基于改進BP方法的精煉爐電壓和電流軟測量建模

張艷芬，肖 東

(1.營口職業(yè)技術(shù)學(xué)院，遼寧 營口 115000；2.東北大學(xué) 信息科學(xué)與工程學(xué)院，遼寧 沈陽 110004)

基于改進BP方法的精煉爐電壓和電流軟測量建模

張艷芬1，肖 東2

(1.營口職業(yè)技術(shù)學(xué)院，遼寧 營口 115000；2.東北大學(xué) 信息科學(xué)與工程學(xué)院，遼寧 沈陽 110004)

在精煉過程中，精確地測量電弧電流和電弧電壓對提高調(diào)節(jié)器性能、生產(chǎn)優(yōu)質(zhì)鋼和提高冶煉效率有著重要的理論和實踐意義。首先建立基于BP神經(jīng)網(wǎng)絡(luò)的電弧電流及電壓軟測量模型，然后針對BP神經(jīng)網(wǎng)絡(luò)收斂速度慢、易陷入局部極小值點的缺點，對模型進行改進，提出基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)軟測量模型。在MATLAB仿真平臺中對建立的兩個模型進行仿真比較，結(jié)果表明基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)軟測量模型在收斂速度、泛化能力等方面都要明顯優(yōu)于單一的基于BP神經(jīng)網(wǎng)絡(luò)建立的測量模型。

精煉爐；BP；軟測量；建模

鋼包精煉方法是把轉(zhuǎn)爐、平爐或者電弧爐中初煉的鋼水移到鋼包中進行精煉，并加入脫氧劑、合金料，進行脫氧、脫硫、均勻合金成分，是一種以電弧加熱、氬氣攪拌和渣精煉為核心的鋼包精煉生產(chǎn)技術(shù)[1]。精煉爐控制系統(tǒng)中最重要的部分是電極調(diào)節(jié)系統(tǒng)。目前常用的電極調(diào)節(jié)方法主要有恒電流調(diào)節(jié)策略、恒阻抗調(diào)節(jié)策略和恒功率調(diào)節(jié)策略，其中恒阻抗控制在技術(shù)上是最先進的，它適合于任何形式的爐子主回路，在一切情況下，都能保證調(diào)節(jié)過程的高度自動程度[2-3]。但采用恒阻抗控制策略控制電極，需要實時檢測電弧電壓和電弧電流作為控制器的輸入，檢測環(huán)節(jié)的精度和靈敏度是決定電極調(diào)節(jié)器性能好壞的重要因素。電弧電流和電弧電壓是變壓器二次側(cè)的輸出電流和輸出電壓，是高電流低電壓[4]。電弧電流通常為數(shù)萬安培，直接測量誤差較大。為了解決測量環(huán)節(jié)不能準(zhǔn)確反映實際電弧電流值的現(xiàn)狀，很多研究人員進行了相關(guān)的研究工作。一些學(xué)者提出了一種測量電爐變壓器二次側(cè)電流的方法，該方法利用電流互感器和連續(xù)式觸點盤從一次側(cè)直接測量電爐變壓器二次側(cè)電流[5-6]。該方法從硬件上解決了電弧電流的測量問題。由于該方法過多依靠硬件來實現(xiàn)，增加了系統(tǒng)的設(shè)備投入。在電弧電壓測量方面，目前已研究出的測量方法較少，純粹的電弧電壓現(xiàn)階段無法準(zhǔn)確測量。主要原因是實際生產(chǎn)中，爐體與地面間還有一段距離，相當(dāng)于一個電容，會產(chǎn)生一定的壓降，但由于壓降所占比例較小，所以現(xiàn)場應(yīng)用中多以變壓器二次側(cè)端子出口電壓近似作為電弧電壓[7]。

針對上述電弧電流及電壓測量方法中存在設(shè)備成本較高、算法較復(fù)雜、誤差較大等不足，本文從軟件方面考慮，通過測量變壓器一次側(cè)和二次側(cè)的電參數(shù)，運用改進BP方法準(zhǔn)確估計出電弧電流及電壓值。

1 改進BP建模方法

BP神經(jīng)網(wǎng)絡(luò)是一種利用誤差反向傳播訓(xùn)練算法的多層前饋網(wǎng)絡(luò)，結(jié)構(gòu)簡單、適應(yīng)性好，是神經(jīng)網(wǎng)絡(luò)中應(yīng)用最為廣泛的一種模型[8-9]。BP網(wǎng)絡(luò)的基本原理是采用梯度最速下降法調(diào)整權(quán)值使網(wǎng)絡(luò)總誤差最小。網(wǎng)絡(luò)由輸入層、隱含層和輸出層相互連接構(gòu)成，允許有多個隱含層。隱含層節(jié)點的激活函數(shù)通常選用Sigmoid型函數(shù)，輸出層變換函數(shù)可以是線性的，也可以是非線性的。BP神經(jīng)網(wǎng)絡(luò)主要被用來進行分類和預(yù)測，由于其算法比較完整，易于改進，因此，被認為是最適用于模擬輸入和輸出的近似關(guān)系的神經(jīng)網(wǎng)絡(luò)。其網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

