精炼炉模糊控制终点论文章节.doc

第4章 基于模糊算法的LF炉终点温度控制 4.1 LF炉终点温度控制的基础 4.1.1 分步控制终点温度 4.1.2 过程机理预报模型 4.2模糊控制概述 4.2.1模糊控制结构 4.2.2精确量的模糊化. 4.2.3 模糊控制的知识库和规则库 4.2.4 模糊推理 4.2.5 模糊输出量的精确化 4.2.6 模糊控制表的获取 4.3 基于BP神经网络预报的初步控制 4.3.1 终点温度控制结构 4.3.2 供电量的模糊校正设计 4.3.3 时间修正 4.4.4供电曲线的初步建立 4.4.5仿真研究 4.4 基于机理预报模型的过程控制 4.4.1过程校正结构 4.3.2 供电量的模糊校正设计 4.3.3 时间修正 4.4.4供电曲线的修正 4.4.5仿真研究 4.5 结论 4.1.1 分步控制终点温度 LF炉终点温度的控制是根据精炼初始时检测到的钢水温度及其它状况和终点温度要达到的目标来确定控制量。由于LF炉精炼是一个具有多输入多输出、具有严重非线性的过程，而且影响终点温度的因素很多；并且控制过程的边界条件不断变化，比如成分、原料、设备和操作等影响因素频繁变化；再加上炉内成分和温度不能连续检测，这些都使得不能采用常见的控制方法来解决LF炉的终点控制问题。 另一方面，精炼初期需要在终点温度的要求下建立一个精炼规划，对众多的初始条件、添加变量进行控制，并且对终点温度有一个预估值，但是仅仅是初始变量的控制显然是不够的，精炼过程中成分、原料、设备和操作等影响因素频繁变化，而且预报模型不可避免地存在误差，要达到终点控制必须要在精炼过程中间断地检测温度，并且改变控制量校正误差。 本文在工艺、机理和数据分析的基础上，根据上一章建立的BP神经网络终点温度预报模型和前人建立辨识的基于机理的过程预报模型，结合模糊控制技术建立校正模型，采用分步控制的思想对控制量的分步校正，进而对LF炉终点温度进行控制。 为了达到终点控制，初步控制是在精炼的开始阶段，对预设模型得到的预设值进行终点预报验证，应用上章建立的BP神经网络模型预报终点温度，使其满足终点温度的要求；精炼的中间阶段，把检测到的温度与过程预报模型相比较，校正误差，通过过程的校正误差实现终点控制。 4.1.2 过程机理模型 机理模型的功能既用于精炼初始阶段确定钢液目标温度和成分进入目标区域所需要的供电量、冶炼时间等，也是过程控制的重要依据。根据工艺优化模型，可以得到了整个LF炉精炼工序的电能需求量、冶炼时间，进入精炼后各种能量和物料的投入量冶炼己经知道，因此可以获得冶炼时间、和电能的设定量。 (1) 电极输入能量 LF过程中熔池通过电极钢水产生的电弧来获取能量，钢表面的炉渣对电弧的埋弧操作保证熔池能量的获取，电极加热进入钢液的能量由电极加热功率决定，这部分能量对温度的影响可以用下式来表示： 1) (3.2) 式中 ——投入的电量 ——电弧向熔池传热加热效率值 ——电弧功率， ——第i相电极的电压， ——第i相电极的电流。 与精炼渣的埋弧操作有很大关系，经过前人的系数识别，得到=0.2408，P值可以从实验数据记录中得到。 (2) 化学反应热 LF炉精炼过程当中有些化学反应属于放热反应，这些化学反应热也可以促使钢液升温。体系中各种化学反应产生的能量，于是将归入合金渣料的能量中进行计算，相较于电量而言化学热比较少，由于缺乏数据本课题中暂不不考虑。 LF炉精炼过程钢液损失的能量 精炼过程中，体系的热损失主要包括：渣料及合金熔化升温所需热量，通过炉衬损失的热量，吹氩热损和通过渣面损失的热量。 (1)吹氩热损 氩气吸热的理论计算公式 3) 式中， ——氩气的比热，， ——吹氩量， ——吹入氩气的初始温度，℃， ——钢液温度，℃。 (2) 炉衬散热 包壁散热视为一维非稳态传热来建立模型包底可以作为一维非稳态传热处理 但该方法计算过程复杂，并且由于对钢厂设备及炼钢环境了解不够详细，导致以上计算过程非常困难，课题在此处对炉衬散热合理简化为一个指数变化过程，后期散热趋于恒定。 (3.5) 式中， ——炉衬散热系数。 经过前人的识别，=0.0036. (3) 熔池表面(渣面)热损失 包括通过渣面的辐射和对流的热损，和熔池内产生的高温气体通过渣面排走的热量(由于精炼处理过程吹入的气体温度低，在搅拌过程中气体会从钢水吸热并将这部分热量带走)。 1) 渣面辐射热损失 渣面的热辐射损失主要由渣的温度和渣面的表面积决定。 10) 式中 ——炉渣黑度，一般取 0.6； 渣层散热表面积，； 渣面吹破情况下 11) 渣面吹破情况下 12) 为，为经验数据，其值在0~之间。进行辨识，=0.1760。