一、基于工业计算机控制的高阻抗电弧炉控制系统的设计（论文文献综述）
卫敏[1]（2020）在《电弧炉电极调节器智能控制及远程监控》文中研究表明在当今工业炼钢过程中,电弧炉越来越受到欢迎。电弧炉电极控制器是工业炼钢过程中最核心的部分,有效的电极控制器可以提高电弧炉生产率、减少电极消耗和出钢时间。研究一种新型的电极控制算法是非常有必要的。本设计以电弧炉电极调节器为研究对象,建立了电弧炉阻抗模型、供电系统模型、液压系统模型及电弧炉电极调节系统模型,通过simulink来进行仿真,得到了弧流与弧长之间的非线性曲线图,然后通过最小二乘法对其曲线进行拟合,得到弧流与弧长的关系表达式,最后根据实际运行参数对液压调节系统中的比例阀、液压缸等给出了具体的传递函数,为了与实际电弧炉工作尽可能相似,在仿真过程中加入了白噪声和干扰来模拟电弧的时变性、随机性,从而更好的建立电弧炉模型。在交流电弧炉模型建立的基础上,分析了现有的电极调节系统的控制算法,总结出这些算法的优缺点,对于非线性时变性的电弧炉来说,控制效果不太好。本文针对这种复杂的时变系统,采用了遗传模糊逻辑控制器（GFLC）算法来进行电极控制,该算法是利用遗传算法来构造模糊逻辑控制器的双层迭代进化算法,设计了一种新型的编码方式克服了非线性不好控的问题,使得控制性能更加高效。与传统PID控制算法相比,GFLC通过选择逻辑规则和调整隶属函数来实时快速控制电极调节参数,从而节约电能,提升炼钢效率。本文在某钢厂120吨的电弧炉的背景下,采用了西门子S7-1500系列的PLC来设计电弧炉计算机控制系统,从而实现电弧炉电极调节过程。在分析了电弧炉每个功能模块后,使用博途软件来对整个电弧炉进行PLC的程序控制,然后采用WinCC来编辑上位机界面,可以快速的采集到实时的弧流弧压等数据。因其炼钢环境恶劣,工作人员一直在现场操作也不是长久之计,设计了一种基于WEB的电弧炉远程监控系统,便于工作人员不在现场也能实时监控炼钢过程,从而达到智能化。比如,当炼钢过程中发生电极短路等各种故障时,远程监控系统会提示报警信息,使工作人员能够快速的操控紧急情况。
史旭珊[2]（2014）在《基于神经网络的电弧炉电极调节控制器设计》文中研究表明电极调节控制系统是电弧炉炼钢的关键环节,其快速且准确的电极位置控制是节约电能、缩短冶炼周期、降低电极消耗及延长炉衬寿命的关键因素之一。然而,电极控制系统又是一个具有高度非线性、参数时变、变量耦合及强随机干扰的复杂系统。因此电极调节系统的控制方法成为电弧炉控制研究的主要对象,通过调节电极位置,实现对电弧长度控制,以达到控制冶炼功率的目的。随着工业计算机技术的不断发展,以人工神经网络控制为代表的智能控制技术应运而生,为解决传统控制领域难题带来了新的契机。本文先简单介绍了电弧炉炼钢的工艺、设备及工作原理,并阐述了课题研究背景及意义。接着在了解电弧特性和电极调节系统各部分工作机理的基础上,建立了交流电弧、三相供电系统及液压系统模型,并做了相应的仿真分析,以验证所建模型的合理性。然后在查阅大量文献的基础上,总结了国内外电极控制方法的研究现状。结合电极调节系统对控制器的要求,对现有的控制理论及方法进行分析,最后确定了基于神经网络的电极调节系统控制器。最后利用Taylor级数展开的线性化方法,得到电极调节系统广义被控对象的近似模型,采用回声状态网络（ESN）设计了电极调节系统自适应逼近模型控制器。在研究ESN基本特性及其学习算法的基础上,针对电弧炉电极调节系统的特点,采用了改进的ESN学习算法。设计了基于改进的ESN的电弧炉电极调节控制器,计算机仿真验证了所提方法的合理性和有效性。
刘雁宇[3]（2013）在《交流电弧炉多模态电极控制系统的研究及应用》文中研究表明交流电弧炉是冶金工业中的重点耗能设备之一，其耗电量约占各钢厂总耗电量的一半以上。我国是能源紧缺国家，尤其是电能，许多钢厂皆因电费在产品成本中所占比例过高而失去市场竞争优势。电极调节器是电弧炉的核心控制系统，它通过控制电极高度来控制电弧长度，从而起到调节输入功率之目的，其性能的优劣直接影响钢水产量、质量和电能的消耗。因此，对电弧炉电极控制系统进行研究具有重要的经济意义。本文从电弧炉控制对象的特性及各冶炼期工艺的特点和机理出发，总结了其对电极控制器性能的影响，指出了采用传统单一的恒阻抗控制策略的电极控制器无法适应不同冶炼工况的要求，本文以100T电弧炉为例，给出了多模态划分的方法，并在此基础上提出了一种多模态控制方法，该方法融合了恒阻抗控制、模糊控制和PID控制各自的优点，通过在线辨识当前炉况，系统能够自动选用最优的控制策略。通过系统仿真及实际控制效果的对比测试，验证了多模态控制策略的有效性，可为电极调节系统优化设计提供理论依据及模型参考。
龚悦[4]（2010）在《天钢110吨电弧炉控制系统的设计与实现》文中提出电弧炉炼钢以废钢为主要原料,以各种微量合金和造渣料为辅料。电弧炉炼钢是靠电极和炉料间放电产生的电弧,使电能在弧光中转变为热能,炉料在电弧炉内加热熔化后,最后形成出钢温度和钢水成分合格的钢产品。论文以天津钢铁集团有限公司110吨超高功率电弧炉为背景,在查阅了大量国内外相关文献的基础上,综述了电弧炉炼钢的工艺、设备以及发展历史、研究现状和今后的发展趋势。传统的电弧炉炼钢控制系统采用继电器连锁方式,反应速度慢,可靠性低,无法满足炼钢工艺发展的要求。采用可编程控制器对电弧炉炼钢进行控制实现炼钢自动化是大势所趋。本文分析了目前电弧炉炼钢控制系统的发展历史、现状以及未来趋势,根据电炉炼钢工艺对控制系统的控制要求,给出了控制系统整体设计方案,并着重对电极调节器的控制策略进行了较深入的研究。在分析了控制系统工作机理的基础上,设计了一种模糊PID的电极调节控制算法。这种控制算法较好的满足了电极调节器的主要技术指标要求：快速性好、控制精度高,具有较高的实用性。并成功的应用到天津钢铁集团有限公司110吨电弧炉上,取得了较好的效果。
