LF精炼炉电极智能控制的研究及实现

论文摘要

LF精炼炉电极系统是一个多变量、非线性、时变的复杂系统,传统的PID控制方法使得系统电极位置、电弧长度、电弧电流以及系统功率很难保持在最佳状态下运行,为了改善控制效果需采用先进的控制算法。论文以某钢厂110t LF精炼炉为研究背景,对其电极调节展开了理论分析及控制方法的研究。首先,论文在介绍了电极构造的基础上建立了其数学模型,并指出了电极系统具有非线性及时变性的特性。其次,论文利用神经网络方法提出了在线递推多步预测模型及在线直接多步预测模型,并通过实际采集的数据验证了在线递推多步预测模型要优于后者。针对此类被控对象,提出了在预测模型基础上采用滚动优化的控制策略,通过仿真与PID控制进行了对比,从仿真结果表明神经网络预测控制具有良好的跟踪特性且超调量小,特别是当电极系统发生变化后能够快速地抑制出现的扰动,说明这种基于神经网络的预测控制可以提高LF精炼炉电极的控制性能。最后,为了模拟实际的运行环境搭建了物理仿真平台,验证了上述方法的有效性。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 引言
• 1.1.1 LF 炉电控系统
• 1.1.2 LF 炉冶金工艺流程
• 1.2 国内外电极控制研究动态
• 1.3 课题的研究意义及内容
• 1.3.1 选题的意义
• 1.3.2 论文的主要工作
• 2 LF 精炼炉电极调节系统的数学模型
• 2.1 电极调节系统的构成
• 2.1.1 液压式电极调节系统结构
• 2.1.2 液压式电极调节系统原理
• 2.2 电极调节器的技术要求
• 2.3 交流电弧电阻的等效数学模型
• 2.4 LF 炉电极调节系统的数学模型
• 2.5 小结
• 3 基于神经网络的电极多步预测模型
• 3.1 神经网络概述
• 3.1.1 神经网络建模与预报
• 3.1.2 神经网络的学习规则
• 3.1.3 径向基函数神经网络
• 3.1.4 RBF 神经网络的在线学习算法
• 3.2 基于神经网络在线多步预测
• 3.2.1 神经网络模型的多步预测
• 3.2.2 神经网络递推多步预测模型的回馈修正
• 3.3 仿真研究
• 3.4 小结
• 4 LF 炉电极预测控制
• 4.1 预测控制的基本原理及特点
• 4.1.1 预测控制的基本原理
• 4.1.2 预测控制的基本特点
• 4.2 神经网络预测控制
• 4.2.1 参考轨迹
• 4.2.2 预测模型
• 4.2.3 滚动优化
• 4.3 仿真研究
• 4.4 结论
• 5 电极智能控制的实现
• 5.1 系统设计要求
• 5.2 LF 精炼炉控制系统
• 5.3 硬件仿真
• 5.3.1 仿真平台介绍
• 5.3.2 控制系统软件流程
• 5.4 结论
• 6 结论
• 致谢
• 参考文献
• 附录
• 攻读硕士学位期间的研究成果