圖1 BP網(wǎng)絡(luò)模型

然而，由于基本的BP算法是一種靜態(tài)的梯度下降法，性能很大程度上依賴于初始條件的選取，使得BP算法收斂速度慢、容易陷入極小值點、泛化性能較差，限制了BP網(wǎng)絡(luò)的應(yīng)用。因此，針對BP神經(jīng)網(wǎng)絡(luò)初始權(quán)值和閾值隨機選取，可能導(dǎo)致網(wǎng)絡(luò)陷入局部極小值的缺點，本文引入了遺傳算法對BP神經(jīng)網(wǎng)絡(luò)的連接權(quán)進行優(yōu)化改進。遺傳算法是一種全局尋優(yōu)的搜索方法，能夠有效地避免神經(jīng)網(wǎng)絡(luò)陷入極小值點，提高網(wǎng)絡(luò)的泛化能力。它也是一類借鑒生物界自然選擇和自然遺傳機制的隨機優(yōu)化搜索方法。利用群體搜索策略和群體中個體之間的信息交換來完成，不依賴梯度信息，具有較好的全局最優(yōu)求解能力和良好的適應(yīng)性[10]。本文建立的基于遺傳算法改進的BP神經(jīng)網(wǎng)絡(luò)電弧電流及電壓測量模型的算法流程如圖2所示。

圖2 基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)算法流程

2 建模與仿真

本文需要采集的數(shù)據(jù)如表1所示，共采集某鋼廠LF爐350組生產(chǎn)數(shù)據(jù)，隨機抽取其中300組數(shù)據(jù)用于軟測量建模的訓(xùn)練數(shù)據(jù)，其余50組數(shù)據(jù)作為測試數(shù)據(jù)。測試數(shù)據(jù)預(yù)先進行歸一化和反歸一化處理。三相電弧電流擬合及誤差仿真結(jié)果如圖3、圖4、圖5所示，三相電弧電壓擬合及誤差的仿真結(jié)果如圖6、圖7、圖8所示。

表1 需要采集的建模數(shù)據(jù)

圖3 GA-BP網(wǎng)絡(luò)A相電弧電流擬合和相對誤差

圖4 GA-BP網(wǎng)絡(luò)B相電弧電流擬合和相對誤差

圖5 GA-BP網(wǎng)絡(luò)C相電弧電流擬合和相對誤差

圖6 GA-BP網(wǎng)絡(luò)A相電弧電壓擬合和相對誤差

圖7 GA-BP網(wǎng)絡(luò)B相電弧電壓擬合和相對誤差

圖8 GA-BP網(wǎng)絡(luò)C相電弧電壓擬合和相對誤差

本文將分別采用相對誤差平均值、相對誤差最大值、殘差平方和、均方誤差和擬合度5個標(biāo)準(zhǔn)對建立的模型進行評價與比較。評價指標(biāo)如表2所示。從仿真結(jié)果可以看出，三相電弧電流的相對誤差均小于2%，三相電弧電壓的相對誤差均小于0.6%，基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)測試模型具有更高的預(yù)測精度，泛化效果更好。在訓(xùn)練時間方面，基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)模型的逼近速度要明顯優(yōu)于單一的BP神經(jīng)網(wǎng)絡(luò)模型的逼近速度。在測試值與實際值的相對誤差方面，基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)要明顯優(yōu)于單一BP神經(jīng)網(wǎng)絡(luò)，模型精度顯著提高，說明引入遺傳算法對神經(jīng)網(wǎng)絡(luò)權(quán)值進行優(yōu)化，能夠明顯增強網(wǎng)絡(luò)對非線性問題的處理能力和泛化能力。

表2 基于遺傳算法改進的神經(jīng)網(wǎng)絡(luò)模型評價指標(biāo)