李克燕[5]（2010）在《基于神经网络的电弧炉炼钢终点预报方法的研究》文中研究说明电弧炉炼钢是利用电能作热源来进行冶炼的,可冶炼力学性能和化学成分要求严格的钢种,如特殊工具钢、航空用钢和不锈钢等。同转炉炼钢相比较,电炉炼钢具有投资少、基建速度及资金回收快、热效率较高、钢液温度提高灵活、钢的成分易于调整与控制、适应性强等优点,加上可以全部用废钢做金属原料,因此在炼钢生产中更具有竞争力。有效地操作、高效、优质、节能降耗、低成本的运行对钢铁企业是至关重要的。冶炼过程的自动控制系统是电弧炉的重要组成部分,直接影响着产品的质量和产量。电弧炉的终点预报是过程优化控制的重要组成部分,它对操作人员选择最优控制策略非常有帮助。在查阅了大量国内外相关文献的基础上,本文对电弧炉终点预报方法做了详细的研究。在对各种预报方法了解的基础上,结合实际工艺和目前研究的实际条件决定采用人工神经元网络作为终点预报的基本方法。其基本思想为：在对以往的现场数据进行分析和了解及已有的人工神经网络模型基础上,结合炼钢的实际工艺特点,确定模型的各种参数,从而确定预报模型,再根据确定的模型对现场的其它数据进行预报。人工神经网络具有较强的非线性问题处理能力,可实现实时应用和在线响应。针对电炉炼钢过程复杂,影响终点因素多,且难以进行连续准确测量的特点,本文采用RBF神经网络建立电弧炉终点工艺指标与各影响因素之间的数学模型,对炼钢终点进行预报。仿真结果表明,该模型具有较强的自学习能力,有着比传统算法更好的收敛特性,预报结果具有较高的精度和实用性。
秦发宪[6]（2010）在《集成智能优化控制策略在电弧炉控制中的应用》文中研究指明电弧炉系统是一种具有较强非线性、时变性和强耦合的工业生产过程。电极调节系统的性能是影响其生产效益的重要因素,目前普遍采用基于经典控制理论的恒阻抗控制方式。本文分析了电弧炉恒阻抗控制存在的不足,在此基础上针对系统的特点和控制要求,参考国内外电弧炉控制的研究发展方向,研究了一种神经网络智能控制电弧炉的方法,即利用神经网络辨识电弧炉模型并建立电弧炉控制器模型。由于神经网络的训练算法很大程度上决定了其非线性模型辨识能力的强弱,而粒子群算法（PSO）作为全局优化算法对于解决神经网络在逼近多变量复杂模型时存在的局部最优问题有独特的作用,故本控制系统主要根据实际现场收集的样本数据,采用PSO来训练神经网络权值,极大地提高了神经网络映射能力和训练速度,从而离线辨识了实际电弧炉的模型,进一步优化了控制器模型,保证了高品质的控制性能。此外,系统在神经网络控制模块的基础上还设计有恒阻抗专家系统,以确保炼钢过程的安全可靠,从而弥补单一智能控制策略的不足。该系统能较好地适应负荷变化和外部干扰,其控制性能优于常规电弧炉控制系统,从而可以节能降耗,提高生产效率。为验证本控制方案的效果,搭建了以计算机、数据采集卡和硬件电路为基础的控制系统软硬件混合实验平台。使用VC++6.0开发工具,编程实现了训练算法、控制算法和控制界面等组成的基本系统软件,在混合实验平台上进行了仿真研究。研究结果表明了控制方案和算法的正确性与有效性,具有一定的实用价值。
谢涛[7]（2010）在《高碳铬锰炉电极进给预测控制方法研究》文中认为电弧炉系统是一个复杂的非线性时变系统,难以建立精确的数学模型。本文针对电弧炉电极控制系统的特点和控制要求,采用了基于神经网络的电极预测控制方法,即利用神经网络建立电炉模型,并对系统的响应进行预估,将预估值和期望值进行比较计算并对常规PID控制器的输出做补偿以控制实际对象,进而利用LMS算法动态修改神经网络权值作为自适应方法,使系统较好地适应负荷和外扰的变化,从而达到满意的控制效果。本文以吉林某铁合金厂的铬锰炉（801#电炉）为具体研究对象,对其电极调节展开了理论分析及控制方法的研究。首先,在分析了电极控制系统构造的基础上建立了其数学模型。其次,针对电炉系统具有非线性、时变、模型不确定、大滞后、多输入多输出耦合的特点,结合电极控制系统的数学模型,利用神经网络方法提出了在线递推多步预测模型及在线直接多步预测模型,并通过实际采集的数据验证了在线递推多步预测模型优于后者。针对此类被控对象,提出了在预测模型基础上采用滚动优化的控制策略,通过仿真与PID控制进行了对比,从仿真结果表明神经网络预测控制具有良好的跟踪特性且超调量小,特别是当电极系统发生变化后能够快速地抑制出现的扰动,说明这种基于神经网络的预测控制可以提高铬锰炉电极的控制性能。本系统具有先进的控制功能、监测功能、数据处理功能和网络管理功能,能够明显的改善电弧炉的经济技术指标。仿真结果表明,神经网络预测控制方法大大提高了电极控制的稳定性,电弧电流波动降低,系统的快速性大大提高,系统具有较强的自适应能力和鲁棒性。
