介绍一种根轨迹法设计软件

本文主要介绍一种用根轨迹解析法设计自动控制系统的软件。在阐述了超前校正、迟后校正、超前迟后校正算法及选择三种校正方法的条件之后,举例给出了设计结果和仿真曲线。     

基于比值校正法的轧辊偏心补偿控制

针对快速傅里叶变换(FFT)算法在轧辊偏心控制中存在的缺点,提出了基于比值校正法的轧辊偏心补偿控制方法。首先利用比值校正法对FFT算法得到的频率、幅值、相角参数进行校正以提高参数精度,由校正后的参数重构偏心模型,然后将模型运用于偏心补偿控制。仿真及实验结果表明,利用校正参数重构得到的轧辊偏心模型可以很大程度减小轧件厚度波动,补偿效果优于传统FFT法。     

基于自适应蚁群算法的传热模型参数辨识

针对铸坯凝固传热模型校正问题,提出了采用自适应蚁群优化算法进行参数辨识的方法。首先在不同条件下对铸坯不同位置进行射钉并测量凝固坯壳厚度,然后根据测量数据集和凝固传热数学模型的数值解,采用自适应蚁群优化算法进行参数辨识,确定二冷区内各冷却段的传热系数,最后通过二冷出口铸坯表面温度和凝固坯壳厚度的测量数据与采用辨识参数的传热模型预测结果进行比较,验证了传热系数的准确性。校正的传热模型已成功应用于多台铸机的二冷配水优化。     

130t/h混烧锅炉主蒸汽温度控制优化方案

在常规锅炉主蒸汽温度自动控制方案的基础上,对攀钢集团新钢钒能源动力中心7#锅炉的特点进行了分析,结合锅炉参数与主蒸汽温度自动控制的相互关系,以及相关的工艺要求,针对表面式减温器调节汽温滞后大,调整难的特点,提出了超前校正串级控制的方法,并在过热蒸汽温度控制系统中得到成功运用,汽温调节精度可以控制在±3℃以内.     

中厚板轧制过程中轧制力参数的动态修正

分析了一种中厚板的轧制力在线动态修正算法,该算法以实测轧制力为基础,通过道次实测轧制力和模型计算轧制力的值决定轧制力模型参数修正量的大小,真正做到以实测轧制力数据动态校正中厚板轧制力模型,大大提高了轧制力模型的预报精度并使其具有良好的自学习功能.该算法已经在现场获得应用,并具有良好的应用效果.     

基于FA-PSO-RBF神经网络的富氧底吹铜锍品位预测模型

铜锍品位是富氧底吹铜熔炼过程中的一个关键工艺参数,针对铜锍品位实时检测困难、检测结果滞后时间长、指导生产工艺参数优化滞后等问题,基于生产数据深入挖掘及处理,提出了一种基于FA-PSO-RBF神经网络的铜锍品位预测模型。首先为了降低模型的预测误差,利用FA分析方法对原始生产数据进行降维处理,确定主要因子数量为6个,并计算因子得分,然后针对RBF神经网络模型对关键参数依赖性较大的不足,利用改进PSO算法对网络结构中的关键参数进行寻优,最后,以因子得分为输入,铜锍品位值为输出,通过实际生产数据验证模型的准确性,并与RBF、标准PSO-RBF预测模型进行对比,结果表明,本文构建的铜锍品位预测模型预测精度更高,与标准PSO-RBF预测模型相比,RMSE和MAE的值分别降低了17.2%和21.2%,该预测模型对富氧底吹铜熔炼生产过程参数优化控制提供了一种方法借鉴。     

智能自适应模型算法控制

本文提出了一种基于增量模型描述的新型MAC——多步预测智能自适应MAC(IAMMAC)。它将基本MAC扩充到多步预测和双重控制。为适应过程模型时变,提出了一种非参数模型单步和多步自校正算法,并引入智能判断、实时截断脉冲响应高频段以提高系统的鲁棒性。此外,文中还详细讨论了最优控制律的计算、闭环动态特性和输出跟踪特性及输入滤波器的设计。     

