基于FNN的水泥回转窑分解炉温度控制

在水泥工业中,窑尾分解炉温度是一个重要的工艺参数,它的稳定对整条水泥生产线的稳产、高产和节能具有重大影响.用建立对象模型的传统控制方法实现对分解炉温度的控制非常困难,因此提出了一种基于模糊神经网络的温度控制方法,将模糊控制技术与神经网络技术相结合,用神经网络表示模糊控制规则,采用神经网络来实现模糊推理,利用神经网络的学习能力来达到模糊隶属函数和模糊规则的目的.Matlab仿真试验结果表明,模糊神经网络用于回转窑分解炉温度控制可以取得比较好的控制效果.这一点在水泥厂实际生产应用中也得到了验证.     

现代锡炉温度控制系统的算法研究及应用

现代锡炉温度控制系统是一个复杂的控制系统,本文研究了神经网络的BP算法,并加以改进,同时结合嵌入式ARM控制系统模块,实现高速运算控制处理,在现代锡炉温度控制系统中加以实现应用。     

模糊控制与PID控制在水泥生产中的应用

介绍了模糊控制技术在吉林亚泰水泥回转窑分解炉温度控制中的成功应用,将模糊控制技术与PID相结合实现回转窑分解炉温度的自动控制,是一种先进的控制理念,提高了控制系统的智能化程度。该控制方案在实际应用中控制效果良好,系统稳定,易于操作员操作,完全满足了生产工艺要求。     

基于神经网络的分解炉温度控制系统设计

根据水泥生产预分解窑系统的工艺过程，设计了以工控机为核心的分解炉温度控制系统。并利用改进的BP神经网络算法实现了分解炉温度的控制。     

多路高精度扩散炉温度控制系统的设计

针对传统的扩散炉温度控制系统的精度低、生产工艺控制能力差的现状,设计实现了扩散炉多路高精度温度检测控制系统。系统采用三路热电偶采集扩散炉内温度值并通过基于Smith预估的PID控制,控制三组加热装置的启停,以达到对炉温的控制,控制精度可达1‰,并采用液晶显示模块和按键组成人机交互界面。     

智能烧结炉温度控制系统

针对烧结炉温度控制问题提出了一种简单实用的 Fuzzy PID控制方案 ,对智能烧结炉温度控制系统的构成和控制策略进行了详细的论述。并着重介绍了软件实现方法。实际应用表明 ,此控制方案具有速度快、精确度高、稳定可靠等特点     

基于BFCM-iWM模糊规则自提取的水泥分解炉温度控制

针对水泥分解炉温度难以控制、模型建立困难且通用性差的问题,提出一种基于信任度模糊C聚类和改进查表法(BFCM-iWM)模糊规则自提取的温度控制方法.首先,采用信任度模糊C聚类方法(BFCM)从分解炉运行样本数据中提取样本的信任度;然后,利用改进查表法(iWM)提取模糊控制规则,减小噪声和坏点数据对规则提取的影响,以温度偏差和偏差变化率为输入量、喂煤增量为输出量构造控制器实现对温度的控制.实验结果表明,提取到的控制规则鲁棒性好、准确性高、分解炉温度控制效果良好.     

蒸汽过热炉温度模糊自适应PID控制

针对乙苯脱氢制苯乙烯生产过程中蒸汽过热炉温度控制非线性、大滞后的问题,提出了一种模糊自适应PID控制器用于改善蒸汽过热炉的温度控制效果。首先建立了蒸汽过热炉的数学模型,确定了系统的输入输出量;其次,在构建模糊控制器结构的基础上设计了模糊控制规则,实现了PID控制器的参数自适应调节;最后对所设计的蒸汽过热炉温度模糊自适应PID控制器进行了仿真分析。结果表明,模糊自适应PID控制器与常规PID控制器相比较,提高了蒸汽过热炉温度控制系统的自适应能力和鲁棒性,改善了系统的动态性能和静态性能,对非线性时滞系统控制效果更好。     

基于均衡调节阀的电厂一次风风粉均衡调节研究

燃煤电厂一次风风量和煤粉浓度是锅炉安全经济运行的重要参数,合理且均衡的一次风量和煤粉浓度对于煤粉的清洁高效燃烧具有重要意义.本文以格栅型在线调节阀为研究对象,基于随机粒子轨道模型利用FLUENT软件模拟了格栅型调节阀不同开度下的一次风风速和煤粉浓度分布.模拟结果显示:通过在线调整格栅型阀门的开度,可以明显改善一次风风速和煤粉浓度的均衡.基于上述模拟结果,最后给出了适合实际运行的一次风风粉均衡调节的在线均衡调节阀开度调节策略.     

一种纸厂配浆浓度双闭环智能控制方法

针对配浆浓度控制过程具有突发干扰、阀门开度非线性等特点,设计一种基于智能算法的配浆浓度双闭环控制系统。外环利用遗传模糊控制策略,抑制配浆过程中出现的突发干扰和传感器漂移,依据浓度变化求解最佳稀释水流量;内环根据最优稀释水流量,采用神经网络PID调节稀释水阀门开度,稳定配浆浓度。实际应用效果证明了该方法的有效性。     

分解炉温度的数学模型和控制算法

利用回归分析的方法,建立了分解炉温度的数学模型,并应用BP网络算法实现了对分解炉温度的控制。     

基于神经网络的分解炉喂煤量智能控制系统

介绍了一种基于神经网络的智能专家系统,给出了系统的结构,具体描述了神经网络专家系统的基本原理。并以水泥工业的新型干法分解炉喂煤量智能控制系统为例说明了神经网络智能控制的推理过程。控制结果表明了该方法的有效性。     

