精炼炉模糊控制终点论文章节

1、第4章 基于模糊算法的LF炉终点温度控制4.1 LF炉终点温度控制的基础4.1.1 分步控制终点温度4.1.2 过程机理预报模型4.2模糊控制概述 4.2.1模糊控制结构 4.2.2精确量的模糊化. 4.2.3 模糊控制的知识库和规则库 4.2.4 模糊推理 4.2.5 模糊输出量的精确化 4.2.6 模糊控制表的获取4.3 基于BP神经网络预报的初步控制 4.3.1 终点温度控制结构 4.3.2 供电量的模糊校正设计 4.3.3 时间修正 4.4.4供电曲线的初步建立4.4.5仿真研究4.4 基于机理预报模型的过程控制4.4.1过程校正结构 4.3.2 供电量的模糊校正设计 4.3.3 时间

2、修正 4.4.4供电曲线的修正4.4.5仿真研究4.5 结论4.1.1 分步控制终点温度LF炉终点温度的控制是根据精炼初始时检测到的钢水温度及其它状况和终点温度要达到的目标来确定控制量。由于LF炉精炼是一个具有多输入多输出、具有严重非线性的过程，而且影响终点温度的因素很多；并且控制过程的边界条件不断变化，比如成分、原料、设备和操作等影响因素频繁变化；再加上炉内成分和温度不能连续检测，这些都使得不能采用常见的控制方法来解决LF炉的终点控制问题。另一方面，精炼初期需要在终点温度的要求下建立一个精炼规划，对众多的初始条件、添加变量进行控制，并且对终点温度有一个预估值，但是仅仅是初始变量的控制显然是不

3、够的，精炼过程中成分、原料、设备和操作等影响因素频繁变化，而且预报模型不可避免地存在误差，要达到终点控制必须要在精炼过程中间断地检测温度，并且改变控制量校正误差。本文在工艺、机理和数据分析的基础上，根据上一章建立的BP神经网络终点温度预报模型和前人建立辨识的基于机理的过程预报模型，结合模糊控制技术建立校正模型，采用分步控制的思想对控制量的分步校正，进而对LF炉终点温度进行控制。为了达到终点控制，初步控制是在精炼的开始阶段，对预设模型得到的预设值进行终点预报验证，应用上章建立的BP神经网络模型预报终点温度，使其满足终点温度的要求；精炼的中间阶段，把检测到的温度与过程预报模型相比较，校正误差，通过

4、过程的校正误差实现终点控制。4.1.2 过程机理模型机理模型的功能既用于精炼初始阶段确定钢液目标温度和成分进入目标区域所需要的供电量、冶炼时间等，也是过程控制的重要依据。根据工艺优化模型，可以得到了整个LF炉精炼工序的电能需求量、冶炼时间，进入精炼后各种能量和物料的投入量冶炼己经知道，因此可以获得冶炼时间、和电能的设定量。(1) 电极输入能量LF炉精炼过程中熔池通过电极和钢水产生的电弧来获取能量，钢水表面的炉渣对电弧的埋弧操作能够保证熔池能量的获取，即电极加热进入钢液的能量由电极的加热功率决定，这部分能量对温度的影响可以用下式来表示33： (3.1) (3.2)式中，投入的电量，电弧向熔池传热

5、加热效率值，电弧功率，第i相电极的电压，第i相电极的电流。在精炼炉电气特性及加热电弧相对比较稳定的情况下，与精炼渣的埋弧操作有很大关系，经过前人的系数识别，得到=0.2408，P值可以从实验数据记录中得到。(2) 化学反应热LF炉精炼过程当中有些化学反应属于放热反应，这些化学反应热也可以促使钢液升温。体系中各种化学反应产生的能量，于是将归入合金渣料的能量中进行计算，相较于电量而言化学热比较少，由于缺乏数据本课题中暂不不考虑。LF炉精炼过程钢液损失的能量精炼过程中，体系的热损失主要包括：渣料及合金熔化升温所需热量，通过炉衬损失的热量，吹氩热损和通过渣面损失的热量。(1)吹氩热损氩气吸热的理论计算

