神經(jīng)網(wǎng)絡(luò )技術(shù)在寬帶加熱爐溫控模型中的研究與應用論文
摘 要：為了適應市場(chǎng)競爭要求，提高產(chǎn)品質(zhì)量，對寬帶加熱爐的單位燃耗，板坯氧化燒損，產(chǎn)品質(zhì)量穩定性等方面存在的問(wèn)題進(jìn)行研究，對加熱爐控制系統進(jìn)行優(yōu)化，采用神經(jīng)網(wǎng)絡(luò )控制模型技術(shù)。采用遺傳算法對板坯的必要爐溫加權處理進(jìn)行爐溫設定,并將自適應神經(jīng)網(wǎng)絡(luò )控制的方法構建自學(xué)習模型，以進(jìn)行自動(dòng)溫度控制,計算板坯加熱時(shí)間，剩余爐內時(shí)間，分配加熱區域。
關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò ) 預測控制 研究與應用
1 萊鋼寬帶生產(chǎn)線(xiàn)加熱爐現狀分析
萊鋼寬帶生產(chǎn)線(xiàn)加熱爐由于爐型結構等原因，加熱爐空燒時(shí)間長(cháng)，生產(chǎn)能耗大，板坯質(zhì)量方面，則存在板坯氧化燒損大，加熱溫度不均。為提高產(chǎn)品市場(chǎng)競爭力，通過(guò)應用模型控制技術(shù)，減少燃料消耗，提高產(chǎn)品質(zhì)量。
2 國內外現狀分析
加熱模型控制技術(shù)包括模型和控制。模型是指通過(guò)數學(xué)工具描述爐內鋼坯受熱物理過(guò)程，控制是指通過(guò)模型將主要加熱工藝參數自動(dòng)設定到最合理狀態(tài)并能夠自動(dòng)調節。在做好充分的需求分析之后的開(kāi)展建模工作。通過(guò)各方面權衡、比較，在保留及完善一些現有系統實(shí)用的功能的前提下，創(chuàng )新性地采用神經(jīng)網(wǎng)絡(luò )控制技術(shù)，構造模型進(jìn)行加熱爐參數設定和燃燒控制。
3 控制方法簡(jiǎn)介
3.1 神經(jīng)網(wǎng)絡(luò )模型
(1)多層感知器模型。多層感知器神經(jīng)網(wǎng)絡(luò )模型是指調整網(wǎng)絡(luò )內部的結合權，使期望輸出與實(shí)際輸出的差值減小，以改善神經(jīng)網(wǎng)絡(luò )的工作。
(2)自組織模型。自組織模型不同的是不規定期望的輸出，通過(guò)自學(xué)習抽取對象數據的特征。
3.2 預測控制
預測控制(Predictive Control)是基于信息處理功能的預測模型、基于有限時(shí)域的滾動(dòng)優(yōu)化策略和靈活有效的反饋校正機制。預測控制的基本算法有動(dòng)態(tài)矩陣控制(DMC)，模型算法控制(MAC)和廣義預測控制(GPC)。2在本項目中，具體的使用是，根據爐溫實(shí)際值推算出各板坯所在位置的爐內溫度以及上一時(shí)刻板坯的溫度分布，進(jìn)而依據推算的剩余爐內爐時(shí)間計算板坯爐溫，然后根據Rule Base推論，確定板坯加權系數，來(lái)確定爐內各段的爐溫設定。為確保板坯出爐溫度精確，采用出口溫度反推出爐溫度的方法，計算出爐溫度，并進(jìn)行出爐溫度的自學(xué)習。
3.3 板坯出鋼溫度預測模型
該模型是預測出鋼時(shí)的板坯溫度，計算出板坯最后在爐的溫度。把末次處理計算的板坯坯內溫度分布作為模型計算初始值，用出鋼時(shí)間與末次計算時(shí)間的差值為已知時(shí)間，計算該時(shí)間內板坯溫度變化。
3.4 爐內溫度跟蹤模型