王晓波[8]（2010）在《基于神经网络的电弧炉电流预测模型研究》文中研究指明电极调节器是冶金用电弧炉控制核心部件,其性能的好坏直接影响着电弧炉的工作效率,并且对电耗、电极损耗等都有很大的影响。就控制方式来说一般是采集三相电流数据,通过调节电极的位置维持电弧电流的稳定,几乎所有的控制器都是将三相电极作为独立的单元来控制,但是三相电极电流相互之间存在着强耦合关系：任何一相的线电流的变化都会影响其它两相的线电流变化,此时如果不考虑到这种相关性而对其独立地调节,电极的稳定性就很难保证。针对以上问题,本文首先在分析了三相电弧炉系统的炼钢工艺以及组成结构和特点的基础上,建立了电极升降控制系统的主回路电路模型。并以单片机、数据采集卡和硬件电路为基础,搭建了控制系统的软硬件混合仿真平台。考虑到三相电弧炉是一种存在着三相不平衡、强耦合、时滞、时变的强非线性系统,为了满足实际工程需要,应对现场的复杂环境,主要采用神经网络方法对三相电弧炉进行仿真分析。在数据采集方面,采用高速数据采集卡设计了一个高速、准确的电参数数据采集系统,使该采集系统可以实时的采集大量的电参数（电弧电压、电弧电流和有效功率等）。使用这些数据在离线的情况下建立一个电弧炉神经网络预估模型。建立模型后,采用BP算法与结构自适应相结合的方法对神经网络预估模型的结构与权值进行训练仿真,并不断进行在线自调整,使预估模型对实际的电弧炉对象实现最佳逼近。特定的预估补偿程序利用预估结果,对常规控制的电极调节器输出进行优化补偿,用于实时控制,以获得期望的控制效果。为了证明该控制方式的良好的预测性能,本文的最后用MATLAB仿真软件仿真了该过程,并与传统BP算法进行了比较,仿真结果表明该方法可以对电弧炉电极进行有效的控制,具有重要应用价值。
毛鹏飞[9]（2009）在《基于模糊专家系统的电弧炉炉况判断》文中认为电弧炉是当今冶金领域最重要的炼钢设备之一,它以废钢为主要原料。在电弧炉中实现熔化和升温,最后得到温度和成分都合格的钢液。冶炼过程中对炉况的准确判断可以指导生产,从而缩短冶炼时间、减少能量消耗、提高生产率。本文在查阅大量的国内外文献的基础上,综述了电弧炉炼钢和冶炼工艺技术的发展,根据电弧炉冶炼过程的工艺特点并结合专家知识,提出了一种基于模糊专家系统的电弧炉炉况判断方法。电弧炉炼钢过程中的炉况主要分为点弧期、穿井期、主熔化期、熔末升温期。冶炼过程中的电弧炉炉膛温度是不可连续测量的,因此本文采用一些间接的方法,如电弧电压、电弧电流、电能输入比、电极位置、冶炼时间等,对电弧炉的炉况进行判断。由于电弧炉炼钢的过程非常复杂,炉况间的区分界限不是很明显,所以本文建立了电弧炉炉况判断的模糊专家系统。通过模糊专家系统把几种不同的炉况判断方法综合起来,从而实现对电弧炉炉况的准确判断。在电弧炉冶炼过程中还可能会出现一些异常的状况,针对不同状况的特点要对模糊专家系统的加权矩阵做出相应的调整。最后对电弧炉炉况判断的模糊专家系统进行了仿真研究,验证了该方法的有效性。
王琰[10]（2009）在《交流电弧炉电弧模型研究及其应用》文中指出在电弧炉运行过程中,由于电弧电阻的非线性,导致线路中的电流波形发生畸变,产生谐波；在熔化期内,由于电弧弧长的剧烈波动,造成线路中的电流随机变化,导致无功功率对电网产生强烈冲击,从而引起电网的电压波动和闪变。特别是近些年来,随着电弧炉容量和功率的不断增大,电弧炉对电网的危害日益严重。建立精确、实用的电弧模型,对于研究和解决由电弧炉引起的供电系统电能质量问题有着重要的实际意义。同时,精确、实用的电弧模型也为建立电弧炉电极系统模型奠定了基础。电极系统是电弧炉炼钢的关键环节,它是一个具有高度非线性、时变性、耦合严重和随机干扰强的系统。电极系统工作不稳定将导致吨钢电耗增加,炼钢效率下降,并且影响电网的电能质量。利用电极系统模型可以研究性能优越的电极控制算法。本文以40吨交流电弧炉为研究背景,对交流电弧炉电弧模型的建立、模型参数的确定及模型应用进行了研究。针对已有的电弧模型缺乏通用性且物理意义不明确等问题,首先研究了电弧的阻抗特性,给出了操作电抗大于短路电抗的原因。根据能量守恒定律和相关的电弧物理知识,以电弧电导作为状态变量,电弧瞬时电流和弧长作为输入量,建立一个用非线性微分方程描述的交流电弧炉电弧时域模型。针对电弧模型参数难以确定的问题,通过机理分析,推导出了电弧模型参数的变化范围。在模型参数变化范围内,采用自适应变异差分进化算法辨识电弧模型参数值,有效地提高了辨识的速度和精度。通过与校验数据进行对比,证明了所提出参数确定方法的正确性。针对电弧炉引起的电能质量问题,将供电系统模型与新建的电弧模型相结合,建立了电弧炉电气系统模型。在此基础上,对电能质量问题进行仿真分析；通过与实测数据进行对比,表明新的电弧模型既可用于谐波分析,又可用于电压波动和闪变的研究。以改善电能质量为目标,将晶闸管控制电抗器（TCR）和固定电容器（FC）配套使用,设计了TCR+FC型静态无功补偿装置（SVC）,仿真结果表明所设计方案的有效性。为了研究电弧炉电极系统模型,首先建立液压系统模型。通过液压缸活塞位移与电弧长度之间的关系,将液压系统模型与电气系统模型相连接,构建了电极系统模型。将整个电极系统模型作为被控对象,结合电弧炉冶炼进程特点,并考虑电极系统自身特性以及变论域模糊控制和死区导致的稳态误差问题,设计了变论域模糊积分复合控制器。通过仿真和现场实际应用,证明所设计的控制器是合理的,也说明所建立的电弧模型可以用于电极系统模型及控制研究中。
