冶金行业大功率电弧炉的控制

　　针对冶金行业大功率电弧炉的控制，提出了一种基于模糊控制神经网络和多目标优化决策相结合的智能集成控制方案。首先采用变结构模糊神经网络控制来设计温度外环控制器，给三相电极电流平衡内环提供电流指令信号，然后在内环控制中综合各种优化目标，构造优化目标函数，运用多目标模糊优化决策来实现整个系统的平衡。

　　国内外学者对采用电极升降来自动控制炉温这种具有典型大时延特征的控制对象，曾做了大量的工作，以期望实现低能耗和高功率因数的目标，由于电弧炉电极控制是多变量系统，各被控量之间往往存在某种程度的关联，因此电弧炉系统不易建立准确的数学模型，并面临着非线性大延时时变和强祸合等因素的困扰，采用常规控制方式很难完成对生产的有效控制。

　　基于模糊理论的智能控制方法，用模糊语言和规则描述一个系统的动态特性及性能指标，能有效地克服纯滞后和参数变化对系统的影响，易于实现对具有不确定性强非线性和强藕合的对象进行控制，且具有较强的鲁棒性和抗干扰能力另一种基于神经网络的智能控制方法，具有强大的学习能力与定量数据的直接处理能力，通过网络的离线训练和在线自学习，使控制器具有自调整和自适应的能力，从而进一步改进实时控制的效果。

　　为此，作者采用一种基于模糊控制神经网络和多目标优化决策相结合的智能集成控制方案，由温度控制外环和电流平衡控制内环的双闭环结构来具体实现电弧炉温度和三相电极电流平衡的自动控制。

　　温度控制外环采用基于变结构模糊神经网络控制器，根据电弧炉实际温度和温度变化趋势信息给三相电流平衡内环提供*佳的电极电流指令信号电流平衡控制内环以指令电流快速跟踪和电极电流波动*小为目标，综合考虑能量损耗，运用多目标模糊优化决策的方法实现三相电极电流的平衡控制。　

　　作者采用一个层前馈网络来实现控制器中的神经网络结构。为了解决上述模糊逻辑控制中模糊规则固定不适应被控过程变化问题，采用变结构模糊神经网络控制来增加系统的自学习自适应能力。变结构模糊神经网络控制在神经网络学习过程中改变隐层节点的方法可以提高神经网络的收敛速度，并有效地避免了神经网络陷人局部极值隐层节点数由少到多的变结构过程是模糊规则由粗到精的学习过程。

　　多目标模糊优化决策控制的数学模型在多目标系统中，各个目标都努力达到*优，但由于某一目标的变化可能会导致其它目标的反向变化，因此，系统多目标模糊优化决策就是寻找一个不使某一目标变劣而使其它目标更优的可行解或者满意解。其基本原理是先求出各个单目标的约束*优值，再将各*优值模糊化，*后求能使各模糊*优值交集的隶属函数取*大值的解，即为多目标问题的优化解。

　　电极电流平衡控制内环以指令电流快速跟踪和电极波动*小为目标，综合考虑工艺和节能的要求，所以，大功率电弧炉炉温控制内环也为一个多目标信息与控制卷系统，其优化的目标如下，三相电流之间的不平衡度电极达到平衡点的调节时间电能的损耗。控制率的求解对带有优化目标函数的三相电极系统进行模糊语言模型辨识可得其模糊语言模型形成模糊目标*小集对对模糊目标*小集乏构造模糊判决函数拼。

　　其中，加权系数，满足属二从而使系统的多目标问题转化为单目标普通规划进行求解，求出*优电极运动控制指令使*期李正国等智能集成控制在大功率电弧炉系统中的应用研究优判决为拼。　　

　　结束语推式或拉式生产可以产生各自不同的系统绩效。具体而言，企业若运用推式系统，在产生产出率及资源设备使用率增加的极大化系统效应的同时，也将导致在制品库存的累积增加，和生产能量与流程的失序若运用拉式系统，能够获得极小化系统在制品库存与堆积的效果，减少缓冲区空间，但也会相对的造成低产出与设备资源等的低使用率。企业在具体的生产实践中可以根据自身的特点，充分考虑两种物流控制的优缺点，对推式或拉式生产的系统运作进行整合，以达到提高效率降低成本的目的。