一种电极智能调节器及电极智能控制方法技术

本发明专利技术为一种电极智能调节器及电极智能控制方法，用于电弧炉及精炼炉等领域的电极调节。电极智能调节器装配有智能调节器设备和热备PLC设备，智能调节器设备的工控机中设有ANN控制模块和PID电极控制模块，ANN控制模块采用反向传播神经网络实现ANN炉况仿真器和ANN调节器，用于预测炉况信号和电极升降的控制信号，PID电极调节器中增加控制信号的微调环节，输出最优控制信号。电极智能控制方法在正常情况下先进行ANN炉况仿真器的在线训练，然后通过ANN调节器进行在线调节，ANN控制模块异常时，由PID电极控制模块输出的控制信号。本发明专利技术具有电弧控制稳定、降低电耗、减少电极消耗、增加控制过程的平稳性等优点。

【技术实现步骤摘要】

本专利技术适用于电弧炉及精炼炉等电极调节领域，具体涉及。
技术介绍
电弧炉及钢包精炼炉在采用电极产生的电弧加热过程中，由于吹氩搅拌、加料等干扰因素会导致电弧长度随机变化，使得弧电压和弧电流不停地变动，供电电能大比例地消耗在变压器中，这就需要在工作过程中，及时调节电弧长度，使电弧功率保持在设定数值。而电极调节器就是主要用来完成上述任务的，在加热过程中，通过对电极棒位置的调节和对电弧电阻的控制来调节电弧长度。对于交流EAF (电弧炉)或LF (钢包精炼炉)，目前采用的PID (比例积分微分)进行电极调节，所用的调节器称为PID电极调节器，但PID电极调节器以如下的前提条件为基础I)三相之间是相互解耦的，也即认为三相之间无关联，每一相的输入/输出与其它项无关；2)除输入电流(幅值)影响调节输出外，其它因素(如吹氩搅拌)均不考虑；3)调节输出建立在PID算法的基础上。但是，在实际生产中，上述三个前提条件是不成立的，因而传统的PID电极调节技术的实际效果并不令人满意，存在电弧控制稳定效果不好，电耗也比较大、以及不易控制过程的平稳性等问题。
技术实现思路
本专利技术针对现有单纯PID电极调节器在实际使用存在的电弧控制稳定效果不好，电耗也比较大等问题，提供了。本专利技术的电极智能调节器包括电极升降控制柜、变压器副边电流采集线圈和二次匹配箱，电极升降控制柜中装配有智能调节器设备和热备PLC设备，安装在变压器二次侧导电铜管上的变压器副边电流采集线圈检测二次电流，将检测的二次电流发送给安装在变压器室内的二次匹配箱，二次匹配箱检测二次电压，并对二次电压进行滤波处理，将滤波处理后的二次电压和接收到二次电流转接成电气标准信号传送给智能调节器设备和热备PLC设备。热备PLC设备采用西门子PLC S7-400模板进行电极升降控制，当智能调节器设备故障时，热备PLC设备替代智能调节器设备进行电极升降控制。智能调节器设备采用含高速输入和输出采集卡的工控机进行电极升降控制，工控机中包括ANN (artificial neuralnetwork，人工神经网络)控制模块和PID电极控制模块。工控机根据接收到的信号判断当前是否存在异常情况，若存在异常情况，直接进行异常处理，以最快的速度升降电极，若不存在异常情况，则进一步判断接收的信号中的二次电流是否出现剧烈振荡，且剧烈振荡持续时间超出预设值，若是ANN控制模块存在异常，由PID电极控制模块根据接收的信号输出电极升降的控制信号，等二次电流稳定后，再启用ANN控制模块，若不存在异常，ANN控制模块根据接收的信号输出电极升降的控制信号。所述的ANN控制模块中，采用BP (Back Propagation,反向传播)神经网络实现了ANN炉况仿真器和ANN调节器。ANN炉况仿真器模拟电弧炉或钢包精炼炉的实际炉况信号，输出预测炉况信号。ANN调节器包括离线调节和在线调节两种方式，用于模拟PID电极调节器输出电极升降的控制信号。在电极智能调节器正式运行前，训练好ANN炉况仿真器和ANN调节器。