石墨化炉智能控制策略的研讨.pdfVIP

．《冶金自动4艺}2006年增刊(s2) 石墨化炉智能控制策略的研究 曲丽萍1，曲永印1，薛海波2 (1．北华大学电气信息工程学院，吉林吉林132021；2．吉林市人民政府) [摘要】提出采用神经网络预测控制策略进行石墨化炉的温度控制。为此，文中利用径向基函数神经网络建 立了石墨化炉稳态模型；利用工业过程裸模化方法，建立了石墨化炉的动态模型，为进一步实现石墨化炉的神 经网络预测控制，完成了至关重要的第1步。该石墨化炉神经网络模型，计算机仿真结果非常理想，其拟和精度 很高。 [关键词]石墨化；神经网络预测控制；径向基函数网络；最小二乘法；动态网络 O引言 预测控制，首先需要建立过程预测模型；然 目前，石墨化炉现场采用定功率配电方式，操 后，预测模型根据系统的历史信息和选定的未来 作人员按功率上升曲线调节功率输入，当达到规 输入，预测系统未来的输出；最后，根据预测模型 定的送电量时停炉，但功率上升曲线并无系统性。 的输出，控制系统采用基于优化控制策略的滚动 在不同品种、不同规格、不同环境温度、不同摆放 式有限时域优化策略，对被控对象进行控制。 方式、炉内制品的不同重量等条件下，功率上升曲 滚动式有限时域优化策略，是指优化过程并 线并无明显差别。这样，当选择的开始功率和上 不是通过离线计算一次就可以得到的，而是需要 升功率过大时温升速度过快，产品内产生的热应 在线反复进行计算，因此，对模型时变、干扰和失 力超过产品的抵抗能力时，就会产生裂纹、出现废 配等影响能及时补偿，所以在复杂工业环节中非 品、造成产品质量不稳定等后果。 常实际有效。对于预测模型与被控对象实际输出 如何提高产品质量、节约能源，已引起炭素行 之间的偏差，则采用反馈校正环节进行修正，即在 业有识之士的广泛关注。本文通过对石墨化生产 对每一采样时刻，用实测偏差对模型预测的未来 过程的分析，认为石墨化炉控制策略的不完整性 输出进行修正，并按修正后的预测输出进行滚动 和不准确性是造成产品质量问题的主要原因。因 优化，计算控制律[2]2。 、 此，能否根据石墨化炉自身状况建立过程模型，再 线性系统的预测控制问题已得到解决，但对 按照石墨化目标升温曲线的要求，实现石墨化炉 于非线性系统，由于被控对象的非线性结构未知， ’温的智能控制呢? 且不能充分描述，因此预测模型对其输出难以做 通过对石墨化生产工艺过程的认真分析，以 出精确的预报，从而导致很多非线性系统预测控 及对目前连续升温智能控制策略的成功案例的广 制失败。由于神经网络可以精确描述非线性动态 泛研究，我们决定采用神经网络预测控制策略。 过程，因此，非线性系统可以采用神经网络设计预 预测控制是近年来发展起来的一类新型计算 测控制系统，即所谓的神经网络预测控制系统，其 机控制算法，它利用内部模型预测被控对象未来 结构如图1所示。 输出及其与给定值之差，然后据此以某种优化指 图l中预测模型采用神经网络构成，Y，(t)为 标计算当前应加于被控对象的控制量，以期使未 未来输出的期望值。神经网络预测控制器采用的 来的输出尽可能地跟踪给定参考轨线。这种控制 性能指标为 思想符合被控过程的一个基本特性，即当前的控