钢水温度和成分智能建模控制系统.pptx

会计学 1 钢水温度和成分智能建模控制系统 1 引 言 机理分析基于机理模型，按冶炼阶段分别建立各单元的平衡关系，再进一步进行综合计算。 物理意义清楚，对改进操作和冶炼工艺有指导意义； 需要大量的前提假设，且需现场提供大量的工艺数据，在正常生产时得不到的， 因而制约了机理模型的在线运行。 统计计算基于统计分析方法，通过大量数据找到预报量与各种过程变量间关系。 算法简单，且很容易在线实现； 只能反映线性关系，关系错综复杂，统计模型的精度不高。 第1页/共22页 1 引 言 智能建模控制原理 现实世界 模型 第2页/共22页 1 引 言 第3页/共22页 2 智能钢水温度预报 用人工神经元网络技术建立反映钢水温度与各种非线性、时变因素间对应关系的钢水温度预报模型，辅之以专家规则进行修正。 第4页/共22页 2 智能钢水温度预报 人工神经元网络模型采用带隐含层的BP网络，输入量选取与能量平衡有关的能量输入（电能、氧、油等）、原料加入量、冶炼时间、初始温度、能量损耗相关量，输出为钢水温度变化。 专家系统模型采用产生式规则形式。按钢水升温影响因素和钢水降温影响因素建立规则库，根据异常冶炼条件触发前向推理，确定温度变化。 第5页/共22页 2 智能钢水温度预报 通过200炉左右冶炼数据的训练、学习，钢水温度预报的平均误差即可降低到±7℃ ，足以满足工艺要求。 从第一次钢水测温开始，每一分钟预报一次，从而计算出整个冶炼过程的钢水温度变化情况。 智能钢水温度预报 可用于转炉、电炉、 钢包精炼炉、连铸大包、 中间包等的钢水温度预 报。 第6页/共22页 3 能量输入设定点动态优化 能量输入设定点动态优化功能可归结为选择合理的决策变量(弧压和弧流), 在满足一定约束条件下，使得输入到钢包炉内的电弧功率满足工艺要求。考虑生产节奏、钢水温度和冶炼工艺的 要求，在满足这些非线性、时变的约束 条件下，寻求最优功率设定点。 以往功率设定点仅根据静态的电气圆 图，制订出各种电压档下的功率曲线， 由操作工根据自己的经验选取。这种 静态分析假设电气线路电阻、电抗不 变和三相独立，由于冶炼工艺过程的 复杂性，随机干扰因素多，三相电气 变量间耦合严重，这种假设并不成立。 第7页/共22页 3 能量输入设定点动态优化 能量输入设定点优化: 通过神经元网络预报冶炼过程中电气参数的变化 利用电气特性曲线计算满足约束条件的最大电弧功率 根据专家工艺知识确定工作电压和工作电流的组合设定点 根据冶炼过程中各阶段的不同特性，将冶炼功率曲线分解成化渣、成分调整升温和出钢前升温三个阶段，在不同阶段，根据预报的钢水温度值、电气特性曲线、冶炼工艺和生产节奏对温升的要求进行弧压和弧流设定点的调整，实现电能输入的优化。 第8页/共22页 3 能量输入设定点动态优化 第9页/共22页 4 智能调节器 电极升降控制的目的是通过马达或液压站比例阀或伺服阀调节电极末端距废钢或钢水液面的距离, 来保证冶炼过程中电量的状态变量跟踪优化后的输入功率设定点. 传统电极升降PID控制都是以阻抗控制为基础即保持电流和电压反馈信息保持电压和电流之间 的恒定比例。 第10页/共22页 4 智能调节器 炉子仿真人工神经元网络 用于预报炉子相关状态的 变化, 调节器人工神经元网络则 根据预报结果和优化设定点 之间的差计算电极升降控制 的输出值. 在ANN调节器投入运行时,我们 考虑了一个智能PID保驾算法, 综合输出通过几条规则判断ANN 输出的正确性, 选择ANN控制输 出还是PID控制输出, 确保系统运行的安 全可靠. 第11页/共22页 4 智能调节器 第12页/共22页 5 合金补加计算 合金补加计算的目的是计算加入钢水中的各种辅料和合金料，使得在满足钢种成分和物料要求的前提下，加入的辅料和合金料的成本最低。 传统的做法是运用运筹学的线性规划模型，以辅料和合金料的成本最低为目标函数，将钢种成分范围和物流限定作为约束条件，用单纯形法求解，得到需加入钢水中的辅料和合金料的重量。 第13页/共22页 5 合金补加计算 受限于以下条件，使得合金计算模型的应用效果受到了很大影响： （1）线性规划的线性约束条件只考虑了化学元素和加料料仓现有料的简单定量约束，不能反映炉内的物理化学反应变化，不能保证良好的造渣制度和高的合金收得率，从而达不到加料成本最佳的目的； （2）有些订货，不仅对钢水成分提出了要求，而且对产品的机械性能，如淬透性等提出了要求，这些要求归结为一组高度非线性约束，往往导致单纯形法的求解无效； （3）线性规划模型中各合金元素的收得率假设为常数，但冶炼实际中由于钢水温度的波动、炉况的变化和渣制度的不同，各合金元素的收得率变化较大，严重影