ANN炉况仿真器的训练方法为首先将在时间片N作用于电弧炉或钢包精炼炉的控制信号和时间片N时的实际炉况信号作为神经网络的输入，输出下一时间片N+1的预测炉况信号，然后将下一时间片的控制信号作用于电弧炉或钢包精炼炉产生的实际炉况信号，与得到的预测炉况信号相比，根据相比产生的误差来调整ANN炉况仿真器的神经网络中的权值，经过训练，使得ANN炉况仿真器输出的预测炉况信号逼近实际炉况信号。ANN调节器的离线训练方法为将历史采集的作用于电弧炉或钢包精炼炉的控制信号、实际炉况信号以及电流设定点，作为神经网络的输入，根据输入分别得到PID电极调节器输出的控制信号和ANN调节器输出的控制信号，将得到的两个控制信号相比，根据相比产生的误差来调整ANN调节器的神经网络中的权值，直至ANN调节器输出的控制信号与PID电极调节器输出的控制信号一致。ANN调节器的在线训练方法是将离线训练好的ANN调节器输出的控制信号输入训练好的ANN炉况仿真器，ANN炉况仿真器输出的预测炉况信号，将得到预测炉况信号和电流设定点相比，根据相比产生的误差修改ANN调节器的神经网络中的权值，使得ANN调节器输出的控制信号达到所要求的预测精度。PID电极控制模块在时间片N内接收到的信号，先该信号用于对ANN炉况仿真器进行训练，并启动PID电极调节器得到控制信号U (N+1)，对控制信号U (N+1)进行微调，微调方法是将控制信号U(N+1)输入ANN炉况仿真器，得到预测炉况信号，将得到的预测炉况信号中的预测电流与电流设定点相比得到误差，根据得到的误差调整控制信号，公式为UT+1 (N+1) = Ut (N+1) + KUX ~Et (N+1)其中，T表示微调次数，T > 0，KU为微调系数，KU > 0，~ET(N+1)表示第T次微调时预测电流与电流设定点相比得到误差，UT+1(N+1)表示第T次微调后得到的控制信号，Ut(N+1)表示第T次微调的控制信号，初始为PID电极调节器得到的控制信号U(N+1);然后对将微调后的控制信号再进行微调，直到误差~Et(N+1)满足所设定的精度或微调次数T达到所设定的上限值，最后得到的控制信号就是最优控制信号~U(N+1)，将该控制信号~U(N+1)输出。本专利技术基于所述的电极智能调节器的电极智能控制方法，具体步骤是步骤1:工控机根据当前接收的信号判断是否存在异常情况，若是，输出异常处理的控制信号，以最快的速度升降电极，否则执行步骤2 ;所述的异常情况包括电流过负荷和短路保护；步骤2 :判断采集的二次电流是否出现剧烈振荡，且剧烈振荡持续时间超出预设值，若是，则ANN控制模块出现故障，执行步骤5，否则执行步骤4 ；步骤4 :启动ANN控制模块进行电极升降控制，具体是首先进行ANN炉况仿真器的在线训练，当ANN炉况仿真器满足设定的精度要求时，设置ANN控制模块有效，通过ANN调节器进行在线调节，输出控制信号；步骤5 :启动PID电极控制模块进行电极控制，具体是先将在时间片N内接收到的信号，用于对ANN炉况仿真器进行训练，然后启动PID电极调节器得到控制信号U (N+1)，对控制信号U(N+1)进行微调，得到最优的控制信号并输出。本专利技术的优点和积极效果在于，本专利技术的电极智能调节器及电极智能控制方法，结合了神经元网络技术与PID电极控制的优点，并根据设定的冶炼曲线获得稳定的熔炼弧流，通过神经元网络的自学习功能实现了设定点的寻优，与单纯的PID电极调节器相比，本专利技术所使用的电极智能调节器及电极智能控制方法具有电弧控制稳定、降低电耗、减少电极消耗、增加控制过程的平稳性等优点。附图说明图1是本专利技术的电极智能调节器的整体组成框架图；图2是本专利技术的工控机中的模块进行电极升降控制的示意图；图3是实现ANN炉况仿真器的原理示意图；图4是ANN调节器离线训练的原理示意图；图5是ANN调节器在线训练的原理示意图；图6是本专利技术PID电极控制模块输出控制信号的示意图；图7是本专利技术的电极智能控制方法的流程图。具体实施例方式下面将结合附图和实施例对本专利技术作进一步的详细说明。本专利技术所采用的电极智能调节器，如图1所示，整体包括电极升降控制柜1、变压器副边电流本文档来自技高网...

