基于变调控功效的冷轧带钢边部减薄最优控制量的确定方法

    公开(公告)号:CN112859595A

    公开(公告)日:2021-05-28

    申请号:CN202011642544.X

    申请日:2020-12-31

    Abstract: 本发明提供一种基于变调控功效的冷轧带钢边部减薄最优控制量的确定方法,通过有限元仿真方法建立冷连轧生产线上各个待控制调节机构的变调控功效系数矩阵,根据每个待控制调节机构的变调控功效系数矩阵,建立每个待控制调节机构的变调控函数表达式,根据每个待控制调节机构的初始控制量Xs对变调控函数进行平移,根据边界条件建立所有待控制调节机构的惩罚函数,得到最终的优化目标函数,利用powell和内点惩罚函数法求解法求解最优控制量,本发明在边部减薄窜辊调控特性的基础上,研究调控功效系数变化的过程,通过构造目标函数的方法,实现了在考虑变调控功效系数的情况进行边部减薄多点控制。

    基于变调控功效的冷轧带钢边部减薄最优控制量的确定方法

    公开(公告)号:CN112859595B

    公开(公告)日:2021-12-17

    申请号:CN202011642544.X

    申请日:2020-12-31

    Abstract: 本发明提供一种基于变调控功效的冷轧带钢边部减薄最优控制量的确定方法,通过有限元仿真方法建立冷连轧生产线上各个待控制调节机构的变调控功效系数矩阵,根据每个待控制调节机构的变调控功效系数矩阵,建立每个待控制调节机构的变调控函数表达式,根据每个待控制调节机构的初始控制量Xs对变调控函数进行平移,根据边界条件建立所有待控制调节机构的惩罚函数,得到最终的优化目标函数,利用powell和内点惩罚函数法求解法求解最优控制量,本发明在边部减薄窜辊调控特性的基础上,研究调控功效系数变化的过程,通过构造目标函数的方法,实现了在考虑变调控功效系数的情况进行边部减薄多点控制。

    一种节能减排的水泥分解炉替代燃料燃烧优化控制方法

    公开(公告)号:CN117406601A

    公开(公告)日:2024-01-16

    申请号:CN202311452717.5

    申请日:2023-11-02

    Applicant: 燕山大学

    Abstract: 本发明公开了一种节能减排的水泥分解炉替代燃料燃烧优化控制方法,属于水泥烧成过程中的控制技术领域,包括构建f‑CaO预测模型、NOx预测模型和分解炉出口温度预测模型,根据f‑CaO预测模型与NOx预测模型建立多目标优化函数,并采用多目标粒子群算法求解分解炉温度最优设定值,将分解炉温度最优设定值应用于分解炉出口温度控制层,使分解炉温度达到最优设定值。本发明解决了水泥生产过程中分解炉煤炭消耗过多的问题以及固废导致的分解炉运行不稳定的问题,保证了在分解炉增加垃圾喂料量条件下分解炉的正常运行,同时限制NOx排放,有效的实现了节能减排。

    基于邻域优化的水泥工业分解炉温度模型预测控制方法

    公开(公告)号:CN113589693B

    公开(公告)日:2023-05-09

    申请号:CN202110827674.9

    申请日:2021-07-22

    Applicant: 燕山大学

    Abstract: 本发明公开了一种水泥烧成系统中基于领域优化的分解炉出口温度的预测控制方法,其包括:基于长短时网络构建的分解炉出口温度预测模型;基于长短时网络构建的邻域干预模型;利用邻域信息的局部优化目标函数求解方法;基于预测控制框架的分解炉出口温度控制方法;本发明能够利用邻域信息,不断优化实时控制的目标函数,预测控制方法保证工况的稳定运行。

    一种基于门控卷积网络的水泥成品比表面积预测方法

    公开(公告)号:CN113591384A

    公开(公告)日:2021-11-02

    申请号:CN202110882199.5

    申请日:2021-08-02

    Applicant: 燕山大学

    Abstract: 本发明公开了一种门控卷积网络的水泥成品比表面积预测方法,属于预测技术领域,包括如下步聚:从生产数据库中选取与比表面积密切相关的8个变量,并按照时间序列排列,再进行归一化,将归一化后的数据输入门控卷积网络进行前项传播,得到水泥比表面积的预测值;再利用Adam梯度下降算法进行神经网络权值的更新,反复训练得到最小误差,获取最优模型参数集;将待测试变量数据输入到训练好的门控卷积网络模型中,得到待测试的水泥成品比表面积预测值,既节约了成本又提高生产效率还在一定程度上提高了水泥成品的性能。

