共查询到16条相似文献,搜索用时 640 毫秒
1.
2.
3.
BP神经网络用于三相电弧炉弧流控制 总被引:5,自引:0,他引:5
针对电极升降式控制的三相电弧炉弧流之间具有强耦合的特点,提出了采用神经网络控制器,在电流超过允许偏差时并行计算出三相电极的调节量,达到减少调节过程和调节机构动作次数的目的.并提出了离线训练方法和仿真模型. 相似文献
4.
电弧炉是具有三相强耦合、高度非线性和不确定性的复杂被控对象,并且目前对电弧炉的控制要求越来越严格,为此将反步控制与自适应模糊控制相结合,应用于电弧炉电极调节系统中.给出了反步自适应模糊控制系统的详细设计过程.用递推法设计反步控制量,用自适应模糊控制逼近反步控制量中的不确定项,设计出自适应模糊控制律.通过李亚普诺夫函数推导了模糊规则参数调整的自适应律.最后引入监督控制以减少模糊逼近误差.仿真结果表明:所提出的控制算法能有效地抑制弧长的扰动,具有较强的鲁棒性,从而使电弧炉电极调节系统拥有较好的动静态性能. 相似文献
5.
6.
针对传统的PID控制或者单一的模糊控制无法准确控制矿井通风系统风量的问题,提出了一种采用模糊PID调节器和Hopfield神经网络调节器对矿井通风机的转速、风门、风量进行控制的方法。该方法利用模糊控制器对PID参数进行实时修正,并结合Hopfield神经网络的联想记忆功能和反馈调节特性,实现矿井通风机风量的快速、稳定输出。仿真与实验结果表明,模糊PID调节器和Hopfield神经网络调节器可以准确控制矿井通风机的转速和风量,实现通风系统的稳定输出。 相似文献
7.
8.
将神经网络智能控制理论应用于电弧炉电极控制系统,建立了电孤炉电极控制模型.运用BP神经网络,对所建立的控制模型进行了仿真研究.仿真结果表明,采用神经网络智能控制方法,可以对电弧炉电极进行有效地控制,并提高了系统的适应性和鲁棒性,具有重要应用价值. 相似文献
9.
分析了电弧炉电极调节系统的特点,并在此基础上设计了模糊PID控制器。为了避免模糊控制器设计的盲目性,提高模糊控制器性能,引入了遗传算法,对模糊PID的隶属函数进行优化,改善了控制效果。 相似文献
10.
电弧炉炼钢电极控制系统,由于电弧炉电能消耗较大,炼钢需要降低能耗,缩短时间.针对系统是一个典型的非线性、强耦合、多变量控制系统,电极控制因控制算法的抗扰性能不佳.为了获得良好的控制效果,提出以弧流为设定值,主动补偿的适应性控制算法控制电极位置保证输入电弧炉的电能为常值.考虑了电炉炼钢过程中存在的噪声干扰以及金属液面波动两种典型工况,在两种工况下进行电极调节适应性控制.仿真结果表明主动补偿的适应性控制算法具有良好的适应性和鲁棒性,能够满足电极系统的控制要求.所用控制方法因其不依赖被控对象的精确数学模型,且可调参数具有明确物理意义,易于掌握,为实际电极控制系统提供了可参考的控制方案. 相似文献
11.
系统以工控机为中心,配以高性能的模块化外设组成一体化的计算机控制系统。采用温度控制外环和电流平衡控制内环的双环路结构来具体实现交流电弧炉温度和三相电流平衡的智能集成控制。外环采用模糊、神经网络和优化决策共同控制,内环则采用模糊专家解耦控制。系统能实时自适应炉况状态的变化,提高生产效率,降低电能及电极消耗。实际运行证明该系统具有良好的鲁棒性和实时性。 相似文献
12.
基于核函数的支持向量机(support-vector-machines, SVM)与三层神经网络等价关系, 构造基于SVM的多变量阶时延逆系统实现对原系统的伪线性化解耦, 提出最近邻聚类的SVM模型辨识算法, 设计了一种带前馈的参数自适应PD调节器和SVM逆控制相结合的控制策略. 通过对典型的MIMO离散非线性可逆系统和电弧炉电极系统的仿真研究, 表明该控制策略对于数学模型未知的不确定系统, 只需要一定量的输入输出数据作为样本学习, 就可实现对系统逆模型的高精度逼近, 控制系统具有良好的动态响应和跟踪精度. 当模型严重不确定、参数摄动、有外界干扰时, 系统具有很好的抗干扰能力和鲁棒性. 相似文献
13.
14.
15.
电弧炉电极升降PLC控制系统设计及应用 总被引:3,自引:0,他引:3
针对模拟器件自耗电极真空电弧炉电极升降控制系统故障率高,维护最大等一系列问题,设计出了由PLC和模拟调速器组成的电极升降控制系统。介绍了系统主要硬件配置、S7-300PLC程序结构、操作面板OP27组态画面,并给出了主程序循环方框架,该系统控制法采用PID算法,且根据现场工艺要求实现了从手动到自动的无扰切换功能,现场运行数据表明,基于PID控制规律的电弧炉电极升降PLC控制系统运行稳定可靠,操作方便,维护量小,对同行业的生产进步将起到示范和推动作用。 相似文献
16.
Slag foaming is a steel-making process that has been shown to improve the efficiency of electric arc furnace plants. Unfortunately, slag foaming is a highly dynamic process that is difficult to control. This paper describes the development of an adaptive, intelligent control system for effectively manipulating the slag foaming process. The level-2 intelligent control system developed is based on three techniques from the field of computational intelligence (CI): (1) fuzzy logic, (2) genetic algorithms, and (3) neural networks. Results indicate that the computer software architecture presented in this paper is suitable for effectively manipulating complex engineering systems characterized by relatively slow process dynamics like those of a slag foaming operation. 相似文献