MATLAB & Simulink CONFERENCE. ROMA, 6 novembre 2013 DANIELI CENTRO RICERCHE. Simone GUANIN,

Dimensione: px

Iniziare la visualizzazioe della pagina:

Download "MATLAB & Simulink CONFERENCE. ROMA, 6 novembre 2013 DANIELI CENTRO RICERCHE. Simone GUANIN,"

Giorgia Carnevale
8 anni fa
Visualizzazioni

1 MATLAB & Simulink CONFERENCE ROMA, 6 novembre 2013 Simone GUANIN,

2 AGENDA Presentazione DANIELI & C. Officine Meccaniche Attività di ricerca di Simone GUANIN al Centro Ricerche Danieli Controllo avanzato di Livello 2 del Processo EnergIRON, Stima Rubusta degli Stati e Regolatore Ottimo Simulazione del Livello 2 Conclusioni 2

Centro Ricerche Danieli Controllo avanzato di Livello 2 del

3 Presentazione DANIELI & C. Officine Meccaniche DANIELI è uno dei tre più grandi fornitori mondiali di impianti ed apparecchiature per l industria siderurgica DANIELI è leader nella produzione di minimills e di impianti per prodotti lunghi (colate e laminatoi). Danieli è tra i più importanti produttori di acciaierie, di impianti per prodotti piani e per la lavorazione del minerale di ferro 3

apparecchiature per l industria siderurgica DANIELI è leader nella produzione di minimills e di

4 Presentazione DANIELI & C. Officine Meccaniche 4

5 Presentazione DANIELI & C. Officine Meccaniche Investimenti nella Ricerca 5

6 Il Tool MathWorks per lo sviluppo di software nell ambito della ricerca in DANIELI I perché della scelta di MATLAB & Simulink Possibilità di sviluppo di software scientifico per qualunque tipo di approccio ingegneristico (costanti concentrate o distribuite, statico o dinamico) Tempi di sviluppo ridotti per la disponibilità di funzioni, metodi, interfacce (GUI) ed esempi già sviluppati e stabili (toolbox) La possibilità di rappresentare graficamente le soluzioni tecniche per una migliore comprensione del problema La diffusione della suite MATLAB tra i partner del centro di ricerche (università) 6

ridotti per la disponibilità di funzioni, metodi, interfacce (GUI) ed esempi già sviluppati e stabili (toolbox) La possibilità di rappresentare

7 Attività di Simone GUANIN al Centro Ricerche DANIELI Dati Impianto Modelli Fisici Modelli Grey Box Modelli Black Box Stimatori Statici / Dinamici Predittori Simulazione e Controllo di Processo Ottimizzatori DLL (C++/C#) Interfacce Grafiche Oggetti COM VB (Excel) Soft Computing 7

Dinamici Predittori Simulazione e Controllo di Processo Ottimizzatori

8 Attività di Simone Guanin al Centro Ricerche DANIELI Esempi di progetti sviluppati nell ambito del controllo di processo Problema: Controllo del Raffreddamento della pelle solida d acciaio Soluzione: Modello Simulink con logica Fuzzy Strumenti utilizzati: Simulink, Fuzzy Logic 8

Controllo del Raffreddamento della pelle solida d acciaio Soluzione:

9 Attività di Simone Guanin al Centro Ricerche DANIELI Esempi di progetti sviluppati nell ambito del controllo di processo Problema: Controllo del Raffreddamento della pelle solida d acciaio Soluzione: Modello Simulink con logica Fuzzy Strumenti utilizzati: Simulink, Fuzzy Logic 9

10 Attività di Simone GUANIN al Centro Ricerche DANIELI Esempi di progetti sviluppati nell ambito della simulazione e controllo di processo Problema: Controllo profilo termico di raffreddamento in 2D di travi in acciaio Soluzione: Modello Simulink, con s-function ed interfaccia in Excel per generazione report Strumenti usati: Simulink, s-function, Matlab, activex, Excel 10

raffreddamento in 2D di travi in acciaio Soluzione: Modello Simulink, con s-function ed

