基于RBF神经网络钢包烘烤装置的节能优化

被引:12
作者
陈雪波
彭荟羽
机构
[1] 辽宁科技大学电子与信息工程学院
关键词
蓄热式钢包烘烤装置; 神经网络; PID控制; 双交叉限幅控制;
D O I
10.14107/j.cnki.kzgc.2014.05.073
中图分类号
TP183 [人工神经网络与计算]; TP273 [自动控制、自动控制系统];
学科分类号
080802 [电力系统及其自动化]; 140502 [人工智能];
摘要
以唐山钢铁股份有限公司第一、二钢轧厂的蓄热式钢包烘烤装置为控制对象,将基于RBF神经网络的PID控制方法与双交叉限幅方法结合引入到蓄热式钢包烘烤装置的温度控制中,实现了蓄热式钢包烘烤装置温度控制的节能优化。通过在Matlab环境下将RBF神经网络PID控制和传统的PID控制方法进行仿真研究,得出了最佳PID参数,将PID最佳参数应用到双交叉限幅控制方法中。仿真结果表明:基于RBF神经网络PID控制方法较传统的PID控制方法与双交叉限幅方法结合,其PID控制器快速性好,自适应力强,有更好的控制效果。并将该控制系统成功应用到唐山钢铁股份有限公司第一、二钢轧厂的蓄热式钢包烘烤装置温度控制中,在保证质量和产量的基础上,节省了混合煤气消耗量,使其节能32%。
引用
收藏
页码:765 / 770
页数:6
相关论文
共 12 条
[1]
Bulk heating of transparent materials using a high-repetition-rate femtosecond laser.[J].C.B. Schaffer;J.F. García;E. Mazur.Applied Physics A: Materials Science & Processing.2002, 3
[2]
Development of a high-temperature air-blown gasification system [J].
Pian, CCP ;
Yoshikawa, K .
BIORESOURCE TECHNOLOGY, 2001, 79 (03) :231-241
[3]
基于改进粒子群算法的模糊神经网络PID控制器设计 [J].
王彦 ;
邓勇 ;
王超 .
控制工程, 2012, 19 (05) :761-764
[4]
基于RBF神经网络的智能PID控制算法 [J].
曾琳 ;
张文涛 .
计算机与数字工程, 2011, 39 (01) :17-20
[5]
基于神经网络的模型参考飞控系统容错控制 [J].
常锋 ;
杨蒲 ;
姜斌 .
控制工程, 2010, 17 (06) :778-781+788
[6]
基于双交叉限幅PID-RBR的加热炉温度控制 [J].
陈友文 ;
柴天佑 .
东北大学学报(自然科学版), 2010, (09) :1217-1220+1229
[7]
RBF神经网络PID控制在分切机中的应用 [J].
朱海洋 ;
张莉 .
自动化仪表, 2009, 30 (12) :68-71
[8]
蓄热式钢包烘烤装置自动控制系统的应用 [J].
张吉美 ;
叶婷 ;
王辉 .
冶金自动化, 2009, 33 (01) :60-62+65
[9]
基于RBF神经网络整定的PID温度控制系统设计 [J].
余丽平 ;
马松龄 .
工业炉, 2007, (04) :33-36
[10]
第三炼钢厂蓄热式钢包烘烤装置节能效果分析 [J].
刘占增 ;
丁翠娇 ;
曾汉生 ;
张道明 .
武钢技术, 2006, (05) :34-36