بناء برنامج حاسوبي (مسيطر عصبي) على المرسبة الكهروستاتيكية في معامل السمنت

Abstract

الخلاصة : بني مسيطر عصبي يعتمد على مبدأ الذكاء الصناعي باستخدام طريقة (MRAC) للسيطرة على الفولتية الخارجة من مجهز القدرة الخاص بالمرسبة الكهروستاتيكية. استعين ببيانات الدخول والخروج للمجهز لبناء الموديل الرياضي للمرسبة الكهروستاتيكية اعتمادا على مبدأ الشبكات العصبية ألاصطناعية الذي يعتبر احد تقنيات تكنولوجيا المعلومات (Information Technology, IT). اذ بني برنامج حاسوبي لمحاكاة عملية السيطرة على الموديل الرياضي باستخدام برنامج (MATLAB). ان النتائج التي حصل عليها بينت ان هذه التقنية ذات كفاءة جيدة في السيطرة على الفولتية المجهزة للمرسبة (kV) بالمقارنة مع المسيطرات التقليدية وبالتالي امكانية السيطرة على المطلقات من الأفران الدوارة لمعامل السمنت.

المفتاح: Neuro-fuzzy Controllers, Intelligent control, PID-Controller.

المقدمة ان منظومات السيطرة الحديثة في المعامل الصناعية تعمل بمبدأ الذكاء الصناعي واهم التقنيات المستخدمة هي: (a) Neural Network Controllers. (b) Fuzzy Logic Controllers. (c) Neuro-fuzzy Controllers. ان هذه المسيطرات تعتمد على الموديلات الرياضية للمنظومات من خلال بيانات الدخول والخروج والتي تغذى للمسيطر ومن ثم يبني المسيطر خوارزمية السيطرة وينفذها للحصول على أفضل طريقة في السيطرة والتحكم ومعالجة المعلومات والشكل رقم (1) يمثل مخطط السيطرة على المنظومات التقليدية (المخطط الكتلي). يعتبر المسيطر (PIACS) من المسيطرات الحديثة التي استوردتها ونصبتها وشغلتها شركة التحدي العامة اذ أظهرت كفاءة عالية جداً في عملية السيطرة على تيار المرسبة الكهروستاتيكية، والشكل رقم (2) يبين المخطط الكتلي للمسيطر الذكي باستخدام المنطق المضبب (Fuzzy Logic).

الشكل رقم (1) يمثل مخطط السيطرة على المنظومات التقليدية (المخطط الكتلي)

الشكل رقم (2) يبين المخطط الكتلي للمسيطر الذكي باستخدام المنطق المضبب (Fuzzy Logic) الجانب العملي تتكون المرسبة الكهروستاتيكية (Electrostatic Precipitator, ESP) من الأجزاء الأساسية التالية: (مجهز القدرة المستمرة ويتكون من (كابينة السيطرة (Control cabinet)، والمحولة مع المعدل (T\R set)) وكما موضح بالشكل رقم (3)، مجموعة المطارق (Rappers)، مجموعة المسخنات ((Heaters، أقطاب التجميع والتفريغ (Collecting & Discharge Electrodes)، جسم المرسبة (ESP Body)، وقمع الترسيب (Hopper)).

الشكل رقم (3) يبين مخطط مجهز القدرة المستمرة (T\R set) بعد دراسة منظومة السيطرة على المرسبة الكهروستاتيكية (ESP)، حددت مجموعة المتغيرات المراد السيطرة عليها وتشمل: (قيمة التيار والفولتية الخارجة، نسبة غاز (CO) وقيمة الضغط ودرجة الحرارة داخل المرسبة)، والقيم أعلاه هي قياسية (Analogue) ويتم التعامل معها كإشارة تيار (4-20mA) أو فولتية سيطرة (0-10V)، ويتعامل المسيطر الذكي مع أشارة الخطأ (e) والتي تمثل الفرق بين القيمة المثبتة (set point) والقيمة الحقيقية (Actual) لكل متغير من المتغيرات المذكورة انفا وحسب المعادلة التالية: ----------------------------------------------- (1) ------------------------------------------------ (2) حيث أن: (e) تمثل اشارة الخطأ، (Δe) تمثل التغير في اشارة الخطأ. إن الشكل رقم (4) يمثل البيانات التي أدخلت إلى وحدة الثايرستور للسيطرة على كمية الفولتية (kV) الداخلة للمرسبة، أما الشكل رقم (5) فيمثل بيانات الفولتية الخارجة منها، وبعد إجراء عمليات التعريف (Identification) حصل على الموديل الرياضي التالي: ------- (3) Where: (y(t)) is the output of the system, (u(t)) is the control signal. رسمت استجابة منظومة السيطرة وكما موضح في الشكل رقم (6).

