[01161977]大滞后、多变量复杂生产制造过程递阶智能控制系统

本成果从机理上分析模糊控制、神经网路和数学模型之间的关系，以提高智能系统的运行速度，满足了实时控制系统的要求。技术说明如下：（1）就烧结智能系统而言，其工艺过程机理复杂、环境恶劣，人为因素影响大，因此难以建立精确的数学模型，为此我们利用专家系统、模糊控制、遗传神经网络等人工智能技术来解决原先要依靠操作人员和工艺专家的实践经验进行操作调整的问题。（2）该项目主要是用递阶网络建立系统的决策层和执行层。在决策层可以提供操作指导界面和建立智能推理系统，以协调烧结生产过程中的各工艺参数和操作参数间的相互关系；在执行层采用模糊控制的方法来动态调节各工艺参数的变化特性，用神经网络快速预估大滞后系统的响应特性，以动态修正模糊控制器的隶属函数的参数，实现工艺参数的自适应模糊控制。（3）针对系统中存在的物料平衡、烧透点、成份控制、异常诊断四大关键难点，分别进行各部分的系统建立和测试。并完成输入样本的特征提取和递阶智能系统的结构设计。建立了整个智能系统，并完成安装和测试。技术创新点：1．用智能推理与快速决策支持的方法建立整个烧结过程的递阶智能控制系统。2．用小波变换的方法对过程数据或者输入样本进行时频特征分析，提取输入样本的周期特征和能谱关系，以实现系统的快速响应。3．采用模糊控制器去动态调节各工艺参数的变化特性，用神经网络快速预估大滞后系统的响应特性，动态修正模糊控制器的隶属函数的参数，以实现工艺参数的自适应模糊控制。应用前景：近十年来，人们普遍采用模糊技术、神经网络和数学模型来建立大滞后，非线性动态控制系统。但由于数据库、知识库和推理机的运行机制限制了其运行效率，致使这项技术很难应用在大型过程控制系统中。该课题主要研究人员在建立了2500M^3大型高炉分布式控制系统后，经过多年的摸索和研究，从机理上确定了规划部和执行部的运行模式，采用变参数和变结构的方式去解决快速推理机制难题.课题的意义是从机理上解决智能系统实时性问题，以便广泛应用于过程控制系统中。该项目以烧结生产工艺的大滞后性，强耦合性和多时变性的复杂过程为背景进行智能推理和快速决策机理分析，建立复杂烧结工艺过程的递阶智能控制系统。其机理可推广应用到化工、电力、冶金等复杂工艺领域。