基于RBF神经网络逆辨识的电弧炉电极控制系统研究

发布时间：2020-08-06 13:12

【摘要】：本文以马钢某炼钢电弧炉控制系统为研究对象,阐述了电弧炉电极控制系统的研究和开发过程。电弧炉电极控制系统是一个多变的、非线性、强耦合、时变、干扰因素多的复杂系统,用传统控制理论难以建立较为准确的数学模型,更无法对其进行解耦求解,难以满足生产对电极控制的要求。本文针对这一生产问题,在对电弧炉电极控制系统的研究和开发中,得出采用神经网络在线逆辨识和逆控制的方法,即基于RBF网络逆辨识的电弧炉电极系统控制,实现了三相耦合系统的实时在线解耦与控制。本文根据逆动力学控制的思想,提出了一种RBF神经网络逆控制与PID控制相结合的在线自学习控制方案。把电弧炉电极电流的实时数据,经过数据处理后作为辨识器的输入样本,应用最近邻聚类学习算法,实现对电弧炉电极控制系统逆模型的动态辨识,将动态辨识得到的逆辨识模型作为控制器模型,与被控对象串联起来,构成具有线性传递关系的且已解耦的一种规范化系统,因此被控对象的控制问题由非线性控制向线性控制转换。本文通过基于最近邻聚类算法的RBF神经网络,对三相电弧炉电极系统进行逆辨识和逆控制,实现了三相电弧炉电极系统的实时、在线解耦和控制。应用仿真软件MATLAB对基于RBF网络逆辨识的电弧炉电极系统控制进行了仿真分析,仿真分析结果表明该方法能较好的实现系统的解耦与控制,同时能增强系统的鲁棒性和抗干扰性,验证了本文开发的基于RBF网络逆辨识的电弧炉电极系统控制策略的有效性,实现了预期的设计目标,具有广泛的工程应用前景。
【学位授予单位】：安徽工业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP183;TF345
【图文】：

系统辨识原理图一θ(k)

iy 图3. 2系统辨识原理图法控制系统的一般结构为的模型模拟实际自适应控控制系统的理想响应[34]，到的模型的运行动态相一升降的速度、电极升降的际偏差尽可能减小，从而高生产效率。电极模型算(mmyx()ppyx

iyθiiy y F u ;θ 图3. 2系统辨识原理图二电极模型算法控制系统的一般结构为例，需要对系际系统等价的模型模拟实际自适应控制系统的工作出就是实际控制系统的理想响应[34]，力求实际电极态与辨识得到的模型的运行动态相一致，通过调整电大小、电极升降的速度、电极升降的响应时间等诸制系统的实际偏差尽可能减小，从而提高电极控制能减小，提高生产效率。电极模型算法控制系统一()mmyx

【参考文献】

相关期刊论文 前7条

1 薛雷;;我国电弧炉炼钢技术发展现状及展望[J];天津冶金;2015年05期

2 张世峰;李存龙;;焦炉集气管压力基于BP网络辨识系统自适应PID控制[J];自动化与仪器仪表;2014年10期

3 蒋泽义;莫天生;张超;;基于RBF-NN逆系统的卷取张力控制[J];科技导报;2011年23期

4 姚荣斌;李生权;;基于神经网络逆控制的钢包精炼炉的仿真研究[J];机械设计与制造;2010年10期

5 李晓;彭锋;;我国电炉钢生产现状及发展前景[J];特殊钢;2009年02期

6 张世峰;张绍德;;电弧炉电极系统双模控制策略研究及应用[J];电子科技大学学报;2008年01期

7 洪镇南;阳武娇;李祖林;;基于模糊专家控制的交流电弧炉电流平衡控制器的研制[J];电气自动化;2006年05期

相关硕士学位论文 前10条

1 魏庆檀;轻型电动客车承载式车身设计及其轻量化研究[D];聊城大学;2017年

2 王奇伟;电弧炉炼钢控制系统的研究[D];哈尔滨理工大学;2016年

3 孙智勇;精炼炉电极智能控制系统的研究[D];天津理工大学;2016年

4 柳莺;电弧炉电极智能控制系统的研究与设计[D];兰州理工大学;2015年

5 刘雁宇;交流电弧炉多模态电极控制系统的研究及应用[D];上海交通大学;2013年

6 高新平;电渣炉控制系统设计与控制方法研究[D];东北大学;2011年

7 李展;基于经济指标的电弧炉工艺优化模型研究[D];西安电子科技大学;2011年

8 姚禹;无模型自适应控制在电弧炉电极节能控制系统中的研究与应用[D];长春工业大学;2010年

9 骆玲玲;电弧炉电极调节系统的智能解耦控制[D];东北大学;2009年

10 李娟;基于RBFN逆模型的非线性系统控制策略研究[D];安徽工业大学;2009年

本文编号：2782450