LD转炉终点控制模型

本文以马钢５０ｔ转炉为背景，在理论分析的基础上，考虑大生产的实际条件，采用回归分析的方法建立了ＬＤ转炉终点静态控制的全量模型。     

基于神经网络的转炉冶炼终点锰、磷静态预报模型

我国钢铁企业所使用的转炉多为中小型转炉,因容量小无法采用动态控制技术.而传统的静态控制模型计算精度差,终点命中率低,实际生产中的应用效果不好.所以本文充分利用最近发展起来的人工神经网络技术,以Visual Basic编程语言为工具,建立了基于神经网络的转炉冶炼终点锰、磷静态预报模型.     

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。     

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。     

基于因果关系的CBR模型用于转炉炼钢静态控制

转炉炼钢静态控制是动态控制的基础,准确的静态控制对于改善动态控制质量、提高终点命中率具有重要意义.采用案例推理方法建立了转炉炼钢静态控制模型,计算了吹氧量和冷却剂加入量;并将因果关系分析用于案例属性的确定,增强了属性选择的有效性,降低了模型计算的复杂度.对一座150t转炉的实际生产数据进行仿真,结果表明,因果关系分析能够有效地确定案例属性,基于案例推理的转炉炼钢静态控制模型是切实可行的.     

基于主元分析的转炉终点ESN静态预测模型

以主元分析方法和新型ESN(回声状态网络)算法为核心,研究了转炉终点静态预测模型。通过对某钢厂转炉生产数据的主元分析,建立了ESN模型,同时将ESN模型与传统的BP和RBF神经网络模型进行了对比研究。结果表明,使用ESN建立的模型比传统的BP网络模型和RBF网络模型,在钢水温度预测方面精度分别提高了0.85%和0.45%,在钢水碳质量分数预测方面精度分别提高了0.45%和0.19%,能够有效的对转炉终点碳含量和温度进行预测,从而为转炉炼钢过程提供更准确的操作指导。     

基于主元分析的转炉终点ESN静态预测模型

以主元分析方法和新型ESN(回声状态网络)算法为核心,研究了转炉终点静态预测模型.通过对某钢厂转炉生产数据的主元分析,建立了ESN模型,同时将ESN模型与传统的BP 和RBF神经网络模型进行了对比研究.结果表明,使用ESN建立的模型比传统的BP网络模型和RBF网络模型,在钢水温度预测方面精度分别提高了0.85%和0.45%,在钢水碳质量分数预测方面精度分别提高了0.45%和0.19%,能够有效的对转炉终点碳含量和温度进行预测,从而为转炉炼钢过程提供更准确的操作指导.     

25t转炉自适应静态模型动态化控制

针对中小转炉不宜增设副枪检测,无法进行动态控制的实际状况,提出了自适应静态模型动态化控制的思想;首先建立自适应终点静态控制模型;然后根据枪位－加料模型进行吹炼并自动动态化控制知识库,修正枪位－加料模型及控制量,最后启动预报模型进行终点预报指导出钢。根据实际吹炼数据验证,终点控制模型具有良好的跟踪性,终点预报模型的终点Ｃ,Ｔ命中率分别达到６８％和６３％。     

基于MATLAB神经网络的复吹转炉终点氧含量的预报模型

钢水终点氧含量是转炉炼钢的控制目标，它与钢水碳含量、钢水温度等多个变量之间存在着严重的非线性关系。利用MATLAB环境，提出基于BP神经网络的转炉炼钢终点氧含量预报模型，并结合某钢铁企业一座90t转炉的实际数据进行了模型验证。结果表明，该方法收敛速度快，预报精度较高。     

基于模糊神经网络的炼钢炉静态建模

根据炼钢转炉的采集数据,利用１种新型模糊神经网络（ＦＮＮ）,对其进行了静态建模,从理论上论证了该ＦＮＮ的推理及非线性逼近能力。用新建模型对钢水终点温度,终点含碳量进行计算,其结果与相应的实测值基本一致。     

基于Hebb规则的积分保持型PID神经网络多变量控制器

提出了一个积分保持型PID神经网络多变量控制器 ,网络的学习算法采用一种简单的类似Hebb规则的算法 .当将该控制器应用于多变量耦合的非线性系统的控制时 ,计算机仿真结果表明 ,网络的训练速度快 ,对权的初值的依赖性小 ,控制系统的动态和静态性能较好 .     