6、公式 (3.3)式中，氩气的比热，吹氩量，吹入氩气的初始温度，钢液温度，。(2) 炉衬散热前人多将包壁散热视为一维非稳态传热来建立模型，通过求解导热微分方程来求解包壁传热过程，包底则可以作为一维非稳态传热处理。但该方法计算过程复杂，并且由于对钢厂设备及炼钢环境了解不够详细，导致以上计算过程非常困难，课题在此处对炉衬散热合理简化为一个指数变化过程，后期散热趋于恒定。 (3.4)式中，炉衬散热系数。经过前人的识别，=0.0036.(3) 熔池表面(渣面)热损失通过渣面损失的热量包括通过渣面的辐射和对流的热损，和熔池内产生的高温气体通过渣面排走的热量(由于精炼处理过程吹入的气体温度低，在搅拌过程中气

7、体会从钢水吸热并将这部分热量带走)。1) 渣面辐射热损失37渣面的热辐射损失主要由渣的温度和渣面的表面积决定。 (3.5)式中，炉渣黑度，一般取 0.6；渣层散热表面积，；渣面吹破情况下 (3.6)渣面未吹破情况下 (3.7)为渣面热损失系数，在实际精炼过程为经验数据，其值在01之间。前人将对该参数进行辨识，=0.1760。模糊控制简介随着各个领域对自控系统的控制精度、响应速度、系统稳定性与适应能力等要求的不断提高，一些非线性、时变、过程机理复杂的控制对象由于很难建立精确的数学模型而无法找到合适的控制方法，因此模糊控制应运而生，模糊控制是在总结人类自然语言概念，操作经验的基础上，模仿人类智能的

8、一种控制方法。模糊控制针对非线性、不确定性、多变量、时滞难以建立的精确数学模型的过程，能够有效地依据专家经验控制复杂的过程。1.1 模糊控制系统的组成模糊控制器主要由模糊化、数据库、规则库、模糊推理和清晰化等五部分构成，一个模糊控制系统主要由给定值、模糊控制器、被控对象等部分构成，而系统性能优劣的主要取决于模糊控制器。1.2 模糊控制器的结构模糊化模糊化运算是将输入空间的观测量映射为输入论域上的模糊集合。首先需要对输入变量进行尺度变换，将其变化到相应的论域范围，然后将其模糊化，得到相应的模糊集合。 模糊化的作用是将输入的精确量转换成模糊量。具体过程为：1）尺度变换 尺度变换，将输入变量由基本论

9、域变换到各自的论域范围。变量作为精确量时，其实际变化范围称为基本论域；作为模糊语言变量时，变量范围称为模糊集论域。 若实际的输入量为x0*，其变化范围（基本论域）为xmin*，xmax*，要求的论域范围为xmin，xmax，采用线性变换，则2）模糊处理 将变换后的输入量进行模糊化，使精确的输入量变成模糊量，并用相应的模糊集来表示。 知识库数据库主要包括各语言变量的隶属函数，尺度变换因子及模糊空间的分级数等。 存储着有关模糊化、模糊推理、解模糊的一切知识，如模糊化中论域变换方法、输入变量隶属函数的定义、模糊推理算法、解模糊算法、输出变量各模糊集的隶属函数定义等。输入输出空间的模糊分割 模糊控制规

10、则中，前提的语言变量构成模糊输入空间，结论的语言变量构成模糊输出空间。每个语言变量的取值为一组模糊语言名称，每个模糊语言名称对应一个模糊集合。对于每个语言变量，其取值的模糊集合具有相同的论域。 模糊分割是要确定对于每个语言变量取值的模糊语言（模糊集）名称和个数，并定义其隶属函数。 模糊控制系统常用的模糊语言（模糊集）有：正大（PB或PL），正中（PM），正小（PS），正零（PO或PZ），零（O或Z），负零（NO 或 NZ），负小（NS），负中（NM），负大（NB或NL）。模糊分割的个数决定了模糊控制精细化的程度，也决定了最大可能的模糊规则的个数。模糊分割数的确定主要靠经验和试凑，模糊分割数越多

