基于神经网络的铜锍吹炼终点预报技术

准确预报铜锍吹炼终点，对于铜锍吹软操作至重要，采用改进的BP神经网络算法和自适应残差补偿算法建立铜锍吹炼终点组合预报模型，利用某厂实际生产数据进行仿真运行的结果表明，本文建立的模型具有较高的预报精度和较强的实时性，可用于指导生产实践。     

转炉优化配料与冶炼静态控制模型

在分析转炉炉料结构优化及 BP 预报模型特点的基础上,针对某厂50 t 转炉生产条件,构建了由优化配料、静态预测、过程控制、脱氧合金化和成本计算等模块构成转炉冶炼静态控制系统。以机理模型为基础、采用增量模型校正的优化配料模块,用以精确计算入炉料结构;以 BP 神经网络为基础构建了静态预测模块,对转炉冶炼终点碳和温度进行预测;以操作经验为基础构建了过程控制模块,动态给出冶炼过程控制的枪位曲线、加料时机和加入量;基于终点预测和全氧计算模型构建了脱氧及合金化模块,进而对转炉冶炼成本进行计算,构建了成本计算模块。通过本系统的开发,建立了全过程指导的炉料结构优化与冶炼静态控制,为现场生产提供了指导。     

莱钢炼钢厂4#转炉TCO终点控制系统设计及研究

4#转炉TCO终点控制系统包括A、B两个上料汽缸投掷设备,触点缸、翻转缸、溜槽口以及TCO探头。转炉TCO终点控制系统可达到副枪检测控制的同等效果,有效地提高吹炼终点双命中率,缩短冶炼周期,降低各种消耗,提高钢质量。     

基于神经网络的转炉冶炼终点磷和硫含量预报模型

通过研究转炉冶炼终点磷、硫含量的影响因素,确定了影响冶炼终点的控制变量,根据人工神经网络技术,对常用BP算法进行改进,建立了基于神经网络的转炉冶炼终点双节点输出模型,实现了对终点钢水磷、硫含量同时进行预报,选取现场实际生产数据为样本,对模型进行训练,使模型对磷、硫含量的预报误差在±0．003％的命中率均达到了85％以上,预报精度达到了炼钢工艺的要求。     

转炉吹炼后期动态终点控制

建立了转炉吹炼后期的系统状态模型,讨论了在正常吹炼条件下系统吹炼后期的动态行为与状态的可达性等问题。并在此基础上,提出了两种实用的动态终点控制方案,后期初始点调整与终点调整。     

基于神经网络的钢包精炼终点预报

通过改进的BP神经网络,结合炼钢工艺的特点,建立炼钢精炼炉终点模型,对精炼炉终点进行预报,其基本思想是:在对以往的现场数据进行分析和了解及已有的人工神经元网络模型的基础上,结合炼钢的实际工艺特点,确定模型的参数,从而确定预报模型,再根据确定的模型对现场的其他数据进行预报.仿真结果可以表明,应用通过改进的BP神经网络进行炼钢精炼炉终点预报得到了很好的效果.     

铁矿石烧结终点的优化控制

根据铁矿石烧结过程的特点，提出了烧结终点的长期和短期控制策略．长期控制根据原始料层透气性以及垂直烧结速度的状态，通过调整料高或机速实现；短期控制通过调整机速，稳定废气温度上升点实现．采用自定中心、非线性量化、控制规则自调整等方法实现了模糊控制算法的自适应．提出了用垂直烧结速度描述烧结过程透气性的观点，采用系统辨识的方法建立了垂直烧结速度的预报模型．应用结果表明：所建预报模型的准确率较高，达95％以上；系统的使用可使烧结过程主要状态参数（烧结终点位置、温度、大烟道温度等）的波动降低18％～29％．     

