資源描述：
《燒結(jié)過(guò)程智能優(yōu)化控制系統(tǒng)研究與開(kāi)發(fā)》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、浙江人學(xué)碩士論文摘要近年來(lái)，國(guó)內(nèi)大中型鋼鐵企業(yè)自動(dòng)化水平逐步提高，燒結(jié)生產(chǎn)過(guò)程自動(dòng)控制與參數(shù)檢測(cè)能力也不斷上升，但是由于原料特性的波動(dòng)使燒結(jié)工況和燒結(jié)礦品質(zhì)面臨著巨大的威脅，也間接影響了高爐的平穩(wěn)性和鐵水質(zhì)量，因此針對(duì)復(fù)雜原料來(lái)源的煉鐵過(guò)程，研究燒結(jié)過(guò)程智能優(yōu)化控制有著非常重要的意義。本課題是國(guó)家863重點(diǎn)項(xiàng)目“面向平穩(wěn)運(yùn)行和節(jié)能降耗的高爐煉鐵過(guò)程集成控制系統(tǒng)”在杭州鋼鐵集團(tuán)公司合作實(shí)施示范工程的重要組成部分，研究將燒結(jié)過(guò)程劃分為配料、混料、燒結(jié)熱狀態(tài)三個(gè)工段，主要工作如下：1．提出了實(shí)驗(yàn)系統(tǒng)的總體
2、網(wǎng)絡(luò)架構(gòu)設(shè)計(jì)方案，使協(xié)調(diào)優(yōu)化系統(tǒng)運(yùn)行于基礎(chǔ)自動(dòng)化系統(tǒng)之上，通過(guò)中心服務(wù)器實(shí)現(xiàn)控制系統(tǒng)信息的實(shí)時(shí)采集及運(yùn)算結(jié)果上傳，實(shí)現(xiàn)了煉鐵全過(guò)程的信息集成，同時(shí)降低了系統(tǒng)間影響的風(fēng)險(xiǎn)；系統(tǒng)使用C拌與Matlab混合編程方法設(shè)計(jì)建模、控制與優(yōu)化算法的程序模塊，使系統(tǒng)的軟件設(shè)計(jì)得以在3個(gè)月內(nèi)完成。2．采用RBF(RadialBasisFunction)神經(jīng)網(wǎng)絡(luò)作為過(guò)程建模工具，并提出了峰值密度函數(shù)法和中心聚類(lèi)算法，設(shè)計(jì)水分軟測(cè)量模型和燒結(jié)熱狀態(tài)過(guò)程模型的網(wǎng)絡(luò)結(jié)構(gòu)；由于燒結(jié)礦品質(zhì)的機(jī)理關(guān)系復(fù)雜，采用主元分析法選擇預(yù)測(cè)模
3、型的輸入變量；為避免模型因時(shí)變而失配，采用帶遺忘因子的遞推最小二乘法設(shè)計(jì)了模型參數(shù)在線更薪方法。3．基于燒結(jié)礦品質(zhì)預(yù)測(cè)模型，提出利用在線更新的原料參數(shù)表與下料量調(diào)整規(guī)則庫(kù)設(shè)計(jì)配比與配量的計(jì)算方法；由于熱狀態(tài)和燒結(jié)礦品質(zhì)對(duì)水分要求較高，采周梯度法設(shè)計(jì)混料過(guò)程水分多路自適應(yīng)控制器，實(shí)現(xiàn)了混合料水分的閉環(huán)控制；對(duì)燒結(jié)熱狀態(tài)的RBF網(wǎng)絡(luò)辨識(shí)模型，提出將微分算子與控制量加權(quán)系數(shù)中引入預(yù)測(cè)控制方法，并設(shè)計(jì)燒結(jié)熱狀態(tài)廣義預(yù)測(cè)控制器，增加了GPC在多變量、時(shí)滯、非線性系統(tǒng)中的適用性?；谏鲜鏊惴ê退枷?，進(jìn)行燒結(jié)過(guò)程
4、智能優(yōu)化控制系統(tǒng)的軟件設(shè)計(jì)，并在杭鋼煉鐵廠1}j}燒結(jié)機(jī)上得到了成功的驗(yàn)證，達(dá)到了預(yù)想的設(shè)計(jì)技術(shù)指標(biāo)。最后分析了燒結(jié)機(jī)尾橫向斷面影響因素，提出將燒結(jié)臺(tái)車(chē)橫向分為多通道的設(shè)想，并采用改進(jìn)微粒子群優(yōu)化算法進(jìn)行多通道協(xié)調(diào)優(yōu)化的仿真研究，取得了很好的研究成果。關(guān)鍵詞：燒結(jié)過(guò)程；廣義預(yù)測(cè)控制；混合編程；RBF神經(jīng)網(wǎng)絡(luò)；協(xié)調(diào)優(yōu)化；自適應(yīng)控制；微粒子群優(yōu)化算法111浙江人學(xué)碩：卜論文ABSTRACTInthepastdecades，alongwiththedevelopmentofsinteringprocess
5、controltechnologiesaswellasparameterdetectiontechnologies，theautomationlevelofsteelcompanieshasbeenenhanceddrastically．However,theenergyconsumption，thedegreeofcoordinationoperatingparametersandtheoptimizationoftechnicalindicatorsstillremainfacechalleng
6、esforthesinteringprocesswhoserawmaterialqualityfluctuateswildly．Thereforeitisofgreatimportancetodevelopthecorrespondingintelligentoptimizationcontrolsystem．ThissubjectisapartofnationalkeyprojectimplementedinHangzhouIron＆SteelGroup．Inthisproject，wedivid
7、edthesinteringprocessintothreesegmentsasproportion，mixingandthermalstatus．Maintasksareasfollows：1．Weproposeandrealizeanetworkstructurebywhichthereal—timeacquisitionandsharingisachievedSOthattheoptimizationsystemandthecontrolsystemcanbeintegratedsmoothl
8、y．HybridprogrammingwithC≠≠andMatlabwasadoptedtodesignthemodulesofobjectmodeling，controlstrategyandoptimizationalgorithm．2．RadialBasisFunctionNeuralNetworkshasbeenusedasmainmodelingmethodinthisproject．Peakdensityfunctionandcenterclusteri
