[发明专利]一种中频感应加热炉的运行优化方法

摘要

本发明涉及一种中频感应加热炉的运行优化方法。目前中频感应炉加热炉的运行主要是靠工作人员经验。本发明方法首先采集中频感应炉加热炉生产过程中的运行参数数据和运行特征数据，然后采用多输出的广义回归神经网络建模，建立加热速度、能耗与频率、电流大小、进料速度、出产品速度、进料温度、出产品温度、生产材料热特性参数间的模型，再利用粒子群优化算法结合所建模型，针对不同的生产工艺要求进行各运行参数配置的优化。本发明方法应用并行的优化算法寻优等手段，确立了中频感应加热炉的运行优化方法，可有效提高加热效率和产品质量，既可以实施离线优化也可以进行在线实时优化。

主权项

1. 一种中频感应加热炉的运行优化方法，其特征在于该方法具体步骤是：步骤(1).采集中频感应炉加热炉生产过程中的运行参数数据和运行特征数据，运行参数数据包括频率()、电流大小()、进料速度()、出产品速度()、进料温度()、出产品温度()、生产材料热特性参数()，运行特征数据包括加热速度()、能耗()，建立实时数据库；以上数据通过中频感应炉加热炉生产过程中实时的数据监测控制系统获取，或直接通过仪器设备测量采集；步骤(2).采用多输出的广义回归神经网络建模，建立加热速度()、能耗()与频率()、电流大小()、进料速度()、出产品速度()、进料温度()、出产品温度()、生产材料热特性参数()间的模型；具体建模方法如下：用于建模样本的输入参数及输出参数表示为，其中表示第组作为输入数据的中频感应炉加热炉运行参数向量，包括频率()、电流大小()、进料速度()、出产品速度()、进料温度()、出产品温度()、生产材料热特性参数()；表示第组作为输出参数向量的中频感应炉加热炉运行特征向量，包括加热速度()、能耗()，为样本数量，以实际运行数据为基础建立中频感应炉加热炉运行参数反运行特征间的模型；采用多输出的广义回归神经网络建模，对于个隐节点的3层广义回归神经网络采用径向基影射函数，其输出向量为：，为权重系数向量、为维输入向量、为第个基函数的中心向量、为函数的基宽度参数向量；建立广义回归神经网络模型的关键在于确定径向基函数参数向量、及权重系数向量；采用遗传算法迭代训练广义回归神经网络，定义遗传算法初始群体向量的各维分量，分别为隐节点个数、径向基函数的参数向量、和权重系数向量，目标函数为：，其中和分别为第个样本输出向量的第一个分量值和第二个分量的多输出广义回归神经网络模型预测值，和分别为第个样本输出向量的第一个分量和第二个分量的实际值；当达到了最小、达到设定值或完成迭代次数时，训练完成，获得隐节点个数、径向基函数的参数向量和权重系数向量，从而获得多输出广义回归神经网络模型；步骤(3).利用粒子群优化算法结合步骤(2)所建模型，针对不同的生产工艺要求进行各运行参数配置的优化，具体步骤如下：a.定义粒子群位置向量的各维分量分别为：频率()、电流大小()、进料速度()、出产品速度()、进料温度()、出产品温度()、生产材料热特性参数()；b.设定粒子群的搜索目标和迭代次数，搜索目标为根据实际生产状况确定，为复合目标或单一目标，复合目标包括：在不低于给定的出产品速度和出产品温度的约束下，即给定的加热速度约束下，实现能耗最小；在给定的能耗约束下，实现加热速度最快；在都有约束或都没有约束的情况下，实现最优的经济折中方案；单一目标包括：加热速度最快；c.根据实际中频感应炉加热炉的设计和运行要求设定各可调运行参数的寻优范围，可调运行参数包括：频率()、电流大小()、进料速度()、出产品速度()；初始化位置向量，然后根据上一步设定的搜索目标，用粒子群算法进行迭代计算，搜索粒子群在参数向量空间内的最优位置；d.当粒子群算法完成迭代次数或找到设定要求的最优时，停止计算获得相应最优的位置向量，即获得最优的各可调运行参数组合，实现了中频感应加热炉的运行优化。