基于bp神经网络的电极调节内模控制.pdfVIP

鬟：篓篓置童堡丝型苎查 基于BP神经网络的电极调节内模控制 郝全田 (安阳钢铁股份有限公司，河南安阳455004) [摘要]精炼炉电极调节系统是一种多变量、强耦合、大滞后的非线性系统，传统的PID控制技术的控制效果不理 想。为此，提出一种基于神经网络的电极调节内模控制方法。仿真实验表明。精炼炉电极调节系统内模控制 跟踪设定电流好、抗扰动能力强。 关键词 精炼炉电极调节BP神经网络内模控制 0引言 BP网络可以在任意希望的精度上实现任意的连续函 数，实现从输入到输出的任意非线性映射；采用的是全局 钢包精炼炉用三相电极产生的电弧加热钢液，使钢液 逼近的方法，有较好的泛化能力[3]。因此，本研究选择用 保持在一定温度，以进行相应的精炼反应及操作。但电极 BP神经网络给电极调节对象建模。 调节器的调节条件和调节任务颇为复杂，因此采用先进的 此次动态模型选控制器当前输出、前一时刻控制器输 控制方法来控制电极升降成为当前研究的热点[1]。 出、前一时刻电弧电流值，3个状态量共9个参数作为输 神经元网络是一门新兴的交叉学科，源于对人脑神经 入；预估电流值作为输出。BP网络由一个输入层、一个 系统的模拟。它是大量简单的处理单元广泛连接所组成的 隐含层、一个输出层组成三层网络结构。隐含层单元数的 复杂网络，用以模拟人类大脑神经网络结构和行为。内模 确定并没有一个明确的表达式，可以参考一些定性结论． 控制是一种基于过程数学模型进行控制器设计的新型控制 经多次实验将隐含层单元数确定为12个。三相电极调节 策略[2]，由于其设计简单、控制性能好以及在系统分析方 系统辨识器模型如图2所示。 面的优越性，同时与其它控制方式相结合，内模控制不断 得到改进并广泛应用于工程实践中，取得了良好的效果。 本研究在精炼的工艺参数和工艺过程基础上，针对精 炼炉三相电极控制系统的高度非线性和难以建立精确数学 模型的问题，运用人工智能——神经网络技术，建立了基 于BP神经网络的电极调节内模控制方法。 1基于神经网络电极调节对象模型建立 图2神经网络辨识器模型 本研究将驱动电极升降的液压传动系统及电极系统 隐含层有12个神经元(J一1，2…．，12)，隐含层各 视作一个广义对象，采用神经网络对广义对象进行辨 神经元的输入函数为： 识。在系统运行中，神经网络辨识器(NNM)实时在线 0 (1) (J=1，2，…，12) net，=∑％×P。+包 从广义对象的输入和输出数据去学习，训练自身的权值 和阈值，以实现对广义对象的非线性映射。同时，根据 隐含层神经元节点函数为非对称型Sigmoid函数， 其记忆和当前输入信号进一步预测电弧电流将出现的变 即： 化，提前发出控制信号，以减少或避免炉况变化造成的 1 (2) ／。㈨‘，净再i赤丽 影响。电极凋节对象建模原理，即神经网络辨识器的原 输出层有3个神经元(k一1，2，3)，其网络的神经元 理如图1所示。 输入函数为：