基于模糊神经网络的热风炉温度控制仿真研究

作者:朱云国;刘增良 刊名:铜陵学院学报 上传者:马秀松

【摘要】针对高炉热风炉温度控制易波动问题,文章提出基于模糊神经网络控制算法对热风炉进行温度控制,具体采用补偿模糊神经网络控制算法,对输入制定一个折中的方案,仿真结果表明该方法能够满足高炉对温度控制的要求,达到了减少温度波动的目的。

全文阅读

《 》2011 年第 5 期 热风炉承担着将煤气燃烧所产生的热量传递到高炉鼓风的关键任务,它是高炉冶炼的重要的生产设备。国内的中小型高炉一般由三个热风炉构成,每个热风炉的工作过程分为三个阶段,即燃烧、换炉和送风。三座热风炉按顺序交替地工作在送风状态,以达到向高炉提供连续和稳定的热风供应的目的。对于系统中的每个热风炉来说,其工作过程是断续的工作方式,多个热风炉配合工作则形成了在整体上连续的送风过程。由于热风炉在燃烧阶段中所积蓄的热量不能被直接和简单地测量出来,所以现有的热风炉系统控制方法(不管是自动控制还是手动控制),基本上是以拱顶温度和废气温度作为过程参数来间接地控制燃烧过程,并用它们来反映燃烧过程的好坏。而对于每个热风炉的燃烧、换炉和送风阶段则采取了固定周期的运行方式,每个热风炉的燃烧时间以及送风时间的长短都是一样而且是预先设定好的,不会根据炉况和煤气热值的变化进行相应的调节和改变。煤气量和空气量以控制热风炉拱顶温度和废气温度。通入其中的空气和燃气很难恰到好处。由于控制不当,送风温度一直偏低,造成资源的严重浪费,影响高炉的冶炼。 1. 热风炉的控制 热风炉燃烧过程控制研究很受重视也发展较快。为了有效地控制热风炉的燃烧过程,必须使热风炉充分蓄热,以确保向高炉送风的温度和时间,最大限度地减少能源消耗,达到最佳燃烧效率。防止热风炉拱顶过热,延长热风炉寿命。在热风炉燃烧初期是以较大的煤气量和合适的空燃比实行快速加热,使拱顶温度迅速达到规定值。在蓄热期适当加大空气量,以得到更多的废气来增加蓄热。在控制方面,传统的自动控制(包括基于经典控制理论和现代控制理论的方法)有一个共同的特点,那就是控制器的设计必须建立在被控对象准确的数学模型的基础上。而热风炉是一个不确定性的复杂被控对象,要想建立符合它的特性的准确的数学模型是相当困难的。所以选择智能控制策略就显得意义重大。目前可供选择的智能控制策略也较多,如:神经网络控制、专家系统控 制、模糊逻辑控制、仿人智能控制等。经过专家学者的不懈努力这些控制策略都有了长足的发展。其中模糊逻辑控制倍受研究者的青睐,模糊逻辑法是在线规划中通常采用的一种规划方法,包括建模和规划。该方法在环境未知或发生变化的情况下,能够快速而准确地给出控制规则,是一种对非线性控制很好的方法。但是,其缺点是控制规则靠专家系统,该方法的计算量会很大,有时影响控制结果。控制规则和隶属度函数一经确定便无法修改,从而限制了其自适应能力。神经网络拥有固有的并行计算、分布式信息存储、容错能力强及具备自适应能力等一系列优点,将人工神经网络和模糊控制结合起来,可利用神经网络的学习能力调节模糊控制,一方面使模糊控制具有自适应能力,另一方面也使神经网络获得了模糊控制的推理归纳能力。针对常规模糊神经网络的不足,提出了补偿模糊神经网络算法的控制方法。它融合了模糊理论和神经网络技术的基础上,设计了快速学习算法,执行补偿的模糊推理。 本文将对通过借鉴前人研究成果对补偿模糊神经网络控制的这种控制策略进行研究. 2.补偿模糊神经网络 2.1 补偿模糊神经元 根据补偿运算的实质,提出了基于消极运算和积极运算的补偿运算。(1)消极模糊神经元如图 1中a 所示它能够映射输入 xi (i=1,2,…,n)到最坏的输出,为最坏的情况制定一个保守的决策,p(x1,…,xn )=min(x1,…,xn)。(2)积极模糊神经元如图 1 中 b 所示它能够映射输入 xi(i=1,2,…,n)到最好的输出,为最好的情况制定一个乐观的决策,o(x1,…,xn )= max(x1,…,xn )。(3)补偿

参考文献

引证文献

问答

我要提问