为了有效地解决当前加热炉能源消耗高、控制精度差、控制滞后等问题,针对步进式加热炉的工艺特点,提出了加热炉燃烧过程的智能控制策略,即模糊RBF网络自学习和自寻优功能,并结合动态PID反馈补偿策略.经试验表明,该系统不仅保证了在工况波动下的炉温控制精度,提高升降温速度,减少吨钢燃耗、电耗和钢坯烧损,而且提高了加热炉的生产能力.
参考文献
| [1] | 徐桂岩;江杰 .模糊控制在钢坯加热炉中的应用[J].包头钢铁学院学报,1998,17:40. |
| [2] | 张力 .步进式加热炉的炉温优化控制[D].辽宁科技大学,2007. |
| [3] | Buckley J;Hayashi Y .Fuzzy Neural Networks:A Survey[J].Fuzzy Sets and Systems,1994,66(01):1. |
| [4] | 刘金琨.智能控制[M].北京:电子工业出版社,2009 |
| [5] | Kosko B.Neural Networks and Fuzzy Systems[M].USA:Prenlice-Hall,1992 |
| [6] | Lin C T.Neural Fuzzy Control Systems With Structure and Parameter I.earning[M].Singapore:World Scientific Publishing Colt,1994 |
| [7] | 梁舜,金觉新.模糊神经网络在工业加热炉中的应用[J].内蒙古石油化工,2006(12):57-59. |
| [8] | 柴天佑,王中杰,张莉.加热炉的炉温优化设定模型[J].自动化学报,2000(04):537-541. |
| [9] | 姜磊,王德慧,朱里红.基于RBF网络的钢坯温度预报软测量模型研究[J].热加工工艺,2009(21):93-96. |
| [10] | 张翠英,田建艳.基于智能控制的钢坯加热炉炉温综合控制策略[J].中北大学学报（自然科学版）,2007(02):125-128. |
上一张
下一张
上一张
下一张
计量
- 下载量()
- 访问量()
文章评分
- 您的评分：
-
10%
-
20%
-
30%
-
40%
-
50%