Розвиток теорії інтегрованого управління технологічними комплексами залізорудного гірничо-збагачувального комбінату

У першому розділі проводиться обґрунтування наукових положень роботи й обраного напрямку досліджень, наведено результати інформаційного пошуку за тематикою дослідження, аналіз існуючих методів керування технологічними процесами, наводиться постановка наукової проблеми та задач дослідження.

Суттєвим фактором складних виробничих процесів є випадковість значень технологічних параметрів функціонування, яку пропонується враховувати в роботах Б.І. Мокіна, О.М. Марюти, Ю.Г. Качана, В.О. Бунька й ін. Суміщення технологічних пристроїв з приладами вимірювання технологічних параметрів, вибору оптимальних уставок регуляторів технологічних параметрів – у роботах Є.В. Кочури, адаптивне управління процесів подрібнення і класифікації руд – у роботах В.С. Моркуна, розвиток імітаційних моделей процесів збагачення – у роботах В.П. Хорольського. Необхідно відзначити також внесок робіт В.О. Ульшина, Б.Б. Зобніна, В. Козіна в розвиток системного аналізу та оптимізації процесів збагачення.

Однією з найбільших перешкод при створенні математичних моделей і систем керування процесами переробки та збагачення залізної руди на ГЗК є нестабільний характер технологічних параметрів: вмісту заліза загального, магнетитового в руді, продуктивності технологічних комплексів, якості дроблення, помелення руди, витрат електроенергії, води та ін. І як наслідок, відбувається коливання кількості заліза в концентраті, хвостах, виходу, витягу концентрату й інших показників. Змінення цих показників є досить нестабільним. Дослідження роботи рудника, дробильної фабрики, збагачувальних фабрик ІнГЗК показали, що близько половини часу роботи їх продуктивність відрізняється від розрахункової, а амплітуда коливань продуктивності сягає 50 % від розрахункової. Коливання витрат електроенергії на збагачення варіюється від секції до секції з амплітудою відхилення близько 30 % від розрахункових.

Існують різні підходи до створення математичних моделей таких процесів. Це класичні статистичні методи одержання алгебраїчних моделей, серед яких можна відзначити відомий метод МГУА перебору моделей, який дозволяє обирати оптимальну модель із заданого класу і є ефективним при вирішенні низки задач. Але в різних публікаціях цього напрямку визнається необхідність перерахунку моделі в разі зміни параметрів процесів навіть у менших, ніж зазначено раніше, межах.

В останні роки розвивається перспективний напрямок використання нейронних мереж та нечіткої логіки, асоціативної пам’яті, що дозволяє обійтись без вивчення фізичного змісту процесів. Поєднання в теорії нейронних мереж і нечіткої логіки класичних та інноваційних підходів, без сумніву, є перспективним.

Однак деякі теоретичні питання цього напрямку не вирішені до тієї міри, щоб бути сформульованими у вигляді методики синтезу алгоритмів керування. Складність одержання математичних моделей процесів переробки та збагачення залізної руди пов’язана також з проблемою коректності даних, що використовуються для розрахунку. Багатофакторність технологічних процесів зумовлює залучення великих вибірок даних для побудови моделей, однак відомо, що це не завжди дає позитивний ефект, оскільки дані з часом можуть втрачати свою актуальність і призводити до зростання помилки. Це потребує проведення кластеризації вихідних даних для підбору найбільш значущих, на підставі яких розраховуються математичні моделі виробничих процесів. У роботі автором використовувався асоціативний відбір за ознакою близькості вихідних даних до технологічної ситуації, що моделюється. Одночасно враховувався ступінь тісноти лінійних зв’язків між вхідними й вихідними даними вибірки, на підставі якої проводилось формування математичної моделі. Це дозволило спростити математичний вигляд моделей при розрахунках, але обмежити області допустимих змін вхідних параметрів, при яких ці моделі залишаються адекватними, що обумовило проведення перерахунків моделей на кожному новому інтервалі розрахунків і привело до появи наукового положення.

Найбільш відомим фундаментальним підходом до побудови динамічної моделі об’єкта керування, який функціонує в умовах випадкових впливів, є використання рівняння Вінера-Хопфа, яке містить відповідні кореляційні функції. Для переходу від рівняння Вінера-Хопфа до передаточних функцій і далі до різницевих рівнянь необхідно запровадити перетворення Лапласа до виразів кореляційних функцій. Для цього потрібно виконати операцію інтегрування в неперервному просторі або підсумовування значень кореляційних функцій у безкінечних межах у дискретному просторі. У той же час при створенні оновлюваної на кожному кроці моделі управління важливі лише значення автокореляційної функції вхідного сигналу та взаємокореляційної функції між вхідним та вихідним сигналами на кількох перших інтервалах як характеристики лінійного зв’язку між цими сигналами саме на цих інтервалах.

Такі міркування створили умови до появи наукового положення про достатність урахування лише кількох перших значень кореляційних функцій при одержані різницевих рівнянь моделей виробничих процесів.

У системах управління найбільш поширені й мають певні позитивні якості структури П-, ПІ-, ПІД-регуляторів. Але вибір їх параметрів у відповідності до структури й параметрів моделі об’єкта керування вимагає використання достатньо складних методик. Інтегральні ланки в складі регулятора ініціюють коливальні складові процесу, що часто є небажаним. Окрім того, ці регулятори потребують постійних перенастроювань коефіцієнтів у ході зміни технологічного процесу.

У багатозв’язних системах також недостатньо використані можливості методу оберненого регулятора. Такий регулятор позбавляє коливань, є достатньо простим, адже рівняння регулятора практично можна одержати з рівняння моделі об’єкта, вважаючи вхідні дії вихідними й навпаки, і гармонійно сполучається з багатозв’язною моделлю об’єкта керування.

Ураховуючи випадковість змін параметрів моделей технологічних процесів, у систему управління додатково програмно вводиться зворотній зв’язок, результатом чого є визначення коефіцієнтів кореляційної моделі об’єктів.

У другому розділі проведений детальний статистичний аналіз процесів переробки та збагачення руди як об’єктів автоматизації, розглянуті конкретні