в разложитель;

- расход первичного СО на входе в разложитель;

- температура оборотного СО на входе в разложитель;

- Расход оборотного СО на входе в разложитель;

- температура воздуха в цехе в непосредственной близости от нижней нефутерованной части разложителя.

Как отмечалось выше, несовершенство пробоотбора и способа анализа показателей качества никелевого порошка и неточное определения времени отбора проб, приводят к тому, что полученные значения являются нечеткими («размытыми»), как по времени так и по значению. Для уменьшения влияния данного факта было решено произвести интерполяцию значений показателей качества, что позволило иметь изменяющиеся значения показателей качества с такой же дискретностью как и у других параметров процесса.

В результате корреляционного анализа были установлены наиболее связанные с показателями качества никелевого порошка параметры процесса. Было установлено также время сдвига параметров относительно показателей качества, обеспечивающее максимальный коэффициент корреляции. В результате чего предложена регрессионная модель вида:

Ves = a+aT+aT+aT-vaT+aT+aT+aP +а Q + а Р 10 11 к\ 12 к2 13 ¿3 14 к4 15 к5 16 к6 17 ткм 18 СО 19 02

Fisher = а +а Т +а Т +а Т +а Т +а Т +а Т +а Р +а О +а Р (2) 20 21 kl 22 £2 23 k3 24 И 15 25 26 кб 27 ткн 28 СО 29 02

где: Ves - оценка насыпного веса никелевого порошка;

Fisher - оценка среднего диаметра частиц никелевого порошка; Тк1- Тк6 - температура корпуса в зонах 1-6; Рти, - давление Ni(CO)4 в разложителе; Qco - расход СО в разложителе; Рог - давление кислорода в разложителе; а10.. .а29 - коэффициенты модели. Результаты модели для насыпного веса, рассчитанной по данным нормальной эксплуатации за 50 часов:

стандартная ошибка оценки, определяющая рассеяние значений относительно регрессионной прямой, составляет 0,047;

полученная регрессионная модель объясняет 54,04 % разброса значений насыпного веса никелевого порошка;

среднеквадратичное отклонение для модели первого порядка составляег

максимальное отклонение 0,047;

процент значений, попадающих в интервал насыпной вес ± 0,02 (установленные комбинатом нормы на точность прогнозирования) 91,67%.

Результаты модели для среднего диаметра частиц:

коэффициент множественной корреляции для полученной регрессионной

модели составляет 0,826;

стандартная ошибка оценки составляет 0,559;

полученная регрессионная модель объясняет 68,23 % разброса значений среднего диаметра частиц никелевого порошка;

среднеквадратичное отклонение для модели первого порядка составляет 0,12; максимальное отклонение 0,51;

процент значений, попадающих в интервал средний диаметр±0,15 (установленные комбинатом нормы на точность прогнозирования) 78,83%.

Для задачи обеспечения точных прогнозных значений показателей качества предложена модель второго порядка вида:

0,012;

9

9 9

9 9 9

РкЫг = а20 +

;=1 т=1

где:

Ves - оценка насыпного веса никелевого порошка;

Fisher - оценка среднего диаметра частиц никелевого порошка;

х1...х6 = ТК1...Тк6-температуракорпусавзонах 1-6; х7 = Рткн - давление Ni(CO)4 в разложителе; х8 = Qc0 - расход СО в разложителе; х9 = Р02 - давление кислорода в разложителе, Результаты модели второго порядка для насыпного веса: коэффициент множественной корреляции регрессионной модели составляет 0,9053;

стандартная ошибка оценки составляет 0,031;

полученная регрессионная модель объясняет 81,96 % разброса значений насыпного веса никелевого порошка;

среднеквадратичное отклонение для модели второго порядка составляет 0,0077;

максимальное отклонение 0,044;

процент значений, попадающих в интервал насыпной вес ± 0,02 (установленные комбинатом нормы на точность прогнозирования) 99%

Результаты модели второго порядка для среднего диаметра частиц: коэффициент множественной корреляции регрессионной модели составляет 0,9585;

стандартная ошибка оценки составляет 0,02122;

полученная регрессионная модель объясняет 91,88 % разброса значений среднего диаметра частиц никелевого порошка;

среднеквадратичное отклонение для модели второго порядка составляет 0,062 максимальное отклонение 0,39;

процент значений, попадающих в интервал средний диаметр Ю, 15 (установленные комбинатом нормы на точность прогнозирования) 96,83%

В результате исследования полученных моделей было установлено, что модели наиболее адекватно прогнозируют значения показателей качества карбонильного никелевого порошка в течение 4-5 часов после их идентификации.

Таким образом, для непрерывного получения адекватного прогноза показателей качества необходимо перерасчитывать коэффициенты предложенных моделей каждые 3 часа.

Из-за образующегося гарнисажа невозможно напрямую использовать температуру внутри корпуса разложителя. Но для системы автоматического управлешм крайне важно знать, как тепло от внешних нагревателей переходит в объем и какое влияние оказывают воздействия соседних зон нагрева, ведь именно в объеме разложителя и происходит процесс. Кроме того, помимо подводимого тепла от внешнего нагревателя в данной зоне, на температуру внутри корпуса разложителя в данной зоне влияют также тепло, подводимое внешним нагревателем в предыдущей (верхней) зоне, температура внутри корпуса в предыдущей (верхней) зоне, тепло вносимое с оборотным СО и температура воздуха в цехе, поскольку нижняя зона разложителя не футерована.

Для определения наиболее связанных с температурой внутри корпуса разложителя параметров процесса был проведен корреляционный анализ. В результате которого, предложены уравнения связывающие температуру внутри корпуса разложителя с предыдущим значением температуры внутри корпуса в данной зоне, температурой внутри корпуса в предыдущей зоне, с теплом, вносимым оборотным СО и температурой воздуха в цехе, с помощью которых корректируются управляющие воздействия для компенсации влияния возмущающих факторов, вида:

Т {]) = а +а Т 0-1) + « Г 0'-1) + а Т (у-1 ) + а Т (;-1)хб 0-1) и/ (/)0 (01 Ь (02 Ь -1 (03 лн-1 (7)4 СО СО

+ « т- 0-1)

(1)5 ОС

(4)

где:

¡ = 1,2,3...6;

Тт - оценка температуры внутри корпуса разложителя в ¡-той зоне;

ТьО-1) - температура корпуса разложителя в { -той зоне в предыдущий момент времени;

ТкыО'-!) - температура корпуса разложителя в (М)-ой зоне в предыдущий момент времени;

Т,ш.,0-1) - температура внутри корпуса разложителя в (Н)-ой зоне в предыдущий момент време1ш;

Тсо(Н) _ температура оборотного СО в предыдущий момент времени;

(Зсо(Ь 1) ~~ расход оборотного СО в предыдущий момент времени;

Тос(]-1) - температура в цехе, в непосредственной близости от нижней (не футерованной) зоны разложителя в предыдущий момент времени; а10 ...аС5 -• коэффициенты модели,

В третьей главе произведен синтез алгоритмов управления адаптивной системы автоматического управления.

