EAF及LF智能调节器

1、 编制：陶百生，北京金自天正（冶金自动化院） 智能调节器智能调节器“Ari-IEF”Ari-IEF”及及“Ari-ILF”Ari-ILF”简介简介是北京金自天正智能控制股份有限公司自主开发、具有自主知识产权的电极调节系统，包括智能EAF调节器（Ari-IEF）和智能LF调节器（Ari-ILF），分别适用于EAF和LF。智能调节器智能调节器是一种基于人工神经元网络技术（ANN）、并集合传统PID控制及专家规则的电极控制器。它结合了神经元网络技术与PID控制的优点，克服了两者的不足，因而与单纯的PID电极调节器相比，智能调节智能调节器器具有电弧控制稳定、降低电耗、减少电极

2、消耗、增加控制过程的平稳性等特点,同时也具有动态感抗计算及功率设定优化的功能。 智能调节器智能调节器“Ari-IEFAri-IEF”及及“Ari-ILFAri-ILF”目标任务：目标任务：获得稳定的熔炼弧流；加热工作点，即功率(电压电流)设定点的寻优，以及各种电参数计算等诸多种功能。后者鉴于各种因素，其重要性往往被人们忽视。最大功率因素变压器容量最小电压档最大电压档最大电流功率选择范围短路 技术特色技术特色 由于本智能调节器主控方式采用IPC（工控机，内含高速数据采集卡及配套的处理软件），因而具备一般PLC调节器所没有的处理技术，主要包括： 实际二次侧三相短网参数（阻抗及电抗）的在线计算； 功

3、率档位设定优化，即依据变压器铭牌与实际的三相短网参数，计算每个电压档位下最大弧功率时的设定电流及制定出相应的弧流设定档位（不同升温速率）； 比例阀特性全量程范围补偿处理； 高压系统运行期间，电压及电流等参数瞬时畸变波形及异常数据的在线纪录； 在线实现FFT（快速傅里叶变换），分析高次谐波； 提供多种控制策略（传统PID及智能算法），同时，增加了滞后特性处理模块（由此减轻滞后效应及其所造成的危害）及输出平滑化等诸多模块，另外，微分因子分段化处理； 在线计算每相各种电参数，比如：功率因数、有功功率、弧功率、视在功率、弧长及耐材指数等。 使用意义使用意义 由于具备上述的技术优势，因而使用本智能调节器

4、可以达到如下实际使用效果： 检验短网制造是否符合设计标准及三相平衡度； 满足冶炼弧功率的前提下，确保以较小的设定弧流冶炼，由此减少短网热损耗及弧流密度，最终达到节能及降低电极消耗的目的； 消除人为设定功率（电压、电流或弧流）档位的盲目性以及由此可能带来的不利； 消除比例阀特性的非线性及死区造成的控制影响，图形化比例阀特性曲线，用户可以自行完成矫正与补偿任务，最终提高电极控制的稳定性，也有利于液压设备的检查； 当高压系统（设备）发生故障后，提供了一种有效的电气故障分析、检查手段； 高次谐波的处理功能可以为电炉/LF造渣状况及电气特性分析等提供判定依据（比如进行静态或动态补偿前后谐波治理效果的比较

5、） ； 电极运行及弧流更加平稳，有利于埋弧操作，减轻钢渣喷溅、大大减少跳闸与电极折断的几率及减缓水冷电缆和电极的水平摆动等各种不良冶炼现象； 实现节能（达到节电约5%左右的效果，最终数据与具体现场密切相关）及降低电极消耗的目标；也有利于提高加热效率、缩短冶炼周期及扩大产能； 与EAF/LF二级模型相结合，实现冶炼过程自动设定加热曲线（电档位），这是自动炼钢的基础。 应用领域应用领域凡是需用交流低电压、大电流通过（石墨或自耗）电极加热处理的场合，均可以使用本智能调节器。比如，如下一些领域均可以采用： LF（钢包炉）； EAF（电弧炉）； 矿热炉； 电渣炉。 适用范围适用范围 本智能调节器的适用（

6、容量）范围没有限制。比如，小到5吨的LF、大到300吨的LF均可以采用；同样，对于EAF等使用场合也是没有容量大小的限制。另外，本智能调节器，对于50Hz或60Hz不同工频的交流系统也都适用。 冶金行业部级优秀工程设计计算机软件二等奖 获奖时间：2001年9月 颁奖单位：中国冶金建设协会 冶金科学技术进步三等奖 获奖时间：2002年 颁奖单位：中国钢铁协会、中国金属学会 北京市科技新产品科技进步三等奖 获奖时间：2002年 颁奖单位：北京市科技部获奖情况获奖情况 实用新型专利 名称：一种电极控制器 专利号：201220543270.3 目前（2013年3月）该专利已获授权。 发明专利 名称：一