根據模型實(shí)際輸入值，計算爐內板坯的溫度情況。采用差分方程對爐內板坯溫度進(jìn)行跟蹤計算，計算出爐內板坯的溫度分布。根據熱輻射交換定律得出在爐內溫度因子l和鋼坯k的熱交換Flk為：Flk=Klk×(Tl4-Tk4)。由于在加熱爐和坯料之間也存在著(zhù)熱傳遞和熱導現象，雖然對于相對有效的熱傳遞，此類(lèi)現象的影響不大，但我們這次也做了充分的考慮。式中Klk是可調整參數。
鋼坯溫度計算，鋼坯內部的熱傳導過(guò)程用傅立葉差分方程的數學(xué)模型來(lái)描述，該方程可以通過(guò)有限差分法來(lái)解：
式中，K為鋼坯的熱傳導系數;Cp為比熱;D為鋼密度; T為延鋼坯厚度方向某一點(diǎn)的溫度;K和Cp為溫度和鋼種的函數。
3.5 爐溫模型
爐溫模型是指，為使板坯加熱到要求的目標溫度，計算每塊板坯必需的爐氣溫度，首先預測板坯剩余的爐內時(shí)間和計算的爐溫預報的板坯到達爐內各段的溫度;然后，將此預測溫度與已經(jīng)計算的出口溫度做比較，得到預報值與目標值的偏差;最后，根據偏差和爐溫影響系數計算出板坯的設定爐溫，即加熱爐爐溫預測采用感知器神經(jīng)網(wǎng)絡(luò )技術(shù)進(jìn)行加熱爐爐溫控制和熱風(fēng)風(fēng)量控制。以鋼坯煤氣組成成分、加熱影響因素、爐內熱需求計算求得的計算值作為輸入。
圖1 爐溫預測模型神經(jīng)網(wǎng)絡(luò )結構
中間層不斷調整優(yōu)化，通過(guò)計算選用其中的幾個(gè)節點(diǎn)，而輸出層選用 “爐溫變高”，“爐溫不變”和“爐溫變低”這3個(gè)節點(diǎn)。輸入數據經(jīng)模型歸一計算后，統一設置為-1～+1之間的值，輸出預測值為0～1。采用逆向誤差傳播學(xué)習算法進(jìn)行模型學(xué)習，并進(jìn)行權重數值優(yōu)化以實(shí)現盡快收斂。
采用多層神經(jīng)網(wǎng)絡(luò )技術(shù)對爐內溫度分布進(jìn)行預測。模式識別的對象是爐體熱電偶，溫度檢測分為爐體上部、爐體中部、爐體下部。通過(guò)模糊控制的方法，根據操作人員的操作經(jīng)驗對加熱爐不同的工藝需求及爐況進(jìn)行分類(lèi)，構建不同的燃燒模式，判斷所檢測的數據模式符合哪種模式。
自學(xué)習模型中，學(xué)習方法采用逆向誤差傳導學(xué)習法，其結果與專(zhuān)家系統的計算結果比較，通過(guò)遺傳算法進(jìn)行處理，得出最優(yōu)結果。在幾個(gè)溫度分布模式中，取最類(lèi)似的作為判定結果，進(jìn)入專(zhuān)家系統計算。根據模式識別的輸出，經(jīng)過(guò)推理機進(jìn)行推理，專(zhuān)家系統實(shí)現預測加熱爐爐況，并輸出具體操作方法。
3.6 基于RT2的自適應學(xué)習模型
對板坯的目標溫度進(jìn)行學(xué)習。學(xué)習過(guò)程采用圖2所示的自適應神經(jīng)網(wǎng)絡(luò )控制方法。
圖2 自適應神經(jīng)網(wǎng)絡(luò )系統
【神經(jīng)網(wǎng)絡(luò )技術(shù)在寬帶加熱爐溫控模型中的研究與應用論文】相關(guān)文章：
極值理論在操作風(fēng)險模型中的應用論文提綱11-15
無(wú)線(xiàn)網(wǎng)絡(luò )技術(shù)在校園網(wǎng)中的應用研究論文03-15
關(guān)于校園應用網(wǎng)絡(luò )技術(shù)的論文03-17
GPSRTK技術(shù)在工程測量中的應用研究論文02-14
語(yǔ)言教學(xué)中任務(wù)設計模型的構建和應用研究12-02
小學(xué)數學(xué)教學(xué)模型思想研究論文02-17
勝任力模型在民營(yíng)企業(yè)的應用論文02-21
淺析公路施工中網(wǎng)絡(luò )技術(shù)的應用論文03-15
- 相關(guān)推薦