收藏本站
《上海大学》 2006年
收藏 | 手机打开
二维码
手机客户端打开本文

烧透点递阶智能控制系统的研究与实现

程武山  
【摘要】: 进入二十一世纪后,我国钢铁产量由1.2亿吨上升到3亿多吨,其在国民经济中的地位尤为凸显,集约化经营思想和社会环保意识迫使我国钢铁企业必须提高劳动生产率、降低能耗和延长设备生命周期。由此可见,提高烧结工业自动化水平,研发具有自主知识产权的烧结递阶智能控制系统具有十分重要的意义。 烧结过程是一个工艺流程长、影响因数多、激励复杂的动态系统,采用传统的控制理论和方法难以解决全局控制问题。近年来,以专家系统、模糊控制、人工神经网络为代表的人工智能技术被引入烧结领域,为烧结计算机控制提供了一条有效的途径。 烧透点控制是烧结冶铁过程中非常重要的环节,它完成从固态、熔融态和气态的传质和控制水碳及成分的主要过程,但由于其存在着大滞后性、时变性和耦合性,一直需要看火工去人工观察和控制,严重制约了整个烧结过程的自动化水平。本人在经过十六年研究烧结机理和烧结机、泥辊、带冷机、抽风机和鼓风机等大型设备联调的基础上,综合运用烧结理论、计算机技术、控制技术、系统工程和人工智能技术等多学科知识,在此提出和建立了烧透点递阶智能控制系统及其相关的方法和技术。 1.针对烧透点过程信息、工艺流程和操作调度的层次性,提出烧透点递阶智能控制系统的系统结构,分全局优化级、局部优化级和现场控制级。 2.针对多传感器获取的不确定、非平稳和低噪比的信号,如温度、压力、流量、电量、位移和速度等,采用数据融合的方法进行数据加工处理和集成,使之有机地综合起来,取长补短,共同构划出被控对象的本质特征。 3.针对模糊控制与神经网络融合的特点,从理论上和方法上分析和比较了正向和逆向网络、反馈和复合控制、分析预测和在线控制的集成技术。对烧透点大滞后的工艺过程,采用自适应模式聚类神经网络,通过烧结机机头参数实现对机尾烧透点位置的预测,并将该预测值动态修正模糊控制器隶属函数的λ值,以改变模糊控制器的输出,实现对烧结机速度的调节,稳定烧透点位置,从而有效地解决了烧透点大滞后性的难题。 4.针对烧透点预测和控制的多变量耦合性特点,提出用主成分制原理对多变量多样本的样本集进行正交化处理的思想,使主成分在系统的预测和控制中发挥主导作用。选择烧结机速度为主控量,层厚及风箱温度压力为辅控量,建立烧结机速度调节的主模糊控制器,实现烧透点位置的有效、快速调节。 5.针对烧透点预测和控制中状态参量时变性和多模态性等特点,建立烧透点过程参量的辅助推理机制。该推理机制是用模糊诊断和反向推理方法去实现整体目标,用前向推理方法预测异常情况和给出控制决策。这些方法和控制功能可以增强人们修正和控制烧透点位置的能力,以及限制人为因素的影响和提高整个烧结控制水平。对一些有因果关系但很难定量表述的过程参量去定性描述或转化为相应的模糊推理系统,尤其在系统出现堆切换等原料波动较大或外部干扰较大的环境下,能快速地诊断并给出调整措施,保证烧透点主回路的有效调节。 6.用Vc++作为系统程序,以SQL server2000作为数据库,系统采用多线程工作模式,即神经网络训练为一个线程,数据库及相应调用为一个线程,系统运算和界面各为一个线程。由此开发了烧透点递阶智能控制系统,并应用到马钢300m~2大型烧结机过程控制中,提高了作业率和一级品率,取得了明显的经济效益和社会效益。
【关键词】:烧结过程 烧透点 专家系统 神经网络 模糊逻辑 递阶智能控制系统
【学位授予单位】:上海大学
【学位级别】:博士
【学位授予年份】:2006
【分类号】:TP273.5
【目录】:
  • 中文摘要6-8
  • 英文摘要8-23
  • 第一章 绪论23-35
  • 1.1 烧结复杂工艺过程23-26
  • 1.1.1 冶金工艺流程23
  • 1.1.2 烧结工艺流程23-24
  • 1.1.3 烧透点工艺特点24-26
  • 1.2 烧透点复杂过程数学模型研究现状26-29
