邓晨曦

（湖南环境生物职业技术学院生态宜居学院，湖南 衡阳 421005）

0 引言

烧结炉炉温对粉末冶金产品的产量和质量有巨大影响，因此炉温控制是烧结炉的关键技术之一[1-3]。而不同冶金产品的烧结对炉温变化曲线有严格的指标要求，温度控制误差为±0.01 ℃，有的冶金产品温度控制误差甚至更低。而烧结炉加热过程具有延时性、非线性和强扰动等特点，在这一阶段，粉末冶金烧结炉的大多数自动控制系统使用手动控制和PID 控制方法[1]，2 种方法各有优劣，但是实际控制效果都不是很理想。为了提高炉温的控制效果，文献[2]采用模糊控制对粉末冶金烧结炉进行控制，控制方法简单有效。文献[3]采用自适应模糊算法对粉末冶金烧结炉进行仿真实验及现场测试，结果表明将模糊神经网络用于粉末冶金烧结炉温度控制较传统控制方案具有明显的优越性。

基于上述参考文献，笔者提出一种基于组合预测的烧结过程模糊神经网络控制方法：以合金烧结温度为训练集，首先，采用BP 算法抽象烧结炉温度，以预测数学模型。其次，利用Adaboost 算法对该模型进行预测，组合集成学习寻找最优解，从而提升预测模型的精度。最后，烧结炉温度控制系统采用模糊神经网络算法，最终提升冶金产品的性能质量，并提高产量。

1 烧结工艺过程分析

烧结炉的主要功能是对冶金产品的不同金属成分粉末进行高温煅烧，使不同金属成分粉末紧密结合并成型，物理、化学以及力学性等指标到达设计的要求。……