11 Attività di Simone GUANIN al Centro Ricerche DANIELI Esempi di progetti sviluppati nell ambito della simulazione e controllo di processo Problema: Controllo profilo termico di raffreddamento in 2D di travi in acciaio Soluzione: Modello Simulink, con s-function ed interfaccia in Excel per generazione report Strumenti usati: Simulink, s-function, Matlab, activex, Excel 11

12 Attività di Simone GUANIN al Centro Ricerche DANIELI Impianto prototipo 1t/h Esempi di progetti sviluppati nell ambito della simulazione per progettazione Problema: Sintesi di un simulatore dinamico per la progettazione Soluzione: Modello Simulink con collegamento ad Excel per dati di progetto Strumenti usati: Simulink, Matlab, activex, Excel 12

di un simulatore dinamico per la progettazione Soluzione: Modello Simulink con

13 Attività di Simone GUANIN al Centro Ricerche DANIELI Impianto prototipo 1t/h Esempi di progetti sviluppati nell ambito della simulazione per progettazione Problema: Sintesi di un simulatore dinamico per la progettazione Soluzione: Modello Simulink con collegamento ad Excel per dati di progetto Strumenti usati: Simulink, Matlab, activex, Excel 13

14 DRP an Overview: the basic process scheme Metallizzazione [%M]: Rapporto tra Ferro metallico e Ferro totale Carburazione [%C]: Carbonio totale presente nel DRI Plant Capacity [t/y] 200,000 Reactor Size [m] , , ,200,000 1,600,000 2,000,000 2,500,

presente nel DRI Plant Capacity [t/y] 200,000 Reactor Size [m] 2.

15 Processo di Riduzione Diretta del Minerale di Ferro (Processo EnergIRON) 15

16 Controllo Ottimo del Processo di Riduzione Diretta del Minerale di Ferro Rumore Lev 1 Sets Impianto Problema del Controllo Ottimo Rumore IN OUT Ingressi Minimo Consumo? Regolatore _ + In funzione degli stati energetici del processo, si deve determinare un set di controllo che minimizzi i consumi Lev 2 Sets %M Richieste %C Management t/h 16

Regolatore _ + In funzione degli stati energetici del processo, si deve determinare

17 Controllo Ottimo del Processo di Riduzione Diretta del Minerale di Ferro Rumore Impianto Problema della Stima Ottima Rumore OUT IN + _ er La Stima Ottima di una misura affetta da rumore e quella che minimizza la varianza dell errore di stima (er) ^ OUT Stimatore 17

_ er La Stima Ottima di una misura affetta da rumore e quella che

18 Stima Ottima della Qualità del Prodotto mediante Stimatori EKF ed UKF Modello Simulink Sensore Virtuale Statico Grey Box 18

19 Stima Ottima della Qualità del Prodotto mediante Stimatori EKF ed UKF Interfaccia sul Livello 2 dello Stimatore Dinamico EKF/UKF Il Filtro di Kalman Esteso (EKF curva nera) + Unscented (UKF curva magenta sovrapposta), producono una stima di metallizzazione con deviazione di ±0.25% rispetto alla misura di laboratorio (cerchi gialli), con circa 7 ore di anticipo rispetto alla registrazione della misura 19

sovrapposta), producono una stima di metallizzazione con deviazione di ±0.