二、基于工业计算机控制的高阻抗电弧炉控制系统的设计（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于工业计算机控制的高阻抗电弧炉控制系统的设计（论文提纲范文）
（1）电弧炉电极调节器智能控制及远程监控（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究进展 |
| 1.2.1 国外研究进展 |
| 1.2.2 国内研究进展 |
| 1.2.3 电极控制策略的介绍 |
| 1.3 研究内容 |
| 1.4 论文结构安排 |
| 1.5 本章小结 |
| 2 电弧炉系统模型的建立 |
| 2.1 电弧炉工业炼钢工作原理 |
| 2.2 电弧炉工业炼钢设备的组成 |
| 2.2.1 液压调节系统介绍 |
| 2.2.2 电弧炉本体 |
| 2.2.3 主电路设备 |
| 2.3 交流电弧的模型建立 |
| 2.3.1 交流电弧的阻抗模型 |
| 2.3.2 交流电弧模型的验证 |
| 2.3.3 最小二乘法曲线拟合 |
| 2.3.4 电极调节系统模型的建立 |
| 2.4 电弧炉电气运行参数及工作点的选择 |
| 2.5 本章小结 |
| 3 电弧炉电极调节系统控制算法的研究 |
| 3.1 模糊逻辑控制器 |
| 3.2 遗传模糊逻辑控制器 |
| 3.2.1 遗传模糊逻辑控制器分析 |
| 3.2.2 遗传优化逻辑规则和隶属函数 |
| 3.3 改进的遗传算法模糊逻辑控制器 |
| 3.3.1 逻辑规则的编码方式 |
| 3.3.2 隶属函数的编码方式 |
| 3.3.3 遗传算子 |
| 3.3.4 迭代进化算法 |
| 3.4 算法的仿真研究 |
| 3.4.1 仿真分析 |
| 3.4.2 仿真结果 |
| 3.5 本章小结 |
| 4 电弧炉计算机控制系统的实现 |
| 4.1 计算机控制系统的结构 |
| 4.2 系统的配置与功能 |
| 4.3 电极调节PLC设计 |
| 4.3.1 现场电极调节系统设计框架 |
| 4.3.2 现场电极调节系统控制算法设计 |
| 4.3.3 电极调节PLC程序思路 |
| 4.4 电极调节系统程序仿真 |
| 4.5 电极调节系统监控界面设计 |
| 4.6 本章小结 |
| 5 电弧炉远程监控系统设计 |
| 5.1 远程监控系统概述 |
| 5.2 HINET智能网关介绍 |
| 5.3 基于工业网关的远程监控系统 |
| 5.3.1 远程监控系统结构设计 |
| 5.3.2 远程监控系统功能 |
| 5.3.3 远程监控系统程序框架设计 |
| 5.4 远程监控系统通讯协议 |
| 5.4.1 通讯协议的选择 |
| 5.4.2 MQTT协议通讯的实现 |
| 5.4.3 数据通讯的实现 |
| 5.5 远程监控系统的实现 |
| 5.5.1 开发环境及后端设计 |
| 5.5.2 系统前界面设计 |
| 5.6 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间主要研究成果 |
（2）基于神经网络的电弧炉电极调节控制器设计（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 电弧炉炼钢概述 |
| 1.2 电弧炉冶炼设备与工作原理 |
| 1.2.1 电弧炉冶炼设备介绍 |
| 1.2.2 电弧炉的冶炼工艺 |
| 1.3 课题的意义及研究现状 |
| 1.3.1 课题的意义 |
| 1.3.2 课题的研究现状 |
| 1.4 本文的主要工作 |
| 第2章 电极调节系统的建模 |
| 2.1 交流电弧的建模 |
| 2.1.1 交流电弧的物理特性 |
| 2.1.2 建立电弧模型的前提 |
| 2.1.3 电弧模型的推导 |
| 2.1.4 交流电弧模型的仿真验证 |
| 2.2 电弧炉供电系统的建模 |
| 2.2.1 供电系统模型的数学推导 |
| 2.2.2 供电系统模型的仿真验证 |
| 2.2.3 供电系统耦合特性分析 |
| 2.3 液压系统的建模 |
| 2.3.1 液压系统数学模型的推导 |
| 2.3.2 液压系统模型的仿真 |
| 2.4 电极调节系统的模型 |
| 2.5 本章小结 |
| 第3章 电极调节系统控制方案设计 |
| 3.1 电极调节系统的组成 |
| 3.2 电极调节系统对控制器的要求 |
| 3.3 电极控制方案的确定原则 |
| 3.3.1 电弧炉电极的控制方法 |
| 3.3.2 总体控制方案的确定 |
| 3.4 本章小结 |
| 第4章 电弧炉自适应逼近模型控制器 |
| 4.1 ESN动态递归网络介绍 |
| 4.1.1 ESN动态递归神经网络的结构和性质 |
| 4.1.2 ESN网络的离线学习算法 |
| 4.1.3 递推最小二乘在线学习算法 |
| 4.2 电极调节系统被控对象分析 |
| 4.3 基于ESN的电极控制器 |
| 4.3.1 控制器设计 |
| 4.3.2 仿真验证 |
| 4.4 基于改进ESN的电极控制器 |
| 4.4.1 ESN网络的改进算法 |
| 4.4.2 仿真验证 |