【技术保护点】
一种电极智能调节器，包括电极升降控制柜、变压器副边电流采集线圈和二次匹配箱，电极升降控制柜中装配有智能调节器设备和热备PLC设备，PLC表示可编程逻辑控制器，安装在变压器二次侧导电铜管上的变压器副边电流采集线圈检测二次电流，将检测的二次电流发送给安装在变压器室内的二次匹配箱，二次匹配箱检测二次电压，并对二次电压进行滤波处理，将滤波处理后的二次电压和接收到二次电流转接成电气标准信号传送给智能调节器设备和热备PLC设备；其特征在于，所述的智能调节器设备采用含高速输入和输出采集卡的工控机进行电极升降控制，工控机中包括ANN控制模块和PID电极控制模块，PID表示比例积分微分，ANN表示人工神经网络；工控机根据接收到的信号判断当前是否存在异常情况，若存在异常情况，直接进行异常处理，以最快的速度升降电极，若不存在异常情况，则进一步判断接收的信号中的二次电流是否出现剧烈振荡，且剧烈振荡持续时间超出预设值，若是ANN控制模块存在异常，由PID电极控制模块根据接收的信号输出电极升降的控制信号，等二次电流稳定后，再启用ANN控制模块，若不存在异常，ANN控制模块根据接收的信号输出电极升降的控制信号；ANN控制模块采用反向传播神经网络实现了ANN炉况仿真器和ANN调节器；ANN炉况仿真器模拟电弧炉或钢包精炼炉的实际炉况信号，输出预测炉况信号；ANN调节器包括离线调节和在线调节两种方式，用于模拟PID电极调节器输出电极升降的控制信号；在电极智能调节器正式运行前，训练好ANN炉况仿真器和ANN调节器；ANN炉况仿真器的训练方法为：首先将在时间片N作用于电弧炉或钢包精炼炉的控制信号和时间片N时的实际炉况信号作为神经网络的输入，输出下一时间片N+1的预测炉况信号，然后将下一时间片的控制信号作用于电弧炉或钢包精炼炉产生的实际炉况信号，与得到的预测炉况信号相比，根据相比产生的误差来调整ANN炉况仿真器的神经网络中的权值，经过训练，使得ANN炉况仿真器输出的预测炉况信号逼近实际炉况信号；ANN调节器的离线训练方法为：将历史采集的作用于电弧炉或钢包精炼炉的控制信号、实际炉况信号以及电流设定点，作为神经网络的输入，根据输入分别得到PID电极调节器输出的控制信号和ANN调节器输出的控制信号，将得到的两个控制信号相比，根据相比产生的误差来调整ANN调节器的神经网络中的权值，直至ANN调节器输出的控制信号与PID电极调节器输出的控制信号一致；ANN调节器的在线训练方法是：将离线训练好的ANN调节器输出的控制信号输入训练好的ANN炉况仿真器，ANN炉况仿真器输出的预测炉况信号，将得到预测炉况信号和电流设定点相比，根据相比产生的误差修改ANN调节器的神经网络中的权值，使得ANN调节器输出的控制信号达到所要求的预测精度；PID电极控制模块在时间片N内接收到的信号，先该信号用于对ANN炉况仿真器进行训练，然后启动PID电极调节器得到控制信号U(N+1)，对控制信号U(N+1)进行微调，微调方法 是：将控制信号U(N+1)输入ANN炉况仿真器，得到预测炉况信号，将得到的预测炉况信号中的预测电流与电流设定点相比得到误差，根据得到的误差调整控制信号，公式为：UT+1(N+1)＝UT(N+1)＋KU×^ET(N+1)其中，T表示微调次数，T＞0，KU为微调系数，KU＞0，^ET(N+1)表示第T次微调时预测电流与电流设定点相比得到误差，UT+1(N+1)表示第T次微调后得到的控制信号，UT(N+1)表示第T次微调的控制信号，初始为PID电极调节器得到的控制信号U(N+1)；然后对将微调后的控制信号再进行微调，直到误差^ET(N+1)满足所设定的精度或微调次数T达到所设定的上限值，最后得到的控制信号就是最优控制信号^U(N+1)，将该控制信号^U(N+1)输出；所述的热备PLC设备采用西门子PLC?S7?400模板进行电极升降控制，当智能调节器设备故障时，热备PLC设备替代智能调节器设备进行电极升降控制。...