    基于卷积-门控循环神经网络的水泥回转窑电耗预测方法

    公开(公告)号:CN111950698A

    公开(公告)日:2020-11-17

    申请号:CN202010630341.2

    申请日:2020-07-01

    Applicant: 燕山大学

    Abstract: 本发明公开了一种基于门控循环神经网络的水泥回转窑电耗的预测方法,属于水泥回转窑电耗预测技术领域,包括(1)根据水泥烧成过程经验和机理选取与水泥回转窑电耗相关的10个变量,充分考虑水泥生产过程的各变量之间的耦合及时延;(2)先用卷积提取相关输入的耦合特征;(3)再使用门控循环单元网络提取电耗序列的时序特征;(4)计算得到电耗的预测结果。本发明既解决了水泥回转窑复杂工况多变量、强耦合,难以建立机理模型的特点,又解决了变量数据存在的时变实延问题,并且为指导水泥烧成过程的调度和综合能耗的降低提供依据,可以为水泥烧成过程的管理提供规划调度依据。

    一种基于梯形区间软约束的多目标优化预测控制方法

    公开(公告)号:CN106814623A

    公开(公告)日:2017-06-09

    申请号:CN201710125121.2

    申请日:2017-03-03

    Applicant: 燕山大学

    CPC classification number: G05B13/042

    Abstract: 本发明公开了一种基于梯形区间软约束的多目标优化预测控制方法,所述方法步骤如下为、1建立预测模型、2计算预测输出、3反馈校正、4在容忍区间外构造梯形区间、5计算优化变量6构造多目标函数、7利用ε‑约束法将多目标问题转化成单目标问题、8利用序列二次规划算法求取最优控制增量。本发明方法保证了当被控变量超出容忍区间时,可以使被控变量快速进入容忍区间保证产品质量。多目标函数的建立可有效防止各控制变量之间的相互耦合,利用迭代算法优化约束函数的区间范围可保证系统运行的快速性。设定值控制和梯形区间软约束的结合可使系统运行在理想目标值的同时又最大限度地保证了系统的鲁棒性和自由度。

    一种基于软约束的区间预测控制建模及优化方法

    公开(公告)号:CN103995466B

    公开(公告)日:2017-02-15

    申请号:CN201410169068.2

    申请日:2014-04-24

    Applicant: 燕山大学

    Abstract: 一种基于软约束的区间预测控制建模及优化方法。该控制方法步骤如下:(1)基于过程预测模型,建立包含约束项、控制项和经济项的二次性能指标;(2)通过求解松弛变量,判断综合优化方法是否可行(3)给出了控制模型输出约束不可行时软约束松弛变量的求解方法,实现了区间预测控制模型输出约束不可行时可行域范围的调整;(4)采用一种边界可行序列二次规划方法,用以解决初始点选择不佳导致方法增加计算量或难以找到最优解以及计算中舍入误差的影响会破坏Hessian矩阵正定性等情形的问题,并求出最优控制输入。本发明能够建立复杂的多变量系统控制模型,基于软约束调整准确快速求解出控制律,有利于实现多变量系统的良好控制。

    一种基于熟料质量指标的水泥烧成过程优化方法

    公开(公告)号:CN106327004A

    公开(公告)日:2017-01-11

    申请号:CN201610640668.1

    申请日:2016-08-08

    Applicant: 燕山大学

    CPC classification number: Y02P90/30 G06Q10/04 G06Q10/06393 G06Q50/04

    Abstract: 本发明公开了一种基于熟料质量指标的水泥烧成过程优化方法,该方法内容包括:建立水泥熟料质量指标游离氧化钙fCaO含量软测量模型,利用多核最小二乘支持向量机建立水泥熟料fCaO含量软测量模型,选取水泥烧成过程中熟料fCaO含量软测量模型的输入变量和输出变量;采集熟料fCaO含量软测量模型输入变量的现场当前值;结合所建立的熟料fCaO含量软测量模型以及所测量出的熟料fCaO含量当前值,采用基于序列二次规划方法局部搜索的量子粒子群优化算法,根据设定的优化算法目标函数,迭代寻优出水泥烧成过程中优化变量的调整值;所述的水泥烧成过程中优化变量即为步骤1中熟料fCaO含量软测量模型的输入变量。本发明有益效果是增长设备的使用寿命,降低生产设备的维护成本;保证了成品质量的合格率,降低了生产成本。

    基于极端学习机的水泥熟料烧成系统变增益模型辨识方法

    公开(公告)号:CN105223811A

    公开(公告)日:2016-01-06

    申请号:CN201510578180.6

    申请日:2015-09-11

    Applicant: 燕山大学

    Abstract: 本发明公开了一种基于极端学习机的水泥熟料烧成系统变增益模型辨识方法,该建模方法以窑头喂煤量、高温风机挡板开度为输入量,以烟室氮氧化物含量、氧气含量作为输出量。在采样数据基础上,采用极端学习机辨识水泥熟料烧成系统的稳态模型,最小二乘法辨识水泥熟料烧成系统的ARX动态模型,利用烧成系统极端学习机稳态模型获取烧成系统增益Ks,并利用增益Ks对烧结系统ARX动态模型参数矩阵进行在线矫正,使ARX动态模型增益与系统增益保持一致,从而可以准确的描述水泥熟料烧成系统的非线性动态特性。本发明能有效的提高水泥熟料烧成系统的辨识速度与辨识精度,为控制水泥熟料烧成系统提供了准确的多变量非线性模型。

Patent Agency Ranking