| 4.5 本章小结 |
| 第5章 结论与展望 |
| 参考文献 |
| 致谢 |
（3）交流电弧炉多模态电极控制系统的研究及应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题背景 |
| 1.2 电弧炉炼钢技术的发展概况 |
| 1.3 传统电弧炉炼钢工艺流程 |
| 1.4 电极控制系统的国内外研究及发展现状 |
| 1.4.1 控制系统结构的演变 |
| 1.4.2 电极控制理论的发展历程 |
| 1.5 本课题研究的目的及主要内容 |
| 1.6 本章小结 |
| 第二章 电极控制系统控制对象特性研究 |
| 2.1 电弧的结构及物理特性 |
| 2.2 电弧炉电弧的伏安特性 |
| 2.3 控制对象特性对电弧炉电极控制系统的影响 |
| 2.4 本章小结 |
| 第三章 电极控制系统的结构及工作原理 |
| 3.1 电极控制系统的机械结构 |
| 3.2 电极控制系统的液压系统 |
| 3.2.1 液压泵组的构成及工作原理 |
| 3.2.2 阀台总成的构成及工作原理 |
| 3.3 电极控制系统的电气系统 |
| 3.3.1 高压供电系统 |
| 3.3.2 主回路计量保护系统 |
| 3.3.3 串联电抗器及电炉变压器 |
| 3.4 PLC 电极调节器的结构及工作原理 |
| 3.5 本章小结 |
| 第四章 电极控制系统的设计 |
| 4.1 控制系统的总体设计要求 |
| 4.2 电极控制方法的选择 |
| 4.2.1 恒电流控制方法 |
| 4.2.2 恒功率控制方法 |
| 4.2.3 恒阻抗控制方法 |
| 4.2.4 电极控制方法的选择 |
| 4.3 多模态电极控制系统的设计 |
| 4.3.1 恒阻抗控制 |
| 4.3.2 模糊控制 |
| 4.3.3 PID 控制 |
| 4.3.4 各模态间的切换 |
| 4.3.5 电弧电流、电弧电压数值的滤波处理 |
| 4.4 本章小结 |
| 第五章 多模态电极控制系统的仿真及实现 |
| 5.1 电极控制系统的建模 |
| 5.2 多模态电极控制系统的仿真 |
| 5.3 多模态电极控制系统的实现 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间已发表或录用的论文 |
（4）天钢110吨电弧炉控制系统的设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 电弧炉的发展 |
| 1.2 国内外电弧炉炼钢的研究现状及发展趋势 |
| 1.2.1 国内外电弧炉炼钢的研究现状 |
| 1.2.2 国内外电弧炉炼钢发展趋势 |
| 1.3 电弧炉炼钢工艺流程 |
| 1.4 电弧炉炼钢设备 |
| 1.4.1 机械设备 |
| 1.4.2 液压及气动设备 |
| 1.4.3 电气设备 |
| 1.5 本文研究内容 |
| 第2章 电弧控制建模及控制方法 |
| 2.1 电弧基本理论 |
| 2.1.1 电弧的静态特性 |
| 2.1.2 电弧的伏安特性 |
| 2.2 电弧控制数学模型 |
| 2.3 PID控制原理 |
| 2.4 电极升降模糊控制方法 |
| 2.4.1 模糊控制原理 |
| 2.4.2 电极控制过程中的模糊控制机理 |
| 2.4.3 电极模糊参数自整定PID控制器的设计 |
| 2.5 本章小结 |
| 第3章 电弧炉控制系统的硬件设计与实现 |
| 3.1 天钢电弧炉工艺配置 |
| 3.2 天钢电弧炉供电策略 |
| 3.3 控制系统总体结构 |
| 3.3.1 天钢电炉车间控制网络的划分 |
| 3.3.2 各级网络的通讯方式 |
| 3.3.3 无线通讯在废钢区的应用 |
| 3.4 基础自动化级设计 |
| 3.4.1 自动化仪表设计 |
| 3.4.2 PLC的硬件组态 |
| 3.5 本章小结 |
| 第4章 电弧炉控制系统的软件设计与实现 |
| 4.1 系统软件的配置 |
| 4.2 电炉PLC执行的主要功能 |
| 4.3 电炉PLC强制执行的主要联锁内容如下 |
| 4.4 PLC软件设计 |
| 4.4.1 PLC要完成的控制功能 |
| 4.4.2 程序结构 |
| 4.4.3 电极调节控制功能 |
| 4.5 画面监控部分的设计与功能实现 |
| 4.5.1 组态软件WinCC简介 |
| 4.5.2 画面监控的基本功能 |
| 4.5.3 画面设计 |
| 4.6 本章小结 |
| 第5章 结论与展望 |
| 参考文献 |
| 致谢 |
（5）基于神经网络的电弧炉炼钢终点预报方法的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 电弧炉简介及发展概况 |
| 1.3 电弧炉炼钢设备 |
| 1.4 电弧炉炼钢工艺及冶炼原理 |
| 1.5 电弧炉炼钢的优点 |
| 1.6 本课题的研究背景 |
| 1.7 本课题研究的目的及意义 |
| 1.8 本课题的主要工作 |
| 第2章 炼钢终点预报方法研究 |
| 2.1 概述 |
| 2.2 各种终点预报方法的研究和应用 |
| 2.2.1 机理模型 |
| 2.2.2 统计模型 |
| 2.2.3 增量模型 |
