基于神经网络的电弧炉电极系统自适应PID控制

发布时间：2022-07-19 17:25

　　本文以某钢厂70吨电弧炉控制系统改造为背景,设计了基于WinAC RTX的70吨电弧炉计算机网络控制系统。系统中选用西门子WinAC RTX作为控制器和ET200作为远程控制站,进行了系统网络的构建,软硬件的选择和监控系统的组态等工作;针对电弧炉电极控制系统是一个多变量、非线性、强耦合、时变、工作环境恶劣及随机干扰性较强的系统,以电弧炉电极控制系统为核心,对三相电极调节系统进行了基于BP神经网络自整定PID参数和RBF神经网络在线辨识系统模型算法的设计与仿真研究,并在实验室搭建了模拟平台模拟三相电极控制效果。首先针对电极调节系统的模型不固定性,强耦合和干扰大的特点,在控制算法上分别做了神经网络辨识模型的Jacobian信息,解耦和抗干扰能力的研究。为了加快模型的辨识速度,且使聚类半径选择合理,选用了具有在线学习功能的变聚类半径的最近邻聚类RBF神经网络,辨识出的Jacobian信息中包含了对象耦合的信息,把此信息应用于BP网络整定PID控制器参数,从而起到解耦的效果。通过MATLAB模拟仿真,验证此方法具有一定的解耦能力及抗干扰能力,仿真结果也表明了这种基于模型辨识与BP网络整定PID... 

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 课题的研究背景及意义
    1.2 国内外电弧炉电极控制系统研究现状
    1.3 本文的研究内容
        1.3.1 研究内容和方法
        1.3.2 关键技术
        1.3.3 本项目的创新点
第二章 电弧炉工艺流程及控制系统的研究
    2.1 电弧炉炼钢概述
        2.1.1 电弧炉炼钢的特点
        2.1.2 电弧炉炼钢工艺和设备
    2.2 电弧炉控制系统
    2.3 电极控制系统
        2.3.1 电极控制系统结构和工艺流程
        2.3.2 电极控制系统的调节方法
    2.4 本章小结
第三章 电弧炉电极控制系统控制算法设计与仿真
    3.1 电弧炉控制系统控制总体设计
    3.2 RBF神经网络及其辨识
        3.2.1 系统辨识原理
        3.2.2 RBF神经网络的结构
        3.2.3 RBF最近邻聚类学习算法
        3.2.4 RBF网络逼近性能验证
        3.2.5 电极调节系统的RBF网络辨识
    3.3 基于BP神经网络自适应PID控制器设计
        3.3.1 BP神经网络
        3.3.2 BP神经网络的改进方法
        3.3.3 L-M BP网络PID自整定电极调节算法设计
    3.4 电弧炉电极控制系统仿真研究
    3.5 本章小结
第四章 基于WinAC的电弧炉电极控制系统设计
    4.1 西门子SIMATIC的 PC自动化方案
        4.1.1 WinAC简介
        4.1.2 基于WinAC的电弧炉电极控制系统组成
    4.2 电弧炉电极控制系统设备选型
    4.3 WinAC RTX在电极控制系统中的应用
        4.3.1 WinAC控制器的系统组态与配置
        4.3.2 WinAC控制器中软件程序的编写
    4.4 WinAC ODK在电弧炉电极系统中的应用
        4.4.1 WinAC ODK的工作原理
        4.4.2 用户程序的编写
        4.4.3 VC++与WinAC间的数据通讯
    4.5 Computing SoftContainer与 Win AC控制器间的数据通讯
    4.6 STEP7 工程的实现
        4.6.1 将WinAC ODK装入STEP7
        4.6.2 STEP7 编程
    4.7 本章小结
第五章 电弧炉控制系统实验室模拟研究
    5.1 实验室模拟实验
    5.2 实验室模拟调试
        5.2.1 模拟实验系统的调试内容
        5.2.2 系统调试中遇到的问题与解决
    5.3 试验结果与分析
    5.4 本章小结
第六章 总结与展望
参考文献
附录 A 图表清单
附录 B 部分程序代码
在学研究成果
致谢



本文编号：3663833