[發明專利]全氫罩式爐加熱過程智能模糊控制方法

無效

• 申請號: 201310291980.0
• 申請日: 2013-07-12
• 公開（公告）號: CN104281054A
• 公開（公告）日: 2015-01-14
• 發明（設計）人: 耿凱;倪志榮
• 申請（專利權）人: 靖江市托日自動化設備有限公司
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 江陰市同盛專利事務所(普通合伙) 32210
• 代理人: 唐紉蘭;曾丹

1.一種全氫罩式爐加熱過程智能模糊控制方法，其特征在于所述方法包括以下步驟：

步驟一、樣本數據建立

確定與全氫罩式爐能耗直接相關的主要操作參數：燃料流量、助燃空氣流量和氫氣補充量，對這三個參數進行樣本數據建立；

步驟二、構建神經網絡模型

以建立的全氫罩式爐生產過程樣本數據為基礎進行神經網絡模型的構建，具體操作如下：

具體操作如下：

1）確定輸入輸出變量

將在全氫罩式爐的加熱過程中的加溫和保溫時間、燃料流量、退火鋼材品種、鋼材厚度、鋼材重量、加溫環節的燃料流量、助燃空氣流量、氫氣補充參量和保溫環節的燃料流量、助燃空氣流量、氫氣補充參量以及退火鋼材的品種、厚度、重量一起作為神經網絡模型的輸入，將全氫罩式爐的加溫和保溫時間二個變量作為全氫罩式爐神經網絡模型的輸出變量；

?2）網絡結構描述

本發明涉及的神經網絡模型包含輸入層、中間層和輸出層，神經網絡模型的輸入層所包含的神經元個數為21，分別對應全氫罩式爐的退火鋼材的品種、厚度、重量以及加溫保溫各階段的燃料流量、助燃空氣流量、氫氣補充參量；

神經網絡模型的隱含層包含43個神經元，神經網絡模型的輸出層所包含的神經元個數為2個，分別對應全氫罩式爐加溫、保溫時間參量；

本發明涉及的三層神經網絡模型上下層之間各神經元實現連接，同層之間無連接，隱含層的激活函數均采用Sigmoid函數(S型函數)，函數描述如下：

式中，a為Sigmoid函數的斜率參數，通過改變參數a，可以獲取不同斜率的Sigmoid函數；

3）網絡訓練

采用誤差反向傳播算法，首先將輸入信息通過輸入層經隱含層逐層處理并計算每個單元的實際輸出值，然后根據期望輸出與實際輸出的差值，由輸出端開始逐層調節權值；

步驟三、主要參數預估

以構建的全氫罩式爐最小能耗狀態下全氫罩式爐燃料流量等主要操作參數和全氫罩式爐退火鋼材類型等參數之間的神經網絡模型為基礎，進行最小能耗狀態下全氫罩式爐燃料流量等主要操作參數的預估；

步驟四、主要參數優化

1）設計變量

將步驟二中涉及的輸入變量用相應的字母表示；

2）設計模糊控制目標函數

全氫罩式爐加熱過程能耗優化目標函數描述如下：

??F=?A?[(R1?+?R2?+?R3?)?T1/3?+??(?BR1?+?BR2?+?BR3?)?T2/3?]

其中A為綜合考慮燃料比重等因素得到的常數，T1和T2是全氫罩式爐加熱過程中加溫和保溫時間，其它參量是加溫和保溫環節各階段的燃料流量量；

3）設計模糊控制約束函數

在全氫罩式爐加熱過程中，全氫罩式爐的燃料流量、助燃空氣流量、氫氣補充參量不能超過規定的上下限；

4）模糊控制計算

在全氫罩式爐加熱過程參數優化過程中，調用遺傳算法優化程序進行設計變量的優化計算，最終獲得加溫和保溫環節分成的三個階段的燃料流量、助燃空氣流量、氫氣補充參量優化值。