7、种多功能智能电极控制器 专利号：201210405986.1 目前该专利已获授权。 发明专利 名称：一种电极智能调节器及电极智能控制方法 专利号：201210505695.X 目前该专利已获授权。 专利情况（于专利情况（于20122012年年9 9月申请提出专利申报）月申请提出专利申报） 特别强调的是，实际的二次短网参数计算及功率设定表的计算是本智能电极调节器所特有的（这是由特定的高速数据采集特性及数据处理功能所决定的），国内其它的电极调节器还未见到有此类功能的报道。另外，比例阀特性全量程范围线性化补偿也是本智能调节器所具有的一个亮点。其它诸如谐波分析（FFT）及电压与电流波形瞬时纪录等功能也

8、是普通PLC电极调节器所不具备的。 电极升降控制，包含多种策略：l 神经元控制l 常规PID控制 恒弧流PID 恒功率PID 恒阻抗PID 功率优化设定，包含如下计算：l 二次短网短路阻抗计算l 二次短网短路感抗计算l 动态电抗计算l 静态功率圆图计算l 静态功率设定表计算l 动态功率设定计算 电参数的处理，包含如下处理：l 电参数计算： 视在/有功/弧功/无功功率计算 功率因素/弧长计算 电流/电压有效值计算 原边/副边电耗计算智能调节（工控机）部分智能调节（工控机）部分 其它电参数的计算l 电参数存储及查询： 存储时间的周期任意指定 查询选择时间范围内的各种电参数 异常情况处理，涵盖如下情

9、况：l 电极接触导电材料判断及处理（EAF）l 电极接触不导电材料判断及处理（EAF）l 三相共振预防（早期预测）及消除（LF） 其它辅助功能：l 网络数据通讯l 在线设备故障诊断及报警l 其它功能热备（热备（PLCPLC）部分）部分 电极升降控制（常规PID）l 恒弧流PIDl 恒功率PIDl 恒阻抗PID 异常情况处理（与智能部分类似） 其它辅助功能（与智能部分类似） Rogowski线圈（二次电流直接测量） 二次匹配箱（二次电压滤波及检测、二次大电流检测信号的转接） 电极升降控制柜l 工控机（硬件：网卡、高速AI/O卡；应用软件：电极调节神经元算法、智能PID算法、常规PID控制（恒弧流

10、/恒阻抗/恒功率）算法等）l 热备PLC（电极调节常规PID（恒弧流/恒阻抗/恒功率）算法等）l 变送器（信号转换）二次匹配箱二次匹配箱二次匹配箱（内部图）二次匹配箱（内部图）电极升降控制柜电极升降控制柜2200(高)*800(宽)*800(深) 900(高)*600(宽)*400(深) RogowskiRogowski线圈（安装图）线圈（安装图）智能调节器软件系统主要由四个独立的进程组成（与最新程序界面有差异）。1）系统管理进程）系统管理进程 此进程完成的功能：l 进程/线程调度管理；l 建立进程间的数据共享内存，用于不同进程间的数据交换；l 实现PC网络通讯服务，完成与PC服务器、设定点优

11、化进程间的数据交换； 进程画面如右图所示。2）A/OA/O进程进程 此进程完成的功能：l 从高速AI卡采集模拟量数据；l 数据处理（电压/电流有效值、功率因素、 KW因子、PERSSION因子、谐波因子等）；l 处理后的数据写入共享内存；l 从共享内存得到三相电极输出数据及开关量信号，并通过AO卡输出控制三相电极。 进程画面如右图所示。3）DIDI进程进程 此进程完成的功能：l从PLC设备/DI卡中得到开关量信号（采集速度为10次/秒）；l从PLC设备中得到设定电流；l把采集信号写入共享内存。 进程画面如右图所示。通信协议采用工业 以太网协议，通信接口采用OPCOPC标准。4）ANNANN进程

12、进程 此进程完成的功能：l 从共享内存中得到所需信号；l 完成PID调节算法；l 完成ANN调节算法；l 完成智能PID调节算法；l 结合专家规则选择实际采用的调节算法；l 把计算的输出结果写入共享内存。 进程画面如右图所示。5）其它辅助进程）其它辅助进程 除了以上四个进程外，也需要其它一些程序，比如ANN离线训练等。这里就不一一介绍，仅给出一些主要的画面显示。 炉况仿真器在线学习测试画面 调节器离线学习画面 实时运行曲线监视画面 参数配置 历史数据查询 炉况仿真器在线学习测试画面 调节器离线学习画面实时运行曲线监视画面 参数配置_1(一般检测参数设置)修改这里的系数，可以矫正3相电极手动上升

13、或下降（或自动下降）速度的不一致。 参数配置_2(比例阀特性测试曲线及矫正程序)通过比例阀特性全量程范围线性化矫正，消除死区及非线性化造成的控制不灵敏现象。本系统提供了专门工具软件（界面见上图所示），通过该软件用户可以自己完成比例阀特性的（自动）矫正工作。 二次侧电路图（优化功率设定需要知道实际的每相短路阻抗RO及感抗XLO）Y/-11(Yn,D11)接法相电压矢量图Y/-11接线图 功率设定优化及相关技术介绍功率设定优化及相关技术介绍（基础数据：实际二次短网参数及变压器铭牌参数） 二次侧实际电路E0R0XL0RarcI二次侧每相等效电路图（由此推导出功率圆图曲线）R0XL0RarcZXL0R

