Le «tuner neural» conçu par l'université MISiS est appelé à accroître l'efficacité énergétique des fours métallurgiques très puissants, jusqu'à 100 MW, a déclaré l'auteur Anton Glouchtchenko, doyen de la chaire de systèmes de contrôle informatiques et automatisés à l'Institut technologique de Stary Oskol affilié à l'université MISiS.
En règle générale, durant leur fonctionnement les fours sont soumis aux différents troubles. Par exemple, l'ouverture de stores pour charger et décharger le métal entraîne des pertes de chaleur, alors que l'encrassement des brûleurs de gaz augmente la consommation de combustible. C'est pourquoi les paramètres des fours changent. Mais étant donné qu'ils sont gérés à l'aide de régulateurs linéaires avec des paramètres permanents, la fameuse instationnarité n'est pas prise en compte. Cela réduit la qualité du contrôle et entraîne des pertes d'énergie.
«Pour pallier les problèmes traditionnels il est proposé de construire un système adaptatif de contrôle – un tuner neural. Ce système règle en temps réel les paramètres du régulateur linéaire de sorte que la qualité de contrôle du four dans tous les régimes demeure élevée, réduisant ainsi la consommation énergétique de l'appareil», déclare à RIA Novosti Anton Glouchtchenko.
Le scientifique a noté que cette nouvelle approche s'expliquait par l'intégration dans ce tuner de deux technologies intellectuelles – les réseaux de neurones et les bases de connaissance. Un réseau de neurones calcule les paramètres pour le régulateur linéaire utilisé sur le four et apprend directement pendant son fonctionnement à surveiller les changements à l'intérieur du four.
«La question principale est de savoir quand et à quelle vitesse "éduquer" le réseau de neurones. La réponse à celle-ci est apportée par la base de connaissance qui reflète l'expérience d'un ingénieur d'automatisation des processus technologiques. Elle contient la description des situations quand il est nécessaire de régler le régulateur et les formules qui servent à calculer la vitesse d'apprentissage du réseau de neurones. Contrairement à d'autres approches, l'utilisation du tuner neural ne nécessite pas la construction d'un modèle de l'objet de contrôle ni d'un modèle de référence. De plus, il permettra de surveiller le planning de la tâche en cas de changement des paramètres du four et de compenser les troubles», explique le chercheur.
Ce tuner est réalisé sous la forme d'une unité opérationnelle qui peut être intégrée à la mémoire vive des contrôleurs logiques largement répandus dans la métallurgie. Les entrées et les sorties de cette unité sont reliées au régulateur linéaire déjà installé dans le contrôleur et aux signaux envoyés de l'extérieur.
«La mise en service du tuner ne demandera pas des dépenses élevées parce que d'un point de vue d'équipements et de programme rien ne changera dans le système existant de contrôle des fours. Cette approche permettra d'accroître l'efficacité énergétique des fours métallurgiques de 5 à 10%», conclut Anton Glouchtchenko.
D'après la déclaration de l'université MISiS, à terme il est prévu d'élargir la classe d'objets pour l'intégration du tuner en le mettant au point et en le testant sur différents moteurs électriques.