В работе предложена следующая структура системы автоматического управления процессом разложения тетракарбонила никеля, состоящая из трех подсистем.

Подсистема сбора и обработки информации. Данная подсистема производит сбор и накопление данных в условиях нормальной эксплуатации

(текущая работа без экспериментальных возмущений). Система получает следующие данные с периодом обновления в 1 минуту:

- температура стенки разложителя по зонам;

- температура внутри корпуса разложителя по зонам;

- расход первичного СО на входе в разложитель;

- давление кислорода на входе в разложитель;

- давлешге тетракарбонила никеля на входе в раложитель;

- расход оборотного СО на входе в разложитель;

- температура оборотного СО на входе в разложитель;

- температура воздуха в непосредственной близости от разложителя.

Данные параметры усредняются за пять минут (путем отбрасывания

максимального и минимального значения и определения среднего арифметического значения) и заносятся в базу данных. Данный способ фильтрации позволяет избавиться от случайных значений. Кроме этого, в базу данных заносится вводимая вручную информация о значениях показателей качества процесса, которая линейно интерполируется до предыдущего значения.

Подсистема моделирования. При накоплении в базе данных шестисот значений (которые представляют достоверную выборку) производится расчет коэффициентов регрессионных моделей (2), (3) и (4)

Расчет коэффициентов производится методом наименьших квадратов

Подсистема оптимизации. После определения коэффициентов регрессионных моделей, система по последним полученным параметрам процесса производит расчет прогнозных значений показателей качества по модели второго порядка (3) с использованием полученных коэффициентов.

Далее производится проверка полученных прогнозных значений на выполнение следующих условий:

Ves' - Ves < A Ves (6)

5

* Л

Fisher -Fisher < AFisher

?

где:

Ves - заданное значение насыпного веса никелевого порошка (устанавливается технологом);

Ves

' - прогнозное значение насыпного веса никелевого порошка;

A Ves . д0ПуСК на значение насыпного веса никелевого порошка (устанавливается технологом);

Fisher . заданное значение среднего диаметра частиц никелевого порошка (устанавливается технологом);

Fisher _ прогнозное значение среднего диаметра частиц никелевого порошка;

AFisher . д0ПуСК на значение среднего диаметра частиц никелевого порошка (устанавливается технологом);

Если хотя бы одно из неравенств не выполняется, производится расчет заданий локальным регуляторам температуры корпуса по зонам. Для этого решается следующая оптимизационная задача - найти такие значения величин Тк1-Тк6, удовлетворяющих системе уравнений (2) и обеспечивающие минимум функции (7) :

* - 2 * ~ ? I = a (Ves - Ves) + ® (Fisher - Fisher) -» min

7V .7V 1 6

где:

Ves*, Fisher* - заданные значения показателей качества; col, со2 — весовые коэффициенты (а)1+со2=1), задаваемые мастером-технологом;

Ves ^ Fisher, прогнозные значения показагелей качества, рассчитанные по модели (2),

при ограничениях, накладываемых на технологические параметры, следующего вида:

j.min < y < j-max

кг ki ki Qmm<Q <Qmax ,

CO CO CO

pmin < p < pmax Ol 02 02 '

pmin < p < pmax ткн ткн ткн

Расчет значений Тк1...Тк6, обеспечивающих выполнение целевой

функции (7) производится пошаговым методом. Рассчитанные значения

температур корпуса по зонам проверяются на соответствие допустимым

пределам:

T-min^-j- <j>max ^g^

ki ki ki

Если значения рассчитанных температур выходят за допустимые пределы, то оии принимаются равными предельным значениям и вновь производится решение оптимизационной задачи с пятью варьируемыми температурами, затем, при необходимости, с четырьмя и т.д.

Полученные значения ТК1...ТК6 корректируются с использованием модели (4), учитывающей влияние температуры и расхода углекислого газа, температуры внутри корпуса разложителя в предыдущей зоне и температуры окружающей среды. Используя уравнения (4) рассчитываем прогнозное значение температуры внутри корпуса разложителя в ¡-той зоне в следующий момент времени (через 5 минут). После чего по выражению

АТ=ТШ-Т (9)

пи ТП1 пи

3

где:

А Т . „

ш - изменение температуры внутри корпуса в 1-тои зоне в следующий момент времени;

Т

™ - прогнозное значение температуры внутри корпуса в 1-той зоне в следующий момент времени;

Т

т - текущее значение температуры внутри корпуса в 1-той

зоне;

определяем как изменится температура внутри корпуса разложителя в следующий момент времени и вычитаем это изменение из заданий регуляторам по зонам но выражению:

ТК, = ТК, ~ АТт, ^ (10)

где:

1 = 1,2,3...6;

^"к' - температура нагрева в ¡-той зоне (скорректированное задание локальным контурам стабилизации);

АТ

"" - величина коррекции первоначального задания в 1-тои зоне;

Т

к' - первоначальное задание нагревателю в ¡-той ,зоне, удовлетворяющее целевой функции, рассчитанное по модели (2);

После этого производится проверка задагаш по условиям (8). Если значения рассчитанных температур выходят за допустимые пределы, то они принимаются равными предельным значениям.