14、0Z短路测试示意图Z=V/IR0=Z*Cos,XL0=Z*sin电抗计算示意图Z=V/IXL0=Z*sin 二次效电路 功率优化功能及处理技术：l 二次短网回路短路电阻及短路电抗的计算l 功率设定表计算、数据文件生成及数据库写入l 图形化工具功率圆图电参数曲线l 其它处理功能 功率圆图功率圆图是功率优化的基础，通过本功率可以制定特定现场的最优加热曲线。代替人工设置的盲目性。 Parc-当前Parc-目标 电参数曲线是功率优化设定的计算基础。通过本模块的计算结果，可以为LF二级模型和操作人员提供一组最优的加热曲线（二维数据表）。 图中，上半部为各种功率（视在功率PS/有功功率PU/弧功率Parc

15、/无功功率PQ/二次短网阻抗热损耗功率Pro）与二次电流的关系。 下半部为除功率外其它各种电参数与二次电流的关系。这些参数为：功率因数Cos、电效率Parc/PU（弧功率与有功功率之比）、弧长Larc、弧压Varc及弧阻Rarc。 对于一些改造项目，现场往往缺少齐全的检测仪表（比如，电度表，功率因数表等），我们的调节器完全可以计算这些参数，并且所计算参数的数量远超出了一般现场仪表所能检测的参数（比如，计算原边、副边的电耗、每相的功率因数等；再比如，通过智能调节器的弧长及弧功率计算与LF模型的渣厚计算，就可以自动实现选择最佳的电压电流档位、确保埋弧及快速升温的目的），这些为自动化系统的功能优化提

16、供了不可或缺的基础数据。 电参数曲线 电参数计算 二次短网参数（阻抗和感抗）是一个关键数据它是提高用电效率的基础数据，尽管看不见、摸不着，但为客观存在，只有通过一定的手法才能得到其实际的真实值，而不是设计值（两者没有必然关系，往往相差很大）。* Log time at 20-Jul-2010 09:32:30 *V_A(V), I_A(A), cosA; V_B(V), I_B(A), cosB; V_C(V), I_C(A), cosC; XLoA, XLoB, XLoC, XLo. 167, 38599, 0.83; 134, 36252, 0.71; 165, 36252, 0.89;

17、2.39, 2.61, 2.50, 2.50 163, 42497, 0.77; 141, 39991, 0.69; 156, 39991, 0.82; 2.46, 2.56, 2.47, 2.49 151, 39675, 0.78; 159, 39359, 0.74; 149, 39359, 0.77; 2.40, 2.74, 2.43, 2.52 . 160, 35540, 0.84; 168, 39137, 0.77; 137, 39137, 0.74; 2.41, 2.73, 2.43, 2.52 163, 40190, 0.82; 145, 36983, 0.72; 155, 369

18、83, 0.85; 2.36, 2.72, 2.42, 2.50 162, 37433, 0.84; 152, 36387, 0.77; 156, 36387, 0.85; 2.39, 2.69, 2.46, 2.51 Records: 65; Average value: 2.45, 2.66, 2.41, 2.51=动动态态感感抗抗的的计计算算* Log time at 21-Mar-2012 10:35:13 * No ,V_A(V), I_A(A), cosA; V_B(V), I_B(A), cosB; V_C(V), I_C(A), cosC; XRoA, XRoB, XRoC,

19、XRo. . 108, 80, 36572, 0.10; 85, 39916, 0.13; 84, 37110, 0.29; 0.23, 0.28, 0.66, 0.39 109, 80, 36572, 0.10; 85, 39925, 0.13; 84, 37135, 0.29; 0.23, 0.28, 0.65, 0.39 110, 80, 36514, 0.11; 85, 39789, 0.13; 84, 37145, 0.28; 0.24, 0.29, 0.65, 0.39 111, 80, 36503, 0.11; 85, 39781, 0.13; 84, 37109, 0.29;

20、0.24, 0.29, 0.65, 0.39 .=动动态态阻阻抗抗的的计计算算 二次短网参数计算实际的感抗值是功率优化的基础数据之一。设计值与实际值间有很大的偏差，如果用设计值进行功率优化，其指导意义不大、甚至带来危害。 实际的阻抗值是功率优化的基础数据之一。设计值与实际值间有很大的偏差，如果用设计值进行功率优化，其指导意义不大、甚至带来危害。 功设定表（升温曲线）功设定表（升温曲线） PS = 36MVA, Ro = 0.49(m), Lo = 2.50(m)= 二次线电压: 435V, 3档 I | Ps | Pu | Parc | Pq |Cos| Larc- 41780, 31.48,