11、，控制规则数越多，控制越复杂；模糊分割数太小，将导致控制太粗略，难以对控制性能进行精心的调整。隶属函数的确定 论域中每个点应至少属于一个隶属函数的区域，并应属于不超过两个隶属函数的区域。 对于同一个输入没有两个隶属函数会同时有最大隶属度。 当两个隶属函数重叠时，重合部分的任何点的隶属函数的和应该小于等于1。规则库包括了用模糊语言变量表示的一系列控制规则。它们反映了控制专家的经验和知识。 模糊控制规则库由一系列的“IF-THEN”型模糊条件语句构成。1模糊控制规则的建立基于专家经验和控制工程知识基于操作人员的实际控制过程基于过程的模糊模型（TS）基于学习（ANFIS）完备性对于任意的输入，模糊控

12、制器均应给出合适的控制输出，这个性质称为完备性。模糊规则的完备性是保证系统能够被控制的必要条件之一，它对于模糊规则库的要求是：对于任意的输入应确保它至少有一个可使用的规则，且规则的适用程度应大于某个数，如0.5。总的原则是：在满足完备性的条件下，尽量取较少的规则数，以简化模糊控制器的设计和实现。一致性 对于一组模糊控制规则，不允许出现下面的情况：如果给定一个输入，结果产生两组不同的、甚至是矛盾的输出。被控对象为正作用过程，被控量随控制量的增大而增大；被控对象为反作用过程，被控量随控制量的增大而减小。 总之，取控制量变化的原则是：当误差较大或大时，选择控制量以尽快消除误差为主；而当误差较小时，选

13、择控制量要注意防止超调，以保证系统的稳定性为主要出发点。规则库包括了用模糊语言变量表示的一系列控制规则，模糊控制规则是在控制过程中将操作人员的经验去粗取精!去伪存真，总结成若干条用自然语言描述的控制规则。模糊推理模糊推理是模糊控制器的核心，它具有模拟人的基于模糊概念的推理能力。 模糊推理的结论主要取决于模糊蕴含关系及模糊关系与模糊集合之间的合成运算法则。对于确定的模糊推理系统，模糊蕴含关系一般是确定的，而合成运算法则并不唯一。根据合成运算法则的不同，模糊推理方法又可分为Mamdani推理法、Larsen推理法、Zadeh推理法等等。Mamdani模糊推理法是最常用的一种推理方法，其模糊蕴涵关系

14、定义简单，可以通过模糊集合和的笛卡尔积(取小)求得，即 Larsen推理方法又称为乘积推理法，是另一种应用较为广泛的模糊推方法。Larsen推理方法与Mamdani方法的推理过程非常相似，不同的是在激励强度的求取与推理合成时用乘积运算取代了取小运算。 与Mamdani推理法相比，Zadeh推理法也是采用取小合成运算法则，但是其模糊关系的定义不同。TakagiSugeno模糊推理法，这种推理方法便于建立动态系统的模糊模型，因此在模糊控制中得到广泛应用。T-S模糊推理过程中典型的模糊规则形式为： 如果x是 A and y是B，则z=f（x，y）其中A和B是前件中的模糊集合，而z=f（x，y）是后件

