王征[1]2003年在《基于ANN的电弧炉智能控制系统的开发》文中研究说明本文结合实际情况和用户的需求,在电炉计算机控制系统中,应用2台工控机。一台工控机作为基础级(基础自动化)控制,完成专家系统+神经网络预估,实现电极升降控制,另一台工控机作为过程级工作站,显示曲线、数据,对基础级传来的各种工艺参数进行分析、计算、优化。 本文首先针对电炉的执行机构的调节总是滞后于电弧炉实际状态的变化,加上电弧炉神经网络预估模型,通过它预估出电弧炉下一时刻的状态,使电弧电流能达到一种相对的极稳状态,减少无功功率冲击。同时利用此方法也可对各种原有的控制系统进行智能化改造,降低了费用,是一种低投入高产出的方法。监控系统从现场进行数据采集,将采集的数据送往PLC进行调节,并将PLC采集的数据进行分析,利用其强大的分析计算能力(各种高级语言进行支持)将最优的控制参数计算出来传给下位机进行控制。之后经过应用程序传到数据库进行管理,上位机部分主要承担整个系统的管理、分析、计算、统计、报表打印、画面显示和通讯等工作。本系统组网采用国际上普遍受欢迎的二级控制,即上位机与PLC建立网络联网,同时上位机作为工业以太网的网上站点通过TCP/IP协议与其它站点进行通讯。 本系统合理控制叁相电流、叁相功率的大小,从而电极能够实时、快速、准确地按照冶炼工艺要求进行调节,使电弧功率稳定在一定的范围内,获得期望的控制效果。上位机对基础级控制参数进行及时修正和干预,实时监控设备及报警,达到控制灵活的功能。
张晓晖[2]2002年在《电弧炉电极ANN预估补偿自动控制系统》文中指出本课题来自于广州钢铁股份有限公司电炉炼钢厂40T电弧炉自动控制系统的改造项目。广钢40T电弧炉上原有一套美国的IAF控制系统,但由于运行时间较长并且维护费用较高,电弧炉运行的经济指标较差,叁相电流不稳定,不平衡,强吹Ar时电流冲击大,冶炼时间长,电耗高,生产管理,工艺管理有待进一步加强,为向标准化方向发展,特为广钢40T电弧炉重新设计智能控制系统。 本系统具有先进的控制功能,监测功能,数据处理功能,网络管理功能。能够明显的改善电弧炉的经济技术指标。电极调节器采用一种新的电弧炉电极自适应控制方法---基于神经网络预估补偿的自适应控制。采用神经网络预估对象状态,进而对常规控制器的输出做补偿以控制实际对象,利用改进的DBD算法动态修改神经网络权值作为自适应方法,使系统较好地适应负荷和外扰的变化,从而获得满意的控制质量。
马戎[3]2006年在《智能控制技术在炼钢电弧炉中的应用研究》文中研究说明电弧炉是利用电弧的能量来熔炼金属的一种电炉。电弧炉控制系统包括基础自动化和过程自动化。它是一个多变量、非线性、强耦合、时变、工作环境恶劣及随机干扰性较强的系统,各种参数的多变使得系统电极位置、电弧长度、电弧电流/电压、系统功率及功率因数很难保持在最佳状态下运行,也一直阻碍着电弧炉过程控制技术的进一步发展。随着电力工业的进步,大型超高功率电炉技术的发展以及炉外精炼技术的采用,使电弧炉炼钢技术有了很大的进步。随着信息技术和计算机技术的相结合,一种以人工智能、控制理论和计算机科学为基础的新型控制技术—智能控制的出现,为控制领域解决传统难题带来了新的生机。而智能控制作为一项关键技术,在钢铁工业的各个生产工序中得到了较多的应用,可用于建模、控制、生产调整、设备诊断、监测和学习等方面,而专家系统、模糊控制、人工神经网络控制是叁项发展较快、趋于成熟、应用较多的智能控制技术。本文运用人工智能控制理论的思想方法,对电弧炉控制系统进行了深入的研究。针对交流电弧炉控制系统的复杂、难于建立精确的数学模型等特点,提出了基于模糊逻辑、神经网络及模糊神经网络与专家系统相结合的控制方法,论文以某100吨电弧炉炼钢过程为研究对象,分别建立了电弧炉系统工艺模型、过程控制、电极控制以及控制软件系统,以证明所研究的方法之正确可行性和工程适用性。电弧炉炼钢过程一般是以物料、热量和化学平衡为基础,采用理论与经验相结合的方法,建立的超高功率电弧炉冶炼工艺静态控制模型和动态控制模型,并对主要参数进行了计算。静态模型的建立能确定主要操作参数的计算,并对钢质量影响较大的终点温度及碳的含量进行神经网络预报。结合具体钢种,采用BP和RBF两种神经网络模型预测钢水中主要成分。