Title

PREVISÃO DA CORRENTE DE PERDAS DO LAMINADOR BREAK DOWN II DA LINHA DE LAMINAÇÃO DE PERFIS AÇOMINAS UTILIZANDO REDES NEURAIS ARTIFICIAIS

CURRENT LOSES PREDICTION ON AÇOMINAS HEAVY SECTIONS BREAK DOWN II BY USING AN ARTIFICIAL NEURAL NETWORK

Authorship

Furieri, Anderson; Braga, Antônio de Pádua; Abreu, Marcus Vinicius Abrantes; Salis, Turíbiu Tanus

Furieri, Anderson

I am this author

Braga, Antônio de Pádua

I am this author

Abreu, Marcus Vinicius Abrantes

I am this author

Salis, Turíbiu Tanus

I am this author

DOI

10.5151/2594-5335-0021

Downloads

Abstract

A identificação de material na cadeira de laminação coordena todo o sistema de laminação automática desenvolvido para o laminador Break Down II, BD2, sendo assim, falhas nesta identificação causa posicionamento indevido dos parafusos e réguas do laminador, bem como, a parada indevida das mesas envolvidas no processo de laminação. Devido a problemas causados pelo próprio processo de laminação, tais como poeira e forças excessivas, os instrumentos utilizados para fazer a identificação têm seu funcionamento prejudicado, causando falhas na identificação do material na cadeira, que por sua vez, gera atrasos e perdas de material na linha de produção. Este trabalho cria uma forma alternativa para o cálculo da corrente de carga do motor do laminador, compondo a estratégia de identificação de material na cadeira de laminação. A corrente de carga do motor do laminador é a diferença entre a corrente atual e a corrente de perdas e, a corrente de perdas, é a corrente necessária para que o motor gire todo o sistema da cadeira de laminação, vencendo o atrito viscoso dos mancais e a inércia do conjunto motor, redutor, spindles, cilindros, etc. A corrente de perdas do laminador é estimada utilizando-se Redes Neurais Artificiais. Apresentam-se os resultados de simulação e uma aplicação prática.

Material identification at rolling mills stand coordinates whole automatic rolling mills system developed for the Break Down II Roller, BD2. Thus, faults in this identification causes undue positioning of the screws and rulers of the Roller, as well as, the improper stop of the tables involved in the rolling mills process. The identification instruments have its operation harmed due to problems caused by the own rolling mills process, such as dust and excessive forces. This kind of problems causing material identification faults at the stand, that for its time, it generates delay and material losses in the production line. This work creates an alternative for the Roller’s motor charge current calculus, composing the strategy of material identification at the rolling mills stand. The Roller’s motor charge current is the difference between the feed back current and the loses current, is the necessary current so that the motor rotates whole rolling mills system stand, winning bearings viscous friction and the whole motor group inertia, reducer, spindles, cylinders, etc. The roller losses current is esteemed by using an Artificial Neural Network. This work shows simulation results and a practical application.

Keywords

Corrente de perdas; Redes neurais artificiais.

Current loses; Artificial neural networks.