基于工业计算机网络的神经网络电弧炉控制系统

第１６卷第５期电工技术学报２００１年１０月基于工业计算机网络的神经网络电弧炉控制系统ＮｅｕｒａｌＮｅｔｗｏｒｋＥＡＦＣｏｎｔｒｏｌＳｙｓｔｅｍＢａｓｅｄ０１１ＩｎｄｕｓｔｒｉａｌＣｏｍｐｕｔｅｒＮｅｔｗｏｒｋ李强李红粱莉张晓辉王新房刘军（西安理工大学信控系７１００４８）ＬｉＱｉａｎｇＬｉＨｏｎｇＬｉａｎｇＬｉＺｈａｌａｇＸｉａｏｈｕｉＷａｎｇＸｉｎｆａｎｇＬｉｕＪｕｎ（Ｘｉ’ａｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ７１００４８Ｃｈｉｎａ）擒要设计了基于工业计算机网络的电弧妒控制系统，采用三层网络结构即管理层、控制层和设备层来完成对电弧炉和精炼炉的控制。

系统可实现炼钢过程的优化控制及数据监控，完成作业优化，提高作业效事。

电弧炉和精炼炉控制采用控制专家系统，并提出了一种新的基于预估补偿的控制，利用神经网络预估对象状态，进而对常规控制嚣的输出做出补偿以使系统能较好地适应负荷和外部扰动的变化，从而获得满意的控制质量。

关羹词：电弧妒计算机网络神经网络预估中围分类号：ＴＦ３４５．５ＡｂｓｔｒａｃｔＴｈｉｓｐａｐｅｒｄｅｓｉｇｎｓａｅｌｅｃｔｒｉｃａｒｃｆｕｒｎａｃｅｃｏｎｔｒｏｌｓｙｓｔｅｍｂａｓｅｄｏｎｅｔｈｅｒｎｅｔ，ｃｏｎｔｒｏｌ—ｎｅｔａｎｄｄｅｖｉｃｅ—ｎｅｔ．Ｔｈｅｓｙｓｔｅｍ’ｓｃｏｎｔｒｏｌａｒｃｈｉｔｅｃｔｕｒｅｉｓｄｉｖｉｄｅｄｉｎｔｏｔｈｒｅｅｌａｙｅｒｓ，ｎａｍｅｌｙ，ｍａｎａｇｅｍｅｎｔ，ｃｏｎｔｒｏｌａｎｄｅｑｕｉｐｍｅｎｔ．Ｉｔｃａｎａｃｈｉｅｖｅｔｈｅｏｐｔｉｍｉｚａｔｉｏｎｃｏｎｔｒｏｌ，ｄａｔａｍｏｎｉｔｏｒｏｆｓｔｅｅｌｍａｋｉｎｇｐｒｏｃｅｓｓ，ｃｏｍｐｌｅｔｅｏｐｅｒａｔｉｏｎｏｐｔｉｍｉｚａｔｉｏｎａｎｄｉｍｐｒｏｖｅｔｈｅｐｒｏｄｕｃｔｉｏｎｅｆｆｉｃｉｅｎｃｙ．ＩｔｐｒｅｓｅｎｔｓａｎｅｗＥＡＦ（ｄｅｃ—ｔｒｉｃ＆ｒｃｆｕｒｎａｃｅ）ｃｏｎｔｒｏｌｍｅｔｈｏｄｂａｓｅｄｏｎＥＳ（ｅｘｐｅｒｔｓｙｓｔｅｍ）ａｎｄａｎｅｕｒａｌｎｅｔｗｏｒｋ’ｓｃｏｍｐｅｎｓａｔｉｎｇｂｙｐｒｅｄｉｃｔｉｎｇ．ＴｈｅｎｅｕｒａｌｎｅｔｗｏｒｋｉｓｕｓｅｄｈｅｒｅｔｏｐｒｅｄｉｃｔｔｈｅｃｏｎｄｉｔｉｏｎｏｆＥＡＦｔｈｅｎｔｏｃｏｎｔｒｏｌａｎａｅ—ｔｕａｌｓｙｓｔｅｍｂｙｃｏｍｐｅｎｓａｔｉｎｇｔｈｅｏｕｔｐｕｔｏｆｒｏｕｔｉｎｅｃｏｎｔｒｏｌｌｅｒ．Ｈｅｎｃｅｔｈｅｓｙｓｔｅｍｃａｎａｄａｐｔｉｔｓｅｌｆｍｏｒｅｂｅｔｔｅｒｔｏｔｈｅｖａｒｉａｔｉｏｎｓｉｎｌｏａｄａｎｄｅｘｔｅｒｎａｌｉｎｔｅｒｆｅｒｅｎｃｅ．ｗｈｉｃｈｃａｔｌｇａｉｎａｓａｔｉｓｆｉｅｄｃｏｎｔｒｏｌｑｕａｌｉｔｙ．Ｋｅｙｗｏｒｄｓ：ＥｌｅｃｔｒｉｃａｒｃｆｕｒｎａｃｅＣｏｍｐｕｔｅｒｎｅｔＮｅｕｒａｌｎｅｔｗｏｒｋＰｒｅｄｉｃｔ１引言随着计算机网络和计算机信息产业兴起，基于目前现场总线Ｅｔｈｅｒｎｅｔ在自动化领域迅速增长，采用ＴＣＰｆｌＰ协议的网络通讯及现场总线技术将低成本的工业计算机网络【１’２１用于电弧炉和精炼炉控制系统中，能提高炼钢过程的综合自动化水平，满足生产的需求，实现多机控制。

