电熔镁炉熔炼过程的智能设定值控制

被引：8

作者：

吴志伟 ^{[1
]}

柴天佑 ^{[1
]}

付俊 ^{[1
]}

闫占伟 ^{[2
]}

机构：

[1] 东北大学流程工业综合自动化教育部重点实验室

[2] 成都理工大学工程技术学院

来源：

控制与决策 | 2011年 / 09期

关键词：

电熔镁炉; 电极电流设定值; 极心圆直径设定值; 智能算法;

D O I：

10.13195/j.cd.2011.09.140.wuzhw.027

中图分类号：

TP273 [自动控制、自动控制系统];

学科分类号：

080201 ; 0835 ;

摘要：

电极电流值和极心圆直径是电熔镁砂生产过程中影响产品性能指标的两个重要参数,在传统工艺中由人工设定.由于生产过程中存在很多复杂特性,人工给定的设定值很难保证其准确性.针对这种情况,提出了基于案例推理、迭代学习、PI控制、神经网络和规则推理的参数混合智能设定方法.该方法成功应用于国内某电熔镁砂厂,应用效果表明了所提出方法的有效性.

引用

页码：1417 / 1420

页数：4

共 9 条

[1] 一种基于规则推理的电熔镁炉智能控制系统 [J].

吴志伟 ;

吴永建 ;

柴天佑 ;

张莉 .

东北大学学报(自然科学版), 2009, (11) :1526-1529

[2] 复杂工业过程运行的混合智能优化控制方法 [J].

柴天佑 ;

丁进良 ;

王宏 ;

苏春翌 .

自动化学报, 2008, (05) :505-515

[3] 电熔镁砂炉主要工艺参数的研究 [J].

顾根华 ;

秦勤 ;

薛丰 .

节能, 1996, (02) :16-19

[4]

工业电炉[M]. 冶金工业出版社 , 郭茂先主编, 2002

[5] Model-based iterative learning control with a quadratic criterion for time-varying linear systems [J].

Lee, JH ;

Lee, KS ;

Kim, WC .

AUTOMATICA, 2000, 36 (05) :641-657

[6]

A neural network strategy for batch process optimization[J] . Mohan Krothapally,Srinivas Palanki.Computers and Chemical Engineering . 1997

[7]

Supervisory multi-objective optimization of a class of unit processes:power unit case study .2 Garduno-Ramirez R,Lee K Y. Proc of the American Control Conf . 2001

[8]

A batch-to-batch iterative optimal control strategy based on recurrent neural network models .2 Zhihua Xiong,Jie Zhang. Journal of Process Control . 2005

[9]

On the P-type learning control .2 Saab S S. IEEE Transactions on Automatic Control . 1994

← 1 →