加热炉生产过程的优化控制与仿真

论文摘要

加热炉是钢铁工业轧钢生产线的关键设备之一,也是主要耗能设备,具有大惯性、纯滞后、非线性、强耦合等特性。通过控制加热炉各区段炉温,以尽可能少的燃料消耗,使加热炉内的钢坯温度达到轧制要求。目前采用的控制方案,由于对数学模型的精度要求较高,均难以达到理想的控制效果。鉴于广义预测控制算法在工业过程应用中的良好效果,本文建立了加热炉炉温的广义预测控制算法,并取得了良好的实验效果。为了进一步扩大加热炉炉温广义预测控制的应用范围,提出了基于粒子群优化算法的广义预测控制,用于解决带有约束的加热炉炉温被控对象,并对其中涉及的预测模型、滚动优化、反馈校正、约束处理等部分进行了分析,随后给出了具体的算法步骤。为了提高粒子群优化算法的解的质量,提出了一种改进的粒子群优化算法,使这种预测控制算法更适合于实际生产过程。以上三种算法,都通过c++高级语言编程实现,验证了广义预测控制算法对加热炉炉温被控对象的可行性和有效性,特别是粒子群优化算法对于求解带有约束的非线性二次规划问题的优良性能。最后,分析了仿真技术对于加热炉研究的重要作用和现实意义,介绍了一个自己设计并开发的加热炉仿真系统,为后续的加热炉研究提出了一个良好的实验平台。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 问题背景及研究意义
• 1.2 加热炉优化控制的国内外研究现状
• 1.3 本文的研究内容及方法
• 1.4 本文主要工作
• 1.5 本章小结
• 第2章 加热炉的生产过程和炉温机理模型
• 2.1 加热炉发展概况
• 2.2 步进式加热炉生产流程
• 2.3 加热炉炉温机理模型
• 2.4 本章小结
• 第3章 预测控制与粒子群算法的相关知识
• 3.1 预测控制
• 3.2 广义预测控制
• 3.2.1 预测模型
• 3.2.2 滚动优化
• 3.2.3 在线辨识与自校正
• 3.2.4 广义预测控制算法步骤
• 3.3 粒子群优化算法
• 3.3.1 粒子群优化算法的基本原理
• 3.3.2 粒子群算法的约束优化
• 3.3.3 粒子群优化算法的流程图
• 3.4 本章小结
• 第4章 加热炉的炉温广义预测控制
• 4.1 加热炉的炉温广义预测控制
• 4.1.1 参数设置
• 4.1.2 算法流程图
• 4.1.3 实验结果及分析
• 4.2 带有约束的炉温预测控制
• 4.2.1 加入PSO的广义预测控制
• 4.2.2 约束的处理
• 4.2.3 基于PSO的约束广义预测控制算法流程
• 4.2.4 实验结果及分析
• 4.3 基于改进PSO的加热炉炉温广义预测控制
• 4.3.1 PSO常用的改进策略
• 4.3.2 新的改进策略
• 4.3.3 实验结果及对比
• 4.4 本章小结
• 第5章 加热炉仿真系统
• 5.1 建立加热炉过程控制仿真系统的意义
• 5.2 系统分析
• 5.3 仿真系统的开发
• 5.3.1 仿真系统的组成
• 5.3.2 监控画面的开发方式
• 5.3.3 组态软件
• 5.4 仿真系统
• 5.5 本章小结
• 第6章 总结与展望
• 参考文献
• 致谢