基于ELM模型的焦炉火道温度预测研究

火道温度稳定在一定范围内是焦炉加热过程优化控制的目的,也是保证焦炭质量、提高产量的前提。针对焦炉加热过程大滞后、强耦合等特点,提出一种基于极限学习机(ELM)的预测算法;考虑到实际生产过程中焦炉机侧与焦侧是分离操作控制的,从而建立两侧的预测模型来分别预测机、焦侧火道温度,增加模型的准确性。实验表明:建立机、焦两侧的ELM预测模型较传统BP网络算法更能准确的预测两侧火道温度,可以为焦炉的优化控制提供良好的指导。     

焦炉加热过程智能控制综述

论述了智能控制技术在炉温控制模型、焦炉火道温度设定、焦饼温度软测量模型、回炉煤气主管压力控制、集气管压力控制中的应用。提出了在焦炉加热控制系统中 ,应采用反馈和前馈相结合的控制策略 ,并在传统控制方法的基础上应用智能控制技术 ,来提高焦炉计算机控制的水平。     

焦炉燃烧加热过程智能集成优化控制系统

以焦炉燃烧加热过程控制为背景,首先根据蓄热室顶部温度的测量,集成线性回归和神经网络等多种方法,建立立火道温度检测的软测量模型,然后利用立火道温度软测量模型的结果,结合实际工况．采用模糊专家控制算法进行焦炉燃烧加热过程的优化控制,实现焦炉燃烧加热过程集成优化控制。     

基于误差预测的焦炉火道温度软测量模型

针对焦炉火道温度在线检测的问题,在分析焦炉火道温度特性的基础上,建立了一种基于误差预测的高精度焦炉火道温度软测量模型．首先分别建立了1元、2元和12元线性回归模型,对蓄顶温度和火道温度进行线性拟合;然后比较分析了三种回归子模型的特点．使用融合时间差分法的Elman神经网络,对线性回归模型中精度最高的12元模型的预测误差进行拟合和多步预测．采用专家经验将线性回归组合模型和融合时间差分法的Elman神经网络模型进行集成,最终获得了具有较高预测精度的焦炉火道温度软测量值．实际运行结果验证了该软测量模型的有效性．     

基于集成模型的焦炉火道温度软测量技术研究与应用

在分析焦炉火道温度特性的基础上,提出了一种基于线性回归和神经网络模型的火道温度软测量集成模型;分析生产工艺得到典型蓄热室的选取原则,从典型蓄热室获得蓄顶温度,建立一元和二元线性回归模型反映蓄顶温度和火道温度的线性关系;建立神经网络模型拟和蓄顶温度和火道温度的非线性关系;最后利用误差最小法将线性回归模型和神经网络模型集成,提高软测量精度;模型实际运行效果验证了所建模型的有效性。     

基于ANFIS的焦炉火道温度预报模型研究

针对焦炉生产过程中直接检测火道温度成本高、精度低等问题,提出运用自适应神经网络模糊推理系统理论(ANFIS)建立焦炉火道温度预报模型,模型采用模糊减法聚类方法选取模糊规则数目,大大减少规则冗余量;结合最小二乘和误差反向传播混合算法对神经网络参数进行优化,采用现场的热工数据作为输入,将获得的模型与传统的线性回归模型和BP神经网络模型进行了比较,数值仿真结果表明所建立的模型具有学习速度快、预报精度高、泛化能力强等优点.     

多模式模糊控制技术在焦炉加热控制中的应用

本文研究了焦炉火温度的在线检测技术和优化控制方案，并在控制中采用了多模式模糊控制技术，较好地解决了焦炉火道温度波动大、能耗高的问题。     

关于焦炉火道温度模型辨识的仿真研究

建立对象的模型是控制系统设计的基础,非线性系统的建模是复杂系统建模的难点之一,焦炉火道温度复杂多变,其精准模型的建立事关重要。首先对焦炉加热生产过程采用基于减法聚类和C－均值聚类相结合的模糊T－S辨识算法来简化前提结构辨识,从而实现焦炉对象的模糊辨识。然后通过模糊神经网络结构来优化模型参数从而得到焦炉对象的局部模型,最后通过计算各局部模型的隶属度来得到焦炉对象的全局模型。仿真结果表明T－S模糊模型能自适应生成模糊规则,解决传统模糊系统不能自动将人类专家的知识经验转化为推理规则库的问题,为非线性系统建模奠定了基础。     

基于改进蚁群算法的焦炉推焦计划编排北大核心CSCD

针对实际焦炉推焦作业计划过程中的多炉号乱笺问题,提出一种基于改进蚁群算法的焦炉推焦计划编排方法。首先,给出以恢复推焦串序过程中总惩罚最小为优化目标的焦炉推焦优化调度模型;其次,为了避免蚁群算法进入搜索停滞状态,设置信息素值域来加强算法的搜索能力,并采用具有自适应性的全局更新规则来加快算法后期的收敛速度,进而利用改进的蚁群算法对焦炉优化调度问题进行求解;最后,通过某焦炉厂实际生产数据仿真结果证明,该方法在解决焦炉推焦计划编制问题时具有更好的求解精度和更高的搜索成功率。     

焦炉作业计划与优化调度系统设计与实现

针对钢铁企业焦炉生产计划编排问题,建立一个适合正常工况和异常工况的焦炉作业计划与优化调度系统.该系统由决策支持模块、正常工况计划编制模块和异常工况计划编制模块组成.决策支持模块根据获取的现场数据进行工况判断;在正常工况下采用"5-2"推焦串序操作来编制计划;在异常工况下针对乱笺、推焦事故和病号炉等异常状态,建立优化调度模型,基于蚁群算法进行求解来获得推焦计划.实际应用表明.该系统实现了焦炉作业计划的自动编排与优化调度,保证了结焦时间,提高焦炭质量.     