仿真结果比较理想,说明所建模型的正确性和可行性。而动态模型的建立可以了解电弧炉内的冶金过程,瞬时动态成分的模拟与计算,结果表明与实际结果吻合的较好。在对各种基于知识的诊断方法进行深入的研究和比较之后,根据电弧炉炼钢过程的工艺特点,首先对电弧特性进行了深入研究,主要是叁相电弧的弧长。在理论分析的基础上,验证了理论与实际经验参数的一致性。并用BP神经网络进行叁相平衡处理,效果很好。其次对基于模糊逻辑推理技术的电弧炉炼钢过程专家系统进行了研究,根据专家经验及炼钢过程特点建立模块化知识库,对于确定性知识,则采用基于层次结构模型的产生式推理方法,至于不确定知识则采用模糊逻辑推理方法,不仅可简化系统结构,而且大大提高系统的工作效率。通过仿真和实际测试进一步验证了所设计的专家系统是正确可行的,但是此系统正确率很大程度上取决于模糊规则库的设计。因此,论文对基于模糊逻辑神经网络(FNN)技术的炼钢过程进行了深入的研究,由仿真验证数据可以证明FNN技术运用在电弧炉中是可行的、成功的,而且网络的泛化能力较强。在叁相交流电弧炉炼钢过程中,每相电极都有一个控制器。由于电弧炉的叁个电极由一个叁相电源分别供电,因此叁套电极调节装置构成了一个多变量系统。各被控量之间的关联,使得电弧炉系统不易建立准确的数学模型,并面临着非线性、大时延、时变和强耦合等因素的干扰,而采用常规控制方法如PID加反馈控制很难达到有效控制。基于神经网络的智能控制方法,具有强大的学习能力和定量数据的直接处理能力,通过网络的离线训练和在线自学习,使控制器具有自调整、自适应的能力,从而进一步改变实时控制的效果。建立了ANN调节器和ANN炉况仿真器,并用实际数据进行了训练,得到了网络结构。数据验证表明:运用神经网络控制,完全可以达到很好的效果。开发控制软件系统是整个电弧炉计算机集散控制系统的一个关键环节。目的是将控制系统的分析、建模、仿真和软件设计过程结合起来,完成对控制系统的功能设计予以前期的实现。这样,不仅可以对各种控制算法进行实际的仿真研究,检验控制算法的实时性,有效性和可靠性,保证其对电弧炉实际冶炼控制的可行性,而且可以对控制系统进行仿真实现,以检验整个控制系统设计的合理性和控制策略的可行性。
秦发宪[4]2010年在《集成智能优化控制策略在电弧炉控制中的应用》文中研究表明电弧炉系统是一种具有较强非线性、时变性和强耦合的工业生产过程。电极调节系统的性能是影响其生产效益的重要因素,目前普遍采用基于经典控制理论的恒阻抗控制方式。本文分析了电弧炉恒阻抗控制存在的不足,在此基础上针对系统的特点和控制要求,参考国内外电弧炉控制的研究发展方向,研究了一种神经网络智能控制电弧炉的方法,即利用神经网络辨识电弧炉模型并建立电弧炉控制器模型。由于神经网络的训练算法很大程度上决定了其非线性模型辨识能力的强弱,而粒子群算法(PSO)作为全局优化算法对于解决神经网络在逼近多变量复杂模型时存在的局部最优问题有独特的作用,故本控制系统主要根据实际现场收集的样本数据,采用PSO来训练神经网络权值,极大地提高了神经网络映射能力和训练速度,从而离线辨识了实际电弧炉的模型,进一步优化了控制器模型,保证了高品质的控制性能。此外,系统在神经网络控制模块的基础上还设计有恒阻抗专家系统,以确保炼钢过程的安全可靠,从而弥补单一智能控制策略的不足。该系统能较好地适应负荷变化和外部干扰,其控制性能优于常规电弧炉控制系统,从而可以节能降耗,提高生产效率。为验证本控制方案的效果,搭建了以计算机、数据采集卡和硬件电路为基础的控制系统软硬件混合实验平台。使用VC++6.0开发工具,编程实现了训练算法、控制算法和控制界面等组成的基本系统软件,在混合实验平台上进行了仿真研究。研究结果表明了控制方案和算法的正确性与有效性,具有一定的实用价值。