  • 1.2.1 过程模拟模型26-27
  • 1.2.2 参数优化模型27-28
  • 1.2.3 过程控制模型28-29
  • 1.3 烧透点人工智能技术的研究现状29-31
  • 1.3.1 人工智能发展29
  • 1.3.2 人工智能技术在烧透点预测控制中的应用29-31
  • 1.4 烧透点控制中存在的问题31-32
  • 1.5 本文的选题和主要内容32-35
  • 1.5.1 选题与意义32-33
  • 1.5.2 本文内容安排33-35
  • 第二章 递阶智能控制系统的数据处理和融合35-45
  • 2.1 递阶智能控制系统的信息的层次和特征35-36
  • 2.1.1 信息的层次35-36
  • 2.1.2 信息的特征36
  • 2.2 智能系统的信息处理36-40
  • 2.2.1 基本概念36-37
  • 2.2.2 基本方法37-40
  • 2.3 智能系统的数据处理40-44
  • 2.3.1 分解与综合40-42
  • 2.3.2 数据融合42-44
  • 2.4 本章小结44-45
  • 第三章 递阶智能控制系统的基本模型和算法45-81
  • 3.1 神经网络的结构分析45-51
  • 3.2 神经网络的算法分析51-62
  • 3.2.1 NN的信息流51-54
  • 3.2.2 BP算法及其改进54-57
  • 3.2.3 基于数值优化的网络训练算法57-59
  • 3.2.4 多种算法性能比较59
  • 3.2.5 算法仿真59-62
  • 3.3 遗传算法的优化策略62-68
  • 3.3.1 简单SGA基本概念62-63
  • 3.3.2 操作算子63-64
  • 3.3.3 GA的运行过程64-68
  • 3.4 模糊系统的理论分析68-73
  • 3.4.1 模糊集合的运算68-69
  • 3.4.2 模糊控制器69-71
  • 3.4.3 模糊系统的通用逼近性71-73
  • 3.5 智能推理机制的分析73-79
  • 3.5.1 发展过程73
  • 3.5.2 知识表示73-76
  • 3.5.3 推理机76-78
  • 3.5.4 推理机制建立的具体过程78-79
  • 3.6 系统的优化结构79-80
  • 3.7 本章小结80-81
  • 第四章 烧透点的自适应神经网络预测81-108
  • 4.1 遗传神经网络的原理81-82
  • 4.2 遗传神经网络的自适应性分析82-90
  • 4.2.1 以指数形式实现交叉和变异82-83
  • 4.2.2 以平均适应度形式实现交叉和变异83-84
  • 4.2.3 仿真试验与结果分析84-90
  • 4.3 混合型遗传神经网络90-93
  • 4.3.1 不同混合方法的论述90-91
  • 4.3.2 仿真试验91-92
  • 4.3.3 结果分析92-93
  • 4.4 变结构神经网络93-100
  • 4.4.1 BP网络结构参数的编码94-98
  • 4.4.2 基于GA的变结构神经网络98-99
  • 4.4.3 变结构与其它算法的仿真比较99-100
  • 4.5 自适应聚类遗传神经网络100-106
  • 4.5.1 预测模型建立100-101
  • 4.5.2 自适应模式聚类101-102
  • 4.5.3 实例仿真102-106
  • 4.6 多种遗传神经网络的比较106-107
  • 4.7 本章小结107-108
  • 第五章 烧透点的模糊神经网络控制108-122
  • 5.1 烧透点工艺的复杂性108
  • 5.2 模糊神经网络108-117
  • 5.2.1 FC与NN的关系109-110
  • 5.2.2 FC与NN的融合结构110-111
  • 5.2.3 隶属函数对控制性能作用111-117
