Título

UTILIZAÇÃO DE REDES NEURAIS ARTIFICIAIS E MODELO CFD COMO ESTRATÉGIA PARA TOMADA DE DECISÕES NO PROCESSO DO ALTO-FORNO

NEURAL NETWORK AND CFD MODEL USED AS STRATEGY TO TAKE DECISIONS ON A BLAST-FURNACE PROCESS

Autoria

França, Alexandre Bôscaro; Castro, José Adilson de; Feiteira, José Flávio Silveira

DOI

10.5151/2594-357X-15644

Downloads

Baixar Artigo 51 Downloads

Resumo

A previsão do comportamento e o conhecimento dos fenômenos que ocorrem no processo do alto-forno são de extrema importância para a tomada de decisão em termos do tipo e da quantidade de matéria-prima na alimentação, produção, consumo de energia, concentração dos gases no topo e muitos outros fatores que envolvem o processo. A medição in situ de alguns parâmetros é de extrema dificuldade devido às condições adversas no interior do equipamento, havendo a necessidade de modelos matemáticos que possam quantificá-los. A utilização de modelos CFD (Computacional Fluid Dynamics) e redes neurais artificiais (RN’s) estão sendo largamente empregados com o propósito de antever, prever e quantificar estes parâmetros. Neste trabalho foi utilizado um modelo CFD do alto forno para analisar a sensibilidade da produção diária e a razão CO/CO2 aos parâmetros: temperatura de sopro, enriquecimento de O2 no sopro e porcentagem de sínter na carga. Os dados obtidos com a simulação em CFD foram utilizados para treinar duas RN’s para previsão de resultados do alto forno. O modelo CFD apresentou um erro médio de 2,54% em relação ao processo real e as previsões obtidas através das RN’s apresentaram um erro médio de 1,5%.

 

The prediction of blast furnace inner phenomena is very important to design suitable raw materials which allow the best performance with regard to fuel consumption, productivity and chemical composition of the hot metal. Direct measurements of the internal blast furnace parameters are usually expensive and in some cases impossible to be obtained with accuracy. Therefore, mathematical models able to quantify and predict the effects of process variables changes are useful. Models based on transport phenomena (Computacional Fluid Dynamics - CFD) have been used, spite of high demand of computational effort. On the other hand, neural network (NN) models are fast, but have severe limitations to predict inner phenomena such as the effect of cohesive zone position and temperature field on the final chemical composition of the hot metal. This paper aims to joint and take the advantage of both models to predict operational conditions of the process. It was simulated several conditions of sinter proportions in the burden, oxygen enrichment and blast temperature with the purpose of training the NN. Finally, the implemented NN was tested and showed good agreement with the CFD predictions.

Palavras-chave

Redes neurais artificiais; Modelo CFD; Alto-forno.

Neural network; CFD model; Blast furnace.