基于改进的神经网络最近邻聚类算法 在结晶器液位系统中的应用
2021-03-19缸明义陈立辛宁平华夏兴国
齐齐哈尔大学学报(自然科学版) 2021年2期
缸明义,陈立辛,宁平华,夏兴国
(1.马鞍山职业技术学院 电气工程系,安徽 马鞍山 243031;2.安徽科技学院 机械工程学院,安徽 凤阳 233100)
对于连铸过程的控制而言,关于结晶器液位的精确检测及有效控制非常重要。通常,可通过常规PID控制算法来进行控制。但是在突发的干扰情况下,常规的PID 控制往往很难适应,甚至无法稳定控制系统。比如由渐进性的金属氧化物在浸入式水口中堆积而造成的堵塞,会因为突然放出氧化物而产生“开堵”现象,流动特征和塞棒位置因此而变化,从而使开堵时液位骤然升高,如果控制效果好,常规PID 可以使液位从不稳定状态逐渐恢复到稳定状态。但在某些情况下,则可能会发生钢水溢流,造成连铸机停机[1-3]。
针对常规PID 的不足之处,提出基于神经网络的智能PID 和模型辨识相结合的控制方法,它不受被控对象数学模型的限制,能够在线实时辨识出系统的模型并在线修改神经网络的权值,优化系统的控制性能。
1 结晶器液位系统模型

图1 结晶器液位模型方框图
结晶器主要是通过水来进行冷却,通常为钢锭模。当有钢水经由该部件之后,将会得以迅速且均匀的降温冷却,由此就有一个初生坯壳得以形成,它通常有较好的表面质量以及均匀的厚度,确保整个连铸过程得以完成。在设计结晶器时,最为关键的就是要使铸坯上有良好的坯壳形成,由此,当受到热应力以及机械应力等的共同作用时,也不会导致铸坯的断裂或是变形。……
登录APP查看全文