15、中的精确函数。清晰化作用：将模糊推理得到的模糊控制量变换为实际用于控制的清晰量。1) 将模糊量经清晰化变换成论域范围的清晰量。2) 将清晰量经尺度变换变化成实际的控制量。解模糊一般采用以下几种方法:()l最大隶属度法从决策值的模糊集合(T的集合)中取隶属度最大的元素作为最终的判决值，最大隶属度法是模糊判决中最经常采用的方法，这种判决方法最简单，在计算机上容易实现，但它包含的信息量少，不能区分隶属函数分布的宽窄和分布状况，适用于隶属度较小的情况。(2)中位数法(面积法)这种判决方法是把模糊决策结构的模糊子集的隶属函数曲线与输出模糊论域(横轴)之间所围的面积平均分为两部分，其分界点所对应的横轴坐标

16、值作为最终判决值，这种方法能概括较多的信息,但没有突出的信息,而且计算比较复杂。加权平均法的隶属函数分别为,采用乘积求和推理方法,并采用重心法反模糊化,得到电能输入量模糊自校正模型的输出为 论域上的精确量还需经过尺度变换变为实际的控制量。若z0的论域范围为zmin，zmax，实际的控制量的变化范围为umin，umax，采用线性变换，则4.3.1 终点温度控制结构初步控制LF炉终点控制是指控制模型根据初始精炼测温取样枪检测到的钢水状况和冶炼终点要达到的目标来确定控制量。由于LF炉炼钢是一个具有多输入多输出、具有严重非线性的被控过程，而且影响终点温度的因素很多，又很复杂；并且控制过程的边界条件不断

17、变化，具体涉及到原料条件、设备条件和操作条件等影响因素频繁变化；再加上熔池成分和温度不能连续检测，这些都使得不能采用常规的过程控制方法来解决LF炉的终点控制问题。本文在工艺优化模型的基础上，结合模糊控制技术建立控制量的校正模型，根据终点的温度要求对LF炉终点控制量进行校正。为了达到终点控制，首先在精炼初始阶段进行初步控制，初步控制是在精炼的开始阶段，对预设模型得到的预设值进行终点预报验证，应用上章建立的BP神经网络模型预报终点温度，使其满足终点温度的要求。整个控制系统由预设定模型、供电量校正模型、精炼时间修正模、预报模型、以及判定规则等组成，结构图如下：预设定模型电能输入量以及冶炼时间是实现L

18、F炉终点控制的保证，精炼时间是将钢液中的碳磷含量降到目标区域的保证，充足的电能输入是使钢液温度上升到出钢温度的手段。精炼初始阶段的预设模型是基于机理分析，通过计算处要达到一定温度时所需要的供电量和精炼时间。冶炼时间模型根据电弧炉冶炼工艺设备的情况,影响冶炼时间的主要因素是氧枪的吹氧能力以及电炉变压器的供电能力，也就是吹氧时间和电能的输入时间，当氧气吹入量和电能输入量确定后，需要对冶炼时间进行调整。首先确定新供电量下的吹终点时间，即:式中，t为供电时间，P为电弧功率，为电弧的热效率。供电量的模糊校正设计校正模型由于工艺优化模型是基于整个冶炼周期上的设定计算，而在LF炉精炼过程中，由于精炼过程比较

19、复杂，会出现各种各样的炉况，会导致电能消耗量、熔化时间出现变化。因此，按照预设定模型所确定的电能需求量和冶炼时间进行的终点控制，往往达不到出钢的工艺指标要求。为满足LF炉终点控制命中率的要求，还需要对预设定模型计算出的供电量以及精炼时间进行调整。为此，建立校正模型实现对供电量和精炼时间的校正LF炉在工作过程中具有严重的非线性，所以供电的精确的数学模型在实际问题中往往难以得到，因而要实现对LF炉的精确控制是比较困难的，因此传统的方法无法满足LF炉终点温度控制作为一个多输入、多输出、非线性系统的控制性能要求。本设计采用模糊控制方法解决这一问题，将模糊控制应用于控制系统，很好的提高了供电量校正的控制