| 2.2.4 人工智能技术 |
| 2.2.5 其他预报方法 |
| 2.3 综合评价 |
| 第3章 神经网络预报方法研究 |
| 3.1 生物神经元网络 |
| 3.2 人工神经网络原理 |
| 3.2.1 人工神经网络基本概念 |
| 3.2.2 人工神经元 |
| 3.2.3 人工神经网络的类型 |
| 3.2.4 人工神经网络的拓扑结构 |
| 3.2.5 人工神经网络的学习 |
| 3.2.6 RBF神经网络 |
| 3.3 神经网络方法的研究 |
| 3.3.1 RBF神经网络的学习算法 |
| 3.3.2 混合递阶遗传算法优化RBF网络模型 |
| 3.4 建模与方法研究 |
| 3.4.1 模型结构的确定 |
| 3.4.2 输入量的选择 |
| 3.4.3 输入输出数据预处理 |
| 3.4.4 隐含层数与节点数的选择 |
| 3.4.5 样本的确定 |
| 第4章 终点预报方法的仿真研究 |
| 4.1 MATLAB简介 |
| 4.2 预报结果 |
| 4.3 误差分析 |
| 4.4 终点预报方法的展望 |
| 第5章 总结与展望 |
| 参考文献 |
| 致谢 |
（6）集成智能优化控制策略在电弧炉控制中的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 1 绪论 |
| 1.1 电弧炉炼钢过程简介 |
| 1.1.1 电弧炉炼钢的历史和发展 |
| 1.1.2 电弧炉工作原理及结构简述 |
| 1.1.3 电弧炉炼钢工艺概述 |
| 1.2 电弧炉控制系统及国内外发展现状 |
| 1.2.1 电弧炉控制系统器分类 |
| 1.2.2 经典恒阻抗控制器 |
| 1.2.3 恒阻抗控制器存在的缺陷 |
| 1.2.4 国内外电弧炉电极控制发展现状 |
| 1.3 本课题的设计要求和主要完成的工作 |
| 1.3.1 课题的可行性理论分析 |
| 1.3.2 课题的主要研究内容 |
| 2 电弧炉控制系统分析和建模 |
| 2.1 电弧炉系统结构分析 |
| 2.1.1 电弧炉主回路构成 |
| 2.1.2 电弧炉主回路电气特性的理论分析 |
| 2.1.3 主要运行参数及其计算公式 |
| 2.2 电弧炉运行工作点的确定和选择 |
| 2.2.1 运行工作点的确定和选择 |
| 2.2.2 特殊工作点 |
| 2.2.3 选择电弧炉工作点的传统方法 |
| 3 神经网络模型辨识 |
| 3.1 BP神经网络原理 |
| 3.1.1 人工神经网络 |
| 3.1.2 神经网络的网络结构与工作方式 |
| 3.1.3 神经网络的学习方法 |
| 3.1.4 反向传播(BP)学习算法 |
| 3.2 神经网络实现的一些问题探讨 |
| 3.2.1 设定网络结构 |
| 3.2.2 初始权值的选择 |
| 3.2.3 学习速率变化范围 |
| 3.2.4 学习样本归一化 |
| 3.3 PSO算法简介 |
| 3.3.1 PSO算法 |
| 3.3.2 PSO算法的主要特点 |
| 3.3.3 PSO算法主要操作步骤 |
| 3.4 基于PSO算法的神经网络权值优化 |
| 4 计算机控制系统设计与实现 |
| 4.1 系统控制方案的确定 |
| 4.1.1 神经网络控制与其他控制策略比较 |
| 4.1.2 对控制器的要求 |
| 4.1.3 控制方案的确定须考虑的问题 |
| 4.1.4 本系统采用神经网络技术解决电弧炉控制的理由 |
| 4.2 神经网络控制系统的实现 |
| 4.2.1 系统硬件 |
| 4.2.2 神经网络控制方案实现 |
| 4.3 集成智能控制系统的实验调试 |
| 4.3.1 控制系统软件总体框架及流程 |
| 4.3.2 主控制程序的界面设计及执行流程 |
| 4.3.3 三相ANN模型离线建模及调试结果分析 |
| 5 结论与展望 |
| 5.1 结论 |
| 5.2 下一步工作展望 |
| 致谢 |
| 参考文献 |
| 研究生期间发表论文及所做主要工作 |
（7）高碳铬锰炉电极进给预测控制方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 电弧炉简介 |
| 1.1.1 电弧炉冶炼技术的发展 |
| 1.1.2 电弧炉工作原理及工艺 |
| 1.1.3 电炉设备的组成 |
| 1.2 电极控制系统研究现状及存在的主要问题 |
| 1.2.1 电极控制技术现状 |
| 1.2.2 电极控制方法现状 |
| 1.2.3 电极控制系统存在的主要问题 |
| 1.3 课题研究背景和主要研究内容 |
| 1.4 小结 |
| 第二章 电极控制系统分析与建模 |
| 2.1 电极简介 |
| 2.2 电极调节系统 |
| 2.2.1 电极调节系统概述 |
| 2.2.2 电极调节系统的技术要求 |
| 2.3 液压式电极调节系统 |
| 2.3.1 液压式电极调节系统结构 |
| 2.3.2 液压式电极调节系统的工作原理 |
| 2.4 交流电弧电阻的等效数学模型 |
| 2.5 电极调节系统的数学模型 |
| 2.6 小结 |
| 第三章 神经网络多步预测模型 |
| 3.1 神经网络概述 |
| 3.1.1 神经网络的网络结构与工作方式 |
| 3.1.2 神经网络的学习方法 |
