Beschreibung

Optimierung der Zn-Schichtdicke bei der Feuerverzinkung mit Einsatz von Methoden der Computational Intelligence

Zur Herstellung verzinkter Bleche wird häufig das Verfahren der Feuerverzinkung angewandt. Hierbei durchläuft ein Stahlband, nach entsprechender Vorbereitung in einem Glühofen, einen mit flüssigem Zink gefüllten Kessel. Überschüssiges Zink wird nach Verlassen des Zinkbades z.B. mit Druckluftdüsen beseitigt. Der optimale Abstreifdruck oder eine gleichmäßige Zinkbeschichtung hängt hierbei von einer großen Anzahl von Systemvariablen ab, wie z. B. Bandgeschwindigkeit, Temperatur des Zinkbades und Schwingungen des Bandes. Eine genaue Berechnung der Zusammenhänge ist aufgrund der Komplexität des Systems bisher nicht möglich. Um die Zinkschichtdicke aus Kosten- und Umweltgründen zu minimieren, soll mit Hilfe von künstlichen neuronalen Netzen ein Konzept für eine Steuerung entwickelt werden, welche das Schwingungsverhalten des Stahlbandes berücksichtigt.

In the process of steel-making the hot-dip coating is used to build zinced sheet. After preparing the strip in a furnace it will be transported through a bath of melted zinc. The coating thickness is attained by pressure controlled air knives. A uniform zinc-width depends on different parameters e.g. the velocity of the strip, temperature of the bath and the vibrations of the coated steel. Uptonow the complexity of the process makes it unpossible to describe. To minimize cost and the pollution of the environment a model for thickness-control will be realised by the use of Fuzzy-logic and neural networks.

Projektorganisation

Laufzeit

15.05.2002 - 14.05.2003

Projektleitung im Fachgebiet

Prof. Dr.-Ing. Hans-Dieter Kochs

Projektbearbeitung

Dipl.-Phys. Eric Beckers, wiss. Mitarb.

Zusammenarbeit intern

-

Zusammenarbeit extern

Betriebsforschungsinstitut, Düsseldorf
Duma Maschinen- und Anlagenbau GmbH, Duisburg
Thyssen Krupp Stahl AG, Duisburg

Förderung

Förderer

BMBF, Berlin

Förderart

Bund

Förderkennzeichen

-

Schlagworte

Computational Intelligence, Neuronale Netze, Prozessmodellierung