燒結過程智能優(yōu)化控制系統研究與開發(fā).pdf

1、近年來，國內大中型鋼鐵企業(yè)自動化水平逐步提高，燒結生產過程自動控制與參數檢測能力也不斷上升，但是由于原料特性的波動使燒結工況和燒結礦品質面臨著巨大的威脅，也間接影響了高爐的平穩(wěn)性和鐵水質量，因此針對復雜原料來源的煉鐵過程，研究燒結過程智能優(yōu)化控制有著非常重要的意義。
　　 本課題是國家863重點項目“面向平穩(wěn)運行和節(jié)能降耗的高爐煉鐵過程集成控制系統”在杭州鋼鐵集團公司合作實施示范工程的重要組成部分，研究將燒結過程劃分為配料、混料

2、、燒結熱狀態(tài)三個工段，主要工作如下：
　　 1．提出了實驗系統的總體網絡架構設計方案，使協調優(yōu)化系統運行于基礎自動化系統之上，通過中心服務器實現控制系統信息的實時采集及運算結果上傳，實現了煉鐵全過程的信息集成，同時降低了系統間影響的風險；系統使用C＃與Matlab混合編程方法設計建模、控制與優(yōu)化算法的程序模塊，使系統的軟件設計得以在3個月內完成。
　　 2．采用RBF神經網絡作為過程建模工具，并提出了峰值密度函數法和中心

3、聚類算法，設計水分軟測量模型和燒結熱狀態(tài)過程模型的網絡結構；由于燒結礦品質的機理關系復雜，采用主元分析法選擇預測模型的輸入變量；為避免模型因時變而失配，采用帶遺忘因子的遞推最小二乘法設計了模型參數在線更新方法。
　　 3．基于燒結礦品質預測模型，提出利用在線更新的原料參數表與下料量調整規(guī)則庫設計配比與配量的計算方法；由于熱狀態(tài)和燒結礦品質對水分要求較高，采用梯度法設計混料過程水分多路自適應控制器，實現了混合料水分的閉環(huán)控制；對燒

4、結熱狀態(tài)的RBF網絡辨識模型，提出將微分算子與控制量加權系數中引入預測控制方法，并設計燒結熱狀態(tài)廣義預測控制器，增加了GPC在多變量、時滯、非線性系統中的適用性。
　　 基于上述算法和思想，進行燒結過程智能優(yōu)化控制系統的軟件設計，并在杭鋼煉鐵廠1＃燒結機上得到了成功的驗證，達到了預想的設計技術指標。最后分析了燒結機尾橫向斷面影響因素，提出將燒結臺車橫向分為多通道的設想，并采用改進微粒子群優(yōu)化算法進行多通道協調優(yōu)化的仿真研究，取得