20、性和可靠性，从而保证了系统的稳定性和良好的动态性能。模糊控制由模糊化处理、模糊推理和解模糊化三部分组成，模糊化的目的是将过程状态信息的精确值转变为语言变量模糊子集的隶属函数；模糊推理是利用模糊知识库中的模糊关系，推导出模糊控制动作的过程；解模糊化是将模糊控制子集转变为确切的控制量输出。模糊控制的基本原理是：模糊控制器的输入量通过模糊化处理，经过一定的语言规则进行模糊推理，推理得出的输出结果明晰化，最后得到控制变量的精确输出值。(1)模糊化这部分的功能是将输入的精确温度误差量转换为模糊量。在选择模糊语言变量的语言值时要兼顾简单易行和控制效果两个方面一般来说，一个语言变量选用2-10个语言值较适宜

21、，选取的模糊语言值如下:首先确定输入、输出变化范围，校正模型的输入的温度偏差为通常终点温度的控制范围为士12C,温度偏差 的基本论域为:-6,-5,-4,-3,-2,-1,0,1,2,3,4,5,6; 温度偏差的变化率ec的论域:-6,-5,-4,-3,-2,-1,0,1,2,3,4,5,6;输出供电量W的论域为:-6,-5,-4,-3,-2,-1,0,1,2,3,4,5,6;2、偏差e的变化范围分为13个等级，定义e的模糊变量分为7个等级，模糊变量值1=PB,2=PM,3=PS,4=Z,5=NS,6=NM,7=NB，对应的隶属度为：隶属度e的论域元素模糊量NB10.80.70.40.1NM0

22、.20.710.70.3NS0.10.30.710.70.2Z0.10.61PS0.20.710.70.30.1PM0.20.710.70.3PB0.10.40.70.81偏差变化率ec的变化范围分为13个等级，定义T的模糊变量分为7个等级，T模糊变量值1=PB,2=PM,3=PS,4=Z,5=NS,6=NM,7=NB,对应的隶属度为：隶属度ec的论域元素-6-5-4-3-2-10123456模糊量NB10.70.300NM0.30.710.70.3NS00.30.710.70.3Z0.30.710.70.3PS0.30.710.70.30PM0.30.710.70.3PB000.30.71输

23、出W的变化范围分为13个等级，定义W的模糊变量分为7个等级，T模糊变量值1=PB,2=PM,3=PS,4=Z,5=NS,6=NM,7=NB,对应的隶属度为：隶属度W的论域元素-6-5-4-3-2-10123456模糊量NB10.70.300NM0.30.710.70.3NS00.30.710.70.3Z0.30.710.70.3PS0.30.710.70.30PM0.30.710.70.3PB000.30.713、确定量化因子根据输入量的变化范围和输入量的论域范围关系可得;e 的量化因子为K1=12/24=0.5, ec的量化因子为K2=12/24=0.5,W的量化因子为K3=12/24=0.

24、5,(2)控制规则规则库包括了一系列控制规则，而这些控制规则一般用模糊语言变量表示，它们反映了该领域内控制专家的知识或操作者对于被控过程的操作经验等；数据库主要包括语言变量的尺度变换因子、模糊空间的分级数以及隶属度函数等。每一条模糊条件语句只是代表了一种情况下的一个控制策略，操作者在进行控制的过程中会碰到各种可能出现的情况，因此，反映手动控制过程的完整控制规则需要由若干条结构相同而模糊语言变量取值不同的模糊条件语句组成。各条模糊条件语句决定的控制策略之间是并列的关系。每条语句的具体表述通式：以温度的偏差及变化率为输入，供电量为输出的二输入一输出模糊控制系统中，选取控制量的变化W的基本原则是：当

25、偏差较大时，选择控制量以快速消除偏差为主，当偏差较小时，选择控制量应防止超调，以控制稳定性为主，通常选用： If(e=)and(ec=)then(W=)=NB,NS,.PB;=NB,NS,.,PB;=NB,NS,.PB表5-7 双输入时的模糊控制规则表E UECNBNMNSNOPOPSPMPBNBPBPBPMPMPMPSZOZONMPBPBPMPMPMPSZOZONSPBPBPMPSPSZONSNMZOPBPMPSZOZONSNMNBPSPMPMPSZONSNSNMNBPMPMPSZONSNMNMNBNBPBPSZONSNMNMNBNBNB下面说明建立模糊控制规则表的基本思想。首先考虑误差为负