针对国内外各种电弧炉控制系统运行的情况”ｔ４Ｊ，由于对象复杂，国内科研院所相继开发的电弧炉控制系统【５１由于没有三相统筹考虑［３１因而效果都不理想，我们设计了一套控制系统替代广州特种钢有限公司ＩＡＦ电弧炉控制系统。

在专家系统的基础上加上电弧炉神经网络预估模型，通过它预估出电弧炉下一时刻的状态．经过特定的优化程序对专家系统的输出作出优化补偿，给专家系统增加了预估能力【６Ｊ，使电弧电流能达到一种相对的极稳状态，减少了无功功率，对降低能耗和减轻对电网的危害具有重大的意义。

２系统组成本套控制设备是为广州钢铁股份有限公司电炉李甄男，１９６４年生，壤土，现为西安理工大学信控系副教授，主要研究领域为控制理论与应用、计算机控制、自动化等。

李虹女，１９６７年生，现为西安理工大学理学皖讲师．管理信息系统在职磺士。

第１６卷第５期丰强等基于工业计算机网络的神经网络电弧炉控制系统分厂的４０ｔ电弧炉设计的，以取代它们以前引进的美国ＩＡＦ控制设备，同时进行５０ｔ精炼炉控制。

系统的总体结构如图１所示Ｌｌ】，本系统分三层结构，它们是信息管理层、控制层、设备层。

信息管理层采用局域网把生产过程控制系统和管理信息系统相结合，实现工厂自动化和办公自动化。

主要功能是与精炼炉和电弧炉工作站进行通讯、数据库管理、工艺优化和报表曲线打印等。

控制管理层工作站主要用于设备层监控管理优化，与服务器之间进行信息交换。

主要功能是进行精炼炉钢水温度预局域罔（ＴＣＰ］ＩＰ）鼍务嚣ＳＱＬＮＴ４ｏ估、优化控制机工艺曲线、对高压合闸和液压站状态及报警信息进行监控。

设备层中的炉前控制设备，主要分为电极调节和逻辑控制两大部分。

电极调节采用研华公司的双ＣＰＵ工控机，在工控机上实现了电极调节的神经网络控制。

逻辑控制采用西门子公司的Ｓ７—３００．为了保证设备的可靠性和生产的连续运行，同时设计了一个ＰＬＣ（Ｓ７—３００—ｃＰｕ３１８）电极调节器作为备用，以确保工控机故障时，仍可正常生产。