氧气顶吹转炉三孔氧枪的研究

三孔喷头的结构形式、马赫数、小孔夹角和小孔间距等参数的选择,以及吹炼枪位的确定是当前三孔喷头的研究中的几个重要課题。本文结合对喷头的冷态测定和转炉的吹炼实践对上述问题进行了研究。三喉式喷头由于其结构合理,能有效地将氧气压力能转化成射流的动能。同时提出了目前中小型转炉广泛使用的单三式喷头的改造途径。结合射流冲力衰减和实际吹炼枪位的数据,找出了枪位同射流冲力的关系,这样可用冷态测定的数据並指导转炉的枪位操作。在使用三孔喷头的情况下,转炉要顺利地进行吹炼,必须保证有适当的循环比(即射流的冲击半径同熔池半径之比),小孔夹角和间距是对循环比有影响的重要因素。     

二自由度平面机械手的T-S模型模糊自适应控制

为解决二自由度平面机械手的控制问题,提出基于Ｔ－Ｓ模糊模型和并行分配补偿（ｐａｒａｌｅｌｄｉｓｔｒｉｂｕｔｅｄｃｏｍｐｅｎ－ｓａｔｉｏｎ）法的模糊模型参考自适应控制方法。并提出采用初始条件补偿回路,消除参考模型和实际系统之间由于初始条件不同所引起的误差和实际系统参数变化引起的部分不能被自适应调节律消除的误差。根据李雅普诺夫稳定性理论,求得反馈控制律、稳定条件和调节律（自适应律）。最后,对连续系统情况进行了仿真验证。所提方法可用于解决一类非线性系统的控制问题。     

数学模型在转炉中的研究与应用

转炉炼钢静态控制是转炉计算机的基本控制方式,副枪动态控制以静态控制为基础。针对转炉炼钢过程中复杂因素的影响,通过数学方法研究开发出一套转炉炼钢数学模型。静态模型包括终点控制模型、供氧模型、造渣模型、底吹模型;动态模型包括脱碳速度模型、钢水升温模型和冷却剂加入量模型。     

单元机组协调系统的多模型自适应解耦控制

针对火电单元机组被控对象多变量、强耦合及模型参数随负荷显著变化的特点,提出一种基于多模型自适应解耦控制的协调控制策略.采用多个固定模型和2个自适应模型并行辨识机组对象的动态特性,在每个采样时刻基于切换性能指标选出最优的局部模型作为当前模型,并据此设计解耦控制器,从而实现全工况运行的自适应控制.同时对多模型控制系统的全局稳定性进行了证明.通过对300MW亚临界直流燃煤机组协调控制系统的仿真表明:该控制策略对负荷变化适应快,且可获得良好的动、静态解耦控制效果.     

基于MRFAC的感应电机控制器设计

结合感应电机这一非线性控制对象,设计了感应电机的模型参考模糊自适应速度控制器。该控制器具有传统模型参考自适应控制构架,传统模型参考自适应控制系统中的反馈控制器和常规自适应机构分别由主模糊控制器、模糊自适应机构替代,模糊逆模型结合自适应调整算法构成的模糊自适应机构对主控制器参数进行实时调整,以达到快速适应对象参数和状态变化的目的。基于模块化建模工具Matlab/Simulink建立感应电机控制系统模型,仿真结果表明该控制器运行平稳,具有良好的动、静态性能。     

连铸二冷控制的虚拟拉速控制

介绍了连铸二冷静态控制和动态控制方法,动态控制能够很好适应拉速变化的连铸过程。在对不同二冷控制进行分析的基础上,提出一种新的动态控制方法——虚拟拉速控制。"虚拟拉速"是一个基于将铸坯分割成众多单元并加以位置和生成时间追踪的过程参数,实际拉速恒定时,"虚拟拉速"与之相等;拉坯工艺发生变化时,"虚拟拉速"逼近实际拉速但具有一定延迟。模拟计算结果表明,用"虚拟拉速"代替实际拉速,静态二冷水表对铸坯温度的控制效果明显改善;该控制方法不依赖任何高温监测仪器,不需进行传热计算,适用于拉速变化时的动态过程控制。     

