智能技术在钢包精炼炉中的应用案例 智能技术在钢包精炼炉中的应用案例为了提高我国钢包精炼炉自动化的技术水平，达到节能降耗、提高生产率的效果，我们开发了智能钢包精炼炉控制系统(ILF)。 该系统基于复合人工智能技术，能够预报钢水温度和成分，动态优化能量输入，计算合金加入量，控制智能电极升降。它克服了传统钢包精炼炉控制系统的缺点，取得了满意的应用效果。 智能钢包精炼炉控制系统采用基于工业计算机(IPC)的硬件结构，智能钢包精炼炉自动控制系统主要由两个IPC(调节器IPC1和服务器IPC2)组成。 两台IPC通过以太网连接。 IPC1插入了模拟输入和输出模板以及数字输入和输出模板，用于信号输入和输出。 两台工业计算机各配有一套LCD、鼠标和键盘，一套放在主控室的控制台上，供制钢机操作，另一套放在电气室的控制柜内，供系统调试和维护。 系统还配有必要的功率变送器、信号调理模块和DC电源，集中放置在电气室的控制柜内。 此外，控制柜还配有一套现场信号模拟装置和电量显示表，用于调试和设备维护。 智能钢包炉控制系统包括以下主要功能:& bullI/O、钢水温度预测、能量输入设定值的动态优化、合金添加计算、电极升降控制、数据库管理和统计过程分析、MMI、网络通信。 为了提高系统的性能，我们应用了人工神经网络、专家系统、模糊控制等复杂智能技术，并结合常规的控制和优化算法，完成了上述功能。 智能技术在钢包精炼炉中的应用案例1。热平衡计算与钢水温度预测。热平衡计算和钢水温度预测是根据初始钢水温度、能量输入、能量损失和有用能的平衡关系，预测整个冶炼过程中钢水温度的变化。 目前有两种方法:机理分析和统计计算。 机理分析法是以机理模型为基础，按冶炼阶段建立钢包、吹氩搅拌、冷却水、粉尘、电弧、装料、钢水的能量平衡关系，然后进行综合计算。 这种方法的优点是物理意义明确，计算结果对改进操作制度和冶炼工艺具有指导意义。但这种机理分析需要大量的前提假设和大量的现场过程数据，在正常生产中无法获得，从而制约了机理模型的在线运行。 统计方法是以线性回归分析等统计分析方法为基础，通过大量的数据找到预测量与各过程变量之间的关系。 其优点是算法简单，易于在线实现。但由于这些模型只能反映线性关系，且钢水温度与电量、合金材料、时间等因素的关系复杂，统计模型的精度通常不高。 该系统采用人工神经网络和专家系统有机结合的钢水温度动态预测模型。 首先采用人工神经网络模型预测钢水温度初始值，主要考虑钢水初始温度、电耗、有功功率、电弧电流、通电时间、热停时间、合金加入量和造渣剂加入量。对于旧钢包、钢水烘烤程度等难以定量表达的影响钢水温度的因素，采用专家系统形成加热和冷却规则，并根据现场情况对人工神经网络模型的钢水温度预报初始值进行修正。综合两个因素后，给出准确的钢水温度预报值。 它克服了机理分析和统计计算的缺点，适应性强，预测精度高。 钢水温度的计算从每炉第一次钢水测温开始，以此测温值为基础，每分钟计算一次，进行钢水温度的动态预测。 智能技术在钢包精炼炉中的应用案例2。能量输入设定点的动态优化。能量输入设定值的动态优化功能可归结为选择合理的决策变量(电弧电压和电弧电流)，使输入钢包炉的电弧功率在一定约束条件下满足工艺要求。 以往的功率设定点只是根据静电圆图，算出各种电压水平下的功率曲线，由运行人员根据自己的经验选择。 这种静态分析假设电路的电阻和电抗是恒定的，并且三相是独立的。由于冶炼过程的复杂性，随机干扰因素多，三相电变量之间耦合严重。这个假设是不成立的。 近年来，国外在利用人工智能技术优化功率设定点方面取得了一些进展。 一般来说，有两种方案:专家系统和人工神经网络。 专家系统方案采用基于经验的方法，即将从生产实践中总结出来的功率设定点经验以专家系统规则的形式存储在计算机中，根据冶炼目标、冶炼性能、检测到的电气变量等因素，通过逻辑推理得出合理的功率设定点。但是，由于这些专家系统只是基于检测到的或预测到的电流、电压等外部电气变量，未能充分利用电阻、电抗等反映电气系统内部规律的电气特性参数的动态变化，所以不得不 人工神经网络方案是利用人工神经网络建立功率与阻抗的对应函数关系，通过求阻抗的偏导数来优化最大功率时的阻抗值，作为电极升降控制的设定值。 