對比兩個模型仿真結(jié)果，可以看出在電弧電壓測量方面，兩個模型的預(yù)測精度差異相對較小，各項指標(biāo)值基本相近。但在電弧電流測量方面，兩個模型的預(yù)測精度差異較大。單一BP神經(jīng)網(wǎng)絡(luò)共有6個預(yù)測值相對誤差超過5%，最大相對誤差達到23.73%；而基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測值相對誤差均小于2%，取得了比較理想的結(jié)果。在擬合度方面，兩個模型的擬合度均達到0.8以上，滿足工程要求。在殘差平方和和均方誤差方面，基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)除了在B相電弧電流的預(yù)測上SSE和MSE較大外，其他結(jié)果都明顯小于單一的BP神經(jīng)網(wǎng)絡(luò)。

綜上所述，基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)電弧電流及電壓軟測量模型在各個方面都要明顯優(yōu)于單一的BP神經(jīng)網(wǎng)絡(luò)軟測量模型，其具備了較快的收斂速度，又不容易陷入局部極小值點，具有較強的泛化能力。

3 結(jié)束語

精煉爐冶煉過程是一個復(fù)雜的高溫物理化學(xué)過程，本文針對其電流和電壓軟測量問題，提出了改進的BP神經(jīng)網(wǎng)絡(luò)算法，引入了遺傳算法對初始權(quán)值和閾值進行優(yōu)化，建立了基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)軟測量模型，并在MATLAB仿真平臺下進行訓(xùn)練與測試。比較兩個模型的仿真結(jié)果，對建立的兩個電弧電流及電弧電壓軟測量模型進行了評價。結(jié)果表明：基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)測量模型在各個方面都要優(yōu)于單一的BP神經(jīng)網(wǎng)絡(luò)測量模型，相對誤差明顯降低，網(wǎng)絡(luò)的泛化能力顯著提高，從而說明了引入遺傳算法對網(wǎng)絡(luò)進行改進的有效性。仿真結(jié)果表明此模型完全可以滿足實際生產(chǎn)的需要。

[1]毛志忠，尚海洋，馬建軍. 一種測量電弧爐電流的新方法[J].東北大學(xué)學(xué)報:自然科學(xué)版，2008，29(10)：1398-1401.

[2]ZHENG TONGXIN, MAKRAM E B. An adaptive arc furnace model[J]. IEEE Transactions on Power Delivery, 2000, 15(3): 931-939.

[3]呂銘，付博，孟憲儉，等. 精煉爐工藝[J].萊鋼科技，2007，127(1)：10-13.

[4]沈立峰.電弧爐電弧電流軟測量的研究[D].沈陽：東北大學(xué)，2008.

[5]肖利忠，張茂魯. 一種測量電爐變壓器二次側(cè)電流的方法[J].變壓器，2003，40(1): 23-25.

[6]王義芳，胡志剛. 150t LF工藝操作與供電制度優(yōu)化[J].特殊鋼，2013，34(1): 34-40.

[7]吳冬艷，韓喜春，高旭東.PSOC在高精度溫度測量中的應(yīng)用[J].黑龍江工程學(xué)院學(xué)報:自然科學(xué)版，2013，27(2)：45-49.

[8]白鶴鳴，沈潤平，師華定. 基于BP神經(jīng)網(wǎng)絡(luò)的空氣污染指數(shù)預(yù)測模型研究[J].環(huán)境科學(xué)與技術(shù)，2013，36(3): 186-189.

[9]洪文鵬，陳重. 基于自適應(yīng)粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的氨法煙氣脫硫效率預(yù)測[J].動力工程學(xué)報，2013，33(4): 290-295.

[10]FARAG A M, YAKUPHANOGLU F, CHUNG G S. Optical and photoluminescence properties of Ga doped ZnO nanostructures by sol-gel method[J]. Journal of Electroceramics, 2012, 29(1): 12-22.

Researchonsoft-sensormethodforarccurrentandvoltageofladlefurnacebasedontheimprovedBPmethod

ZHANG Yan-fen1, XIAO Dong2

(1.Yingkou Vocational &Technical College, Yingkou 115000, China;2.School of Information Science &Engineering, Northeast University, Shenyang 110004, China)

In the process of refining,the accurate measurement of arc current and voltage has theoretical and practical significance of improving the performance of the electrode regulator, producing high-quality steel and increasing the production efficiency. One soft-sensor model based on BP is established firstly. To deal with the defects of the steepest descent in slowly converging and easily immerging in partial minimum frequently of BP, the genetic algorithm is brought forward to solve the problem. Finally, two models are simulated under MATLAB for verifying their effectiveness and the simulation results are compared with each other. The result shows that the BP model based on genetic algorithm is much better than a single BP model on convergence rate and generalization ability.

ladle furnace;BP;soft-sensor;modeling

2013-09-18

張艷芬(1976-),女,副教授,碩士研究生,研究方向：智能控制.

TP273

A

1671-4679(2014)01-0054-04

郝麗英]