In this paper, a new method based on adaptive neuro fuzzy inference system (ANFIS) and fuzzy logic is presented to determine the slag quality in electric arc furnace using power quality indices. To train ANFIS, all electrical power quality parameters are measured for 13 meltings using a power quality analyzer. Twelve different sets of power quality parameters are examined to predict the slag quality. Finally, one parameter set consisting of total current harmonic distortion, seventh current harmonic, and three phase current unbalance is selected, which shows the best prediction accuracy. Although the trained ANFIS can accurately predict the slag quality, it is not a robust predictor. If the power quality analyzer model or furnace capacity is changed, then the predictor accuracy will be decreased. To overcome this problem, the fuzzy method is used to predict the slag quality using selected power quality parameters. The predictor reports the slag quality every 1 min in experimental test. The designed fuzzy slag quality predictor can also be used in an automatic slag control process

چکیده

در این مقاله روشی جدید برای تعیین کیفیت سرباره در کوره‌ی قوس الکتریکی بر پایه سیستم تطبیقی استنتاج عصبی فازی و منطق فازی ارائه شده است. برای آموزش ANFIS همه پارامترهای کیفیت توان برای ۱۳ فرآیند ذوب و توسط تحلیل‌گر کیفیت توان اندازه‌گیری شده‌اند. دوازده مجموعه متفاوت از پارامترهای کیفیت توان برای پیش‌بینی کیفیت سرباره آزمایش شده‌اند. در نهایت٬ یک مجموعه از پارامترها شامل اعوجاج هارمونیک کل جریان٬ هفتمین هارمونیک جریان و عدم توازن جریان سه فاز انتخاب شده‌اند که بهترین صحت پیش‌بینی را نشان می‌دهند. با وجود اینکه ANFIS آموزش دیده می‌تواند کیفیت سرباره را درست پیش‌بینی کند ولی یک پیش‌بین سترگ (مقاوم) نیست. اگر مدل تحلیل‌گر کیفیت توان و یا ظرفیت کوره تغییر کنند صحت پیش‌بین کاهش می‌یابد. برای غلبه بر این مشکل از روش فازی استفاده شده است. این روش کیفیت سرباره را با پارامترهای کیفیت توان انتخاب شده پیش‌بینی می‌کند. در تست آزمایشگاهی، پیش‌بین کیفیت سرباره را هر یک دقیقه گزارش می‌دهد. پیش‌بین فازی کیفیت سرباره در فرآیند کنترل سرباره‌ی اتوماتیک نیز به کار می‌رود.

کلیدواژه- سیستم تطبیقی استنتاج عصبی فازی ٬ کوره قوس الکتریکی٬ کیفیت کف سرباره٬ منطق فازی٬ کیفیت توان.

1-مقدمه

کیفیت کف سرباره به عنوان یک پارامتر مهم در فرآیند ساخت فولاد شناخته شده‌است. از مزایای کف سرباره خوب می‌توان به موارد زیر اشاره کرد:‌ کاهش هزینه‌ی انرژی به دلیل افزایش حفظ گرما٬ بهبود بازده و نیز کاهش لرزش٬ صدا و مصرف الکترود در کوره قوس الکتریکی.

سطح بار سخت و یا اغتشاش در ذوب باعث به وجود آمدن نوسانات بزرگی در جریان‌های سه فاز قوس ٬ عدم توازن زیاد جریان و غیرخطی شدن شدید جریان فازهای مختلف می‌شوند. کف سرباره‌ی با کیفیت خوب بار را می‌پوشاند و مسیر یکنواخت و همواری را در سه الکترود برای جریان ایجاد می‌کند. بنابراین کف سرباره پدیده‌های مربوط به کیفیت توان نظیر عدم توازن جریان٬ فلیکر و هارمونیک‌های جریان را کاهش می‌دهد. با وجود مطلوب بودن کف سرباره هیچ روش قابل اعتمادی برای پیش‌بینی کیفیت سرباره وجود ندارد. معمولاً سرباره توسط یک فرد متخصص در طول فرآیند تولید فولاد و با استفاده از حس بینایی (به صورت چشمی) ارزیابی می‌شود. مشکلات اصلی در این زمینه تغییرات سریع و غیرخطی بودن کیفیت سرباره است. این دو عامل به فاکتورهای متعددی نظیر افزودنی‌ها و نسبت آهن اسفنجی به آهن بازیافتی (قراضه) وابسته هستند...