SOUTENANCE DE THESE
18/05/2015
NGUYEN Xuan-Manh 18/06/15 CentraleSupelec à 14h.

SUJET : Commande predictive hierarchisee. application a la commande de fours de rechauffage siderurgiques .

Hierarchical distributed predictive control. application to the control of slab reheating furnace in the steel industry.

Directeur de Thèse : Didier Dumur
SOUTENANCE DE THESE AYANT POUR JURY :
(indiquer les noms par ordre alphabétique)
Estelle COURTIAL Maitre de Conférences, Université d’Orléans
Edouard LAROCHE Professeur des Universités, Université de Strasbourg
Mohammed M’SAAD Professeur des Universités, GREYC Caen
Dorothée NORMAND-CYROT Directeur de Recherche CNRS, L2S Gif sur Yvette
Pierre RIEDINGER Professeur des Universités, CRAN Nancy

RESUME

L’objectif des travaux de la thèse est de développer la stratégie de commande prédictive (ou souvent appelée « MPC » en anglais) dans une architecture distribuée hiérarchisée de four de réchauffage à brames afin de réduire la consommation énergétique et améliorer la qualité de produit. La fonction de fours de réchauffage est de chauffer des brames d'acier à partir d'une température initiale jusqu’à environ 1200 °C avec une bonne homogénéité avant d'entrer dans des laminoirs à chaud. La modélisation du four est indispensable pour l'observation des variables tels que la température des brames, la température de mur, etc., et pour le contrôle de température dans le four. Un modèle transitoire remplace le modèle stationnaire du four. Le nouveau modèle peut gérer la diversification croissante de brames en termes de température visée, de dimensions, les propriétés des matériaux, etc. Ce modèle transitoire est validé sur des données industrielles et ensuite utilisé dans la conception de la commande de four.
La tâche de contrôle des fours de réchauffage concerne principalement deux niveaux. Les températures des zones sont contrôlées par niveau 1 qui fait varier des débits de gaz des zones de four. Et la température de brames est contrôlée au niveau 2 en faisant varier les consignes de température de zones.
Le niveau 1 devrait suivre avec précision les consignes de température de zones de four, et il devrait tenir compte aussi l’objectif de la consommation énergétique minimum. Pour résoudre le problème de commande, la stratégie MPC distribué est construite en basant sur un modèle de zones de four. La méthode proposée est mise en œuvre dans le niveau 1 d'un four réel. Les résultats obtenus à partir de cette application sont comparés avec les résultats du niveau 1 qui a été utilisé précédemment. La comparaison a montré que la stratégie MPC distribué permet d'économiser jusqu'à 3% de la consommation d'énergie tout en assurant un bon suivi des consignes de température de zone. En outre, le taux d'oxygène dans le four est réduit, ce qui conduit à la réduction de la formation de calamine et de la décarburation et donc moins de pertes de matière. Surtout, l'utilisation du mode automatique est augmentée de 10% dans la zone d’égalisation, ce qui signifie que l'opérateur du four a moins d'intervention manuelle dans le fonctionnement du four.
Au niveau 2 du four, les consignes de température de zones sont calculées pour que les brames puissent atteindre leurs températures visées. Cela est crucial pour le succès de la tâche de chauffage ainsi que pour l'amélioration d’efficacité énergétique du four. Cette tâche est soumise à des contraintes de température de zones, des contraintes de température de brames, et des contraintes de puissance de zones. La stratégie MPC utilise le modèle de transfert thermique transitoire à prévoir la température des brames et de la consommation du four. Les objectifs de chauffage sont formulés comme des critères de minimisation, et les limites sur les températures sont pris en compte comme des termes de pénalité. Par conséquent, le problème de contrôle de niveau 2 est conçu comme un problème de minimisation sans contrainte.
En termes d’algorithme d'optimisation, algorithmes de recherche directs sont étudiés parce que l'optimisation est basée sur la simulation numérique du four. Modèle transitoire numérique fournit des estimations plus précise des variables, mais exige aussi plus de ressources de calcul que le modèle stationnaire analytique. Algorithme Nelder-Mead est utilisé en raison de ses avantages comme: la mise en œuvre simple, rapide baisse de la valeur de la fonction de coût.
En utilisant une simulation sur l'environnement Intel Fortran, la stratégie et l'optimisation MPC algorithme proposé pour le niveau 2 est testé dans un scénario réel de four. Par rapport à la stratégie actuelle, les résultats obtenus montrent que l'utilisation du contrôleur MPC peut économiser 5% de la consommation d'énergie four tout en assurant la température visée et l'homogénéité de la température de brames.
Une étude visant la maximisation de la productivité du four est effectuée. Dans cette étude, le cadencement des brames et l'optimisation des consignes de la température de zones sont considérés en même temps. En plus des variables utilisées dans d'optimisation des consignes de température de zones, l'intervalle de temps moyen entre les défournements est ajouté comme variable de contrôle. En tant que nouvelle entrée de commande à côté des consignes de température de zones, l'intervalle de temps moyen entre les défournements est soumis à une limite inférieure en raison des contraintes de laminoirs à chaud. La simulation dans un environnement Intel Fortran montre que la production de four peut être augmentée avec un surcoût de la consommation d'énergie. En outre, la précision de la température de sortie de brames et son homogénéité peut être significativement amélioré. En termes d’application, ces résultats prouvent que MPC peut être utilisé pour informer l'opérateur de four la capacité maximale instantanée du four. Cette information aidera l'opérateur de four pour ajuster le cadencement de brames pour que le four puisse fonctionner à sa productivité maximum.
La perspective de ce travail est la mise en œuvre du MPC niveau 2 pour les fours de réchauffage à brames des usines sidérurgiques d'ArcelorMittal, qui devrait générer de significatifs impacts économiques et environnementaux. Autres types de fours de réchauffage qui sont dédiés à différents types de produits tels que les blooms, les billettes, tubes, etc. peut être étudiés pour l’application de la commande prédictive.