В ЮУрГУ создали аналитическую цифровую модель непрерывной прокатки стали для металлургических производств

Ученые Южно-Уральского государственного университета в рамках программы стратегического развития вузов «Приоритет-2030» нацпроекта «Наука и университеты» разработали цифровой двойник станов непрерывной прокатки металлургических предприятий. Это принципиально новое решение, основанное на уникальной математической модели, которой до сих пор не было в мировой практике.

«Непрерывная прокатка известна с начала ХХ века, но корректных математических моделей, которые бы позволяли рассчитать режим работы оборудования и получить в результате на выходе продукцию с заданными параметрами, не было. И мы такую модель разработали, – рассказывает заведующий кафедрой процессов и машин обработки металлов давлением ЮУрГУ Александр Выдрин. – Модель очага деформации для условий непрерывной прокатки позволяет нам рассчитать нагрузки на элементы оборудования, модель оборудования отрабатывает это и показывает, как изменяются при этом настроечные параметры, что дает обратную связь – что же мы на самом деле получим. Эти две модели мы сейчас объединяем и параллельно ведем работу над разработкой модели критериев качества. Ведущие мировые производители прокатного оборудования используют эмпирические модели для ведения расчетов, а мы впервые применили аналитическую модель, которая еще до запуска прокатного стана прогнозирует, какие параметры металлического листа мы получим».

Российские металлурги освоили импортозамещающие технологии по многим видам проката, единственное, где не удавалось полноценно перейти на российские разработки – это производство лент и полос из нержавеющей стали. На сегодняшний день это очень востребованная продукция: прокат из нержавейки используют Росатом, заводы по производству сжиженного природного газа, из него создаются трубы для разработки месторождений, осложненных сероводородом и углекислым газом. Непрерывная прокатка позволяет производить металлические полосы длиной в сотни метров, при горячей прокатке толщина листа – до 4 миллиметров, холодная прокатка дает более тонкий лист, толщиной до десятых долей миллиметра. Сфера применения таких материалов – электроника, точное машиностроение, оптика.

«Есть целый ряд проблем, связанных с производством изделий из нержавеющих марок стали, – объясняет профессор Александр Выдрин. – Это связано с тем, что они интенсивно упрочняется в процессе пластического деформирования. В обычном состоянии у нержавейки прочность примерно такая же, как у обычных марок стали, но в процессе деформирования прочностные свойства резко возрастают, это приводит к проблемам со стойкостью оборудования. Кроме того, пластичность у ряда марок нержавеющей стали ограниченная, и во время прокатки могут появиться трещины на поверхности полосы».

Процесс непрерывной прокатки без автоматизации невозможен. При этом на сегодня в мире используются два принципа управления: по отклонению и по возмущению. В первом случае контрольный датчик устанавливается на выходе из прокатного стана, он измеряет толщину листа, определяет отклонения и подает команду на нажимные устройства клетей, которые сводят или разводят прокатные валки. То есть, испорченное изделие определяется постфактум. Принцип регулирования по возмущению действует иначе: датчики стоят на входе и дают команду на устройство. Но для этого нужна математическая модель, которая бы посчитала, как при тех или иных отклонениях скорректировать процесс прокатки. В основном все мировые производители работают по отклонению: измеряют, что получилось и дают обратную связь. При этом количество брака может доходить до 30%.

Ученые ЮУрГУ разработали систему, которая предположительно даст не более 1-2% брака.

Готовность цифрового двойника – 80%. Сейчас ученые занимаются его визуализацией, а также решают, каким образом адаптировать его под запросы конкретных предприятий. Моделью уже заинтересовался Челябинский металлургический комбинат. Внедрение ее в реальное производство позволит существенно повысить качество продукции, расширить сортамент и практически полностью исключить человеческий фактор: 90% работы будет выполнять искусственный интеллект.

Вы нашли ошибку в тексте:
Просто нажмите кнопку «Сообщить об ошибке» — этого достаточно. Также вы можете добавить комментарий.