Для того, чтобы избежать резких изменений заданий исполнительным устройствам, поскольку, как показала практика, разовое изменение температуры стенки корпуса по зонам более чем на 3°С за короткий промежуток времени (5мин) может привести к изменению показателей качества более чем на 10%, передача рассчитанных заданий локальным регуляторам происходит пошагово с использованием нечеткой логики. В зависимости от разности вновь вычисленной и предыдущей температуры и от того, один или оба показателя качества отличаются от заданных значений более чем на допустимую величину. Величина задания локальному регулятору рассчитывается по следующему уравнению:

к + 1 + т

где:

Тк,з

окончательное задание локальному регулятору

температуры корпуса в 1-тои зоне;

к' - текущая температура корпуса в ¡-той зоне;

Т

к' - скорректированное задание регулятору в ¡-той зоне;

к,1,ш - нормативные величины, являющиеся настроечными параметрами, 1 < т

Если оба показателя качества находятся вне допустимой зоны относительно заданного значения, тогда 1 = т = 0. При недопустимом отклонении от заданного значения только насыпного веса - ш = 0, и в последнем случае, когда вне допустимой зоны находится только значение среднего диаметра частиц -1 = 0.

Далее рассчитанные задания отправляются локальным регуляторам температуры корпуса.

Подсистема сбора и обработки информации выполняется циклически с дискретностью в пять минут. При наборе шестисот значений, следующее значение записывается в последнюю строку таблицы базы данных, а первая строка удаляется. Подсистема моделирования выполняется циклически с дискретностью три часа с момента первого выполнения. Подсистема оптимизации выполняются непрерывно с дискретностью в пять минут с момента первого выполнения подсистемы моделирования.

В четвертой главе описаны результаты испытания и внедрения адаптивной системы. В результате внедрения адаптивной системы автоматического управления процессом получения карбонильного никелевого порошка на ОАО «Комбинат Североникель» Кольской ГорноМеталлургической Компании удалось резко сократить количество случаев получения некондиционного никелевого порошка (с 26,07% до 0,25% для насыпного веса и с 18,39% до 2,03% для среднего диаметра частиц), а также стабилизировать ход процесса.

Кроме этого, внедрение разработанной адаптивной системы не потребовало внесения изменений в аппаратную часть существующей системы

управления процессом, что привело к снижению затрат на внедрение и эксплуатацию системы.

Основные результаты н выводы

Совокупность полученных результатов исследования автора работы представляет собой решение актуальной задачи - повышения качества карбонильного никелевого порошка за счет создания адаптивной системы автоматического управления на основе разработанной модели и алгоритмов оптимального управления.

При этом получены следующие новые научно-технические результаты:

- проведен анализ известных систем автоматического управления процессом получения карбонильного никелевого порошка и сформулированы научно-технические вопросы, обеспечивающие решение актуальной задачи -автоматизации процесса получения карбонильного никелево1 о порошка;

- в результате экспериментальных исследований процесса на реальном агрегате получены регрессионные модели, связывающие показатели качества получаемого порошка с основными параметрами процесса, что позволило, непрерывно прогнозировать текущие показатели качества получаемого никелевого порошка с вероятностью более 90%, и использовать эти модели для расчета оптимальных управляющих воздействий, позволяющих непрерывно производить в промышленных условиях карбошшьный никелевый порошок с заданными показателями качества;

- исследованиями косвенных параметров процесса получены регрессионные модели, связывающие температуру внутри корпуса ВПРВЭ с предыдущим значением температуры внутри того же корпуса в данной зоне, температурой внутри корпуса в предыдущей зоне, с теплом, вносимым оборотным СО и температурой воздуха в цехе, с помощью которых

корректируются управляющие воздействия для компенсации влияния возмущающих факторов;

разработаны алгоритмы работы адаптивной системы автоматического управления процессом получения карбонильного никелевого порошка, включающие в себя алгоритмы подсистемы сбора и обработки информации, подсистемы моделирования и подсистемы оптимизации;

- разработан программный пакет на основе синтезированных алгоритмов, реализовавший адаптивную систему автоматического управления процессом получения карбонильного никелевого порошка в ВПРВЭ;

- испытание и внедрение созданной адаптивной системы автоматического управления (патент на изобретение по заявке № 2007119097/20 (020802) с приоритетом от 23.05.07) на ОАО «Комбинат Североникель» Кольской Горно-Металлургической Компании показал ее жизнеспособность и эффективность (акт прилагается);

Основные публикации по теме диссертации

1. Синтез математической модели процесса разложения тетракарбонила никеля / Салихов З.Г., Шапировский М.Р., Волгин П.В.// Известия Вузов. Цветная металлургия. 2008 №1 с.64-66.

2. Синтез алгоритмов управления процессом разложения тетракарбонила никеля / Салихов З.Г., Шапировский М.Р., Волгин П.В.// Известия Вузов. Цветная металлургия. 2008 №1 с.67-70.

3. Экспериментальное исследование взаимосвязей параметров процесса разложения тетракарбонила никеля / Салихов З.Г., Шапировский М.Р., Волгин П.В.//Цветные Металлы. 2007. № 10, с. 119-122.

4. Особенности построения системы автоматического управления непрерывным процессом с дискретным анализом качества / Волгин II.В. // Моделирование, идентификация, синтез систем управления: Труды десятой международной научно-технической конференции. - Донецк: Изд. Института прикладной математики и механики ПАИ Украины, 2007. сс. 31-32.

5. Патент РФ по заявке на изобрегение № 2007119097/20 (020802) с приоритетом от 23.05.07. Способ автоматического управления процессом разложения тетракарбонила никеля в аппарате с электрическим нагревом стенок, включающий регулирование температуры участков внешней стенки аппарата // Салихов З.Г., Волгин П.В., Шапировский М.Р., Барков М.С., Костомаров П.Д., Платонов C.B., Жидовецкий В.Д.

Издательство ООО «ПКЦ Альтекс» Издательская лицензия ЛР № 065802 от 09.04.98 Подписано в печать 24.09.2008 г. Формат 60x90'/,6 Усл. п. л. 1,6 Тираж 100 экз., заказ №103

Отпечатано в типографии ООО «Мультипринт» 121357, г.Москва , ул. Верейская, д.29 Тел. 638-45-55, 411-96-97 , 518-76-24 multinrint@mail.ru www.k-multiprint.ru

ВВЕДЕНИЕ.

ГЛАВА 1. АНАЛИЗ ТЕХНОЛОГИЧЕСКОГО ПРОЦЕССА И СИСТЕМ АВТОМАТИЧЕСКОГО УПРАВЛЕНИЯ.