高温熔体粘度测试仪的温度控制技术

介绍了高温熔体粘度测试仪的组成和功能.分析了高温熔体粘度测试仪温度控制系统的特点.为了提高加热速度和温度控制精度,提出了阈值控制策略与自适应模糊PID控制相结合的控制算法.在高温炉当前温度值与设定温度值偏差较大时,为了保护系统和提高加热速度,运用阙值控制策略对系统进行控制,在高温炉当前温度值与设定温度值偏差较小时,运用自适应模糊PID控制,以保证控制精度.仿真研究和试验测试证明,该控制算法在保证控制精度的基础上,能很好地提高系统的动态性能.     

静止无功补偿器的智能自适应PID控制器设计

将神经网络和模糊控制与有着广泛应用ＰＩＤ控制相结合,设计了一种静止无功补偿器的智能自适应ＰＩＤ控制器。利用神经网络实现系统模型辨识,采用模糊逻辑和神经网络相结合对ＰＩＤ控制器参数动态寻优。使ＳＶＣ的控制既具有模糊控制的简单,有效的非线性控制作用,又具有神经网络的自学习,自适应能力。     

单轴并联式混合动力汽车能量分配的模糊控制策略研究

针对单轴并联式混合动力轿车,以混合驱动系统需求转矩和电池剩余电量(SOC)为输入,以发动机转矩为输出,构建了能量管理模糊控制器,基于ADVISOR的仿真研究表明,模糊控制策略与传统的逻辑门控制策略相比,能够更有效地降低混合动力汽车的燃油消耗和排放,更好地控制电池组SOC的变化。     

ROKOP高效方坯连铸二冷动态控制算法模型

针对连铸过程中拉速等因素变化,铸坯二次冷却实行静态控制而引起表面温度过大波动的问题,发展了一种针对ROKOP高效方坯连铸的二冷喷水动态控制算法及其相应的二冷动态控制模型.通过在计算机上的仿真实验及对静态和动态结果的对比表明,该种算法对连铸过程中拉速的变化具有良好的适应能力,拉速引起的表面温度波动很小.     

两电机同步系统的神经网络控制

在对两台感应电机同步系统模型分析的基础上,依据同步系统的结构特点和控制要求,结合人工神经网络的非线性映射、自适应、自学习等能力,提出一种新的基于神经网络的两电机同步系统控制方案,其中神经网络控制器由基于RBF网络整定的自适应PID控制器和神经元解耦补偿器两部分组成.两个自适应PID控制器分别对速度控制回路和张力控制回路进行自适应控制,使系统具有更强的适应能力、更好的实时性和鲁棒性;神经元解耦补偿器综合两控制回路的耦合作用,通过训练网络权值,补偿各回路之间的耦合影响,实现速度和张力的解耦.试验结果表明:采用神经网络控制方法可以实现两电机同步系统中速度和张力的解耦控制,系统具有良好的动静态性能.     

闪速炉的仿人模糊质量控制模型

在闪速熔炼过程模糊质量模型的基础上，进一步提出了闪速炉仿人模糊质量控制模型，即利用Takagi-Sugeno-Kang(TSK)模糊模型建立闪速熔炼炉产品质量的控制模型，并对控制模型进行了结构辨识和模型参数调整，在此基础上，针对闪速炉的运行状况，分别建立了静态和动态质量控制模型，仿真结果表明：动态质量控制模型要优于静态模型，在生产现场经过2个月的控制模型离线指导操作工操作，质量指标能够稳定地控制在指定的范围内，证实了动态模糊质量控制模型的有效性。     

基于自回归动态神经网络的逆模型辨识及在线控制

研究了自回归动态神经网络及其学习算法，提出应用于动态逆模型辨识的结构，并与ＰＩＤ控制相结合形成了非线性动态对象的在线自适应控制系统．仿真结果表明此方案简单可行，克服了静态网络的一些局限性．