Побудова математичної моделі кульового барабанного млина із застосуванням отриманих експериментальних даних

2019;
: 44-55
1
Національний університет «Львівська політехніка»
2
Національний університет «Львівська політехніка»
3
Національний університет "Львівська політехніка"
4
Національний університет "Львівська політехніка"

Мета. Розробити математичну модель кульового барабанного млина (КБМ) для розмелювання вугілля на тепловій електростанції (ТЕС) на основі отриманих результатів експериментального дослідження. Методика. Аналізом енергетичних потоків встановлено взаємозв’язок між енергією вібрації корпусу млина та кількістю розмелюваного матеріалу в КБМ. Виконано експериментальне дослідження, а саме вимірювання основних технологічних параметрів (кількість матеріалу, температура аеросуміші на виході, перепад тиску) на діючому КБМ. Застосовано закони збереження маси та тепла, а також рівняння витрати та теплообміну для побудови математичної моделі КБМ у вигляді системи нелінійних диференціальних рівнянь. Виконано моделювання перехідних процесів у середовищі Simulink (Matlab), а також порівняння змодельованих процесів із експериментальними. Для оцінки адекватності розробленої математичної моделі розраховано відносні приведені похибки для кожного параметра. Результати. У роботі встановлено, що середньоквадратичний рівень вібропришвидшення вертикальної складової підшипника КБМ в діапазоні від 2 до 6 кГц для вугільного млина характеризує його відносну продуктивність. А при максимально-можливій продуктивності млина цей рівень досягає мінімального значення, і при подальшому збільшенні подачі матеріалу в млин – не змінюється. Розроблено математичну модель КБМ, виконано порівняння результатів моделювання із отриманими експериментальними даними та здійснено оцінку адекватності розробленої моделі. Наукова новизна. Вперше побудовано математичну модель КБМ у вигляді системи нелінійних диференціальних рівнянь, яка із достатньою точністю забезпечує можливість моделювання основних технологічних параметрів млина. Відносна приведена похибка змодельованого сигналу температури аеросуміші на виході КБМ відносно експериментальних значень становить 5,0 %. Для сигналу завантаженості млина ця похибка становить 7,4 %, а для перепаду тиску на млині – 11,2 %. Практична значущість. Розроблена модель може бути застосована на практиці для дослідження КБМ у різних режимах роботи, а також для розроблення алгоритмів керування процесом розмелювання вугілля на ТЕС за допомогою КБМ.

  1. Pistun, Y., Zagraj, V. & Skobalo, A. (2002). Automatic control and optimization of ball mills, Proc. of VIII Forum of Power Engineers, Techn. Univ. of Opole, May 29–31, 2002, ISBN 83-88492-04-7, Kabza, Z. (Ed.), pp. 575-581, Publ.House of Tech. Univ. of Opole, Opole, Poland.
  2. Fedoryshyn, R.; Nykolyn, H.; Zagraj, V. & Pistun, Y. (2012). The improved system for automation and optimization of solid material grinding by means of ball mills. Annals of DAAAM for 2012 & Proceedings of the 23rd International DAAAM Symposium, ISBN 978-3-901509-91-9, ISSN 2304-1382, CDROM version, pp.053-056, Editor B. Katalinic, Published by DAAAM International, Vienna, Austria, EU, 2012.
  3. T. Chai, L. Zhai, and H. Yue, (2011). “Multiple models and neural networks based decoupling control of ball mill coal-pulverizing systems,” Journal of Process Control, vol. 21, no. 3, pp. 351–366.
  4. Feng, L., Yang, F., Zhang, W. & Tian, H. (2019). "Model Predictive Control of Duplex Inlet and Outlet Ball Mill System Based on Parameter Adaptive Particle Swarm Optimization", Mathematical Problems in Engineering, vol. 2019.
  5. Lingfang, S., Jingmiao, S., Yinde, M., Congwei, F., Jibing, R. & Wei, Y. (2015), "Application research of PID-GPC algorithm in the ball mill system", Open Automation and Control Systems Journal, vol. 7, no. 1, pp. 157-166.
  6. Формусатин В.П. Повышение производительности пылесистем на ТЭС. – Электрические станции, 2007, № 6, с. 1–4.
  7. Левит Г.Т. Пылеприготовление на тепловых электростанциях / Г.Т. Левит. – М.: Энергоатомиздат, 1991. – 384 с. 
  8. Bai, Y. & He, F. (2015), "Modeling on the effect of coal loads on kinetic energy of balls for ball mills", Energies, vol. 8, no. 7, pp. 6859-6880.
  9. Дружбляк О.М., Пистун Е.П., Трусь А.И. Системы загрузки шаровых барабанных мельниц. – Энергетика и электрификация, 1984, №8, с. 29-32.
  10. Macku, L[ubomir] & Novosad, D[avid] (2017). Influence of Online Identification Methods on the Nonlinear Process Control, Proceedings of the 28th DAAAM International Symposium, pp.0216-0223, B. Katalinic (Ed.), Published by DAAAM International, ISBN 978-3-902734-11-2, ISSN 1726-9679, Vienna, Austria.
  11. Opalka, J. & Hubka, L. (2015), "Nonlinear state and unmeasured disturbance estimation for use in power plant superheaters control", Procedia Engineering, pp. 1539.
  12. Filaretov, V[ladimir]; Zhirabok, A[lexey]; Zuev, A[lexander] & Protcenko, A[leksandr] (2016). Identification of Faults in Nonlinear Dynamic Systems, Proceedings of the 26th DAAAM International Symposium, pp.0470-0477, B. Katalinic (Ed.), Published by DAAAM International, ISBN 978-3-902734- 07-5, ISSN 1726-9679, Vienna, Austria.