1.1 Общее описание технологического процесса.

1.2 Описание аппаратной части процесса.

1.3 Технологический регламент процесса.

1.4 анализ показателей качества процесса.

1.5 Анализ существующей системы управления.

1.6 Анализ способов управления процессом.

1.7 Выводы по главе.

ГЛАВА 2. СИНТЕЗ МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ ПРОЦЕССА.

2.1 Постановка задачи управления.

2.2 Синтез математической модели показателей качества порошка.

2.2.1 Анализ структуры параметров процесса.

2.2.2 Исследование взаимосвязей параметров процесса.

2.2.3 Построение и исследование математических моделей показателей качества порошка.

2.3 Синтез математической модели температуры внутри корпуса разложителя по зонам.

2.3.1 Исследование взаимосвязей параметров процесса.

2.3.2 Построение и исследование математических моделей температуры внутри корпуса разложителя по зонам.

2.4 выводы по главе.

ГЛАВА 3. СИНТЕЗ АЛГОРИТМОВ РАБОТЫ АДАПТИВНОЙ СИСТЕМЫ УПРАВЛЕНИЯ ПРОЦЕССОМ.

3.1 Синтез общего алгоритма работы системы.

3.2 Синтез алгоритма работы подсистемы сбора и обрабо гки информации.

3.3 Синтез алгоритма работы подсистемы моделирования.

3.3 Синтез алгоритма работы подсистемы оптимизации.

3.4 Выводы по главе.

ГЛАВА 4. РЕАЛИЗАЦИЯ И ВНЕДРЕНИЕ АДАПТИВНОЙ СИСТЕМЫ АВТОМАТИСЕСКОГО УПРАВЛЕНИЯ.

4.1. Подготовительные мероприятия для реализации адаптивной системы автоматического управления процессом.

4.2. Информационное обеспечение системы.

4.2.1 Состав информационного обеспечения.

4.2.2 Организация информационного обеспечения.

4.2.3 Организация сбора и передачи информации.

4.2.4. Организация информационной базы.

4.3. Математическое обеспечение системы.

4.4. Программное обеспечение системы.

4.4.1. Функции программного обеспечения.

4.4.2. Методы и средства разработки программного обеспечения.

4.5. анализ результатов внедрения адаптивной системы автоматического управления.

4.6. Выводы по главе.

Актуальность работы. В связи с развитием новых отраслей техники возросла потребность в чистом никеле и в порошковых материалах. Это связано с тем, что никелевый карбонильный порошок обладает высокой чистотой (содержание никеля не менее 99,99 %). и развитой поверхностью большой площади.

Карбонильный способ получения никеля, возникший около ста лет назад, в последние годы приобретает в металлургии всё большее распространение. Сущность карбонильного способа получения никеля состоит в извлечении никеля из разнообразных никельсодержащих материалов в виде летучего соединения - тетракарбонила никеля (ТКН) и последующем разложении ТКН с выделением металлического никеля и возвратного оксида углерода в технологический цикл.

Уникальность технологии и оборудования, превосходные физические свойства карбонильных никелевых порошков предопределили неограниченные возможности их применения в самых разных областях промышленности. Одним из наиболее перспективных направлений развития карбонильной металлургии является создание и освоение технологии производства карбонильных порошков со специальными физическими свойствами для аккумуляторной промышленности, объёмы производства которой увеличиваются оценочно на 10 % в год. Кроме этого, никелевый порошок используют при выплавке стали и цветных сплавов, для производства высокочистых реактивов никеля. Процесс получения карбонильного никеля один из лучших способов получения никелевых материалов для порошковой металлургии.

Во всем мире имеются только два таких производства: в фирме «INKO» (Канада) и на комбинате «Североникель» Кольской Горно-Металлургической Компании (г. Мончегорск Мурманской области, Россия). Известно, что в Канаде существует система автоматического управления данным процессом, но техническая информация об этой системе строго охраняется. Также известно, что при разработке агрегата, в котором происходит процесс разложения ТКН (разложитель), в России за основу был взят канадский агрегат. Однако, в России ситуация с автоматизацией процесса обстоит гораздо хуже: относительно не давно (около 10-ти лет назад) произошел переход от аналоговых приборов к SCADA-системе.

Роль SCADA-системы на данном этапе состоит в удобном отображении хода процесса и позволяет оператору управлять процессом «не вставая с места». Кроме этого, в SCADA-систему были включены контуры локальной стабилизации некоторых параметров.

Производство однородного никелевого порошка, удовлетворяющего требованиям потребителя, невозможно без надёжного контроля и автоматического регулирования. Этот факт доказывает существующая система управления процессом: оператор не в состоянии обеспечить получение стабильно качественного никелевого порошка, не имея непрерывной информации о показателях качества порошка, получаемого в результате процесса.

Параметры, определяющие ход процесса, постоянно изменяются, возмущающие факторы также дестабилизируют процесс. Кроме того, некоторые параметры процесса не влияют напрямую на качество получаемого порошка, а через косвенные воздействия влияют на ход процесса, что в конечном итоге сказывается на конечном качестве продукта. Зачастую, такое влияние сильно растянуто по времени, и, когда обнаружено изменение качества порошка, приходится резко компенсировать данные воздействия, что в конечно итоге опять приводит к дестабилизации процесса.

Таким образом, оператору, отвечающему за управление процессом и за качество получаемого продукта, приходится постоянно отслеживать до 30-35 параметров процесса и, исходя из своего опыта, прогнозировать качество получаемого в данный момент порошка. Изменить ход процесса оператор может только в узких рамках технологического регламента. Но человеку достаточно сложно отследить малые изменения множества параметров и на основе этих изменений, скорректировать ход процесса. В большинстве случаев, оператор узнает об изменении качества получаемого порошка только при резких изменениях одного-двух параметров или при получении результатов химического анализа. А па этом этапе, изменения хода процесса имеют уже серьезные тенденции, что не позволяет компенсировать их небольшими точечными изменениями управляющих воздействий, при этом оператор не в праве нарушить технологический регламент. Поэтому, коррекция хода процесса может растянуться на длительное время.

