[发明专利]一种基于神经网络解耦的矿热炉电极升降控制方法及系统

权利要求书

1.一种基于神经网络解耦的矿热炉电极升降控制方法，其特征在于，所述方法包括：

建立矿热炉电极电流-位置解耦模型；

基于RBF神经网络算法辨识出所述电极电流-位置解耦模型中的广义外界干扰项；

基于所述矿热炉电极电流-位置解耦模型、所述广义外界干扰项以及跟踪误差，推导出电极升降位移量，所述跟踪误差为电极电流实时值与电极电流设定值的偏差；

基于所述电极升降位移量控制矿热炉电极升降。

2.根据权利要求1所述的基于神经网络解耦的矿热炉电极升降控制方法，其特征在于，建立矿热炉电极电流-位置解耦模型包括：

基于电极位移和电极电流变化量，建立矿热炉的电极电流-位置模型为：

△I(k+1)＝Φ(k)△h(k)

其中△I(k+1)＝I(k+1)-I(k)为电极电流变化量，△h(k)＝h(k)-h(k-1)为电极位移，I(k)＝[I₁(k),I₂(k),I₃(k)]^T为三相电极电流，h(k)＝[h₁(k),h₂(k),h₃(k)]^T为三相电极位置，为电流位移反应系数矩阵，且I(k)＝[I₁(k),I₂(k),I₃(k)]^T为I^T(k)＝[I₁(k),I₂(k),I₃(k)]的转置，h(k)＝[h₁(k),h₂(k),h₃(k)]^T为h^T(k)＝[h₁(k),h₂(k),h₃(k)]的转置；

根据随机逼近算法，估算电流位移反应系数矩阵为：

其中为的转置，η是步长序列，μ为权重因子，||△h(k-1)||＝|△h₁(k-1)|+|△h₂(k-1)|+|△h₃(k-1)|为△h(k-1)＝[△h₁(k-1),△h₂(k-1),△h₃(k-1)]^T的欧式范数，|△h_i(k-1)|i＝1,2,3为△h_i(k-1)的绝对值，△I^T(k)＝[△I₁(k),△I₂(k),△I₃(k)]为△I(k)＝[△I₁(k),△I₂(k),△I₃(k)]^T的转置，△h^T(k-1)＝[△h₁(k-1),△h₂(k-1),△h₃(k-1)]为△h(k-1)＝[△h₁(k-1),△h₂(k-1),△h₃(k-1)]^T的转置；

将所述电极电流-位置模型转化为电极电流-位置解耦模型为：

其中f_di'(k)为系统的广义外界干扰，为的估计值，为的估计值，为φ₃₃(k)的估计值，且f_di'(k)的计算公式为：

f_di'(k)＝ε_ii(k)△h_i(k)+f_di(k)

其中为电流位移反应系数的估算误差，f_di(k)为电极间的耦合作用，且f_di(k)的计算公式为：