赵文利[5]2011年在《LF钢包精炼炉电极控制的研究与应用》文中研究表明炉外精炼技术由于其具有提高钢质量、加快产量、降低成本、改善劳动条件和生产环境条件等优点日益成为全世界钢铁行业的新宠。LF钢包精炼炉以其冶金效果好、具有设备费用低、易于操作等特点而成为炉外精炼技术有代表性的设备,正得到普遍应用。而电极调节器是精炼炉的重要设备,在精炼过程中,电极的位置直接影响到LF的重要指标,LF炉电极调节器是LF炉外精炼的核心控制系统,因此,对LF炉的电极控制进行研究,意义重大,可以实现对钢水炉外温度及成分的精确、有效控制。本文以LF炉为背景,以其电极调节器为研究对象,掌握LF炉精炼的基本工艺,尤其是LF炉电极的结构和工作原理。在此基础上,对电极间电弧的工作特性和合理的电气工作点的选择进行了分析。为了设计电极控制系统,对LF炉电极电气系统和驱动液压传动系统进行了数学建模和分析。然后介绍了几种目前流行的电极调节控制方式,通过比较选择较合适的恒阻抗调节方法,并分析了恒阻抗控制系统。由于电极控制系统是一种多变量、强耦合的系统,采用常规PID电极控制效果不理想,可能导致电极工作不稳定、耗电量增加和电网电压易引起波动等影响,所以提出人工神经网络控制方法,将神经控制算法与PID相结合,采用神经元PID算法来设计电极调节器,以提高LF炉电极控制的性能,从而提高炼钢质量,降低炼钢吨耗量。最后,对本钢炼钢厂两座LF炉的两种电极调节器的应用进行比较分析,一种是基于PID控制的DANIELI电极调节器,另一种是基于人工神经网络控制的智能电极调节器,通过比较可以看出,使用神经元PID算法的智能电极调节器明显优于单纯PID控制的电极调节器,基于人工神经网络控制的电极调节系统,稳定性更好,控制精度更高,效果理想。
王磊[6]2007年在《综合智能优化控制策略在电弧炉炼钢生产中的应用》文中研究说明电能是电弧炉炼钢过程中最主要的能源,约占总能量的60~70%。最优化技术在于充分发挥电弧炉变压器的能力,使电弧炉炼钢过程的电气运行达到最佳化,从而达到提高冶炼效率、缩短冶炼时间、节约电能的总目标。在实现最优化的研究中关键的技术是建立动态电气运行模型,动态模型越逼真,分析得到的动态数据越可靠,在此基础上的优化研究就越接近实际中的最优状态。传统的控制系统是根据静态制定出的电气特性曲线控制电弧炉的运行,保证系统跟踪曲线运行。在电弧炉实际运行时,由于电弧燃烧的存在,电弧是非线性的,主电路中产生高次谐波,运行时的电抗值与短路试验得出电抗值有很大的不同,使得静态计算出的运行曲线与系统实际运行状况相差较大,不能准确反映系统各个电参数之间的关系,控制系统达不到很高的要求。为此提出的优化控制系统,是在建立动态电气模型基础上,通过最优化的各项研究成果,分析得出动态最优工作点。本次课题研究采用BP神经网络对电弧炉运行中的电气运行关系建模,利用神经网络能够学习、识别并适应冶炼过程中炉子载荷特性的不断变化,动态调整炉子的工作点设定,通过最优化研究,使炉子始终在最合理的范围内运行,可以实现比传统技术更为精细的控制,得到更为先进的生产技术指标。采用最小二乘算法对电弧炉运行中的阻抗运行关系建模,很好的解决了在电弧炉运行过程中,电弧非线性燃烧引起的电弧阻抗的复杂非线性变化,最小二乘算法精度高、运算速度快,准确得出阻抗结果。本文也主要对BP神经网络与最小二乘法建模方法的实现进行研究。
梁莉, 李强, 潘永湘, 余健明, 花铠[7]2002年在《智能控制策略在高阻抗电弧炉炼钢过程中的应用》文中指出采用了基于网络环境下的遗传神经网络控制、预估补偿控制、电弧电压平衡、电弧弧长平衡、电弧功率平衡等集成智能控制策略,针对电弧炉炼钢过程的高度非线性、时变性、不确定性,实现了高阻抗电弧炉炼钢过程的最优化控制及实时监控。该系统能较好地适应负荷变化与外部干扰,其控制性能优于普通电弧炉系统,降低了生产成本,提高了生产效率。
王征, 李磊[8]2006年在《ANN预估补偿算法在炉电极控制系统中的实现》文中指出针对电炉的执行机构的调节总是滞后于电弧炉实际状态变化的情况,在专家系统的基础上增加弧炉神经网络预估模型,通过它预估出电弧炉下一时刻的状态,并经过特定的优化程序(ANN预估补偿程序)对专家系统的输出做出优化补偿。系统的实际运行证明:神经网络预估补偿的电弧炉自适应控制是一种可行的电弧炉电极控制方法;在电弧炉的点弧过程中,电弧的稳定性有较大改进,提高了功率因数,降低了电耗。