转炉吹炼后期碳含量预报的改进指数模型

介绍了几种主要的转炉烟气分析碳含量预报模型,并分析了其中的指数衰减模型及其三种改进算法的基本原理和优缺点。在综合三种模型优点的基础上,提出了基于“极限碳含量拟合+曲线同步更新”算法的改进指数模型。首先,利用历史炉次吹炼后期的脱碳氧效率和碳含量数据,通过指数拟合得到“历史脱碳曲线”和极限碳含量参数;其次,使用当前炉次吹炼中期的最大脱碳氧效率值对“历史脱碳曲线”的特征参数进行替换,得到当前炉次吹炼后期的“参考脱碳曲线”,再对其进行归一化处理,得到归一化的“参考脱碳曲线”;然后,采用多点校正的方法,计算当前炉次吹炼至各等距离校正点时“参考脱碳曲线”的脱碳量,并根据计算脱碳量与转炉实际脱碳量的偏差,对熔池碳含量及脱碳曲线参数进行计算与校正,得到“计算脱碳曲线”;最后,通过逐次迭代计算对“参考脱碳曲线”和“计算脱碳曲线”进行同步更新,进而实现对转炉吹炼后期熔池碳含量的精准预报。研究表明,改进的指数模型具有较高的准确率,终点碳含量预报误差在±0.02%范围内的命中率达到90%。      

有色金属冶炼中的网络控制管理技术研究

提出一种基于参数自整定性失稳控制的有色金属冶炼网络控管理技术,进行有色金属冶炼的控制系统网络结构设计,进行控制约束参量模型构建,对约束参数进行自整定性调度,通过自整定反馈校正,计算有色金属冶炼中的网络控制管理参数的稳态指标,实现网络控制管理优化。仿真结果表明,采用本文算法进行有色金属冶炼中的网络控制管理,参数的自整定测量和控制精度较高,金属冶炼过程的控制性能较好。     

晶闸管大功率超前相控变流装置

晶闸管大功率超前相控变流装置由中南工业大学和株洲冶炼厂共同研制的ＫＧＣＥＳ－６０００／８２５型晶闸管大功率超前相控变流装置，突破了晶闸管变流装置只能工作在滞后相控状态的传统概念，把晶闸管变流技术由滞后相控状态扩展到超前相控状态，构成一种具有容性无功补...     

基于改进XGBoost算法的深部巷道松动圈智能预测研究

深部巷道爆破开挖后由于爆炸冲击和原位应力动态卸载耦合作用,围岩内不可避免地产生松动圈,进而影响结构的稳定性,因此对松动圈厚度进行超前预测显得非常重要。依托多座地下矿山松动圈测试作为研究对象,共获取300组有效数据样本。采用4种主流的超参数优化算法,即遗传算法(GA)、灰狼优化算法(GWO)、粒子群优化算法(PSO)和樽海鞘算法(SSA)对XGBoost算法进行优化,并以此构建4种松动圈预测混合模型。采用R²、RMSE、MAE和MAPE指标对预测模型的性能进行对比分析,并开展松动圈厚度参数的敏感性分析。最后,将最优的PSO-XGBoost模型应用于地下矿山运输巷道进行工程验证。结果表明：在群体规模分别为90、70、60和100时,GA-XGBoost、GWO-XGBoost、PSO-XGBoost和SSA-XGBoost模型取得了最佳的预测表现。其中,PSO-XGBoost模型在训练集和测试集中的相关系数分别为0.9244和0.8787,具有最佳的预测性能。相比基准模型(XGBoost、RF、SVM和LightGBM),优化后模型松动圈的预测精度和性能均得到显著提升...     

复合泊松分布参数估计的EM算法

复合泊松分布是非寿险精算中的重要理赔模型,利用正规的统计方法(如极大似然估计)估计模型的参数往往比较困难,而矩估计的精度在大样本下才能有令人满意的结果.本文应用EM算法研究了复合泊松分布的参数估计问题,给出了参数满足的方程,并给出了参数的矩估结果,对两种参数估计结果,通过计算机模拟,表明EM算法对参数的估计更为有效,且EM算法在小样本下就能得到较好的估计效果.     

含有自校正模型的加权多模型自适应控制

研究了含有大范围参数不确定性离散时间被控对象的加权多模型自适应控制问题(包括模型集构建和加权算法分析).通过构建含有自校正模型和多个固定模型的模型集覆盖并逼近被控对象,在模型输出误差可分的前提下,采用基于模型输出误差性能指标的加权算法,并依据固定模型中是否包含真实被控对象模型的不同情形分析加权算法的收敛性.在权值收敛的前提下,利用虚拟等价系统理论,分析了参数未知线性时不变和参数跳变的情形,在不依赖于特定局部控制算法的基础上,证明了此种模型集构建下的加权多模型自适应控制系统的稳定性和收敛性,放宽了先期加权多模型自适应控制系统稳定性分析中关于模型集构建的约束条件.最终,通过计算机MATLAB仿真,验证了此类加权多模型自适应控制系统的收敛性和闭环稳定性.      

