重机行业钢包精炼炉的节能途径

本文在简要介绍了钢包精炼炉结构和功能的基础上,从技术上、管理上以及认识上详细论述了机械行业钢包精炼炉能源利用的现状,提出了节能的具体措施。     

日本钢包精炼炉滑动水口装置的研仿

本文着重介绍了对日本滑动水口装置的研仿与国产化。     

钢包精炼炉滑动水口浇钢引流用充填料的研制

一重集团公司炼钢分厂LF-90/130t钢包精炼炉滑动水口洗钢引流用充填料原由日本进口,价格昂贵,供应不及时,生产无保证。经试验研究,采用本地区丰富的农安砂资料,通过合理的工艺处理,研制出满足生产需要的充填料,替代进口年增效益4万元。     

基于神经网络逆系统的发酵过程多变量解耦控制

发酵过程是时变、非线性、不确定的多变量耦合系统，高性能的解耦控制一直是追求的目标。将逆系统方法与神经网络相结合，提出了一种基于神经网络逆系统的发酵过程解耦控制方法。根据发酵过程的特点，给出了相应的数学模型，并证明了系统的可逆性，进一步构造神经网络逆系统并与发酵系统串联复合成伪线性系统，再设计线性闭环调节器实现高性能解耦控制。仿真结果表明，提出的解耦控制方法能够适应过程模型的不确定性和参数的时变性，具有较强的鲁棒性，克服了解析逆系统解耦控制方案依赖于过程模型和对模型参数的变化很敏感的缺点。     

基于信息融合的钢包精炼炉元素收得率预报

为提高元素收得率的预报精度,针对元素收得率主要影响因素无法及时获得的问题,提出一种基于信息融合的预报方法。该方法对原始数据层与特征层分别进行融合操作。在原始数据层,首先将相关性较为明显的可测变量按照机理进行结合,然后使用基于改进遗传算法的特征构建方法对由可测变量与结合变量组成的变量集合进行融合,使融合后的特征作为元素收得率主要影响因素的评价指标。在特征层,使用自适应神经-模糊推理系统对构建后的特征进行融合,从而得到元素收得率预报模型。将此方法应用于Q345B钢种Si、Mn元素收得率的预报,实验结果表明所提出的方法不仅可以满足生产要求,而且比其他预报方法有更高的预报精度。     

基于神经网络的动态逆方法研究

该文探讨了神经网络与非线性动态逆方法相结合的神经网络动态逆方法，研究了神经网络动态逆的网络结构。为进一步改善直接动态逆控制器的性能，对由动态逆和原系统构成的伪线性系统，给出了两种综合方案。通过仿真研究表明，综合控制策略不仅能够改善系统的动态性能，而且具有良好的鲁棒性。研究成果显示了神经网络动态逆方法的有效性和可行性以及在控制系统设计中所具有的潜在能力。     

钢包精炼炉的组成与应用

钢包精炼炉是炉外精炼技术的关键设备,是把常规炼钢炉（转炉、电炉）等初炼的钢液倒入钢包精炼炉中,进行脱氧、脱硫、脱碳、除气、除非金属夹杂物、调整钢液成分和浇注温度等目的的炼钢工艺,把一步炼钢法变为初炼加精炼的二步炼钢法。     

基于神经网络的磁流变阻尼器逆控制研究

为了解决阻尼器的非线性问题,设计了一种纯剪切型磁流变阻尼器,并针对其非线性特性,提出了利用径向基函数（RBF）神经网络的非线性映射能力,以建立磁流变阻尼器的逆模型。由已训练的磁流变（MR）阻尼器的逆向神经网络模型和MR阻尼器组成的控制单元,在给定所需控制力的情况下,使MR阻尼器产生相应的阻尼力,实现了MR阻尼器提供连续可调输出力的目的,也使得纯剪切型MR阻尼器在一些需要精确控制的场合能够方便使用。仿真结果表明,神经网络逆控制的方法是有效的、可行的。     

四流连铸机及LF钢包精炼炉迁建工程给排水系统的改造设计

主要阐述了钢包精炼炉及圆坯连铸机迁建工程水处理设施的改造设计,结合以前的生产使用情况,对其中不合理的地方做了改进设计。另外,对一些水处理设施做了更改,以提高水质及循环水的利用率。     

基于B样条模糊神经网络的钎焊炉温度控制

针对钎焊炉温度控制系统,设计了一种基于PSO算法优化的B样条模糊神经网络温度控制方案,利用B样条模糊神经网络实现模糊推理,利用微粒群算法对网络的权值进行学习与训练.结果表明,该算法在钎焊炉温度控制方面具有有效性和可行性.     

基于模糊神经网络的粉末冶金烧结炉温度控制

以工业生产中具有重要地位的粉末冶金烧结炉为研究对象,对其原传统控制方案进行分析,提出一种基于模糊神经网络的温度控制方案,充分利用模糊控制的推理性和神经网络控制的记忆和学习功能.仿真实验及现场测试结果表明,模糊神经网络用于粉末冶金烧结炉温度控制较原传统控制方案具有明显的优越性.     