工作站ＮＴＷＩＮＣＣ４０ｔ电弧炉ＰＲＯＦＩＢＵＳ（Ｓ７协议）ＰＲＯＦＩＢＵＳ（ｓ７协议）Ａ控Ｎ制Ｎ计ＫＯ算Ｎ机ＧｌＩ渊”ＩＪ５釜箍；『’Ｉｉ粼蕞糕ｌｆ鼍茹黧岔’ｊ５罐鐾岔’信号采集转换器及放太三相电板调节３网络通讯的ＴＣＰ／ＩＰ编程型隰圈１系统结构图Ｆｉｇ．１ＳｙｓｔｅｍＳｔｒｕｃｔｕｒｅ系统程序设计主要有信号采集、神经网络控制和输出。

在基于Ｗｉｎｓｏｃｋ的网络通讯的函数集中，有许多阻塞操作，为了不使通讯阻塞而影响到主控程序的执行，系统采用多线程的设计方法【７１来实现。

把网络通讯程序放在一个单独的线程中，这样就避免了因网络阻塞操作而影响主控程序的执行。

系统程序包括主控程序、弧流弧压采集、功率、有功功率和功率因数运算以及网络通讯程序。

下面主要介绍网络通讯程序。

罔络通讯程序包括两部分，一部分是服务器的应用程序，主要用于接受客户端的连接请求，接收客户靖的信息．处理客户端的计算请求，向客户端发送计算结果和应答信息等；另一部分是客户端的应用程序，主要用于申请连接到服务器，向服务器发送计算请求，处理从服务器发回的计算结果和其他信息等。

其数据传递模型如图２所示。

在本系统中，数据交换是在主控程序和ＷｉｎＣＣ组态软件之间进行的，若在主控程序和ＷｉｎＣＣ之间直接进行网络ＤＤＥ交换，其通讯带宽满足不了要求．所以图２网络通讯模型Ｆｉｇ．２ＮｅｔｗｏｒｋＣｏｍｍｕｎｉｃａｔｉｏｎＭｏｄｅｌ电工技术学报２００１年１０月设计出这样一个数据交换模型：在客户端，网络通讯程序作为主控程序的一个子线程，他们直接进行内存数据交换；在服务器端，设计了一个网络程序的服务器，他们通过本机的ＤＤＥ进行数据交换。