该算法的优化目标是寻找最大的二次功率，更适合电弧炉作为一次冶炼炉。对于钢包精炼炉来说，最大功率并不意味着最优功率，还必须考虑生产节奏、钢水温度、冶炼工艺的要求，在这些非线性、时变的约束条件下寻找最优的功率设定点。 系统考虑了以下约束条件:视在功率小于变压器允许容量、工作电流小于变压器允许电流、弧长控制、高功率效率和热效率、耐火指数、三相功率平衡、冶炼工艺和生产节奏对温升的要求。 该系统采用人工神经网络和专家系统相结合的能量输入设定点动态优化方案。 首先建立人工神经网络模型，动态计算与钢包精炼炉相关的电阻、电抗等电气参数。然后，基于这些参数，计算不同设定点的工艺参数，例如二次有功功率、电弧功率、电弧长度、电弧电压和耐火指数。然后根据冶炼过程中各阶段的不同特点，将冶炼功率曲线分解为熔渣、成分调整和出钢前加热三个阶段。根据预测的钢水温度值、电气特性曲线、冶炼过程和生产节奏，调整电弧电压和电弧电流设定值，实现电能输入的优化。 三。合金加入量的计算合金加入量计算的目的是计算加入到钢水中的各种辅助材料和合金材料，使加入的辅助材料和合金材料在满足钢种成分和材料要求的前提下成本最低。 传统的方法是采用运筹学的线性规划模型，以辅助材料和合金材料成本最低为目标函数，以钢种成分范围和物流限制为约束条件，用单纯形法求解，得到加入钢水中的辅助材料和合金材料的重量。 受以下条件的限制，合金计算模型的应用效果受到了很大影响:(1)线性规划的线性约束只考虑了化学元素的简单定量约束和加料仓的现有物料，不能反映炉内物理化学反应的变化，不能保证良好的造渣制度和较高的合金收得率，从而无法达到最佳的加料成本；(2)有些订单不仅要求钢水成分，还要求产品的机械性能，如淬透性。这些要求归因于一组高度非线性的约束，这些约束常常导致单纯形法无效。(3)线性规划模型中，假设各合金元素的收得率为常数，但在冶炼实践中，由于钢水温度的波动、炉况的变化和渣系的差异，各合金元素的收得率变化较大，严重影响了线性规划模型的计算精度。 基于以上分析，我们改进了传统的线性规划模型，建立了基于复合人工智能的合金计算模型，取得了满意的结果。 首先，基于冶金物理化学反应机理和冶金工艺专家的经验，建立了量化物理化学特性的专家系统(ES-1)和合金材料选择添加的专家系统(ES-2)。通过各种推理过程求解各种定性和启发式的知识信息，形成定量的控制成分约束，进而选择材料类型。然后，利用线性规划模型(LP)进行合金化。 其中，合金元素的收得率由神经网络自适应学习，以反映钢水温度、炉况和渣系的影响。 四。智能电极升降控制电极升降控制的目的是通过液压站的比例阀或伺服阀调节电极端与钢包炉内钢水液面的距离，保证冶炼过程中电量的状态变量跟踪最优的输入功率设定值。 传统的电极升降控制是基于阻抗控制的PID控制，即根据电流和电压反馈信息控制电极升降，保持电压和电流之比满足预设阻抗值。 近年来，人工智能技术的发展为电极升降控制技术的发展提供了新的动力。 美国神经应用公司推出IAF，SMI公司推出SmartArc。 与PID控制系统相比，基于人工智能技术的控制系统具有明显的优势。 需要指出的是，上述智能电极升降控制器都是以初炼电炉为背景开发的，不能完全照搬LF。 由于钢包底吹氩会引起钢水渣位的波动，因此在LF的电极升降控制中，尤其是在精炼和造渣阶段，应考虑这种波动引起的强扰动。 该系统采用基于人工神经网络和模糊控制的复合电极升降控制方案。 首先利用炉子仿真模型预测三相电极的电弧电流，然后根据设定值与预测值的差值调整控制器的输出，通过信号放大板将信号送到液压阀控制三相电极的升降。
下一篇：管道金属检测(管道质量检测)
上一篇：冶金业外伤抢救及护理
免责声明：
本网转载自合作媒体、机构或其他网站的信息，登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其内容的真实性。本网所有信息仅供参考，不做交易和服务的根据。本网内容如有侵权或其它问题请及时告之，本网将及时修改或删除。凡以任何方式登录本网站或直接、间接使用本网站资料者，视为自愿接受本网站声明的约束。