基于PSO的神经网络在电弧炉控制中的应用

针对电弧炉炼钢过程的高度非线性、时变性和不确定性,设计了神经网络预估模块和神经网络控制模块。由于神经网络训练算法很大程度上决定了神经网络非线性模型辨识能力的强弱,故本控制系统采用基于粒子群算法的神经网络进行离线训练来建立控制模型,极大地提高了神经网络映射能力和网络训练速度,保证了高品质的控制性能。使用训练好的神经网络优化工作设定点,实现了电弧炉炼钢过程的最优化控制。此外,系统在神经网络预估模块的基础上还设计有恒阻抗专家系统,以确保炼钢过程的安全可靠,从而弥补单一智能控制策略的不足。该系统能较好地适应负荷变化和外部干扰,其控制性能优于常规电弧炉控制系统,从而可以节能降耗,提高生产效率。