这样既达到了主控程序和ｗｉｎｃｃ之间数据交换的目的，又增加了带宽。

网络通讯程序客户端的功能主要是定时向服务器发送从Ｉ／Ｏ板卡和电量表采集到的电参量及计算出的各种参数，供服务器端显示和分析。

客户端程序是主控程序的一个子线程，它随主控程序的启动而启动，子线程和主线程共享同一块内存单元。

由于子线程只是从共享内存中取数，并不涉及到数据的修改，因而，在此多线程程序中，并没用到信号量和访问冲突控制。

而在客户端，因为没有办法预先知道服务器的开机时间，所以它应具有多次连接功能。

为此，如果连接服务器失败，则线程睡眠ｌｍｉｎ后将再次启动连接程序与服务器连接，直到成功为止。

其连接服务器流程如图３所示。

图３连接取务器漉程Ｆｋ．３Ｔｈｅｐｒｏｏｍｓｏｆｒｉｎｋ－ｓｅｒＶ口数据的发送过程主要是将各种需要发送的数据打成包后，将其发送。

在数据的每次发送之前，都要检查此通讯的Ｓｏｃｋｅｔ是否为空或者所对应的链路是否不通，若出现上述情况之～，就必须中断发送，然后再次连接到服务器上。

其发送流程如图４所示。

服务器端的作用是接受客户端的连接请求，接收客户端发来的数据并通过ＤＤＥ接口转发给ＷｉｎＣＣ，同时接收ＷｉｎＣＣ的指令并把它转发给客户端。

故服务器端的程序设计采用了ＶｉｓｕａｌＢａｓｉｃ这种快速的可视化开发工具来开发。

图４客户端数据的发送过程Ｆｉｇ．４Ｔｒａｎｓｍｉｓ８ｉｏｎｐｒｏｃｅｓｓｏｆｔｈｅｄｉｅｎｔｄａｔａ４电弧炉控制神经网络算法电弧炉神经网络预估模型采用了３个３层ＢＰ网络实现Ｌ８Ｊ，用以分别学习电弧炉三相电极的状态。

在给电弧炉和神经网络输人信号的同时，加上Ｎ，Ｎ一１，Ｎ一２时刻的电弧炉状态参量（电压、电流）和调节器的输出量，由电弧炉的Ｎ＋１时刻的电参量作为指导信号【６Ｊ，通过电弧炉实际输出和神经网络预估模型输出的偏差对模型的权值进行不断的修正，最终建立起初始的神经网络预估模型。

考虑到神经网络在一些场合的不稳定性，故当电流大到将导致短路时，系统将自动切换到基本控制模式，恢复正常时则转到神经网络控制模式。

如图５所示，将前面建立的预估模型在线投入，并不断进行在线自调整，使藏估模型对实际的电弧炉对象实现最佳逼近。

特定的预估补偿程序利用预估结果，对专家系统的输出进行优化补偿，用于实时控制，以获得期望的控制效果。

在电弧炉运行过程中，由于运行条件经常发生变化，如：补偿装料、线电压、电极长度和系统阻抗的改变等，这就对神经网络的在线学习算法提出了很高的要求，鉴于此，系统采用了改进的ＤＢＤ算法。

第埘卷第５期丰强等基于工业计算机罔络的神经同络电弧炉控制系统图５神经同络电炉控制结构图Ｆｉｇ．５ＳｔｒｕｃｔｕｒｅｏｆｔｈｅｎｅｕｒａｌｆｕｒｎａｃｅｃｏｎｔｒｏｌｌｅｒＢＰ算法是目前最为流行的算法，其权值更新的基本公式为【８０Ａｒ△Ⅲｕ（Ｅ）＝一目亡‘ａ叫Ｈ式中口——步长参数（学习速率）由于Ｂｐ只用局部梯度信息，故口必须很小，以免跳到权值空问不希望的区域，这样导致搜索的速率很慢。

为了加速搜索，最常用的方法是加入冲量。

这样，权值更新式为１Ｔ△％（＾）２—７五ＯＪ＋芦△％（女一１）一ｕ式中口——冲量因子，用来阻尼局部振荡这一算法加快了搜索过程，但用于电弧炉的实时控镧，逢度还是太慢。

改进的ＤＢＤ算法是一种更为有效的启发式方法，这一算法的出发点是：在网络不同的权值方向，误差面的斜率可能有很大的差别，而ＢＰ算法对所有的权值使用一个统一的学习速率，因而每一步的长度与那个方向的斜率成比例，这就可能在斜率最陡的方向跳过了极小值，而沿平坦斜率方向则下降很慢。

为克服这一缺点，系统采用改进的ＤＢＤ算法，其基础是：①对每一权值（即搜索空间的每一维）有自已的学习速率，学习速率日为ｄ（¨ｆ的指数衰减函数，阱保证在平坦的区域，日可以增加得快一些；②在多次迭代中，若误差梯度ａ』舟％的符号不变，说明极小点还在前面，可增加学习速率；③在连续几次迭代中，若误差梯度符号改变，说明已经跳过了极小点，应减小学习速率；④在算法中使用了冲量项，但冲量也象学习速率一样，是变化的；⑤为避免学习速率或冲量过大，加了限幅，这有利于使用大的增量；⑥在算法中还加了记忆和恢复，以记住目前所取得的最好的值，并用一个容许参数＾来控制恢复。