程军[9]2008年在《LF钢包精炼炉电极控制应用与改进》文中研究表明电极是电弧炉和精炼炉的重要设备,起电离中间空气、对钢水或金属材料进行加热的作用。现场运行时电极不易调节到稳定工作状态,快速稳定性更不能得到保证,同时也造成了精炼炉系统耗电量高,效率低等问题。研制高性能的电极自动调节器对于提高炼钢质量,降低电能消耗具有很重要的意义。多年以来,电极调节系统更多采用的是传统PID控制方式,控制效果不很理想。由于精炼炉电极调节系统是一个多变量、强耦合、大滞后的非线性系统,本文据此以通钢精炼炉的电极调节系统为研究背景,深入研究了电弧的物理特性和电极调节系统的原理,分析推导了电弧等效数学模型和电气部分静态模型,对模型中的各个参数进行了较详细的分析。本文还对现有电极调节系统的各种控制方式进行了分析比较。其中较多分析了IAF控制方式和阻抗控制方式。为了以后现场应用,尤其对阻抗控制方式进行了着重的分析研究,对控制的各个部分进行编程,仿真模拟。最后,通过已有的现场数据,建立了滑模变结构控制模型,改进了传统PID控制,对电极运动实施分段控制,在控制过程的各个瞬间,根据系统中参数的状态以跃变的方式有目的地变化,从而将不同的结构特性揉合在一起,取得了比固定结构系统更完善的性能指标,实现了对原有控制系统的优化,通过仿真建立了有效的控制模型。从而可以大大改进系统的在线调整过程,实现对电极更好的控制。在上述研究的基础上,输出与现场数据进行了比较。结果表明,本文提出的滑模变结构控制模型能更好地解决叁相电极的耦合问题,可以更好地跟随给定输入,在动态响应、抗干扰性、鲁棒性等方面都有很大的提高,具有重要的理论价值和实际应用意义。
王宇昊[10]2009年在《基于嵌入式的电弧炉调节器的设计》文中指出电弧炉调节器在电弧炉炼钢中起着非常关键的作用,电弧炉控制方法的研究也都集中在电极调节器上。同时随着计算机技术、网络技术和微电子技术的深入发展,特别是各种高性能片上系统(SoC)的设计和嵌入式操作系统的开发,嵌入式系统日益广泛地应用于工业控制、移动通讯、家用电器以及消费电子等设备中。本文在目前几种常见的电弧炉调节器的基础上,研究了嵌入式系统在电弧炉调节器中的应用,采用结构化、模块化的方案进行系统的软硬件设计、调试和实现。通过对恒电流、恒功率和恒阻抗控制策略的分析研究,采用应用广泛控制效果较好的恒阻抗控制方法实现对电弧炉调节器的稳定控制。其可以弥补单片机系统功能少,PLC不能嵌入复杂算法,集工控机能完成复杂算法的同时又降低了系统的成本。该系统硬件部分以32位低功耗ARM9微处理器S3C2410为核心,设计了弧流弧压模拟量检测、变压器档位状态检测、电极调节控制以及键盘和显示电路。软件部分实现了嵌入式Linux操作系统内核的移植和编译,并在此基础上开发了A/D、键盘、开关量输入以及D/A的设备驱动程序和应用程序。同时完成了嵌入式MiniGUI图形界面系统在Linux操作系统下的移植和编译,编写程序实现了图形界面。对采集到的电弧电流、电弧电压信号进行处理,同时给出控制量的输出值来控制电极的升降,并在LCD上显示相关的数据信息。实验表明本系统完成了电弧炉调节器的基本功能,并达到了预期的设计目标。基于嵌入式操作系统的软硬件为后续的研究工作创造了良好的理论和实际平台,同时为电弧炉调节器的发展起到了很好的借鉴意义。
参考文献:
[1]. 基于ANN的电弧炉智能控制系统的开发[D]. 王征. 西安科技大学. 2003
[2]. 电弧炉电极ANN预估补偿自动控制系统[D]. 张晓晖. 西安理工大学. 2002
[3]. 智能控制技术在炼钢电弧炉中的应用研究[D]. 马戎. 西北工业大学. 2006
[4]. 集成智能优化控制策略在电弧炉控制中的应用[D]. 秦发宪. 西安理工大学. 2010
[5]. LF钢包精炼炉电极控制的研究与应用[D]. 赵文利. 东北大学. 2011
[6]. 综合智能优化控制策略在电弧炉炼钢生产中的应用[D]. 王磊. 西安理工大学. 2007
[7]. 智能控制策略在高阻抗电弧炉炼钢过程中的应用[J]. 梁莉, 李强, 潘永湘, 余健明, 花铠. 计算机工程. 2002
[8]. ANN预估补偿算法在炉电极控制系统中的实现[J]. 王征, 李磊. 化工自动化及仪表. 2006
[9]. LF钢包精炼炉电极控制应用与改进[D]. 程军. 东北大学. 2008
[10]. 基于嵌入式的电弧炉调节器的设计[D]. 王宇昊. 西安理工大学. 2009