26、的情况，当误差（目标值减去预设值）为负大时（说明预设高于目标值），若误差变化率也为负，这时误差有增大的趋势，为尽快消除已有的负大误差并抑制误差变大，所以控制量的变化取正大（控制量增大，意味着供电量增大，使得温度偏差下降，下同）。当误差为负而误差变化率为正时，系统本身已有减少误差的趋势，所以，为尽快消除误差而又不超调，应取较小的控制量。当误差为负中时，控制量的变化应使误差尽快消除，基于这种原则，控制量的变化选取同误差为负大时相同。当误差为负小时，系统接近稳态，若误差变化微小时，选取控制量变化为正中，以抑制误差往负方向变化；若误差变化为正时，系统本身有消除负小的误差的趋势，选取控制量变化为正小。上

27、述选取控制量变化的原则：当误差大或较大时，选择控制量以尽快消除误差为主；当误差较小时，选择控制量要注意防止超调，以系统稳定性为主要出发点。(3)模糊推理模糊推理环节是模糊控制器的重要组成部分，是利用模糊知识库中的模糊关系，基于模糊逻辑中的蕴含关系及推理规则推导出模糊控制动作的过程。它具有模拟人的基于模糊概念的推理能力。每一条模糊条件语句表示的输入输出之间的模糊关系肚，用Mmadnai推理法,按着上述控制规则，可以得到温度偏差及偏差变化率与供电量之间的模糊关系：其中角标E，EC，U分别表示误差、误差变化率和控制量。(4) 模糊决策 模糊控制器的输出为误差向量和模糊关系的合成：（5）清晰化(又称去

28、模糊化或解模糊化)清晰化环节的主要功能是将模糊推理所得的控制量(模糊量)变换为清晰量(精确值)，以对实际的控制量进行控制。它包含以下两部分内容：将模糊的控制量经清晰化变换成表示在论域所要求的范围内的清晰量；将表示在论域范围的清晰量经尺度变换变成实际的控制量。解模糊加权平均法是最常用的一种方法,它比面积法计算里小，比最大隶属度法控制性能优越。在电弧炉炼钢中，供电量与钢水的温度有着比较明确的物理关系，供电量越多，温度升高越快。终点控制程序流程过程控制LF炉精炼过程中，间断地检测钢水温度，当检测的实际温度与过程预报的温度不相等时，这是需要进一步控制，才能保证终点温度与要求的终点温度尽可能地接近。精炼

29、过程中，在冶炼时间已经确定的情况下，主要对供电量单个变量的控制。(1)模糊化确定输入、输出变化范围，校正模型的输入为通常终点温度的控制范围为士12，供电量为12确定各输、输出量对应语言变量的论域元素及量化因子。1、选定论域为:-12,-8,-4,0,4,8,12;2、的模糊语言值选取负大,负小,零,正小,正大,即NB,NS,Z,PS,PB；偏差的变化范围分为七个等级：-3，-2，-1，0，+1，+2，+3。根据三角隶属度，得到供电量变化模糊表4-1。对应的隶属函数如图5.3所示。隶 属 度变 化 等 级-3-2-10123 模 糊 集PB000000.51PS000010.50O000.510.500NS00.510000NB10.500000W的论域为:-12,-9,-6,-3,0,3,6,9,12W的模糊语言值选取取负大,负小,零,正小,正大,即NB,NS,Z,PS,PB；并根据W的变化范围分为九个等级：-4，-3，-2，-1，0，+1，+2，+3，+4。根据三角隶属度，得到控制量模糊划分表4-2隶 属 度变 化 等 级-4-3-2-101234 模 糊 集PB0000