21、 28.63, 26.06, 13.09, 0.91, 167 39691, 29.91, 27.47, 25.16, 11.82, 0.92, 171 37602, 28.33, 26.27, 24.19, 10.60, 0.93, 174 35513, 26.76, 25.03, 23.18, 09.46, 0.94, 177 33424, 25.18, 23.75, 22.11, 08.38, 0.94, 180 31335, 23.61, 22.43, 20.99, 07.36, 0.95, 183 29246, 22.04, 21.08, 19.82, 06.41, 0.96, 18

22、5 27156, 20.46, 19.70, 18.62, 05.53, 0.96, 188- PS = 36MVA, Ro = 0.49(m), Lo = 2.50(m)= 二次线电压: 355V, 7档 I | Ps | Pu | Parc | Pq |Cos| Larc- 48343, 29.73, 24.01, 20.57, 17.53, 0.81, 101 45925, 28.24, 23.39, 20.29, 15.82, 0.83, 107 43508, 26.75, 22.68, 19.89, 14.20, 0.85, 112 41091, 25.27, 21.86, 19.3

23、8, 12.66, 0.87, 117 38674, 23.78, 20.97, 18.77, 11.22, 0.88, 121 36257, 22.29, 20.00, 18.06, 09.86, 0.90, 126 33840, 20.81, 18.95, 17.27, 08.59, 0.91, 130 31422, 19.32, 17.85, 16.39, 07.41, 0.92, 133- 功率设定（优化档位表）计算最优的功设定表（升温曲线）是节能降耗的最重要措施之一，建立在实际二次短网参数（即实际的阻抗值与感抗值，不是设计值）基础之上的功率档位才是符合实际现场的设定参数。通过本系统建

24、立的功设定表避免了人为设定的盲目性与错误。输出控制的滞后效应处理输出控制的滞后效应处理如右图所示，假定变压器容量为36MVA，二次短网参数为0.36+j2.8（m），当前电压设定档位为3（440V），设定电流为35000A，当实际弧流为40000A或30000A时，分别的弧长为：1）电流为35000A（设定电流），弧长为181mm；2）电流为40000A，弧长为173mm；3）电流为30000A，弧长为188mm；在a1或a2点，由于弧流过大，电极需要抬升，因为此时弧长为173mm，故需要上升的距离为181-173=8mm，假定此时输出控制为1.5V，电极对应的速度为15*1.5=22.5mm

25、/s,那么，不考虑其它的滞后因素，单纯电极运动达到实际电流等于设定电流所需的时间为：8/22.5 3.6ms。这个时间就是一种滞后，除此之外，整个系统也存在启动、制动时间、系统各组成部分的惯性等各种因素，会造成总体滞后时间的加大。再考虑到PID控制的积分计算，在上图中，ta2期间的控制输出（抬电极效果），其产生实际控制效果时，往往已达tb1期间（需要降电极），这时，调节就起到了相反的效果（对于实际弧流小于设定弧流期间的调节，也会出现这种情形），这种情况需要尽量避免。本智能调节器依据现场情况，可以做到减少或避免这种反向效果的输出、避免电极振荡的出现。微分（微分（D D）部分的处理）部分的处理在P

26、ID控制（恒弧流）模式中，微分（D部分）的控制效果是阻止弧流的变化趋势。对于上图，在实际弧流大于设定弧流期间内，在ta1时间段，这时的D输出是阻止弧流的上升，这显然是正确的，但在ta2时间段，这时的D输出是阻止弧流的下降，这个显然不是希望的效果。由此可见，D部分的输出产生了有利也有弊的效果（在实际弧流小于设定弧流期间内也有同样的问题）。所以，许多电极调节器产品中，如果采用PID控制方式的话，往往把微分（D）排除掉。本智能调节器做到对弧流调节有利的期间D部分的输出（可以选择）保留，而对于弧流调节不利的期间则予以排除，这样更有利于调节的稳定性。对于恒阻抗PID控制模式，情形类似。电流时间35000

27、A40000A30000Aa1 a2b1 b2设定电流实际电流ta2tb1ta1 历史数据查询(1) 原始波形(2) 快速傅里叶变换（FFT）后的波形原始波形原始波形: 指由高速数据采集卡采集未经任何处理的原始（离散）数据所构成的波形，一般是由多种频率信号组成的混频波形。快速傅里叶变换（快速傅里叶变换（FFTFFT）后的波形）后的波形：指原始波形经过快速傅里叶变化后获得的各种频率波形。这些波形可能包括：直流分量、基波（50Hz）及各种高次谐波。高次谐波处理的应用：高次谐波处理的应用：可以为电炉/LF造渣状况或电网电气特性分析等提供判定依据（比如，可用于LF静补或动补谐波治理前后效果分析等）。高

28、次谐波分析高次谐波分析比例阀全量程范围补偿比例阀全量程范围补偿(0,0)(xp1,yp1)(xp2,yp2)(xp3,yp3)(xm1,ym1)(xm2,ym2)(xm3,ym3)降电极测试区升电极测试区控制输出控制输出电极运动速度电极运动速度Vm1Vp1Vp1Vm1理想特性曲线理想特性曲线 右图为比例阀特性测试曲线及相应的矫正方法示意图。采用如下的线性化补偿方法：yr = yn+ (yn+1-yn)/(xn+1-xn)*(x-xn)，x属于(xn,xn+1)， 当调节器计算出的控制值为x时，其矫正后的实际值（x）采用如下计算公式：x = xn+( y(x)-yn)*( xn+1-xn)/(