Подводя итог вышеизложенного состояния техники можно отметить, что существующее управление рассматриваемого процесса получения никелевого порошка не позволяет держать в заданных пределах показатели качества никелевого порошка: насыпной вес и размер частиц. Технологические параметры: температура по зонам разложителя, расход оксида углерода на поддув в разложитель задаются оператором согласно технологическому регламенту, который предусматривает широкий диапазон возможных значений параметров для каждого типа получаемых порошков никеля. Оператор вынужден сам выбирать значение технологического параметра в зависимости от заданных значений насыпного веса и размера частиц, что при случайном характере процесса практически полностью исключает получение стабильно высококачественного порошка.

Таким образом, задача повышения качества карбонильного никелевого порошка за счет создания адаптивной системы автоматического управления на основе модели оптимального управления в настоящее время остается актуальной.

Целью работы является создание системы автоматического управления процессом получения карбонильного никелевого порошка в ВПРВЭ, обеспечивающей поддержание требуемых значений товарных показателей качества никелевого порошка.

В процессе создания системы были решены следующие научно-технические вопросы:

- проведен анализ существующих способов автоматического управления процессом получения карбонильного никелевого порошка и оценки показателей качества никелевого порошка; исследованы взаимосвязи показателей качества никелевого порошка с технологическими параметрами процесса в ВПРВЭ;

- синтезированы математические модели процесса для непрерывного прогноза значений показателей качества и управления процессом;

- разработан алгоритм функционирования системы автоматического управления и реализован на современной элементной базе;

- проведены опытно промышленные испытания созданной САУ и оценена эффективность ее функционирования;

Автор выносит на защиту:

- математические модели процесса получения карбонильного никелевого порошка, связывающие показатели качества получаемого порошка с основными параметрами процесса, а именно: температурой корпуса разложителя по зонам, давлением газообразного тетракарбонила никеля, давлением кислорода на входе в разложитель и расходом первичного СО на входе в разложитель для непрерывного прогнозирования показателей качества и расчета оптимальных управляющих воздействий, обеспечивающих минимальное отклонение показателей качества от регламентных;

- уравнения, связывающие температуру материала внутри корпуса разложителя с температурой материала и корпуса в предыдущей зоне, с теплом, вносимым оборотным СО, температурой воздуха в непосредственной близости от разложителя, предназначенные для коррекции управляющих воздействий, а также учета влияния соседних зон нагрева;

- программно — алгоритмический комплекс, состоящий из подсистемы сбора и обработки информации, подсистемы моделирования и подсистемы оптимизации, на базе которого создана адаптивная система автоматического управления процессом получения карбонильного никелевого порошка в вертикальном пустотелом реакторе с внешним электроподогревом.

Научная новизна состоит в следующем:

- впервые для получения непрерывных прогнозных значений показателей качества получаемого порошка и расчета оптимальных управляющих воздействий получены регрессионные модели, связывающие показатели качества порошка с основными параметрами процесса, а именно: температурой корпуса разложителя по зонам, давлением газообразного тетракарбонила никеля, давлением кислорода на входе в разложитель и расходом первичного СО на входе в разложитель;

- впервые для коррекции управляющих воздействий на параметры процесса получены уравнения, связывающие температуру материала внутри корпуса разложителя с температурой материала и корпуса в предыдущей зоне, с теплом, вносимым оборотным СО, температурой воздуха в непосредственной близости от разложителя;

- разработан программно — алгоритмический комплекс, состоящий из подсистемы сбора и обработки информации, подсистемы моделирования и подсистемы оптимизации, на базе которого создана адаптивная система автоматического управления процессом получения карбонильного никелевого порошка в вертикальном пустотелом реакторе с внешним электроподогревом, которая испытана и внедрена в промышленности.

Подана заявка № 2007119097/20 (020802) с приоритетом от 23.05.07 на получение патента на «Способ автоматического управления процессом разложения тетракарбонила никеля в пустотелом аппарате с электрическим нагревом стенок». Имеется первичное положительное решение ФИПС России.

Практическая значимость полученных результатов. Созданная адаптивная система автоматического управления процессом получения карбонильного никелевого порошка позволяет:

- стабилизировать и повысить качество получаемого карбонильного никелевого порошка;

- автоматизировать и ускорить процедуру перехода на получение порошка другой марки;

- по косвенным параметрам оценивать толщину гарнисажа, образующегося на стенках разложителя;

- применять результаты, полученные в работе, для обучения специалистов на кафедре КИУСА МИСиС.

Металлургической Компании, что подтверждено актом «О внедрении результатов разработки адаптивной системы автоматического управления процессом разложения тетракарбониля никеля (ТКН), полученных при выполнении диссертационной аспиранта Волгина П.В.» от 10.09.2008г. (Акт прилагается).

4.6. Выводы по главе.

В результате внедрения адаптивной системы автоматического управления процессом получения карбонильного никелевого порошка на комбинате «Североникель» Кольской Горно-Металлургической Компании удалось резко сократить количество случаев получения некондиционного никелевого порошка (с 26,07% до 0,25% для насыпного веса и с 18,39% до 2,03 для среднего диаметра частиц), а также стабилизировать ход процесса.

Кроме этого, внедрение разработанной адаптивной системы не потребовало внесения изменений в аппаратную часть существующей системы управления процессом, что привело к снижению затрат на внедрение и эксплуатацию системы.

Заключение

Совокупность полученных результатов исследования автора работы представляет собой решение актуальной задачи - повышения качества карбонильного никелевого порошка за счет создания адаптивной системы автоматического управления на основе разработанной модели и алгоритмов оптимального управления.