| 3.1.3 径向基函数神经网络 |
| 3.1.4 RBF神经网络的在线学习算法 |
| 3.2 基于神经网络在线多步预测 |
| 3.2.1 神经网络模型的多步预测 |
| 3.2.2 神经网络的递推多步预测模型的回馈修正 |
| 3.3 仿真研究 |
| 3.4 小结 |
| 第四章 电极预测控制 |
| 4.1 预测控制的基本原理及特点 |
| 4.1.1 预测控制的基本原理 |
| 4.1.2 预测控制的基本特点 |
| 4.2 神经网络预测控制 |
| 4.2.1 参考轨迹 |
| 4.2.2 预测模型 |
| 4.2.3 滚动优化 |
| 4.3 仿真研究 |
| 4.4 小结 |
| 第五章 电极控制系统的实现 |
| 5.1 系统总体设计 |
| 5.1.1 总体方案的设计原则 |
| 5.1.2 系统总体配置 |
| 5.2 电参数的瞬时值检测及有效值计算 |
| 5.3 系统软件设计 |
| 5.3.1 主程序结构流程 |
| 5.3.2 电极控制程序的设计 |
| 5.4 小结 |
| 结论与展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间研究成果 |
（8）基于神经网络的电弧炉电流预测模型研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 电弧炉炼钢的发展 |
| 1.2 电弧炉炼钢的特点 |
| 1.3 电弧炉炼钢原理 |
| 1.4 电弧炉炼钢研究现状和发展趋势 |
| 1.5 现代电弧炉炼钢技术 |
| 1.6 本章小结 |
| 第二章 电弧炉炼钢工艺与设备 |
| 2.1 电弧炉炼钢工艺 |
| 2.2 电弧炉炼钢工艺对电极调节器的要求 |
| 2.3 电弧炉炼钢的设备 |
| 2.3.1 电弧炉炼钢的机械设备 |
| 2.3.2 电弧炉炼钢的电气设备 |
| 2.3.3 液压及气动设备 |
| 2.4 液压式电极调节系统的结构和工作原理 |
| 2.4.1 液压式电极调节系统的结构 |
| 2.4.2 液压式电极调节系统的调节原理 |
| 2.5 本章小结 |
| 第三章 电弧炉总体控制方案的设计 |
| 3.1 电弧炉电极控制方法及存在的问题 |
| 3.1.1 电弧炉电极的控制方法 |
| 3.1.2 电弧炉电极传统控制存在的问题及国内外发展现状 |
| 3.2 神经网络在电弧炉中的应用 |
| 3.3 智能控制的确定原则 |
| 3.3.1 控制方式的选择原则 |
| 3.3.2 智能控制所需技术的选择原则 |
| 3.3.3 智能控制形式的选择原则 |
| 3.3.4 控制策略的选择原则 |
| 3.4 总体控制方案的确定 |
| 3.5 本章小结 |
| 第四章 电参数的数据采集系统 |
| 4.1 电参数的瞬时值检测及有效计算 |
| 4.2 数据采集的硬件设计方案 |
| 4.2.1 电压和电流互感器 |
| 4.2.2 模拟滤波电路 |
| 4.2.3 数字信号调理电路 |
| 4.2.4 数据采集模块的设计 |
| 4.3 数据采集的软件实现部分 |
| 4.3.1 数据采集方式 |
| 4.3.2 数据采集流程 |
| 4.3.3 数据采集的软件实现方法 |
| 4.3.4 上位机接收程序 |
| 4.4 系统接地及屏蔽技术 |
| 4.4.1 系统接地技术 |
| 4.4.2 系统屏蔽技术 |
| 4.5 本章小结 |
| 第五章 神经网络电流预测模型的研究 |
| 5.1 神经网络概述 |
| 5.2 人工神经网络的特性 |
| 5.3 BP神经网络的结构 |
| 5.3.1 PB神经网络的正向传播计算 |
| 5.3.2 神经网络反向传播计算 |
| 5.3.3 BP人工神经网络的工作过程 |
| 5.4 BP神经网络的优缺点 |
| 5.4.1 多层前向BP网络的优点 |
| 5.4.2 多层前向BP网络的缺点 |
| 5.4.3 BP学习算法的改进方法 |
| 5.5 基于BP神经网络的电极调节器 |
| 5.5.1 建立BP神经网络模型 |
| 5.5.2 试验数据 |
| 5.5.3 自适应变步长算法的提出 |
| 5.5.4 神经网络设计 |
| 5.5.5 预报结果与讨论 |
| 5.6 本章小结 |
| 结束语 |
| 参考文献 |
| 发表论文和科研情况说明 |
| 致谢 |
（9）基于模糊专家系统的电弧炉炉况判断（论文提纲范文）
| 摘要 |
| 英文摘要 |
| 第1章 概述 |
| 1.1 电弧炉炼钢历史及发展 |
| 1.1.1 电弧炉炼钢 |
| 1.1.2 电弧炉炼钢的技术发展 |
| 1.2 课题研究的现实意义及内容 |
| 1.2.1 电弧炉的炉况 |
| 1.2.2 电弧炉炉况判断的意义 |
| 1.3 电弧炉炉况判断的研究现状 |
| 1.4 本文的主要研究内容 |
| 第2章 电弧炉炼钢设备与工艺 |
| 2.1 电弧炉炼钢设备 |
| 2.1.1 电弧炉的机械设备 |
| 2.1.2 电弧炉的电气设备 |
| 2.2 电弧炉冶炼工艺概述 |
| 2.2.1 电弧炉冶炼工艺 |
| 2.2.2 电弧炉电弧特性 |
| 第3章 炉况判断方法研究 |
| 3.1 基于电弧电流和电弧电压的炉况判断 |