29、yn+1-yn)，而y(x) = k0*x，此y(x) 属于(yn,yn+1)。 其中k0为理想比例阀特性曲线的斜率（依据需要其值可调）。由此，当调节器的计算值为Vp1时，则对应矫正后的输出值应为Vp1；当调节器的计算值为Vm1时，则对应矫正后的输出值应为Vm1（如图所示）。 比例阀特性测试点越多，矫正越精确，相应地，其调节器控制水准越高（越利于弧流的稳定）。注：我们的比例阀特性补偿是全量程范围内的补偿，这点有别于SIEMENS、DANIELI等公司的3点补偿（仅死区3点），这显然更有利于控制精度的提高。 其它一些处理技术，比如，滞后特性消除及输出平滑化等就不此讨论了。 高速数据采集（不是电压

30、、电流的有效值）及数据处理； 采用变压器二次电流的直接采集（Rogowski线圈）更利于提高控制的精度； 神经元算法的效率（学习收敛速度及预报精度）； 开关量数据采集方法及速度要求（硬件方法即DI/O数采卡或软件方法即OPC通讯）。智能调节器基本技术前提（智能调节器基本技术前提（EAFEAF及及LFLF电极调节器）电极调节器）： 电弧炉控制策略采用恒阻抗或神经元网络算法（三相耦合度大、不平衡度大），LF采取恒弧流或神 经元网络算法； 电弧炉控制系统及执行机构要求有更高的响应速度； 电弧炉控制系统需要进行电极接触不导电材料的判断，并及时进行相应的处理； 电弧炉控制系统需要进行电极接触导电材料的判

31、断，并及时进行相应的处理； LF由于存在底搅拌，当搅拌剧烈时，钢液面的波动容易引起三相共振，而此时常规的PID调节方法不 但不能消除此现象、反而会加剧此共振强度（由于控制输出的滞后），严重损害调节性能。因此 电极调节系统必须采取适当的控制措施彻底消除此现象。电弧炉与电弧炉与LFLF炉电极调节器的主要控制策略区别炉电极调节器的主要控制策略区别： 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； 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； 调节输出建立在PID算法的基础上。对于交流EAF或LF而言，传统的PID电极调节技术以如下的前提条件为基础

32、：两者的比较见下表 。 整体考虑三相间的作用，调节具有“三相意识”； 除输入电流（幅值）外，其它因素也被考虑； 控制算法具有非线性、容错性、自学习性等特点。以上这些前提在生产中实际上是不成立的，因而传统的PID电极调节技术的实际效果并不令人满意。与此相比，神经元网络调节不需要这些前提条件，具有如下的优点：PID控制控制ANN控制控制三相耦合性基于三相理想情况下的完全解耦, 认为三相电压, 三相电流间彼此独立,与实际情况相去甚远考虑三相之间的耦合性, 其算法具有三相敏感性信号检测基于理想正弦波的假设, 检测的平均值不能反映有效值的变化检测电流电压的瞬时值, 能真实的反映实际的电流电压波形, 从而

33、得到控制所需的各种信息设定点优化基于静态优化设定点基于动态优化的设定点系统预报无可预测系统变量的变化, 从而防患于未然增益自适应简单分段线性化根据系统的状态情况, 不断调整系统的ANN权值,从而得到优化的控制性能执行机构滞后性的输出控制信号补偿无有PIDPID控制策略简介：控制策略简介：PID控制共有的不利点：处理关系简单、体现不了三相间被控对象（弧流/功率/阻抗）的相互影响（即耦合作用）。 恒弧流控制（恒弧流控制（V = f(Is-Ir) = f(II)）优点：保证短路时对电极进行快速调节，即响应快。缺点：三相之间没有解藕的特性（三相电流间的相互作用在此控制方式中不能体现）。 恒功率控制（恒

34、功率控制（V = f(Vs*Is-Vr*Ir) = f(PP) )优点：无论发生任何干扰都会确保有功功率(更精确的应为弧功率)保持不变，满足工艺需求。缺点：相同的功率存在2个不同的工作点（控制存在二义性）；三相间所控参数耦合最大。 恒阻抗控制（恒阻抗控制（V = f(Vs/Is-Vr/Ir) = f(RR) )优点：三相阻抗间的藕合作用很小（也就是说，三相间的阻抗相互影响很小）。缺点：对电流变化的响应没有恒电流方式快。注：V表示输出控制的计算电压值，Vs及Is分别表示设定电压和设定电流， Vr及Ir分别表示实际电压和实际电流，f表示PID算法（即比例、积分与微分计算函数）。应用场合:一般电弧炉