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.     

动态模糊神经网络研究

针对静态网络无法处理暂态问题，对具有递归环节的动态模糊神经网络进行了研究。通过在网络第二层中加入内部反馈连接，使其具有动态映射能力，从而对动态系统有更好的响应。网络使用遗传算法与反向传播BP(BackPropagation)算法相结合来训练，避免陷入局部最优解。采用时序预测和动态非线性系统进行了仿真研究，结果表明，动态模糊神经网络较之普通模糊神经网络在收敛速度、预测精度和网络规模等方面都有较大的改善，并具有更好的动态系统处理能力。     

DC/DC变换器的神经网络鲁棒控制

针对有非最小相位特性的二阶DC/DC(直流/直流)变换器平均值模型的特性,以Buck-Boost变换器为典型例子,提出了一个非线性反馈做内环控制器,控制其电感电流;用RBF(径向基函数)神经网络作为自适应机构,提出了一个神经网络鲁棒控制器作为电压外环控制器,控制其输出电压.证明了系统跟踪误差和神经网络权值的有界性.仿真结果表明,提出的控制器对于系统参数的不确定性具有很强的鲁棒性,并具有很好的动态性能.     

基于矩形函数系的模糊神经网络及其应用

提出了一种基于矩形函数系的模糊神经网络，其特点是输入空间被划分为许多大小一致且互不相交的超立方体，而每一个超立方体中的模糊神经网络都具有常值输出，只有当一个超立方体内落入样本时，相应的样栈才被编码后作为“规则”记忆下来。因此，这种网络可以自动生成模糊规则，关于静态误差的定理表明，将这种网络用于一类非线笥系统的在线控制中，当输入空间的划分足够小时，可使非线性系统的静态误差任意小，仿真实全怨表明，将这     

多项式基函数神经网络模型

从函数逼近理论出发，用一组正交基函数作为三层前向神经网络各隐含单元的输出特性，以其加权和作为网络的非线性输出，构成一种单输入单输出正交基函数神经网络模型。建立了多输入的多项式基函数神经网络，并给出了非线性静态特性拟合，ＸＯＲ特性和动态特性拟合计算机仿真结果。     

延迟时间未知的时延系统Fuzzy-Gray预测控制

提出了一种带智能积分的参数自调整Fuzzy-Gray预测控制算法。该算法综合Fuzzy控制、Gray预测的长处，同时利用神经网络辨识延迟系统的延迟时间来在线调整灰色预测控制器的参数。仿真结果表明这种控制策略具有很好的控制效果，它是大延迟控制中克服延迟时间变化的很有希望的方法，并能较好地兼顾系统的动、静态特性，超调小、响应快，稳态精度高。     

BP神经网络预测水泥搅拌桩单桩承载力

利用某工程38根水泥搅拌桩的单桩静载试验资料,采用BP(Back Propagation)神经网络的方法对建立的神经网络进行训练,根据训练好的网络对两个工程的单桩竖向承载力特征值进行预测.结果表明,预测值与采用其他方法的拟合值及实测值相吻合.最后,通过工程实例进行验证.     

预测神经网络控制器及其在禽蛋孵化过程中的应用

本文针对常规神经网络控制通常需要辨识网络和控制网络两个网,提出将神经网络用于提前学习系统动态特性,借助于运动方程来获得控制信号的预测控制算法,极大地提高了算法的运算速度。将此算法用于非线性多变量耦合的禽蛋孵化过程,取得了最佳的动、静态特性。     

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。