| 3.1.1 不同冶炼阶段的弧压、弧流特性 |
| 3.1.2 基于弧压、弧流的炉况判断 |
| 3.2 基于电能输入的炉况判断 |
| 3.2.1 电弧炉能量平衡模型 |
| 3.2.2 电弧炉总的电能消耗预测 |
| 3.2.3 基于电能输入的炉况判断 |
| 3.3 基于电极位置的炉况判断 |
| 3.3.1 电极位置的计算 |
| 3.3.2 电极位置补偿 |
| 3.3.3 基于电极位置的炉况判断 |
| 3.4 基于冶炼时间的炉况判断 |
| 第4章 基于模糊专家系统的电弧炉炉况判断 |
| 4.1 模糊专家系统简介 |
| 4.1.1 传统专家系统 |
| 4.1.2 模糊专家系统 |
| 4.2 炉况判断的模糊专家系统 |
| 4.2.1 炉况判断模糊专家系统的结构 |
| 4.2.2 知识库的建立 |
| 4.2.3 电弧炉炉况的模糊推理 |
| 4.3 炉况判断专家系统的仿真 |
| 4.3.1 炉况判断的模糊专家系统的建立 |
| 4.3.2 仿真结果分析 |
| 第5章 结论 |
| 参考文献 |
| 致谢 |
（10）交流电弧炉电弧模型研究及其应用（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 第1章 绪论 |
| 1.1 电弧炉炼钢简介 |
| 1.1.1 电弧炉的发展概述 |
| 1.1.2 电弧炉炼钢技术的研究现状 |
| 1.1.3 电弧炉炼钢的特点 |
| 1.2 课题背景及意义 |
| 1.3 电弧模型的研究概况 |
| 1.3.1 电弧的物理—数学模型 |
| 1.3.2 电弧的电路模型 |
| 1.4 本文的主要工作 |
| 第2章 交流电弧炉电弧模型的建立 |
| 2.1 引言 |
| 2.2 交流电弧的物理特性 |
| 2.3 交流电弧建模 |
| 2.3.1 电弧阻抗特性的研究 |
| 2.3.2 电弧模型的建立 |
| 2.4 模型验证 |
| 2.5 本章小结 |
| 第3章 交流电弧炉电弧模型的参数确定 |
| 3.1 引言 |
| 3.2 模型参数的确定 |
| 3.2.1 模型参数对电弧特性的影响 |
| 3.2.2 模型参数的变化范围 |
| 3.2.3 自适应变异差分进化算法 |
| 3.3 实验与结果 |
| 3.3.1 现场数据的测量 |
| 3.3.2 数据处理 |
| 3.3.3 结果分析 |
| 3.4 本章小结 |
| 第4章 交流电弧炉引起的供电网络电能质量问题及补偿方案设计 |
| 4.1 引言 |
| 4.2 电弧炉的电气系统模型及耦合关系仿真研究 |
| 4.2.1 供电系统的组成 |
| 4.2.2 电气系统建模 |
| 4.2.3 耦合关系仿真研究 |
| 4.3 电弧炉电气系统谐波问题仿真分析 |
| 4.3.1 谐波的产生及其危害 |
| 4.3.2 仿真结果 |
| 4.4 电弧炉电气系统电压波动和闪变问题仿真分析 |
| 4.4.1 电压波动和闪变的产生及其危害 |
| 4.4.2 电压波动和闪变的估算 |
| 4.4.3 仿真结果 |
| 4.5 电弧炉引起电网电能质量问题的补偿方案 |
| 4.5.1 静态无功补偿装置的工作原理 |
| 4.5.2 补偿方案的设计 |
| 4.5.3 仿真结果 |
| 4.6 本章小结 |
| 第5章 交流电弧炉电极系统建模及控制 |
| 5.1 引言 |
| 5.2 液压系统 |
| 5.2.1 电极升降机构 |
| 5.2.2 液压系统建模 |
| 5.2.3 仿真结果 |
| 5.3 电极系统建模 |
| 5.3.1 电极系统模型 |
| 5.3.2 仿真结果 |
| 5.4 控制系统 |
| 5.4.1 电弧炉炼钢工艺对控制系统的要求 |
| 5.4.2 电极控制策略选择 |
| 5.4.3 控制器设计 |
| 5.4.4 仿真结果 |
| 5.4.5 现场应用 |
| 5.5 本章小结 |
| 第6章 结论与展望 |
| 参考文献 |
| 致谢 |
| 作者攻读博士学位期间完成论文 |
四、基于工业计算机控制的高阻抗电弧炉控制系统的设计（论文参考文献）
- [1]电弧炉电极调节器智能控制及远程监控[D]. 卫敏. 西安理工大学, 2020(01)
- [2]基于神经网络的电弧炉电极调节控制器设计[D]. 史旭珊. 东北大学, 2014(08)
- [3]交流电弧炉多模态电极控制系统的研究及应用[D]. 刘雁宇. 上海交通大学, 2013(06)
- [4]天钢110吨电弧炉控制系统的设计与实现[D]. 龚悦. 东北大学, 2010(07)
- [5]基于神经网络的电弧炉炼钢终点预报方法的研究[D]. 李克燕. 东北大学, 2010(07)
- [6]集成智能优化控制策略在电弧炉控制中的应用[D]. 秦发宪. 西安理工大学, 2010(12)
- [7]高碳铬锰炉电极进给预测控制方法研究[D]. 谢涛. 长春工业大学, 2010(02)
- [8]基于神经网络的电弧炉电流预测模型研究[D]. 王晓波. 天津理工大学, 2010(03)
- [9]基于模糊专家系统的电弧炉炉况判断[D]. 毛鹏飞. 东北大学, 2009(06)
- [10]交流电弧炉电弧模型研究及其应用[D]. 王琰. 东北大学, 2009(06)