基于Elman型回归神经网络的空燃配比优化控制

良好的空燃配比是提高燃烧效率、实现最佳燃烧的重要保证 .本文针对如何获得最佳空燃配比这一许多企业尚未解决的难题 ,提出了一种基于 Elman型回归神经网络的空燃配比优化控制方案 .该方案应用某一加热炉的燃烧控制中 ,取得了良好的控制效果 。

基于混合网络的加热炉顺序控制系统设计及优化

针对某棒材轧钢厂步进梁式加热炉的生产工艺和控制要求,在网络设计上,采用工业以太网和PROFIBUS现场总线的混合网络;在软件设计上,实现了步进梁式加热炉的全自动顺序控制;优化了加热炉的动作时序和步进梁速度曲线。加热炉的产量从设计的220 t/h提高到270 t/h,完全满足了轧线高产时出钢周期的要求。

基于PSO-GA算法的真空退火系统的解耦控制

真空退火系统是一个多输入多输出、耦合很强的时变系统,耦合会使其控制系统的调节品质降低,严重耦合时将会使系统无法运行。为了对退火温度实现精确地控制,对其顶部、中部和底部的温度进行了解耦控制方案的设计,并利用改进PSO-GA混合优化算法对神经网络的权值和阈值进行优化,为真空退火炉提出一种新的解耦控制方法。利用Matlab对该算法的性能进行仿真验证,并与传统PID及PID神经网络等解耦控制方法进行了对比分析,该解耦控制方法在控制性和抗干扰性上都具有较好的控制效果。