基于逆系统方法的起重机网络远程控制策略

以起重机为网络远程控制对象,基于逆系统方法设计了起重机速度和磁通的解耦伪线性系统;并对此伪线性系统引入了线性反馈.针对网络控制系统中存在的网络诱导时延问题,建立了基于网络的起重机闭环系统模型,并以此为基础设计了速度和磁通的滑模控制器.利用Lyapunov定理证明,设计的控制器能够使系统状态收敛于滑模面,并能够保证闭环网络控制?破 系统全局稳定,仿真结果验证了该控制策略的有效性.     

基于RBF神经网络的VAV空调系统

变风量空调系统具有非线性和动态特性.目前,在VAV空调控制领域应用最广泛的神经网络是静态前馈Bp神经网络,而RBF是在Bp人工神经网络基本结构的基础上,通过存储内部状态使其具备映射动态特征的功能,从而使系统具有适应时变特性的能力.文中分别采用Bp神经网络与RBF神经网络建立模型,对VAV空调系统的少量参数的数据进行仿真预测,经比较分析,证明后者具有收敛速度快、预测精度高的特点.这表明利用RBF回归神经网络建模是可行的,其在VAV空调控制系统的研究领域有着较好的应用前景.     

RBFNDOB-based neural network inverse control for non-minimum phase MIMO system with disturbances

An adaptive control strategy combining neural network inverse controller (NNIC) with RBFN disturbance observer (RBFNDOB) is developed for a multi-input-multi-output (MIMO) system with non-minimum phase, internal and external disturbances in this paper. Since the inverse model of system is unstable due to the non-minimum phase, a pseudo-plant is constructed, then the RBFN is used to identify the inverse model of pseudo-plant, which can track the parameter variations of system. By copying the structure and parameters of the identifier, the NNIC is obtained. Cascading the NNIC with the original plant, the MIMO system can be decoupled and linearized into independent SISO systems. For the independent decoupled system, the RBFNDOB employs a RBFN to observe the external disturbances and this estimate value is used as a feed-forward compensation term in controller. The case study on ball mill grinding circuit is presented. The effectiveness of the proposed method is demonstrated by simulation results and comparisons.     

基于变时滞神经网络的直流电机PID数字调速系统仿真研究

在PID模糊逻辑控制方法中引入变时滞函数,对直流电机的调速系统进行仿真研究。设计的变时滞神经网络用于PID模糊控制器,输入量是电机的转速偏差和转速偏差率,输出量用于控制斩波调速时的导通角,仿真结果表明该调速系统能有效地抑制超调现象,提高系统的响应速度和稳态性能。     

基于BP神经网络的车辆转向稳定性控制策略及仿真

为研究某半主动悬架车辆的转向稳定性,提出了悬架阻尼BP神经网络PID控制技术.以理想的横摆角速度和实际的横摆角速度误差作为控制目标,对车辆实行转向横摆稳定性闭环控制.通过控制车辆的横摆角速度来分析悬架阻尼变化对车轮垂直载荷及侧倾的影响,针对单移线转向和阶跃转向两种典型工况,应用MATLAB软件进行了仿真.结果表明,在高附着路面上,可以通过控制悬架阻尼来控制车辆的横摆和侧偏运动,当前悬架阻尼增加后悬架阻尼减小时,车辆前、后轴左右车轮的载荷转移明显减小,从而能有效抑制车辆的过多转向特性,为改善操纵稳定性提供一种新控制方法.     

基于逆系统的非线性自适应逆控制

针对非线性系统自适应逆控制的不完善,本文引入逆系统方法将非线性系统转化为伪线性系统,然后使用最小二乘支持向量机(LS-SVM)建立了逆系统模型,最后利用成熟的线性系统自适应逆控制理论实现非线性系统的自适应逆控制。引入逆系统方法后实现了两大功能:其一,消除了非线性系统的干扰,而且不需要设计逆对象模型:其二,实现了多变量(n维变量)之间的解耦,而且节省了3n(n-1)个线性滤波器的设计。本文针对一个典型多变量二阶系统实现了非线性系统的自适应逆控制,仿真试验表明该方法不但能够很好地消除非线性系统的干扰,而且还实现多变量的解耦控制。     

基于PSO的神经网络机械臂自校正控制

粒子群优化算法(PSO)基于群体的演化算法,本质上是一种随机搜索算法,并能以较大概率收敛到全局最优.针对非线性机械臂系统,利用径向基函数(RBF)神经网络和PID控制器作为混合控制器,运用PSO算法对神经网络参数进行在线学习优化,同时在PID控制器的辅助下对机械臂系统进行在线自校正控制.计算机仿真表明,该控制器具有较高的控制精度和响应速度,可以满足机械臂工作要求.     

基于RBF神经网络的单交叉口自学习控制系统

单交叉路口自学习信号控制器主要是通过径向基函数(RBF)神经网络建立了交叉口模型,模拟交通警察指挥交通的思维过程.该控制器能够根据交叉口各相位车辆的排队长度,对各个相位的绿信比和总的信号周期进行实时分配,并且根据交通状况的变化,可以对信号配时效果进行评价,对信号作出调整,具有学习功能.仿真结果表明,该系统能够很好地适应实际的交通状况,可以提高道路交叉口的车辆通行能力.