电弧炉智能电极控制器的研究

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.     

神经网络在电弧炉炼钢控制系统中的应用研究

将神经网络智能控制理论应用于电弧炉炼钢控制系统,运用改进的BP算法,建立了电弧炉神经网络预估控制系统,满足了实时控制的自适应要求.仿真结果表明,采用神经网络智能控制方法,对电弧炉电极可以进行有效的控制.该系统响应速度快,适应性和鲁棒性强,具有推广应用价值.     

基于模糊神经网络的电弧炉控制系统及仿真

电极调节系统是电弧炉炼钢过程不可缺少的基本装备。目前常用的电极调节器大多是基于单相意识,导致电极调节中电极往往误动作,大大影响了电弧炉的运行效益。在模糊控制和神经网络的基础上,探索研究一种基于三相意识的电弧炉控制新方法,采用模糊神经网络调节器控制对电弧炉电极进行调节,控制弧流弧压稳定在一定范围之内,使电弧炉冶炼达到有功功率最大化,进一步提高电弧炉的综合运行效益,降低能耗、减轻对电网危害。并用matlab对模糊神经网络进行仿真。结果表明,本网络具有较快的训练速度和较高的泛化能力,满足电弧炉控制的要求,其控制性能优于常规电弧炉控制系统。     

BP神经网络用于三相电弧炉弧流控制

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.     

基于神经网络辨识的电弧炉电极系统的自整定PID控制

基于具有电弧炉电极系统的非线性时变特性,设计了一种基于神经网络的参数自整定PID控制器。该控制器采用三个基于最近邻聚类方法的RBF神经网络快速学习算法,通过实时在线辨识,建立被控系统的精确模型并得到精确的Jacobian信息分别提供给三个BP神经网络,从而实现了三相耦合系统的精确控制,仿真结果证明了这种方法的可行性和有效性。     

智能集成控制在大功率电弧炉系统中的应用研究

针对冶金行业大功率电弧炉的控制，提出了一种基于模糊控制、神经网络和多目标 优化决策相结合的智能集成控制方案．首先采用变结构模糊神经网络控制来设计温度外环控制器，给三相电极电流平衡内环提供电流指令信号，然后在内环控制中综合各种优化目标，构造优化目标函数，运用多目标模糊优化决策来实现整个系统的平衡．现场数据表明运用该控制方案的系统目前已在广东韶关冶炼厂成功运行．     

基于神经网络的电力并网逆变器控制技术研究

研究了电流模式控制的电力并网逆变器的PR( proportion resonant)控制策略,针对提高并网供电功率优化逆变换器设计,分析了含LCL滤波器的电流双环控制电力并网逆变器模型.目前采用的比例谐振控制器难以用数字控制器实现的问题,提出了BP神经网络的增量式PR控制技术.在MATLAB平台上,建立数学模型仿真.仿真结果证明,在电流发生突变情况下,采用BP神经网络的电力并网逆变器的增量式PR控制,电流波形具有更好的动态性能与静态性能.对神经网络训练进行仿真,结果表明,并网供电控制取得良好的供电效果,为设计提供了参考依据.     

电弧炉电极调节系统的适应性控制

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.     

交流电弧炉智能集成计算机控制系统

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。     

交流电弧炉电极调节控制系统

电极调节是电弧炉炼钢中的关键技术.以唐山机车车辆厂 10 t交流电弧炉为背景,在综合分析了电弧炉炼钢设备和电弧炉炼钢过程特点的基础上,针对各冶炼期的不同特点提出了相应的电极调节控制算式,并结合现场的实际情况设计了电弧炉计算机控制系统,经现场调试,取得了良好的控制效果.     

石墨化炉人工神经网络预测控制的研究

针对目前石墨化炉控温精度不高,时有裂纹废品出现的现状,为提高石墨电极质量,实现石墨化炉的精确控温问题,提出了石墨化炉神经网络预测控制策略。利用径向基函数神经网络建立了石墨化炉稳态模型;利用工业过程裸模化方法,建立了石墨化炉的动态模型,为进一步实现石墨化炉的神经网络预测控制,完成了至关重要的第一步。该石墨化炉神经网络模型,计算机仿真结果非常理想,拟和精度很高,完全可以作为下一步实现预测控制的模型。     

电弧炉电气系统谐波分析的仿真研究

交流电弧炉是一种不平衡、非线性、时变负载,在炼钢过程中其电流会产生非正弦畸变和各次谐波,使得电网电能质量变差,通过对电弧炉电气系统的谐波分析,有利于采取合适的谐波抑制措施,改善电网电能的质量.本文采取在MATLAB 6.5/Simulink环境下搭建交流电弧炉系统仿真模型的方法,通过仿真对电弧炉电气系统进行谐波分析.仿真结果表明,电弧炉的谐波电流成份主要为2～7次,与实际系统频谱分析仪实测的结果定性性质一样.     

矿热炉短网谐波电流的检测与补偿控制

针对10 t矿热炉短网所存在的谐波电流大和功率因数偏低等现象,提出了一种基于电流分解、倍频变换的软预测方法,在减少坐标变换复杂运算的基础上,可有效实现对短网基波电流、谐波电流、功率因数及相关电参数的检测。同时给出了融功率因数补偿和谐波电流抑制的双闭环补偿控制系统设计方案,通过仿真和实际测试验证了该预测控制方法的可行性,以及具有明显的经济效益。并也可推广适用于电网、电力变换装置等需要无功功率补偿、谐波抑制以及故障诊断和保护的系统中。     

Current control of a three-phase submerged arc ferrosilicon furnace

Models of a 36 MW submerged arc ferrosilicon (FeSi) furnace have been developed for the simulation and evaluation of different control schemes. The models developed, describing the present furnace controller, the electrode positioning equipment as well as the dynamics from the electrode positions to the electrode currents and the disturbance environment, effectively forming a FeSi furnace simulator, were then validated for two furnaces as well as for different operating ranges. In this paper, the validated simulator is used to evaluate the benefits of a decoupling controller compared to the present furnace controller which controls the current in each electrode independently.     

电弧炉PID电极调节器性能对电网影响的仿真研究

针对电弧炉电极调节器的性能对电网电压波动的影响进行了仿真研究。在Matlab／Simulink仿真环境下，利用Simulink提供的专用模块库和基本模块库相结合，搭建交流电弧炉系统的仿真模型。通过改变电极调节器的性能参数，研究电网电压的波动情况。仿真结果表明，电极调节器性能不理想时会加剧电压波动，而性能理想的电极调节器会减小电压波动。仿真研究带来了很好的应用价值，通过改善电极调节器的性能，可以减小电压波动，降低无功补偿装置的容量，节约工程投资。     

LF炉电极控制器设计及其应用

针对LF钢包精炼炉电极控制系统具有非线性、时变、模型不确定、多输入多输出强耦合的特点，提出一种基于RBF神经网络实时在线辨识和神经网络解耦的模糊自适应控制方案，并进行了控制器设计。应用结果证实了此控制方案的有效性。