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(yīng)用論文

　　摘 要：為了適應(yīng)市場競爭要求，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(wěn)定性等方面存在的問題進(jìn)行研究，對加熱爐控制系統(tǒng)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(quán)處理進(jìn)行爐溫設(shè)定,并將自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制的方法構(gòu)建自學(xué)習(xí)模型，以進(jìn)行自動溫度控制,計算板坯加熱時間，剩余爐內(nèi)時間，分配加熱區(qū)域。

　　關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò) 預(yù)測控制 研究與應(yīng)用

　　1 萊鋼寬帶生產(chǎn)線加熱爐現(xiàn)狀分析

　　萊鋼寬帶生產(chǎn)線加熱爐由于爐型結(jié)構(gòu)等原因，加熱爐空燒時間長，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)品市場競爭力，通過應(yīng)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(nèi)外現(xiàn)狀分析

　　加熱模型控制技術(shù)包括模型和控制。模型是指通過數(shù)學(xué)工具描述爐內(nèi)鋼坯受熱物理過程，控制是指通過模型將主要加熱工藝參數(shù)自動設(shè)定到最合理狀態(tài)并能夠自動調(diào)節(jié)。在做好充分的需求分析之后的開展建模工作。通過各方面權(quán)衡、比較，在保留及完善一些現(xiàn)有系統(tǒng)實用的功能的前提下，創(chuàng)新性地采用神經(jīng)網(wǎng)絡(luò)控制技術(shù)，構(gòu)造模型進(jìn)行加熱爐參數(shù)設(shè)定和燃燒控制。

　　3 控制方法簡介

　　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(diào)整網(wǎng)絡(luò)內(nèi)部的結(jié)合權(quán)，使期望輸出與實際輸出的差值減小，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(guī)定期望的輸出，通過自學(xué)習(xí)抽取對象數(shù)據(jù)的特征。

　　3.2 預(yù)測控制

　　預(yù)測控制(Predictive Control)是基于信息處理功能的預(yù)測模型、基于有限時域的滾動優(yōu)化策略和靈活有效的反饋校正機(jī)制。預(yù)測控制的基本算法有動態(tài)矩陣控制(DMC)，模型算法控制(MAC)和廣義預(yù)測控制(GPC)。2在本項目中，具體的使用是，根據(jù)爐溫實際值推算出各板坯所在位置的爐內(nèi)溫度以及上一時刻板坯的溫度分布，進(jìn)而依據(jù)推算的剩余爐內(nèi)爐時間計算板坯爐溫，然后根據(jù)Rule Base推論，確定板坯加權(quán)系數(shù)，來確定爐內(nèi)各段的爐溫設(shè)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(xí)。

　　3.3 板坯出鋼溫度預(yù)測模型

　　該模型是預(yù)測出鋼時的板坯溫度，計算出板坯最后在爐的溫度。把末次處理計算的板坯坯內(nèi)溫度分布作為模型計算初始值，用出鋼時間與末次計算時間的差值為已知時間，計算該時間內(nèi)板坯溫度變化。

　　3.4 爐內(nèi)溫度跟蹤模型

　　根據(jù)模型實際輸入值，計算爐內(nèi)板坯的溫度情況。采用差分方程對爐內(nèi)板坯溫度進(jìn)行跟蹤計算，計算出爐內(nèi)板坯的溫度分布。根據(jù)熱輻射交換定律得出在爐內(nèi)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熱傳遞和熱導(dǎo)現(xiàn)象，雖然對于相對有效的熱傳遞，此類現(xiàn)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(diào)整參數(shù)。

　　鋼坯溫度計算，鋼坯內(nèi)部的熱傳導(dǎo)過程用傅立葉差分方程的數(shù)學(xué)模型來描述，該方程可以通過有限差分法來解：

　　式中，K為鋼坯的熱傳導(dǎo)系數(shù);Cp為比熱;D為鋼密度; T為延鋼坯厚度方向某一點的溫度;K和Cp為溫度和鋼種的函數(shù)。

　　3.5 爐溫模型

　　爐溫模型是指，為使板坯加熱到要求的目標(biāo)溫度，計算每塊板坯必需的爐氣溫度，首先預(yù)測板坯剩余的爐內(nèi)時間和計算的爐溫預(yù)報的板坯到達(dá)爐內(nèi)各段的溫度;然后，將此預(yù)測溫度與已經(jīng)計算的出口溫度做比較，得到預(yù)報值與目標(biāo)值的偏差;最后，根據(jù)偏差和爐溫影響系數(shù)計算出板坯的設(shè)定爐溫，即加熱爐爐溫預(yù)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(nèi)熱需求計算求得的計算值作為輸入。

　　圖1 爐溫預(yù)測模型神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

　　中間層不斷調(diào)整優(yōu)化，通過計算選用其中的幾個節(jié)點，而輸出層選用 “爐溫變高”，“爐溫不變”和“爐溫變低”這3個節(jié)點。輸入數(shù)據(jù)經(jīng)模型歸一計算后，統(tǒng)一設(shè)置為-1～+1之間的值，輸出預(yù)測值為0～1。采用逆向誤差傳播學(xué)習(xí)算法進(jìn)行模型學(xué)習(xí)，并進(jìn)行權(quán)重數(shù)值優(yōu)化以實現(xiàn)盡快收斂。

　　采用多層神經(jīng)網(wǎng)絡(luò)技術(shù)對爐內(nèi)溫度分布進(jìn)行預(yù)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。通過模糊控制的方法，根據(jù)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，構(gòu)建不同的燃燒模式，判斷所檢測的數(shù)據(jù)模式符合哪種模式。

　　自學(xué)習(xí)模型中，學(xué)習(xí)方法采用逆向誤差傳導(dǎo)學(xué)習(xí)法，其結(jié)果與專家系統(tǒng)的計算結(jié)果比較，通過遺傳算法進(jìn)行處理，得出最優(yōu)結(jié)果。在幾個溫度分布模式中，取最類似的作為判定結(jié)果，進(jìn)入專家系統(tǒng)計算。根據(jù)模式識別的輸出，經(jīng)過推理機(jī)進(jìn)行推理，專家系統(tǒng)實現(xiàn)預(yù)測加熱爐爐況，并輸出具體操作方法。

　　3.6 基于RT2的自適應(yīng)學(xué)習(xí)模型

　　對板坯的目標(biāo)溫度進(jìn)行學(xué)習(xí)。學(xué)習(xí)過程采用圖2所示的自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制方法。

　　圖2 自適應(yīng)神經(jīng)網(wǎng)絡(luò)系統(tǒng)

【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(yīng)用論文】相關(guān)文章：

極值理論在操作風(fēng)險模型中的應(yīng)用論文提綱11-15

無線網(wǎng)絡(luò)技術(shù)在校園網(wǎng)中的應(yīng)用研究論文03-15

關(guān)于校園應(yīng)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(yīng)用研究論文02-14

語言教學(xué)中任務(wù)設(shè)計模型的構(gòu)建和應(yīng)用研究12-02

云存儲技術(shù)在干部培訓(xùn)中的應(yīng)用研究論文03-16

小學(xué)數(shù)學(xué)教學(xué)模型思想研究論文02-17

勝任力模型在民營企業(yè)的應(yīng)用論文02-21

淺析公路施工中網(wǎng)絡(luò)技術(shù)的應(yīng)用論文03-15