基于智能预测控制算法的焦炉火道温度控制研究

发布时间：2022-02-23 06:52

　　焦炭作为冶金等行业的重要燃料和原料,在工业背景下的地位非常重要。在焦炉立火道中,能够保证火道温度的稳定具有十分重大的意义,对于减少生产能耗、提高焦炭质量、延长炉体的使用寿命、甚至对保护环境都有直接影响。焦炉加热过程具有很强的非线性、大滞后等特点,想要获得满意的控制效果单纯依靠传统的控制很难实现。神经网络对非线性系统能够很好的拟合与辨识,广义预测控制具有突出的控制能力、较好的抗干扰性与鲁棒性,本文进行了基于神经网络的焦炉火道温度的预测控制研究。首先,基于包钢焦化厂6#焦炉生产现场采集的海量生产数据,由数据预处理得出优良数据,并经相关性分析确认出影响火道温度的关键参数,将相关数据用于焦炉火道温度的预测建模。通过专家经验及对焦炉火道温度影响因素的分析,确定煤气热值与煤气流量波动是主要影响因素,并以煤气流量的调节来对焦炉火道温度进行控制研究。煤气流量与火道温度的历史数据分析表明,火道温度波动较大,煤气消耗量不稳定,因此有必要对其进行控制研究,并确定了整体研究方案。其次,针对焦炉火道温度难以实时在线测量的现状,利用神经网络对非线性系统的良好拟合能力,基于现场采集并处理后的优良数据,首先通过浅层B... 

【文章来源】：内蒙古科技大学内蒙古自治区

【文章页数】：74 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 课题研究背景和意义
    1.2 课题现状研究与分析
    1.3 预测控制概况
        1.3.1 预测控制发展概况
        1.3.2 智能预测控制发展现状
    1.4 深度学习概述
    1.5 论文研究内容
2 焦炉工艺与整体方案
    2.1 焦炉简介
    2.2 炼焦工艺
    2.3 立火道温度的影响因素
    2.4 焦炉整体控制方案
    2.5 现状分析
    2.6 本章小节
3 焦炉火道温度预测建模
    3.1 数据处理
        3.1.1 数据的采集
        3.1.2 数据的异常值剔除
        3.1.3 采集数据缺少值补足
        3.1.4 数据相关性的分析
    3.2 BP神经网络原理
        3.2.1 BP神经网络结构
        3.2.2 BP学习算法
    3.3 基于BP神经网络的焦炉火道温度预测
        3.3.1 确定输入输出变量
        3.3.2 BP神经网络焦炉火道温度模型参数
        3.3.3 焦炉火道温度预测仿真
    3.4 基于LSTM算法的焦炉火道温度预测
        3.4.1 循环神经网络原理
        3.4.2 循环神经网络变形算法
        3.4.3 LSTM的焦炉火道温度预测模型
        3.4.4 模型性能评价
    3.5 本章小节
4 基于神经网络焦炉火道温度预测控制
    4.1 模型预测控制基本原理
        4.1.1 参考轨迹
        4.1.2 预测模型
        4.1.3 滚动优化
        4.1.4 反馈校正
    4.2 广义预测控制
        4.2.1 GPC预测模型
        4.2.2 丢番图方程的求解法
        4.2.3 GPC滚动优化
        4.2.4 GPC在线辨识与校正
    4.3 基于神经网络的广义预测控制
        4.3.1 基于神经网络的预测模型
        4.3.2 阶梯式广义预测控制算法
        4.3.3 阶梯式广义预测控制算法的参数选择
    4.4 本章小结
5 火道温度的智能预测仿真研究
    5.1 软件工具介绍
    5.2 仿真对象
    5.3 仿真研究与结论分析
    5.4 本章小节
结论
参考文献
在学研究成果
致谢


【参考文献】：
期刊论文
[1]焦炉火道温度稳定性优化控制仿真[J]. 李爱莲,孟冠杰.  计算机仿真. 2018(07)
[2]基于正交神经网络的焦炉立火道温度预测控制[J]. 邓慧君.  冶金动力. 2018(06)
[3]基于深度学习的城市道路旅行时间预测[J]. 张威威,李瑞敏,谢中教.  系统仿真学报. 2017(10)
[4]焦炉加热燃烧火道温度优化控制仿真研究[J]. 李爱莲,聂宇航,孟冠杰.  计算机仿真. 2017(08)
[5]基于ESN模型的焦炉火道温度预测研究[J]. 李爱莲,聂宇航.  中国科技论文. 2017(11)
[6]基于SAE深度特征学习的数字人脑切片图像分割[J]. 赵广军,王旭初,牛彦敏,谭立文,张绍祥.  计算机辅助设计与图形学学报. 2016(08)
[7]基于ELM模型的焦炉火道温度预测研究[J]. 李爱莲,詹万鹏,崔桂梅,孙天涵.  计算机与应用化学. 2016(04)
[8]基于RBF神经网络钢包烘烤装置的节能优化[J]. 陈雪波,彭荟羽.  控制工程. 2014(05)
[9]基于立火道温度智能控制的研究[J]. 王旦,宁芳青,禚海舰,王赟,王普.  燃料与化工. 2012(03)
[10]DMC-PID串级控制在焦炉加热中的应用[J]. 盛娜,吴高锋,宁芳青.  工业控制计算机. 2012(01)

博士论文
[1]炼焦过程综合生产目标的智能预测与协调优化研究[D]. 王伟.中南大学 2011

硕士论文
[1]基于LSTM神经网络的美股股指价格趋势预测模型的研究[D]. 孙瑞奇.首都经济贸易大学 2016
[2]基于BP神经网络多用炉炉温预测控制[D]. 杨馥华.辽宁科技大学 2015
[3]焦炉火道温度控制系统设计与实现[D]. 张棋昊.东北大学 2015
[4]基于神经网络的焦炉温度预测控制方法研究[D]. 高见厂.东北大学 2010
[5]神经网络预测控制在加热炉炉温控制与优化中的应用[D]. 于洪磊.东北大学 2009
[6]非线性系统的神经网络模型预测控制[D]. 黄立波.哈尔滨理工大学 2007
[7]神经网络在非线性预测控制中的应用研究[D]. 李睿.西安理工大学 2005



本文编号：3641096