20 Controllo Ottimo del Processo di Riduzione Diretta del Minerale di Ferro %C: stesso; %M: vecchio 93,5[%] nuovo 94,5[%]; Richiesta del Management per cambio produzione e qualità Prod[t/h]: stesso; %Mix: vecchio 80[%] Vale, 20[%] BF nuovo 70[%] Vale, 25[%] BF, 5[%] GIIC Cambio Set Point %M Cambio Ore MIX Richiesta: trovare il punto di lavoro del Livello 1 che produce la qualità richiesta dal Livello 2, con minimo consumo di energia e con le attuali capacità di riduzione del gas 20

70[%] Vale, 25[%] BF, 5[%] GIIC Cambio Set Point %M Cambio Ore MIX Richiesta: trovare il punto di lavoro del Livello 1

21 Controllo Ottimo del Processo di Riduzione Diretta del Minerale di Ferro Risultati Software: Variazione set del Livello 1 Interfaccia sul Livello 2 del Regolatore Ottimo LQG Azione richiesta sulla GUI: Set Point del Livello 2 21

22 Controllo Ottimo del Processo di Riduzione Diretta del Minerale di Ferro Interfaccia sul Livello 2 del Regolatore Ottimo LQG Flusso Natural Gas: past set 2,200 [Nm3/h] new set 1,900 [Nm3/h] op. set 2,200 [Nm3/h] Flusso di Natural Gas al Processo: Confronto tra il set Point del controllo LQG (Linea tratteggiata rossa) ed il Set Point di Livello 1 dell Operatore (Linea tratteggiata verde). In Blu la misura del Livello 1. Il controllo LQG fa risparmiare al processo circa 300Nm3/h di Natural Gas 22

23 Controllo Ottimo del Processo di Riduzione Diretta del Minerale di Ferro Cambio Set Point %M Raggiungimento Target di Qualità e Produttività EKF (blu), in funzione degli ingressi LQG, vs. misure impianto (cerchi gialli) Cambio Ore MIX Il gap medio tra il set point L2 %M e le misure d impianto è circa ±0.25% per una intera giornata di esercizio, questo conferma il raggiungimento della qualità richiesta 23

24 Controllo Ottimo del Processo di Riduzione Diretta del Minerale di Ferro Riduzione dei Consumi: Verifica diretta sui dati impianto La riduzione di consumo nel periodo osservato è circa 0.1 Gcal/t con più di 1300 Nm3/h di flusso di NG risparmiato. Flusso NG: past set 57,000 [Nm3/h] new set 56,900 [Nm3/h] op. set 58,200 [Nm3/h] Consumo Spec.: past set 2,51 [Gcal/t] new set 2,50 [Gcal/t] op. set 2,59 [Gcal/t] 24

25 Attività di Simone GUANIN al Centro Ricerche DANIELI Esempi di progetti sviluppati nell ambito del Soft Computing Problema: Controllo Ottimo di Processo di Livello 2 Soluzione: Modello MATLAB con verifica di affidabilità e conversione script in C# Strumenti usati: Matlab, activex, Control Toolbox, Visual Studio

26 Conclusione Motivazioni dell utilizzo di MATLAB & Simulink per la soluzione del problema di controllo presentato FLESSIBILITÀ, Possibilità di sviluppo di software scientifico embedded per un approccio sia statico sia dinamico, per analisi dati, robustezza e stabilità ESEMPI, Tempi di sviluppo ridotti per la disponibilità di funzioni, metodi, interfacce, demo già sviluppati e stabili, creazione proprie librerie SINTESI, la possibilità di sintesi diretta degli script MATLAB & SIMULINK in codice oggetto per gli applicativi sul campo HELP, la semplicità di utilizzo e completezza della documentazione di supporto per lo sviluppo di software embedded DEBUG, la semplicità di Debug del software è la caratteristica vincente che fa preferire questo pacchetto ad altri pacchetti presenti sul mercato 26

27 GRAZIE PER L ATTENZIONE 27

Documenti analoghi

STEELMASTER Special Edition 2013

STEELMASTER Special Edition 2013 Confronto tecnico-economico economico tra ciclo integrale e ciclo elettrico in relazione al mix di prodotti siderurgici Autore: Alessio Saccocci Relatore: Andrea Mazzarano