【技术特征摘要】
1.一种电极智能调节器，包括电极升降控制柜、变压器副边电流采集线圈和二次匹配箱，电极升降控制柜中装配有智能调节器设备和热备PLC设备，PLC表示可编程逻辑控制器，安装在变压器二次侧导电铜管上的变压器副边电流采集线圈检测二次电流，将检测的二次电流发送给安装在变压器室内的二次匹配箱，二次匹配箱检测二次电压，并对二次电压进行滤波处理，将滤波处理后的二次电压和接收到二次电流转接成电气标准信号传送给智能调节器设备和热备PLC设备；其特征在于，所述的智能调节器设备采用含高速输入和输出采集卡的工控机进行电极升降控制，工控机中包括ANN控制模块和PID电极控制模块，PID表示比例积分微分，ANN表示人工神经网络；工控机根据接收到的信号判断当前是否存在异常情况，若存在异常情况，直接进行异常处理，以最快的速度升降电极，若不存在异常情况，则进一步判断接收的信号中的二次电流是否出现剧烈振荡，且剧烈振荡持续时间超出预设值，若是ANN控制模块存在异常，由PID电极控制模块根据接收的信号输出电极升降的控制信号，等二次电流稳定后，再启用ANN控制模块，若不存在异常，ANN控制模块根据接收的信号输出电极升降的控制信号； ANN控制模块采用反向传播神经网络实现了 ANN炉况仿真器和ANN调节器；ANN炉况仿真器模拟电弧炉或钢包精炼炉的实际炉况信号，输出预测炉况信号；ANN调节器包括离线调节和在线调节两种方式，用于模拟PID电极调节器输出电极升降的控制信号；在电极智能调节器正式运行前，训练好ANN炉况仿真器和ANN调节器；ANN炉况仿真器的训练方法为首先将在时间片N作用于电弧炉或钢包精炼炉的控制信号和时间片N时的实际炉况信号作为神经网络的输入，输出下一时间片N+1的预测炉况信号，然后将下一时间片的控制信号作用于电弧炉或钢包精炼炉产生的实际炉况信号，与得到的预测炉况信号相比，根据相比产生的误差来调整ANN炉况仿真器的神经网络中的权值，经过训练，使得ANN炉况仿真器输出的预测炉况信号逼近实际炉况信号；ANN调节器的离线训练方法为将历史采集的作用于电弧炉或钢包精炼炉的控制信号、实际炉况信号以及电流设定点，作为神经网络的输入，根据输入分别得到PID电极调节器输出的控制信号和ANN调节器输出的控制信号，将得到的两个控制信号相比，根据相比产生的误差来调整ANN调节器的神经网络中的权值，直至ANN调节器输出的控制信号与PID电极调节器输出的控制信号一致；ANN调节器的在线训练方法是将离线训练好的ANN调节器输出的控制...

【专利技术属性】
技术研发人员：王代先，张巍，方树飙，俞江，陶百生，
申请(专利权)人：北京金自天正智能控制股份有限公司，
类型：发明
国别省市：