基于承钢生产数据预测烧结矿FeO含量

为了克服烧结矿中FeO含量检验滞后的问题,基于烧结生产各个环节所积累的大量数据,采用XGBoost算法建立FeO含量预测模型,以指导生产工作人员及时调整配料方案和设备参数。首先对承钢3号烧结机sqlsever数据库中的相关数据进行提取和整合,然后结合特征工程对特征参数数据进行一系列可视化分析和处理,最后将XGBoost算法应用于预测烧结矿FeO含量的建模当中,并与决策树模型预测效果进行对比。结果表明XGBoost模型预测效果较好,预测后的损失值最小可达0.071 876,实现了准确预测FeO含量的目的,为烧结矿FeO含量的预测提供了一种有效的预测方法。     

基于承钢生产数据预测烧结矿FeO含量北大核心CSCD

为了克服烧结矿中FeO含量检验滞后的问题,基于烧结生产各个环节所积累的大量数据,采用XGBoost算法建立FeO含量预测模型,以指导生产工作人员及时调整配料方案和设备参数。首先对承钢3号烧结机sqlsever数据库中的相关数据进行提取和整合,然后结合特征工程对特征参数数据进行一系列可视化分析和处理,最后将XGBoost算法应用于预测烧结矿FeO含量的建模当中,并与决策树模型预测效果进行对比。结果表明XGBoost模型预测效果较好,预测后的损失值最小可达0.071876,实现了准确预测FeO含量的目的,为烧结矿FeO含量的预测提供了一种有效的预测方法。     

一种基于人工鱼群算法的Choquet积分回归推广模型

设计了一种基于区间值带符号模糊测度的Choquet积分的非线性回归模型.该模型采用线性规划的方法计算关于区间值带符号模糊测度的Choquet积分值,并通过一种进化算法--人工鱼群算法(AFSA)确定了模型的参数.该算法具有鲁棒性、分组计算、易于结合特定问题等诸多优点.数值试验结果证实了该算法确定模型参数的可行性与有效性.     

一种改进型纯滞后预估补偿方法

本文介绍了一种改进型纯滞后预估补偿方法，它由队衍，乘法计算环节，预估补偿模型和调节器组成，主要技术特征是预估补偿模型为ｅ＾－τｓｍ取消了史密斯（Ｊ．Ｍ．Ｓｍｉｔｈ和盖莱斯（Ｒ．Ｆ．Ｇｉｌｅｓ）预估模型中的惯性特性ＫｍＧｍ（Ｓ）和超前作用环节１＋τ．ｓ。系统功能元件少，结构简单可实现高精度调节，并简略地说明史密斯和盖莱斯模型之不足和改进之后传递函数的推导和实用场合。     

神经网络技术及其在钢铁工业中的应用 第6讲 神经网络在控制系统中的应用(下)

5神经网络自校正控制5.1自校正控制原理自校正控制是自适应控制的一种，其特点是具有被控对象的参数在线辨识环节，它有两个环路，内环由对象和调节环节组成，它类似于常规反馈控制系统;外环由一个递推参数估计器和设计计算环节组成，如图13所示。自校正控制把被控对象的参数在     

烧结矿化学成分的超前预测模型

本文提出一种针对鞍山钢铁公司新三烧结厂的烧结矿化学成分超前预测策略,为稳定成分的控制莫定基础。以采集的现场数据为基础,采用系统辨识方法建立多个SISO和MISO时间序列模型,在此模型基础上建立超前预测模型。比较烧结矿化学成分的测量值和预测值验证模型,结果是令人满意的。     

热风炉煤气消耗量灰色预测模型的开发

针对热风炉系统非线性、大滞后、大惯性,煤气消耗量难以有效预测的问题,以某高炉热风炉为研究对象,采用灰色模型对煤气消耗量进行预测。介绍了预测模型的建模方法、系统软件结构、预测模型的建立步骤,通过粒子群算法优化了模型参数,最后使用灰色模型对该高炉热风炉煤气消耗量进行预测,结果说明该方法预测准确,具有较强的实践意义,为调度人员准确把握煤气资源的波动趋势,进行优化调配提供了可靠依据,降低了能耗。