При этом получены следующие новые научно-технические результаты:

- проведен анализ известных систем автоматического управления процессом получения карбонильного никелевого порошка и сформулированы научно-технические вопросы, обеспечивающие решение актуальной задачи - автоматизации процесса получения карбонильного никелевого порошка;

- в результате экспериментальных исследований процесса на реальном агрегате получены регрессионные модели, связывающие показатели качества получаемого порошка с основными параметрами процесса, что позволило, непрерывно прогнозировать текущие показатели качества получаемого никелевого порошка с вероятностью более 90%, и использовать эти модели для расчета оптимальных управляющих воздействий, позволяющих непрерывно производить в промышленных условиях карбонильный никелевый порошок с заданными показателями качества;

- исследованиями косвенных параметров процесса получены регрессионные модели, связывающие температуру внутри корпуса разложителя с предыдущим значением температуры внутри того же корпуса в данной зоне, температурой внутри корпуса в предыдущей зоне, с теплом, вносимым оборотным СО и температурой воздуха в цехе, с помощью которых корректируются управляющие воздействия для компенсации влияния возмущающих факторов;

- разработаны алгоритмы работы адаптивной системы автоматического управления процессом получения карбонильного никелевого порошка, включающие в себя алгоритмы подсистемы сбора и обработки информации, подсистемы моделирования и подсистемы оптимизации;

- разработан программный пакет на основе синтезированных алгоритмов, реализовавший адаптивную систему автоматического управления процессом получения карбонильного никелевого порошка;

- испытание и внедрение созданной адаптивной системы автоматического управления (патент на изобретение по заявке № 2007119097/20 (020802) с приоритетом от 23.05.07) на ОАО «Комбинат Североникель» Кольской Горпо-Металлургической Компании показал ее жизнеспособность и эффективность (акт прилагается);

1. Белозерский Н.А., Карбонилы металлов, 1978. с.35 215.

2. Кипнис А.Я., Михайлова Н.Ф., Певзиер Г.Р., Карбонильный способ получения никеля, 1972. с. 23 186.

3. ГИПРОНИКЕЛЬ. "Развитие теоретических основ металлургических процессов производства никеля, кобальта и меди". — Спб., 1991, с.149—169.

4. Иванов В.А., Лисовский Д.И., Стопкевич В.В., Бюллетень ЦИИНЦветМет «Цветные Металлы» №21, 1966г. с. 36 37.

5. Караваева Н.С. Система автоматического управления процессом разложения тетракарбонила никеля. Дипломный проект. — М.: МИСиС, 2004 с.23-53.

6. Мудров В.И., Кушко В.Л. Методы обработки измерений. М.: Советское радио, 1976.

7. Адлер Ю.П. Введение в планирование эксперимента. М.: Металлургия, 1969. — 160с.

8. Налимов В. В., Чернова Н. А. Статистические методы планирования экстремальных экспериментов. М.: Наука, 1965.

9. Айвазян С.А. Прикладная статистика и основы эконометрики М: Статистика, 1998.

10. Салихов З.Г. Справочник по созданию АСУ и определению базовой цены документации проекта.// М.: «Тейлоэнергетик», 2007, с.78

11. Гранберг А.Г. Статистическое моделирование и прогнозирование М: Статистика, 1987.-345с.

12. Асатурян В.И. Теория планирования эксперимента. М.: Радио и связь, 1983г.

13. Браверман Э.М., Мучник И.Б. Структурные методы обработай эмпирических данных.-М.: Наука, 1983.

14. Майков Е.В. Математический анализ: Числовые ряды. — М.: Изд-во МГУ, 1999.

15. Спесивцев А.В. Применение математической статистики в металлургической практике (учебное пособие), Норильск.: Норильский вечерний индустриальный институт, 1978. 96с.

16. Тюрин Ю.Н., Макаров А.А. Анализ данных на компьютере. -- М.: Инфра-М и Финансы и статистика. 1995.

17. Методы классической и современной теории автоматического управления. Том 2. Статистическая динамика и идентификация систем автоматического управления / Под ред. К.А.Пупкова. М.: Изд-во МГТУ Баумана, 2004.

18. Вентцель Е.С. Теория вероятностей. М.: Наука, 1969

19. Борисов А.Н., Алексеев А.В., Меркурьев Г.В. Обработка нечеткой информации в системах принятия решений. М.: Радио и связь, 1989г. — 304с.

20. Тутубалин В.Н. Теория вероятностей и случайных процессов. Основы математического аппарата и прикладные аспекты. ~ М.: Изд-во МГУ, 1992.

21. Смоляк С.А., Титаренко Б.П. Устойчивые методы оценивания. М.: Статистика, 1980.

22. Беляев Ю.К., Носко В.П. Основные понятия и задачи математической статистики. — М.: Изд-во МГУ, ЧеРо, 1998.

23. Абрамов О.В. Параметрический синтез стохастических систем с учетом требований надежности. М.: Наука, 1992.

24. Алиев Р.А. Церковный А.Э. Мамедова Г.А. Управление производством при нечеткой исходной информации. М.: Энергоатомиздат, 1991.

25. Колосов Г.Е. Синтез оптимальных автоматических систем при случайных возмущениях. М.: Наука, 1984.

26. Буровой И.А., Горин В.Н. Автоматическое управление химико-металлургическими процессами с сосредоточенными параметрами. //М.: Металлургия, 1977.-344 с.

27. Геловани В.А., Ковригин О.В., Смолянинов Н.Д. Методологические вопросы построения экспертных интеллектуальных систем// Системные исследования. Методологические проблемы: Ежегодник. М: Наука, 1983.

28. Анализ и оптимальный синтез на ЭВМ систем управления / Под ред. А.А. Воронова и И.А. Орурка. М.: Наука, 1984.

29. Петров Б.Н., Уланов Г.М., Гольденблат И.И., Ульянов С.В. Теория моделей в процессах управления. — М.:Наука, 1978г. 225с.

30. Бсрнстейн А. Справочник статистических решений. М.: Статистика, 1968. 164с.

31. Алиев Р.А., Абдикеев Н.М., Шахназаров М.М. Производственные системы с искусственным интеллектом. — М.: Радио и связь, 1990.

32. Афанасьев В.Н., Колмановский В.Б., Носов В.Р. Математическая теория конструирования систем управления. -М.: Высшая школа.-1989. -448с.

33. Дьячко А.Г., Светозарова Г.И. Математические модели металлургических процессов.-М.,МИСиС, 1974, ч. 1,2.

34. Абрамов О.В., Розенбаум А.Н. Прогнозирование состояния технических систем. М.: Наука, 1990.

35. Воронов А.А. Введение в динамику сложных управляемых систем. М.: Наука, 1985.

36. Ивахненко А.Г., Юрачковский Ю.П. Моделирование сложных систем по экспериментальным данным. М.: Радио и связь, 1987. 120с.

37. Изерман В. Цифровые системы управления. М.: Мир, 1984.

38. Лукас В.А. Теория автоматического управления: учебник для вузов. М.: Недра, 1990,416с.

39. Мешалкин В.П. Интеллектуальные системы в химической технологии. Основы теории и опыт применения. М.: Химия, 1995. — 369с.

