Científicos rusos incrementan la eficiencia de los hornos metalúrgicos

Un ajustador basado en redes neuronales diseñado en la NUST MISIS debe incrementar la eficiencia energética de los hornos metalúrgicos de alta potencia de consumo (hasta 100 mVa), señala el diseñador y empleado del Departamento de sistemas de control automáticos y de información del Instituto Tecnológico de Stari Oskol (sucursal) de la NUST MISIS, Antón Glúschenko.

Los hornos en función suelen someterse a varias agitaciones. Por ejemplo, cuando se abre la puerta para cargar o descargar el metal se observan pérdidas de calor y cuando se ensucian los quemadores de gas se reduce la eficiencia de quema de combustible. Debido a esto, los parámetros de hornos cambian. Mientras, como el control de tales hornos suele realizarse con el uso de reguladores lineales con parámetros constantes estos cambios se desestiman. Esto reduce la calidad del control y conlleva pérdidas de energía.

"Para resolver los problemas tradicionales se propone introducir un sistema de gestión adaptativa: un ajustador basado en redes neuronales. En el tiempo real el sistema cambia los parámetros del regulador lineal de modo que la calidad de gestión del horno en todos los modos sea igualmente alta, lo que reduce el consumo de energía por el horno", explica Antón Glúschenko a Sputnik.

Fotos: Maridaje de ciencia y tecnología: proyectos ganadores de los Premios Estatales de Rusia

Según el experto, la novedad del enfoque consiste en la combinación en el ajustador de dos tecnologías inteligentes: redes neuronales y bases de conocimientos. La red neuronal calcula los parámetros del regulador lineal que se usa en el horno y en el proceso de funcionamiento aprende a registrar los cambios que se producen en el horno.

"Las preguntas principales son las siguientes: ¿cuándo y con qué velocidad se puede enseñar a la red neuronal? La base de conocimientos que refleja la experiencia de un ingeniero en automatización de procesos tecnológicos responde a estas preguntas".

Glúschenko afirma que "esta base contiene también las descripciones de situaciones cuando es necesario ajustar el regulador y las fórmulas para calcular la velocidad con que se puede enseñar la red neuronal. A diferencia de otros enfoques, el uso del ajustador basado en redes neuronales no exige desarrollar un modelo del objeto de control ni un maestro de modelo".

"Además, esto ayudará a seguir el proceso de cumplimiento de la tarea cuando se cambian parámetros del horno y compensar las agitaciones a que se somete el horno", explica el científico.

Te puede interesar: Desarrollados materiales enérgicamente eficientes de bajo costo

El ajustador representa un bloque funcional que puede instalarse en la memoria RAM de los controladores lógicos que se usan con frecuencia en la metalurgia. Las entradas y salidas de este bloque se conectan con el regulador lineal instalado en el controlador y con señales que se reciben desde fuera.

"La introducción del ajustador no exigirá grandes gastos porque la estructura del sistema de gestión del horno ni el software cambiarán. El uso de este enfoque permitirá incrementar en un 5 o 10% la eficiencia energética de hornos metalúrgicos", destaca Antón Glúschenko.

Rusia construyó un horno piloto para producir hierro fundido a partir de los residuos de la industria metalúrgica. Según se informó en la NUST MISIS, se planea ampliar la gama de equipos donde se puede usar el ajustador, al perfeccionarlo y probarlo en varios motores eléctricos.