一种新型的神经网络在工业加热炉中的应用

针对工业控制过程中较为常见的一种控制过程—电加热炉的炉温控制,采用了一种基于模糊基函数的模糊神经网络控制器,并给出了应用于此模糊神经网络的自学习算法。最后,将该模糊神经网络控制器应用于实际的工业加热炉炉温控制系统中。应用结果表明,该控制方案可改善具有时变及大滞后的炉温控制系统,特别是对于一些缺乏先验知识的实际工业控制过程,该控制策略具有良好的控制效果。     

基于模糊神经网络PID算法的电阻炉温控系统

由于电阻炉温控系统是一个大惯性、大滞后、时变、且非线性的系统,采用传统PID控制不能解决系统的非线性、时变和PID参数的在线整定难等问题,为此提出一种控制算法—模糊神经网络PID算法。可根据电阻炉的温度的偏差及其变化率实时对PID的3个参数进行优化,达到具有最佳组合的PID控制,从而实现PID控制的自适应和智能化性能。使用MatLab的simulink仿真,通过传统PID与模糊神经网络PID阶跃响应曲线的比较,表明系统采用模糊神经网络PID算法具有更好的动、静态特性和自适应性,对突加的外部的扰动具有良好的抗干扰能力,具有实用价值。     

RBF-PID串级控制在加热炉温度系统中的应用研究

针对工业生产中加热炉物料出口温度的非线性、时变性、大滞后性等特点,无法建立精确的数学模型,并且为提高该系统控制的可靠性和安全性,达到精确控制。提出一种基于RBF(Radial Basis Function)神经网络的PID串级控制器,即先用建立的三层RBF神经网络在线辨识得到梯度信息,再用梯度信息在线整定PID控制的三个参数,最后将整定的PID控制物料出口温度-炉膛温度串级系统的主回路。仿真结果表明,RBF-PID串级控制较传统P I D串级控制有较强的鲁棒性,提高了控制品质,获得了更好的控制效果。     

石墨化炉人工神经网络预测控制的研究

针对目前石墨化炉控温精度不高,时有裂纹废品出现的现状,为提高石墨电极质量,实现石墨化炉的精确控温问题,提出了石墨化炉神经网络预测控制策略。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一步。该石墨化炉神经网络模型,计算机仿真结果非常理想,拟和精度很高,完全可以作为下一步实现预测控制的模型。     

基于模糊神经网络的电弧炉控制系统及仿真

电极调节系统是电弧炉炼钢过程不可缺少的基本装备。目前常用的电极调节器大多是基于单相意识,导致电极调节中电极往往误动作,大大影响了电弧炉的运行效益。在模糊控制和神经网络的基础上,探索研究一种基于三相意识的电弧炉控制新方法,采用模糊神经网络调节器控制对电弧炉电极进行调节,控制弧流弧压稳定在一定范围之内,使电弧炉冶炼达到有功功率最大化,进一步提高电弧炉的综合运行效益,降低能耗、减轻对电网危害。并用matlab对模糊神经网络进行仿真。结果表明,本网络具有较快的训练速度和较高的泛化能力,满足电弧炉控制的要求,其控制性能优于常规电弧炉控制系统。     

步进梁加热炉神经网络模型预测控制

针对步进梁式连续加热炉燃烧过程控制的温度分布非线性和滞后性,提出了一种基于非线性优化技术的神经网络模型预测控制算法。神经网络具有强大的自学习和非线性映射能力,把神经网络预测模型和非线性优化器整合为一个温度控制器,通过神经网络预测模型描述温度控制对象的动态行为,根据加热炉当前温度和出钢温度预测未来时刻的温度输出值,实现加热炉温度控制。实验结果表明,通过对网络模型进行大样本训练和对模型预测控制参数的优化,加热炉温度控制系统能快速达到控制要求,具有良好的抗干扰能力和温度跟随性能。     

加热炉炉温智能控制系统的一种设计方案

针对步进式加热妒炉温控制系统中存在时变、非线性等特征,设计了燃气、空气回路流量设定值调节系统,并在该系统中了采用RBF神经网络整定PID控制器参数;针对炉温控制系统中参数耦合和系统模型不确定的问题,分别在燃气和助燃空气回路中设计了一种基于最小二乘支持向量机(LS-SVM)的逆控制解耦系统,并对燃气和空气回路流量设定值进行动态跟踪.仿真结果表明:该步进式加热炉炉温智能控制系统具有鲁棒性好、抗干扰能力强、超调小,动态跟踪品质好和稳态精度高等特点.     

钢包炉配料PSO-BP-PID 控制研究

针对钢包精炼炉( Ladle Ｒefining Furnace) 又称LF 炉,配料加料过程的惯性、时滞、非线性等控制特性,设计了一种基于微粒群优化算法( Particle Swarm Optimization,PSO) 、误差反向传播( Back Propagation,BP) 神经网络以及比例－ 积分－ 微分( PID) 的复合控制算法PSO-BP-PID,并将该复合算法应用于150 t 钢包精炼炉配料称重控制系统中,实现配料称重过程的智能控制。PSO-BP-PID 算法利用微粒群优化算法的全局寻优特性,优化BP 神经网络的初始权值以提高神经网络的收敛性; 采用经微粒群算法优化后的BP 神经网络在线实时调整PID参数。通过基于PSO 和BP 网络的PID 控制器实时控制钢包精炼沪的配料过程。仿真实验和运行实验结果表明,PSO-BP-PID 算法的控制效果优于单一PID 算法的控制效果。采用PSO-BPPID算法的钢包炉配料系统后,明显提高了配料精度,有效地解决了配料称重过程中速度与精度的矛盾。