35、采用恒阻抗控制比较适合，因为在废钢熔清前，三相电流剧烈变化、相互间影响很大（耦合性很强），而LF一般应用恒弧流控制较多（电流变化相对EAF平稳多了）。PIDA相I1/P1/R1V1PIDB相V2PIDC相V3PIDC相V3ANNA/B/C相I1/2/3V1/2/3KV1/2/3传统PID三相解耦控制ANN（人工神经元网络）三相耦合控制I2/P2/R2I3/P3/R3 人工神经元网络(ANN)是一门新兴的交叉学科。对这门学科的研究使诸如生物学、认知科学、非线性科学等基础学科与计算机、电子学、人工智能、微电子、信息处理、模式识别等工程学科有机地结合起来。 简单地说，ANN是对人脑和神经系统的模拟。

36、其工作机制建立在对神经细胞的数量、反应速度和发送信号的方式，神经细胞间的联接关系和通信方式，神经系统的记忆、学习、分布和运算方式等的认识和理解上。其实现是采用物理可实现的器件或采用现有的计算机来模拟生物体中神经网络的某些结构与功能，并反过来用于工程或其他的领域。其着眼点不是用物理器件去完整地复制生物体中的神经细胞网络，而是采纳其可利用的部分来克服目前计算机或其他系统不能解决的问题，如可以从经验学习知识（记忆），能够随着环境的变化修正反应结果（学习），可以透过噪音和变形看出信号的原模式（识别），可以进行特征提取，可将文字转换成语音，可识别手写字母等。这些特性使得ANN充满活力，其应用几乎已深入各

37、行各业，并且还有更光明的应用前景。 ANN的类型是多种多样的，基本上可分为：l 前馈式网络l 输入输出有反馈的网络l 前馈内层互联网络l 反馈型全互联网络l 反馈型局部联结网络本智能调节器中，神经元网络调节包括两部分：l ANN炉况仿真器l ANN调节器 ANN仿真器和ANN调节器均采用BP网络（多层前馈网络，学习算法采用BP（Back Propagation 反向传播）算法，故得此名）。 ANN炉况仿真器ANN炉况仿真器的原理如右图所示。图中的变量含义如下： Reg：ANN调节器输出的控制信号（三相） S：EAF/LF炉况信号 S：EAF/LF仿真器输出的炉况信号 ErrorS(N+1) 电

38、炉/精炼炉ANN电炉/精炼炉ANN炉况仿真器原理炉况仿真器原理 Reg(N)，Reg(N-1),S(N),S(N-1)，Reg(N+1) N：代表时间片N，其上一个时间片为N-1，下一个时间片为N+1，依此类推， “一个时间片”是指ANN控制器的一个控制周期，即200ms。 EAF/LF炉况信号主要有如下16个变量：l 二次电压（三相）l 二次电流（三相）l 二次功率因数（三相）l 二次泊松弧稳定因子（三相）l 二次KW比因子（三相）l 加热时间 S(N)：表示时间片N时的炉况。由于ANN调节器根据时间片N的输入算出的控制信号要在下一个时间片N+1才产生作用，因此我们用Reg(N+1)表示时间

39、片N时的调节器输出，依此类推。 所谓ANN电炉/精炼炉仿真，就是用ANN来模拟实际的电炉/精炼炉的动态响应。 即根据时间片N的输入信号和电炉/精炼炉的输出（时间片N+1的炉况）来训练ANN，使得ANN的输出逼近电炉/精炼炉的输出。对大量样本的学习将使得ANN仿真器精确模拟电炉/精炼炉的特性，从而在控制过程中可以提前预测控制信号对电炉/精炼炉的控制效果，控制器根据ANN仿真器的预测信息来优化控制信号及控制参数（权值）。决定N+1时间片电炉/精炼炉的炉况的因素有：1）当前时间片N和前面几个时间片的炉况及相应的调节器输出；2）随机干扰（如加料）；3）有规律的干扰（如炉底吹氩）。 ANN电炉/精炼炉仿

40、真器可以学习电炉/精炼炉对因素1和3的响应特性。因为因素1是明确的输入信号，因素3尽管不是明确的输入，但它有规律的作用还是很容易被ANN仿真器识别并逼近的。而如果输入信号能反映出随机干扰的迹象，ANN仿真器也能提前作出预测。 l ANN炉况仿真器l ANN调节器 ANN仿真器和ANN调节器均采用BP网络（多层前馈网络，学习算法采用BP（Back Propagation 反向传播）算法，故得此名）。 ANN调节器ANN调节器分为：l ANN离线调节器l ANN在线调节器 ANNANN离线调节器离线调节器的原理如右图所示。图中的变量SP代表设定点，其它变量的含义如上所述。 需要注意的是，SP(N)

41、表示的是电流设定点模块在时间片N给出的设定点，它指示的则是下一个时间片N+1要达到的电流值，因此，SP(N)是下一个时间片炉况的理想值。这一点，对于ANN调节器在线学习的实现是极为重要的。ErrorReg(N+1)Reg(N+1)Reg(N),Reg(N-1),S(N),S(N-1),SP(N) PID调节器 ANN调节器ANN离线调节器原理离线调节器原理 该网络用来模拟原有调节器的响应特性。在系统投入运行前，为该网络给出调节器输出和炉况的历史数据，以及时间片N的设定点值，用这些量作为网络输入来训练该网络，使其与现有电极调节系统的响应情况相一致。这是一种安全措施，保证神经元网络一开始就能输出合

