高碳铬锰炉电极进给预测控制方法研究

【摘要】：电弧炉系统是一个复杂的非线性时变系统,难以建立精确的数学模型。本文针对电弧炉电极控制系统的特点和控制要求,采用了基于神经网络的电极预测控制方法,即利用神经网络建立电炉模型,并对系统的响应进行预估,将预估值和期望值进行比较计算并对常规PID控制器的输出做补偿以控制实际对象,进而利用LMS算法动态修改神经网络权值作为自适应方法,使系统较好地适应负荷和外扰的变化,从而达到满意的控制效果。 本文以吉林某铁合金厂的铬锰炉(801#电炉)为具体研究对象,对其电极调节展开了理论分析及控制方法的研究。首先,在分析了电极控制系统构造的基础上建立了其数学模型。其次,针对电炉系统具有非线性、时变、模型不确定、大滞后、多输入多输出耦合的特点,结合电极控制系统的数学模型,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铬锰炉电极的控制性能。 本系统具有先进的控制功能、监测功能、数据处理功能和网络管理功能,能够明显的改善电弧炉的经济技术指标。仿真结果表明,神经网络预测控制方法大大提高了电极控制的稳定性,电弧电流波动降低,系统的快速性大大提高,系统具有较强的自适应能力和鲁棒性。