Redes neurais artificiais na modelagem de laminadores de encruamento

Abstract

Para garantir a competitividade industrial, incluindo o mercado siderúrgico, é necessário otimizar despesas e aumentar a produtividade. Portanto, evitar incidentes relacionados à automação e à manutenção de equipamentos é um fator chave para garantir produção ininterrupta. Além disso, a perda de material deve ser minimizada. Nesse contexto, existe uma oportunidade para incorporar melhorias no controle de um laminador de encruamento, assegurando que a tensão mecânica aplicada à chapa de aço permaneça dentro das especificações. Para alcançar um controle eficiente, é necessário que o controlador envie o sinal apropriado para a planta. Este artigo explora diferentes arquiteturas de redes neurais artificiais para modelar essa planta. Uma melhoria moderada foi observada no modelo, e o modelo neural permite treinamento contínuo para se adaptar ao fenômeno real.