中厚板加速冷却过程控制

中厚板轧后冷却直接影响钢板的强度和韧性.为保证中厚板质量,提出一种新的加速冷却过程控制模型,对反馈偏差进行前馈补偿,并采用控制容积积分法建立钢板温度场,包括一维温度场模型,空冷模型,水冷模型,特别是对金属温度变化时发生的相变潜热进行处理.实验结果表明,该控制模型精度较高,返红温度偏差±5 ℃,可应用于生产实际.     

三电平逆变器系统仿真

针对三电平逆变器控制策略复杂以及存在中点电位不平衡的问题,对其电压空间矢量脉宽调制(SVPWM)原理进行了研究。采用了一种新的方法———首发矢量为正小矢量的SVPWM算法,将所有扇区都变换到第一扇区,简化了控制算法,给出了第一扇区各个小区间的判断规则,推导了合成参考电压矢量的各个基本电压矢量的作用时间,并介绍了SVPWM信号的产生方法。采取了一种新的控制策略———改变小矢量作用时间的方法解决了中点电位不平衡问题。此外,对系统进行了MATLAB仿真,证实了采取SVPWM算法的有效性和控制策略的优越性。     

基于门控循环单元神经网络的浆液pH的预测建模

吸收塔内浆液的PH值是影响燃煤电厂湿法脱硫系统效率的重要参数。燃煤电厂的湿法脱硫系统具有大滞后、非线性、强耦合等特征,因而其吸收塔浆液的PH值很难实现精准控制。本文利用门控循环单元（gated recurrent unit, GRU）神经网络在处理时间序列数据的优越性,对吸收塔内的浆液PH值进行预测建模,通过将燃煤电厂采集的影响浆液PH值的变量数据作为模型的输入,对模型进行训练处理,获得吸收塔内浆液PH值的预测模型。将预测模型应用于辽宁省华能营口电厂600MW机组湿法脱硫智能控制系统中吸收塔内浆液PH值的预测。结果表明相比于反向传播（back propagation, BP）神经网络模型、径向基函数（radial basis function, RBF）神经网络、循环神经网络（recurrent neural network, RNN）和长短期记忆（long and short term memory, LSTM）神经网络,该模型精确度更高,实用性更强。     

过程控制编程方法在冷轧清洗线中的应用

针对复杂的过程控制系统,采用可编程控制器(programmable logic controller,PLC)线性化编程方法,软件的开发和维护都很困难,甚至出现所开发的软件不可用的严重问题,往往不能满足客户需求。该文采用面向对象的方法对PLC过程控制系统进行程序设计,使得程序设计更加简单,设计的系统更加可靠,后续开发更加方便,并且利于代码复用。将此方法应用于鞍钢冷轧清洗线PLC过程控制中,使得大型PLC程序在集体合作设计时分工更加明确,现已投入实际运行,实践证明控制性能更加可靠,提高了带钢的质量,取得了一定的实用价值和经济价值。     

中厚板加速冷却过程控制

中厚板轧后冷却直接影响钢板的强度和韧性。为保证中厚板质量,提出一种新的加速冷却过程控制模型,对反馈偏差进行前馈补偿,并采用控制容积积分法建立钢板温度场,包括一维温度场模型,空冷模型,水冷模型,特别是对金属温度变化时发生的相变潜热进行处理。实验结果表明,该控制模型精度较高,返红温度偏差±5℃,可应用于生产实际。