烧结终点预测模型与控制方法研究

摘要

烧结是钢铁生产的预处理环节，其生产过程包含了大量的物理化学反应，这使得烧结过程滞后性强，各变量之间存在强耦合关系。烧结终点是指烧结料烧透时所对应的风箱位置，烧结终点的位置对于烧结矿的产量质量都有很大的影响。但由于现场环境恶劣及检测手段的局限性，目前国内外没有直接检测烧结终点的仪器，因此研究烧结终点的检测方法、预测模型和控制算法对于提高烧结矿的产量质量具有重要的理论意义和应用价值。 本文针对烧结终点难以检测与控制这一难点，提出了烧结终点的间接检测方法，建立了烧结终点的预测模型，提前5分钟对烧结终点进行预报，并针对烧结过程的特性设计了变论域的模糊控制器。具体做了如下研究内容: (1)研究了采用废气温度判断烧结终点位置的原理，分析了废气温度上升点的实际物理意义以及计算方法。 (2)分析了烧结现场废气温度和烟道含氧量的检测方法。从理论上研究了台车速度、混合料含水量、点火温度、20号风箱温度等各变量对于烧结终点的影响作用。 (3)设计了基于减法聚类和粒子群算法优化的RBF神经网络训练算法，通过对一个非线性模型的辨识，研究了网络的泛化能力，并利用此神经网络建立了烧结终点预测模型。 (4)采用最小二乘法辨识了烧结机速度与终点之间的模型，并以此模型作为被控对象设计了变论域模糊控制器，通过仿真验证了控制器的可行性。 本文通过仿真实验表明烧结终点预测模型的最大误差为0.19个风箱，预测误差在±0.1个风箱范围的准确率达到82％;变论域模糊控制器可以很好的跟踪给定值的变化，当系统中出现±0.3m/min的扰动时，输出波动在±0.3个风箱范围内。

目录

声明

摘要

第1章绪论

1．1研究背景及目的意义

1．2研究现状

1．2．1烧结终点的检测研究

1．2．2烧结终点模型研究

1．2．3烧结终点的控制研究

1．3主要工作

第2章烧结终点检测与影响因素分析

2．1烧结工艺及特点

2．1．1整体工艺流程

2．1．2烧结生产过程特性

2．2终点的定义与计算

2．2．1烧结终点的定义

2．2．2烧结终点的计算方法

2．2．3烧结终点修正方法

2．2．4废气温度上升点

2．3影响因素分析

2．3．1点火温度

2．3．2台车速度

2．3．3混合料水分百分含量

2．3．4 20号风箱废气温度

2．3．5其余影响因素

2．4相关参数的检测方案

2．4．1风箱废气温度的检测方案

2．4．2废气成分检测装置

2．5本章小结

第3章烧结终点预测模型

3．1 RBF神经网络原理

3．1．1 RBF神经网络的基本结构

3．1．2 RBF神经网络的映射关系

3．1．3 RBF神经网络参数的选取

3．2减法聚类算法

3．3粒子群算法

3．4烧结现场数据处理

3．4．1限幅滤波

3．4．2归一化

3．5基于PSO的RBF神经网络学习算法

3．5．1模型输入输出变量的选择

3．5．2网络节点数的选取

3．5．3输出权值选择

3．5．4 PSO算法的编码

3．5．5适应度函数

3．5．6初始化粒子群

3．5．7算法的基本步骤

3．6算法验证

3．7仿真结果分析

3．8本章小结

第4章终点控制模型及仿真分析

4．1烧结终点过程控制模型

4．1．1最小二乘法

4．1．2模型阶次及辨识结果

4．1．3模型的验证

4．2变论域模糊控制

4．2．1模糊控制理论基础

4．2．2变论域的原因

4．2．3变论域模糊控制思想

4．2．4变论域的实现方法

4．2．5变论域的伸缩因子

4．3模糊控制器的设计

4．3．1输入量的设定

4．3．2量化因子及比例因子的设定

4．3．3隶属函数的选择

4．3．4模糊决策及控制规则表

4．4仿真结果分析

4．5本章小结

5．1结论

5．2展望

参考文献

致谢

攻读硕士学位期间发表文章