  • 5.3 烧透点模糊神经网络控制系统分析117-120
  • 5.3.1 FNN控制系统118-119
  • 5.3.2 实例仿真与结果分析119-120
  • 5.4 本章小结120-122
  • 第六章 烧透点的智能辅助推理系统122-133
  • 6.1 烧透点的多变量耦合性122-126
  • 6.1.1 烧透点控制中的一些重要参数122-124
  • 6.1.2 烧结过程状态与参数间的关系124-126
  • 6.2 烧透点辅助推理系统的建立126-129
  • 6.2.1 递阶智能推理系统结构126
  • 6.2.2 推理方式的确定126-127
  • 6.2.3 冲突消解127-128
  • 6.2.4 知识库的管理128-129
  • 6.3 烧透点辅助推理系统的自学习129-131
  • 6.3.1 基于规则的自学习控制系统129-130
  • 6.3.2 烧透点参数偏离子空间130-131
  • 6.3.3 烧透点辅助推理系统的优化推理模型131
  • 6.4 本章小结131-133
  • 第七章 烧透点递阶智能控制系统的开发与实现133-151
  • 7.1 烧透点递阶智能控制系统的开发过程133-135
  • 7.1.1 开发环境133-134
  • 7.1.2 开发过程134-135
  • 7.2 系统的设计135-144
  • 7.2.1 系统框架设计135-139
  • 7.2.2 烧透点ANN预测与FNN控制的集成139-142
  • 7.2.3 推理机制的实现142-144
  • 7.3 系统的调试与运行144-149
  • 7.4 本章小结149-151
  • 第八章 结论与展望151-153
  • 8.1 主要结论151-152
  • 8.2 今后的展望152-153
  • 参考文献153-166
  • 致谢166-167
  • 攻读博士学位期间发表的学术论文及承担的科研项目167-168
  • 1. 学术论文167
  • 2. 科研项目167-168

【相似文献】
中国期刊全文数据库 前10条
1 魏武帅;邓骊;;全自动氮气保护AB复合式推板窑的研制[J];电子工业专用设备;2011年05期
2 商秀芹;卢建刚;;基于数据建模的烧结矿成分预测[J];控制工程;2011年04期
3 刘永刚;;高比例外粉条件下的生产实践[J];科技传播;2011年15期
4 田林清;;烧结主抽风机的电控系统分析[J];冶金设备;2011年S1期
5 庞学满;曹坤;唐利锋;夏庆水;王子良;;提高微波器件封装可靠性的工艺研究[J];固体电子学研究与进展;2011年04期
6 吕文中;王莹;范桂芬;;B-Si-Pb玻璃掺杂PBSNF-PZT压电陶瓷的性能研究[J];电子元件与材料;2011年07期
7 ;[J];;年期
8 ;[J];;年期
9 ;[J];;年期
10 ;[J];;年期
中国重要会议论文全文数据库 前10条
1 胡小方;许峰;缪泓;牛玉;赵建华;袁清习;;应用SR-CT技术研究陶瓷材料烧结过程的微结构演化[A];第三届二十一世纪的实验力学学科发展——海峡两岸实验力学研讨会摘要集[C];2009年
2 王志法;;钨基片的超高压成型与低温烧结新工艺探讨[A];中国钨工业回顾与展望研讨会论文集[C];1993年
3 程登峰;从善海;付强;刘青;蔡艳;;烧结工艺对金刚石锯片65Mn钢体组织与性能的影响[A];湖北省第十届热处理年会论文集[C];2006年
4 吴晓峰;费敏锐;;烧结终点温度预测控制系统的应用[A];2007年中国智能自动化会议论文集[C];2007年
5 莫黎昕;李路海;李亚玲;郝雅玲;乔淑楠;;纳米银胶的合成及其应用性能研究[A];第六届中国功能材料及其应用学术会议论文集(2)[C];2007年
6 刘道林;陈伍烈;唐银华;刘定中;;新钢提高烧结矿产质量的生产实践[A];2008年全国炼铁生产技术会议暨炼铁年会文集(上册)[C];2008年