焦炉燃烧过程温度优化控制系统的研究与应用

焦炉是具有大时滞、强非线性、多变量的复杂系统.直行温度受多种因素的影响,采用常规的控制方法难以将温度控制在要求的精度范围内.以某钢铁公司新2号焦炉为控制对象,在充分总结焦炉操作人员控制经验的基础上,考虑焦炉燃烧过程的特点,提出了融合多元线性回归和神经网络来建模,多变量模糊控制和专家控制相结合的温度反馈控制算法,开发了焦炉燃烧过程温度优化控制系统.系统投入实际生产运行后,控制效果良好,实现了焦炉燃烧过程温度的优化控制.     

焦炉加热智能控制系统的研究与应用

焦炉是具有大时滞、强非线性、多变量耦合、变参数的复杂对象，直行温度受多种因 素的影响，采用常规的控制方法难以将直行温度控制到要求的精度范围内．焦炉生产过程既 受连续时间信号驱动，又受离散事件信号驱动，本文将焦炉及其操作过程作为一类混杂系统 ，研究并开发了焦炉加热智能控制系统．系统采用神经网络建模、多变量模糊控制、专家控 制和预测控制等多种算法，构造了切换系统模型，在北京炼焦化学厂投入生产运行后，取得 良好控制效果．该系统对提高焦炭质量，降低能耗和延长炉体使用寿命都有重要的意义．     

焦炉加热过程无辨识自适应控制方法

针对焦炉火道温度直接影响焦炭质量和炉体寿命,而焦炉加热过程的大时滞、难以建立数学模型等特性造成焦炉加热过程火道温度控制十分困难的问题,提出一种具有专家修正的无辨识自适应控制方法。该方法不需要过程的数学模型,而是根据当前和过去的过程信息,基于专家规则估计过程未来的输出及变化趋势,对无辨识自适应控制的输出进行修正,获得过程控制所需的煤气流量设定值。仿真结果表明,该控制方法简单易行,有较好的鲁棒性,能比较好地控制焦炉加热过程火道温度。     

焦炉控管一体化系统研究

为了提高焦炉的控制与管理水平，对焦炉控管一体化系统进行了研究。现代较先进的焦炉控制系统均采用反馈和前馈相结合、控制和管理相融合的控制方案。系统地介绍了焦炉控管一体化系统模型、焦炉生产计划与管理、焦炉加热控制系统、温度评估模型及其方法、焦炉燃烧智能控制与焦炉集气管压力控制，并指出控管一体化是焦炉控制系统的发展方向。     

炼焦煤分级调湿工艺中稳定协调控制的研究

在炼焦煤分级调湿工艺中合理地抽取焦炉烟道废气调节炼焦煤的水分,并进行必要的粒度分级,以达到降低能源消耗和环境污染的目的.通过智能化PID、人工智能等控制算法的协调控制可解决煤分级调湿中煤流与烟气流平衡匹配,焦炉烟道废气吸取过程中焦炉烟道吸力和煤水分控制等难题,达到了炼焦煤水分调整、粒度分级全自动运行的目的,同时实现了对...     

基于组合灰色预测模型的焦炉火道温度模糊专家控制

针对具有强非线性、大时滞、多扰动特点的焦炉火道温度控制问题,提出一种基于组合灰色预测模型的改进模糊专家控制方法.采用基于黄金分割优选法寻优的解析式类型三维模糊控制器,同时并联专家规则补偿模块,对模糊控制器输出进行补偿.利用组合灰色预测方法获得未来时刻的火道温度,根据预测值采取相应的控制策略.实验运行结果表明,该方法具有较好的控制品质,有效地削弱了大时滞的影响,为解决焦炉火道温度控制问题提供了新思路.     

焦炉烘炉温度控制系统设计与实现

焦炉烘炉是焦炉生产的一道重要工序,烘炉质量对焦炉的寿命有着重要的影响,焦炉烘炉工艺复杂,温度监测点众多,监控困难。针对焦炉烘炉过程中温度的变化规律,利用模糊控制开发设计了焦炉烘炉温度监控系统,详细介绍了其硬件设计和软件功能。本系统实现了炉温的自动监控与数据管理,提高了生产效率,有效地保证了烘炉工作的高效运行,具有很高的应用前景。     

基于小波分析与神经网络结合的交通流短时预测

研究了热轧带钢自动厚度控制（AGC）的鲁棒控制问题．为了消除轧制过程中其它变量对厚度控制精度的影响，提出了一种基于H∞／H2的多变量约束控制策略．首先，采用高阶未建模扰动对控制输入传函的H∞范数作为鲁棒性能指标，张力与活套等约束量对输出评价信号传函的H2范数作为LQG性能指标，建立了受约束的厚度控制模型．其次，设计了H∞／H2状态反馈鲁棒控制器，把受约束的AGC控制转化为系统在模型摄动与外界扰动下满足一定性能指标的鲁棒控制问题．最后，仿真结果表明，所设计的H∞／H2控制器具有良好的鲁棒控制特性．