الشكل (4) يبين البيانات المدخلة لوحدة الثايرستور الشكل (5) يبين البيانات المخرجة من مجهز القدرة

الشكل (6) يبين استجابة منظومة السيطرة المناقشة والاستنتاج تشمل مقومات أعمال السيطرة على المرسبات الكهروستاتيكية باستخدام مسيطر الذكاء الصناعي مايأتي: 1. بناء مسيطر ذكي بالاعتماد على بيانات الدخول والخروج للنظام مما يؤدي إلى سهولة بناء المسيطر. 2. كثرة المتغيرات التي يمكن التعامل معها في المنظومة . 3. الأداء الجيد لهذا النوع من المسيطرات . 4. إمكانية استخدامه لمختلف التطبيقات العلمية وخاصة في معامل الاسمنت . 5. توظيف الخبرة العملية للمصمم والمشغل في وضع خطة السيطرة والتشغيل للمنظومات وبكفاءة عالية . نتيجة العلاقات اللاخطية وتغير العوامل المختلفة في المرسبة وعدم إمكانية بناء موديل فيزياوي للمرسبة الكهروستاتيكية، فقد بني مسيطر يعمل بالطرق الذكية الحديثة في السيطرة والتحكم كما اوضحنا بالفقرة رقم (1) انفا، وأثبتت هذه الطريقة كفاءتها. ولأهمية السيطرة على عمل المرسبات الكهروستاتيكية عملياً فقد طبق هذا البحث نظريا أولاً وذلك لما يتطلبه العمل الميداني من إمكانيات ماديه وفنيه، كما يمكن تطوير هذا البحث من خلال إضافة الأعمال التالية له وكما يلي: أ‌- استخدام الخوارزميات الجينية (Genetic Algorithms) مع المنطق المضبب (Fuzzy Logic) في موضوع السيطرة وفحص أداء المنظومة. ب‌- ربط المعدات الملحقة بالمرسبة مثل (سايلو الغبار، النواقل اللولبية، ومنظومة تحليل الغازات) بالمسيطر الذكي الكترونياً بالاعتماد على السياقات والضوابط المعتمدة عالمياً من قبل الشركات المتخصصة في هذا المجال. ت‌- ربط منظومة تحليل الغازات بالمسيطر الذكي (Intelligent Controller, IC) ليقوم بتقليل قيمة (kV) و(mA) في حالة وصول نسبة غاز (CO) إلى (0.5%)، وإطفاء المنظومة تلقائيا في حالة وصوله إلى نسبة (0.8%). ث‌- التطبيق الميداني لطرق المزاوجة بين المسيطرات التقليدية (PID) والمسيطرات الذكية (IC) للحصول على مسيطر يضم خواص كلا النوعين .

المصادر [1]. Manish Kumar, and Devendra P. Garg, "Intelligent Learning of Fuzzy Logic Controllers via Neural Network and Genetic Algorithm," Proceedings of JUSFA 2004 Japan-USA Symposium on Flexible Automation Denver, July 2004. [2]. Awang N. I. Wardana, "PID-fuzzy controller for grate cooler in cement plant", Control Conference, 5th Asian, vol.3, p.p1563-1567, Indonesia, 2004. [3]. Marzuk kh., and Rubiyah Y., "Neuro-control and its applications", Springer-Verlag New York, Inc. Secaucus, NJ, USA, 1996. [4]. "Electrostatic precipitator's lectures", Neundorfer Company, USA, p.p.30-50, 2006.