40. Пешель М. Моделирование сигналов и систем. М.:Мир, 1981 .-304с.

41. Под ред. Егупова Н.Д. Методы классической и современной теории автоматического управления. Учебник в трех томах. М., Изд-во МГТУ им. Н.Э.Баумана, 2000.

42. Пугачев B.C., Казаков И.Е., Евланов Л.Г. Основы статистической теории автоматических систем. М.: Машиностроение, 1974.

43. Аверкин А.Н., Батыршин И.З., Блишун А.Ф. и др. Нечеткие множества в моделях управления и искусственного интеллекта / Под ред. Д.А. Поспелова. М.: Наука, 1986.-256с.

44. Кандрашина Е. Ю., Литвиндева Л. В., Поспелов Д. А. Представление знаний о времени и пространстве в интеллектуальных системах. М.: Наука, 1989.

45. Иванов В.А., Чемоданов Б.К., Медведев B.C. Математические основы теории автоматического регулирования. М.: Высшая школа, 1971. - с.808

46. Ларичев О.И., Мечитов А.И., Мошкович Е.М., Фуремс Е.М. Выявление экспертных знаний. М.: Наука, 1989.

47. Бейтельман Л.С., Мучник И.Б., Мучник Р.Б., Симасарьян Р.А. Применение структурного анализа кривых к задаче исследования конвертерного процесса.-Изв. высш. учеб. заведений. Черн. мет., 1971, №12.-С. 149-155.

48. Андреев Н.И. Теория статистически оптимальных систем управления. М.: Наука, 1980.

49. Кудинов Ю.И. Нечеткие множества и алгоритмы.//Техническая кибернетика 1990, №5, с. 196.

50. Лисиенко В.Г., Салихов З.Г., Гусев О.А. Моделирование объектов с распределенными параметрами на примере Зх уровневых АСУ нагрева материала. Учебное пособие //Екатеринбург: УГТУ-УПИ, М.: МИСиС, 2004, 162с.

51. Мелихов А.Н., Бернштейн Л.С., Коровин С .Я. Ситуационные советующие системы с нечеткой логикой. М.:Наука, 1990.

52. Рыков А.С. Методы системного анализа: Многокритериальная и нечеткая оптимизация, моделирование и экспертные оценки. М.: Экономика. 1999.

53. Под ред. Петрова Б.Н. Математические модели технологических процессов и разработка систем автоматического регулирования с переменной структурой. М, «Металлургия», 1964 (Гинцветмет Сб №21) 467с с ил

54. Холод Н.И. Кузнецов А.В. Экономико-математические методы и модели Мн.: БГЭУ, 1999.-413с.

55. Салихов З.Г. Использование когнитивного метода при создании автоматизированных пиро-гидрометаллургических процессов. //Цветные металлы. №10-11, 1998. с.111-115

56. Под ред. Уэно X., Исудзука И. Представление и использование знаний. М.: Мир, 1989.

57. Bjorkman В., Eriksson G. Quantative equilibrium calculations on conventional copper smelting and converting // Can. Met. Quart.- 1982,-v. 21.-P. 329-337.

58. Салихов З.Г. Терминология основных понятий автоматики. Учебно-справочное пособие.//М.:МИСиС, 2003, с. 126

59. Chaubal P.C., Sohn H.Y., George D.B., Bailey L.K. The Mathematical Modelling of Minor Element Behaviour in Flash Smelting of Copper Concentrates and Flash Converting of Copper Mattes // Met. Trans.-1989.-v. 20b.-P. 39-51.

60. Воронов A.A. и др. Теория автоматического управления. 2-е изд. Перераб. и доп. М.: Высш. школа, 1986.

61. Сейдис Э.П., Уатт Ч.С. Оптимальное управление системами: Пер. с англ. / Под ред. Левина Б.Р. М.: Радио и связь, 1982.

62. Алексеев А.В. Применение нечеткой математики в задачах принятия решений // Прикладные задачи анализа решений в организационно-технических системах. Рига.: Риж. политехи, ин-т. 1985.

63. Боровиков В. П. Популярное введение в программу STATISTICA.-M.: КомпьютерПресс, 1998.-296 с.

64. Георгиев В.О. Модели представления знаний предметных областей диалоговых систем // Изв. АН. Техн. кибернетика. 1995. №5.

65. Алиев Р.А., Захарова Э.Г., Ульянов С.В. Нечеткие модели управления динамическими системами // Итоги науки и техники. Техн. кибернетика. Т.29. М.: ВИНИТИ АН СССР, 1990

66. Захаров В.Н., Ульянов С.В. Нечеткие модели интеллектуальных промышленных регуляторов и систем управления. II. Эволюция и принципы построения. //Техническая кибернетика, 1993, №4, с. 189

67. Алиев Р.А., Захарова Э.Г., Ульянов С.В. Нечеткие регуляторы и интеллектуальные промышленные системы управления // Итоги науки и техники. Техн. кибернетика. Т.32. М.: ВИНИТИ АН СССР, 1990:

68. Jakovlev V.G., Vorob'yov S.A. Estimation of model parameters of random process with instantly changing properties.-In: Preprints of the Second IF AC Symposium on stochastic control.-Vilnius, USSR, 1986, Part II.-P. 224-228.

69. Салихов З.Г., Шапировский M.P., Волгин П.В. Синтез математической модели процесса разложения тетракарбонила никеля /. Известия Вузов. Цветная металлургия. 2008 №1 с.64-66.

70. Моттль В.В., Мучник И.В., Яковлев В.Г. Оптимальная сегментация экспериментальных кривых.//Автоматика и телемеханика, 1983, №8.-С. 84-95.

71. Efstathiou J. Rule-based process control using fuzzy logic // Approximate Reasoning in Intelligent Systems, Decision and Control / Eds. Sanchez E., Zaden L. A. N. Y.:Pergamon Press, 1987.

72. Аоки М. Введение в методы оптимизации. М.: Наука.- 1977. - 342с.

73. Арунянц Г.Г., Рутковский A.JL, Салихов З.Г., Столбовский Д.Н. Об одном методе повышения эффективности расчета динамических характеристик объектов управления// Автоматика и телемеханика.- 2005.- № 4.- С. 60-69.

74. Дрейпер Н., Смит Г. Прикладной регрессионный анализ. М.: Статистика, 1973.

