PROCESSO UTILIZADO REDE NEURAL ARTIFICIAL PARA CONTROLE PREDITIVO EM MÁQUINA DE SÍNTER

IPC Classification

Abstract

PROCESSO UTILIZANDO REDE NEURAL ARTIFICIAL PARA CONTROLE PREDITIVO EM MÁQUINA DE SÍNTER.A produção de sínter em conformidade com os padrões é de fundamental importância econômica para a siderurgia porque disto depende a produtividade dos altos fornos e, conseqüentemente, a produtividade de toda a planta. Embora os aperfeiçoamento das sinterizações tenham significados econômicos de grande importância econômica e ecológica, como aproveitamentos dos finos de minério e carvão, aproveitamento dos rejeitos de minas e viabilização de minas cujos minérios tem tendência a produzir grandes quantidades de finos nos processos de britagem e moagem, as condições termodinâmicas do processo de sinterização exigem que a camada de pelotas a serem sinterizadas tenham nível mantido dentro de rigorosos limites, o que, se não obedecido, causa paradas de lenta recuperação e não conformidade de materiais, implicando em reprocessamento e uma série de perdas de produtividade. O grande problema do Estado da Técnica que esta patente vem fazer avançar é que os controles tradicionais do nível da tremonha (5), aumentadora da máquina de sínter (6) tem tempos de respostas de cerca de 250 segundos, tempo excessivamente longo para uma operação continua e segura. O "PROCESSO UTILIZANDO REDE NEURAL ARTIFICIAL PARA CONTROLE PREDITIVO EM MÁQUINA DE SÍNTER" objeto desta patente possui como núcleo de inteligência artificial neuro-fuzzy um software específico, suportado, preferencialmente, pelas ferramentas MATLAB e ADALINE, podendo, entretanto utilizar inúmeras outras ferramentas e plataformas de RNA, sendo a RNA treinada para prever o nível de preenchimento da tremonha (5) 250 segundos, ou mais, à frente, para o caso de sua especifica aplicação. A Rede Neural Artificial foi treinada com as informações de processo tais coma os pesos dos materiais (10) alimentados pelos silos aumentadores de pelotas (2), a densidade dos materiais (11), o volume de produção por unidade de tempo (12), os quais, levados ao software especifica (9), permitem o controle do sistema com um avanço de 250 segundos ou mais, sendo que este software específico (9) fornece as interfaces (13) para os painéis de controle e relaciona-se com o database, para permitir aprendizado continuo, uma vez que a RNA pode operar valores das variáveis que não lhe foram fornecidos durante o processo de seu treinamento.