7 韩庆;马忠波;成富全;刘政群;代炎华;;烧结配加硼镁矿的实践[A];2008年全国炼铁生产技术会议暨炼铁年会文集(上册)[C];2008年
8 杨伟;陈雪波;于政军;;软测量技术及其在烧结过程控制中的应用[A];2000中国控制与决策学术年会论文集[C];2000年
9 金永龙;何志军;张军红;关志刚;;从降低漏风率的角度分析烧结过程能量利用的优化[A];第七届(2009)中国钢铁年会论文集(上)[C];2009年
10 金明芳;李光森;储满生;姜鑫;沈峰满;;烧结过程中铁酸钙熔体对磁铁矿的渗透行为[A];2007中国钢铁年会论文集[C];2007年
中国重要报纸全文数据库 前10条
1 徐刚;烧结过程自动控制技术演技研究通过鉴定[N];中国有色金属报;2005年
2 通讯员 张转移 首席记者 蔡立军;天铁烧结过程质量控制管理系统开发成功[N];中国冶金报;2007年
3 周长强 李平;济钢烧结过程控制科学使用仪表[N];世界金属导报;2007年
4 管襄华 李平;烧结机机尾控制技术[N];世界金属导报;2005年
5 周长强 李平;济钢烧结过程控制实现质的飞跃[N];世界金属导报;2007年
6 周长强 李萍;济钢第二烧结厂烧结返矿控制实践[N];世界金属导报;2007年
7 张瑞堂 周长强;济钢320m~(2)烧结机智能控制系统[N];世界金属导报;2007年
8 周立成;唐钢新研发项目通过省级鉴定[N];现代物流报;2006年
9 万继成 李军卫 周长强 李萍;烧结机台车粘蓖条原因分析及改进措施[N];世界金属导报;2008年
10 甘志鸿;新钢烧结厂实现“废物质新利用”[N];中国冶金报;2008年
中国博士188bet全文数据库 前10条
1 程武山;烧透点递阶智能控制系统的研究与实现[D];上海大学;2006年
2 李桃;烧结过程智能实时操作指导系统的研究[D];中南大学;2000年
3 商秀芹;新型进化计算方法及其在炼铁烧结过程建模与优化中的应用[D];浙江大学;2010年
4 王赛玉;碳纳米管对Ti(C,N)基金属陶瓷组织性能的影响[D];华中科技大学;2006年
5 骆兵;凝胶注模工艺研究及其在制备PEMFC双极板中的应用[D];南京理工大学;2007年
6 龙红明;铁矿石烧结过程热状态模型的研究与应用[D];中南大学;2007年
7 许峰;陶瓷固相烧结的同步辐射CT技术研究[D];中国科学技术大学;2008年
8 王介生;球团烧结过程智能控制方法及其应用研究[D];大连理工大学;2006年
9 潘建;铁矿烧结烟气减量排放基础理论与工艺研究[D];中南大学;2007年
10 王尚军;银氧化锡复合材料的制备及性能研究[D];浙江大学;2006年
中国硕士188bet全文数据库 前10条
1 钟叙;不锈钢金属粉末零部件烧结过程的热力耦合有限元分析[D];西南交通大学;2010年
2 陈猛胜;烧结过程物料平衡控制策略及工业应用[D];中南大学;2010年
3 刘代飞;烧结过程工艺参数优化模型的研究[D];中南大学;2004年
4 郑耀东;烧结过程控制专家系统骨架的研究[D];中南大学;2004年
5 薄春卫;微球板光电倍增管技术的研究[D];长春理工大学;2006年
6 申炳昕;基于人工神经网络的烧结矿化学成分预报系统的研究[D];中南大学;2002年
7 刘健;CaO/SiO_2比对钙铝硅系微晶玻璃结构与性能影响的研究[D];武汉理工大学;2006年
8 吕卫君;熟料烧结过程热力学分析[D];中南大学;2005年
9 孙旭炜;SiC颗粒表面处理及制备工艺对SiCp/6066Al复合材料组织和性能的影响[D];西南大学;2006年
10 鲁伟员;两面顶高性能金刚石复合片的研究[D];四川大学;2006年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026