75. Богнер Р. Введение в цифровую фильтрацию. М.: Мир, 1976.

76. Боровиков В. П., Ивченко Г. И. Прогнозирование в системе STAT1STICA в среде Windows.-М.: КомпьютерПресс, 1998.-370с.

77. Воронов А.А. Теория автоматического управления. — М.: Высшая школа, 1977 — 288с.

78. Гвоздик А.А. Решение нечетких уравнений // Изв. АН СССР. Техническая кибернетика, 1984. N5.

79. Дроздов А.В., Спесивцев А.В., Кимяев И.Т. Обобщение расширенных арифметических операций //Деп. ВИНИТИ №2185-В-95, 1995.

80. Дудников Е. Г, Балакирев B.C. Кривсунов В. Н. и др. Построение математических моделей химико-металлургических объектов. JI, «Химия», 1970 312 с.

81. Дюк В., Самойленко A. Data Mining: учебный курс. С.Пб: Питер, 2001г.

82. Салихов З.Г., Шапировский М.Р. Волгин П.В. Экспериментальное исследование взаимосвязей параметров процесса разложения тетракарбонила никеля / Цветные Металлы. 2007. № 10, с. 119-122.

83. Салихов З.Г., Шапировский М.Р. Волгин П.В. Синтез алгоритмов управления процессом разложения тетракарбонила никеля / Известия Вузов. Цветная металлургия. 2008 №1 с.67-70.

84. Kellogg Н.Н. Thermochemestry of nikel-matte converting // Can. Met. Quart.-1987.-v. 26.-№ 4.-P. 285-298.

85. Кузнецов Jl.A. Применение нечетких моделей для решения задач управления качеством// Изв. ВУЗов. «Черная металлургия». 2001, №5, с.61-65

86. Kellogg Н.Н. Thermochemical modelling of molten sulfides // Physical Chemistry in Metallurgy, Momoville PA.-1976.-P. 49-68.

87. Райбман Н.С., Чадеев В.М. Адаптивные модели в системах управления. М.: Сов. Радио, 1966.

88. B.Oksendal "Stochastic differential equations. An introduction and applications". Berlin, Springer-Verlag, 1992.

89. Салихов З.Г., Рутковский A.A., Леонтьев B.B. Методы рациональной организации подсистем централизованного контроля. //Изв. Вузов. «Цветная металлургия», №12, 1999, с.65-69.

90. Льюнг Л. Идентификация систем. Теория для пользователя. М.: Наука, 1991

91. Прудковский Б.А. Зачем металлургу математические модели. М.: Наука, 1989г. -192с.

92. Bjorkman В., Jacobson Е. New thermodynamics tools.-Scand. J. of Met., 1986, v. 15, N 6.-P. 261-264.

93. Цыпкин Я.З. Основы информационной теории идентификации. М.: Наука, 1984.

94. Ханк Дж.Э., Райте А.Дж. Бизнес-прогнозирование. Пер. с англ. М.: Вильяме, 2003. -656с.

95. Спесивцев А.В., Дроздов А.В., Негрей С.В., Даминов P.P. Управляющие модели металлургических процессов с использованием нечетких множеств //Цветные металлы 1996г., №11

96. Валу T.I, Dinsdale А.Т., Gisby J.A. Predictive thermochemisty and phase equilibria of slags // J. Metals.-1993.-v. 45.-№ 4.-P. 32-38.

97. Егоров A.E., Азаров Г.Н., Коваль A.B. Исследование устройств и систем автоматики методом планированного эксперимента. Харьков.: Вища школа, 1986. — 240с.

98. Захаров В.Н., Ульянов С.В. Нечеткие модели интеллектуальных промышленных регуляторов и систем управления. I. Научно-организационные, технико-экономические и прикладные аспекты. //Техническая кибернетика, 1992, №5, с. 171.

99. Кандрашина Е. Ю., Литвинцева Л. В., Поспелов Д. А. Представление знаний о времени и пространстве в интеллектуальных системах. М.: Наука, 1989.105Персльман И.И. Оперативная идентификация объектов управления. М.: Энергоиздат, 1982.

100. Под ред. Поспелова Д.А. Нечеткие множества в моделях управления и искусственного интеллекта. М.: Наука, 1989.107Репин В.Г., Тартаковский Г.П. Статистический синтез при априорной неопределенности и адаптация информационных систем. М.: Сов. Радио, 1977.

101. Салихов З.Г. Создание и внедрение компьютерных автоматизированных технологических комплексов в металлургии.// М.: Н.техн.ж. «Цветные металлы», спец. Выпуск октябрь 2005. С.91-96

102. Салихов З.Г., Арунянц Г.Г., Рутковский JI.A. Системы автоматического управления сложными технологическими объектами.//М.: Теплоэнергетик, 2004, 495 с.

103. Салихов З.Г., Спесивцев А.В., Москвитин Д.А., Сириченко А.В., Зыков И.Е. Количественная оценка качества управления металлургическим агрегатом //"Цветные металлы", №10, 2002, с.88-92.

104. ШТеория и методы автоматизации проектирования вычислительных систем / Под ред. М. Брейера. М.: Мир, 1977.

105. Тихонов О.Н. Решение задач по автоматизации процессов обогащения и металлургии. Л.: Недра, 1969. -430с.

106. ПбЧетыркин E.M. Статистические методы прогнозирования M: Статистика, 1977. — 199с.

107. Шенк X. Теория инженерного эксперимента. — М.: Мир, 1972.-385с.

108. Яковлев В.Г. Разработка и исследование алгоритмов лингвистического анализа шумоподобных экспериментальных кривых.-Дисс. канд. техн наук.-М.: ИПУ, 1983.119Шмойлова Р.А. Теория статистики — М: Финансы и статистика, 1998. — 851с.

109. Buckley J.J., Ying Н. Fuzzy Controller Theory: Limit theorems for linear fuzzy control rules// Automatica, Vol.25, No.3, pp. 469-472, 1989.

110. Bustos A.A. Converter simulation at Falconbridge Limited // Extr. Metallurgy of Nickel & Cobalt. Warrendale:TMS.-1988.-P. 335-354.

111. Szekely J. Themelis N.J. Rate phenomena in process metallurgy.-New York, Willey-Interscience, 1971.-784 p.