42、理的控制信号。在线运行时，其权值可通过在线学习机制进行实时优化。 ANNANN在线调节器在线调节器的原理如右图所示。它由ANN仿真器和ANN调节器组合而成的网络实现的。 如图所示，ANN调节器产生的控制输出Reg(N+1)作用于ANN电炉/精炼炉仿真器，使其输出控制效果新的炉况预测值S(N+1)，S(N+1)与设定点SP(N)相比产生的误差就可用作修改ANN调节器权值的准则。 这样做的前提是：ANN电炉/精炼炉仿真器已达到足够的精度，它输出的炉况预测值S(N+1)与Reg(N+1)作用于实际的电炉/精炼炉所可能产生的输出基本一致。ANN电炉/精炼炉仿真器的预测精度对ANN调节器的在线训练质量有

43、关键影响。ANN电炉/精炼炉仿真器的不精确将直接导致训练误差的不精确甚至不正确，从而导致ANN调节器越训练越坏。因此，在每个时间片内，都要先保证ANN电炉/精炼炉仿真器的在线训练满足精度要求，再训练ANN调节器。如果在整个时间片内，ANN电炉/精炼炉仿真器都未能达到精度要求，那么就不进行ANN调节器的在线训练。换言之，保持ANN调节器的权值。一般情况下，保持ANN调节器的权值同样能得到比较理想的控制结果。因为，ErrorErrorS(N+1)S(N+1)Reg(N+1)Reg(N),Reg(N-1),S(N),S(N-1) ANN调节器ANN在线调节器原理图在线调节器原理图SP(N)ANN电炉

44、/精炼炉SP(N)ANN调节器在离线训练已达到了很高的精度。即使因为炉况的异常造成了控制结果的无效，模块本身的PID保驾和综合控制输出也会采取补救措施，确保系统的安全与可靠。智能调节器系统模块结构如右图所示。信号预处理控制信号设定点现 场信号设定点优化ANN控制器PID保驾综 合 输出判断智能调节器控制系统模块结构图智能调节器控制系统模块结构图 为了保证控制系统的稳定可靠，我们加入部分参数可变PID算法与ANN控制器并行运行，一旦ANN控制器出现不可用的情况，就调用PID算法进行保驾。 ANN调节器会因为ANN仿真器的预测错误而产生错误的电极升降控制信号。实际的控制信号与理想的控制信号之间的巨

45、大差距将使二次二次电流与设定点之间的差距拉大，进而引起二次电流的剧烈振荡，如果振荡持续时间过长，就可认为ANN控制器已不能靠自身的调节脱离振荡，在这种情况下，就要调用PID算法来保驾了。等PID的控制使二次电流稳定后，再启用ANN控制器。 有些异常情况下，需要快速作出反应，例如电流过负荷、短路保护等。这些情况，可以根据炉况信号简单地判断出来，控制方式则也要求简单快速，只需以最快的速度升降电极，而不必经过复杂的ANN算法。完整的智能调节器智能调节器工作流程如右图所示。YesYes正常处理 异常？点 弧 结束ANN-OK ANN计算，学习置ANN有效状态 结束YesNO PIDNO PID智能调节

46、器工作流程智能调节器工作流程综合输出判断 置PID有效状态在现场调试阶段，我们结合了ANN仿真器的预测控制和PID简单可靠的特点，尝试开发了智能智能PIDPID算法（见右图）。该算法的原理图如下：首先，在时间片N内，程序接收到新的数据后，先进行ANN仿真器的在线学习。然后，启动PID算法，得到控制信号U(N+1)， U(N+1)并不马上送出，而是经过一个微调环节。微调环节把U送入ANN仿E(N)ET (N+1)SP(N)IT (N+1) 其它输入最优U(N+1)UT(N+1)U(N+1)SP(N)I(N)PIDU微调ANN仿真器智能智能PID原理图原理图真器，使之得到一个预测电流I(N+1)，

47、I(N+1)与电流设定点SP(N)形成误差E(N+1)，E(N+1)返回用于调整U(N+1)，如此循环，直到E(N+1)满足给定精度或微调次数已至上限。 根据E(N+1)微调U(N+1)的公式为：UT+1(N+1) UT(N+1)KUET (N+1) KU0，T：微调次数KU为微调系数，可根据控制效果调整取值。KU不可取得太大，以便保证微调算法的收敛性。 可以看出，智能PID算法的工作原理和ANN控制器有相似之处：利用ANN仿真器预测控制效果，根据预测调整控制量，最后再将预测控制效果最好的控制量送出。但不同之处也是显而易见的。主要的不同点有：l ANN调节器通过在线学习可以不断改变控制参数（权

