Article de référence | Réf : S7582 v1

Filtre d’excentricité dans les laminoirs à chaud
Régulation d’un processus industriel par réseaux de neurones

Auteur(s) : Fabrice SORIN, Lionel BROUSSARD, Pierre ROBLIN

Date de publication : 10 juin 2001

Pour explorer cet article
Télécharger l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !

Sommaire

Présentation

Version en anglais English

Auteur(s)

  • Fabrice SORIN : Chef du Service Contrôle et Régulation Procédés - ALSTOM Power Conversion France

  • Lionel BROUSSARD : Ingénieur Développement Service Contrôle et Régulation Procédés - ALSTOM Power Conversion France

  • Pierre ROBLIN : Directeur Technique Technologie et Systèmes Standards - ALSTOM Power Conversion France

Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.

Lire l’article

INTRODUCTION

Le souci d’améliorer les performances des processus industriels et de réduire les coûts sont des raisons déterminantes pour l’introduction de nouvelles stratégies de régulation dans les techniques d’automatisme. Dans son calculateur d’automatisme temps réel rapide, ALSTOM intègre la technique de modélisation et d’apprentissage en ligne de processus par des réseaux artificiels neuronaux. Ceux-ci permettent de représenter des relations fonctionnelles complexes difficiles à décrire sous une forme analytique de systèmes non linéaires ou de systèmes variables en fonction du temps.

Cet article est réservé aux abonnés.
Il vous reste 94% à découvrir.

Pour explorer cet article
Téléchargez l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

DOI (Digital Object Identifier)

https://doi.org/10.51257/a-v1-s7582


Cet article fait partie de l’offre

Automatique et ingénierie système

(139 articles en ce moment)

Cette offre vous donne accès à :

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques

Des services

Un ensemble d'outils exclusifs en complément des ressources

Un Parcours Pratique

Opérationnel et didactique, pour garantir l'acquisition des compétences transverses

Doc & Quiz

Des articles interactifs avec des quiz, pour une lecture constructive

ABONNEZ-VOUS

Version en anglais English

9. Filtre d’excentricité dans les laminoirs à chaud

Lorsque l’on utilise des jauges d’épaisseur pour la régulation de l’épaisseur de bandes à chaud, la diminution de l’influence des perturbations, comme par exemple les phénomènes d’excentricité des cylindres et d’empoises sur le signal de la force de laminage, est un élément déterminant pour la qualité du système de régulation.

Il existe un grand nombre de systèmes à base de filtres pour effectuer cette tâche, mais s’ils pallient ces défauts, ils ont aussi l’inconvénient de déformer le signal utile, d’introduire en particulier un déphasage et de diminuer ainsi la stabilité de la boucle de régulation. Comme les perturbations sont aussi non linéaires, il faut trouver des compromis si l’on choisit de mettre en place des filtres linéaires.

La structure non linéaire du filtre à base de réseau artificiel neuronal offre de nouveaux degrés de liberté pour l’optimisation.

Pour obtenir une qualité optimale de régulation, un filtre d’excentricité doit satisfaire aux impératifs suivants :

  • la rapidité et la qualité de la stabilisation ;

  • aucun retard de phase ou aucune déformation d’amplitude du signal utile.

Le filtre d’excentricité à réseau artificiel neuronal développé par ALSTOM répond à toutes ces exigences.

Le filtre développé utilise le mode de représentation spatiale de la forme du cylindre et donc de l’excentricité résultante des défauts d’empoise et de cylindre (figure 24).

Pendant le laminage, le filtre suit les variations d’excentricité résultant des interférences entre cylindres supérieurs et cylindres inférieurs. Le filtre est aussi en mesure de séparer les excentricités des cylindres, ce qui est un aspect important pour les applications de diagnostic des équipements.

Le filtre neuronal non linéaire utilise l’information disponible relative à la vitesse de rotation des cylindres pour évaluer la valeur de l’excentricité. Cette valeur est alors déduite du signal « force de laminage » et il ne reste donc que la force de laminage engendrée par le produit.

La figure 25 met clairement en évidence les réductions des perturbations périodiques.

...

Cet article est réservé aux abonnés.
Il vous reste 93% à découvrir.

Pour explorer cet article
Téléchargez l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

Cet article fait partie de l’offre

Automatique et ingénierie système

(139 articles en ce moment)

Cette offre vous donne accès à :

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques

Des services

Un ensemble d'outils exclusifs en complément des ressources

Un Parcours Pratique

Opérationnel et didactique, pour garantir l'acquisition des compétences transverses

Doc & Quiz

Des articles interactifs avec des quiz, pour une lecture constructive

ABONNEZ-VOUS

Lecture en cours
Filtre d’excentricité dans les laminoirs à chaud
Sommaire
Sommaire

BIBLIOGRAPHIE

  • (1) - YASMINE (Y.) -   Stage sur les réseaux de neurones.  -  CICT, 1999. http://www.cict.fr.

  • (2) - HARDY (J.-M.), STRASSERA (A.) -   Les réseaux de neurones.  -  1998.

  • (3) - ROSSI (F.) -   Introduction aux réseaux de neurones.  -  1997. http://www.ceremade.dauphine.fr/~rossi/work.html

  • (4) - HAMBRECHT (A.) -   Requirements for Integration of Neural Control in Automation Systems.  -  Third European Congress on Intelligent Techniques and Soft Computing. EUFIT ’95 Proceedings Vol. 3, p. 1861, Aachen, Germany, August 1995.

  • (5) - FECHNER (T.H.), NEUMERKEL (D.), KELLER (I.) -   Neural Network Filter for Steel Rolling.  -  ICNN ’94 IEEE International Conference on Neural Network, June 1994 in Orlando, USA.

  • (6) - HUNT (K.), SBARBARO (D.), ZBIKOWSKI (R.) -   Neural Network for Control Systems – A Survey, Automatica.  -  ...

Cet article est réservé aux abonnés.
Il vous reste 92% à découvrir.

Pour explorer cet article
Téléchargez l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

Cet article fait partie de l’offre

Automatique et ingénierie système

(139 articles en ce moment)

Cette offre vous donne accès à :

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques

Des services

Un ensemble d'outils exclusifs en complément des ressources

Un Parcours Pratique

Opérationnel et didactique, pour garantir l'acquisition des compétences transverses

Doc & Quiz

Des articles interactifs avec des quiz, pour une lecture constructive

ABONNEZ-VOUS