48、值），而智能PID调节器不改变PID算法的参数，而只是对PID给出的控制量进行微调。这样一来，智能PID不能像ANN逐渐优化控制参数，但也不会把由ANN仿真器错误预测引起的不良影响带入下一时间片的PID计算中。l 智能PID调节器对控制量U的微调方法是简单的比例调节，并且是三相分离进行的。而ANN调节器则是根据BP算法进行的梯度调节，考虑“三相敏感性”，综合调节三相控制信号。智能PID只是PID的改进，而ANN调节器与PID相比，则有质的变化l由于少了一个ANN，并且微调算法极为简单，智能PID执行一次控制的时间要比ANN控制器少的多，从而可以留出更多的时间供ANN仿真器进行在线学习，以达到更

49、高的预测精度。智能PID在现场试运行，也取得了较好的效果。 LF电极加热，其有功功率部分的有功电能（电表读数），完成如下几个方面的能量供给： 钢水升温或保温（在一定生产工艺条件下，其所需能量不变 ）； 渣料和合金料加热（在一定生产工艺条件下，其所需能量不变 ）； 钢包散热（在一定生产工艺条件下，其所需能量不变 ）； 炉盖（及冷却水）散热（在一定生产工艺条件下，其所需能量不变 ）； 废气（底吹氩）散热（在一定生产工艺条件下，其所需能量不变 ）； 二次短网发热/散热（其值可变项）。 在上述 项中， 项不是不是电极调节器所能节省的。也就是说，依据能量守恒定律，只能第项有节省的空间。由此，如何减少二次

50、短网发热量是电极调节器需要优化解决的问题，这个问题牵涉到实际二次短网参数、实际功率圆图及实际生产的操作制度。弧功率弧功率（ ）+短网热损耗短网热损耗（）= 有功功率有功功率。 一方面，弧流控制稳定性对节电的贡献：如果在埋弧、设定点远小于拐点（最大弧功率时的设定电流）的前提下，其贡献十分有限（见后面说明），但对电极耐材及炉盖消耗的降低更为有效。也就是说，如何依据实际二次短网参数、变压器铭牌表，并依据冶炼不同阶段冶炼不同阶段来约定相匹配的设定电流（计算实际的功率圆图）相匹配的设定电流（计算实际的功率圆图），是调节器节电的最大空间（下页描述），其价值远大于单靠弧流稳定性的提高其价值远大于单靠弧流稳定

51、性的提高（由于执行机构的延迟执行机构的延迟、底搅拌等复杂因素，弧流稳定性的提高是有限度的）。 另一方面， 项牵涉到用电效率问题：在满足工艺前提下（钢水一定的升温速度或保温）选择合适的弧功率、同时尽量减小短网热损耗。这时，需要解决两个选项： 如何制定每个电压档位下的设定电流（弧流）？这是本智能调节器可以解决的问题，也就是依据实际获得的二次短网参数及相应的功率圆图来制定优化值。举个例子：如右图所示，对于特定的变压器铭牌（15MVA,33280A）及短网参数（0.5+j2.4m），在10档电压（189V）下，最大的设定电流不能超过28740A（图中44511为短路电流），具体见EXCEL文件分析。

52、依据当前炉况，如何选择当前的电压及电流档位？本智能调节器可以给出功率优化表：在不同的电压档下，给出3组或以上的设定电流，且给出对应的升温速度（保温时的升温速度为0）、功率因数、有功功率及弧功率、弧长（埋弧操作提示参数）等各种参数，这样操作工可以依据此表格做出当前正确的选择。如果系统有LF二级系统，则功率设定模型自动选择当前的电压档位及电流档位。287406.08Cos=0.78Larc=35mm 但是，针对LF/EAF节能降耗，最为重要一点是：如何尽量减少人为（用电）操作的随意性（完全靠人工经验判断钢水温度，进而确定停电及钢水温度的测量时间点，这本身就不是很科学的办法），这是一个既涉及技术又关

53、乎生产管理的综合课题。对于不同的炉次（钢种）、不同的炉况及不同的生产节奏，做到化渣、升温及保温等各个阶段的操作恰到好处、避免加热过度操作恰到好处、避免加热过度，也就是减少过度加热所带来的能量损耗，这不是一个简单的问题，需要综合考虑：一方面从技术上入手（研究技术上入手（研究），另一方面更要从管理制度上深入（加强）管理制度上深入（加强）。本资料介绍的只是依据实际的设备参数（变压器铭牌及二次短网），制定出每个电压档位下所对应的合理电流设定范围。但是，在实际应用中，如何选择、特别是加热时间的长短等如何确定，则是一个综合性命题了、已经超出了智能电极调节器本身的范围（比如，涉及到钢水温度自动预报等二级模型的技术课题）。 关于弧流稳定性对电耗影响的讨论 实现节能是电极调节器最重要的目标之一。就电极调节器技术层面而言，如何实现节能？或许有一种观点认为：仅仅通过提高弧流的稳定性即可。本文认为这种观点有待商榷，或者说不够全面。诚然，弧流稳定性的提高对系统有诸多的好处，但就节电而言，它仅仅有间接的贡献，