近年来，电炉/转炉－二次精炼－连铸短流程作为一种潮流，在炼钢厂占据越来越重要的地位。钢包精炼炉(LF)由于具有投资少、功能强的特点，取得了长足进展，对LF的自动控制技术既提供了机遇，又提出了挑战。

国内LF自动化技术起点低，功能弱，一般只是用PLC进行逻辑连锁控制和PID回路控制，用工业计算机(IPC)监视设备运行，技术经济指标低，远远不能满足市场的需求。电弧功率、电弧长度、耐材指数等重要工艺变量无从直接检测，实际钢水温度的消耗式测量、钢水成分的取样分析等因素制约了过程优化技术的运用，只能依靠操作工的个人经验进行变压器电压档、二次电流等的设定，多变量非线性时变的控制对象使得传统PID电极升降调节器的控制效果大打折扣。

为了提高我国LF自动化的技术水平，取得节能降耗、提高生产率的效果，我们进行了智能LF控制系统(ILF)的开发，其原理如图1所示。此系统基于复合人工智能技术，进行热平衡计算和钢水温度预报、能量输入动态优化和智能电极升降控制，克服了上述传统LF控制系统中存在的缺点，取得了满意的应用结果。

图1 ILF原理图

1 ILF的结构和功能

ILF采用IPC硬件结构，主要由两台IPC(调节器IPC1和服务器IPC2)构成。两台IPC通过以太网连接。IPC1内插有模拟量输入输出模板和数字量输入输出模板，用于信号的输入输出。

两台IPC各配置了一套液晶显示器、鼠标和键盘，一套放置在主控室的操作台上供炼钢工操作用，另一套装在电气室的控制柜中用于系统调试和检修。系统还配置了必要的电量变送器、信号调理模块、直流电源，集中放置在电气室的控制柜中。此外，控制柜中配置了一套现场信号模拟装置和电量显示表，用于调试和设备检修。

ILF包括以下主要功能：(1)数据I/O；(2)热平衡计算和钢水温度预报；(3)能量输入设定点动态优化；(4)智能电极升降控制；(5)数据库管理和统计过程分析；(6)MMI；(7)网络通信。

2 热平衡计算和钢水温度预报

主要功能是计算钢水初始温度、能量输入、能量损耗和有用能量的平衡关系，以及预报整个冶炼过程中的钢水温度的变化。通常有机理分析和统计计算两种方法。

机理分析方法主要是建立机理模型，按冶炼阶段分别建立钢包、吹氩搅拌、冷却水、烟尘、电弧、加料、钢水各单元的能量平衡关系，进一步进行综合计算。这种方法的优点是物理意义清楚，计算结果对改进操作制度和冶炼工艺有指导意义，但这种机理分析需要大量的前提假设，且需现场提供大量工艺数据，而这些数据在实际生产时是得不到的，因而制约了机理模型的在线运行。

统计计算方法是基于统计分析方法，如线性回归分析，通过大量数据找到预报量与各种过程变量之间的关系。其优点是算法简单，且很容易在线实现；但由于这些模型只能反映线性关系，而钢水温度与电量、合金料、时间等因素间的关系错综复杂，统计模型的精度通常不高。

本系统采用人工神经元网络和专家系统有机结合的钢水温度动态预报模型，如图2、图3所示。

图2 网络拓朴结构

图3 钢水温度预报模型的逻辑结构

首先利用人工神经元网络得到钢水温度预报初值，ILF中的模型和控制问题，可归结为一个时间序列的模式识别问题。从理论上的认识，或是从计算效率、存储空间等实用的考虑，解决时间序列模式识别问题，利用具有记忆功能的回归型(Recurrent)神经元网络较好，例如Elman网或雪崩网。但是经过试验发现这类神经元网络训练比较困难，性能不够稳定，在目前的条件下尚难达到实际工程应用所要求的可靠性。经过大量的调查研究发现，目前国外在工程上获得实际应用的人工神经元网络，绝大部分仍然是基于误差反向传播的多层前馈型网络，即BP网，这种网络容易掌握，而且已经过大量实践的检验，可靠性是比较高的。BP网本来只适用于静态模式识别，为了将其应用于动态的时间序列模式识别，可以采用延时网络技术(TDNN)，即将时序信号输入到延时寄存器，该移位寄存器实际形成一个FIFO的队列，队列的长度确定了从时序信号中截取的一个移动窗口的宽度，每收到一个新的信号，它就和保存在移位寄存器中的前N－1个采样点信号一起构成移动窗口中的一个静态模式，再应用人工神经元网络对该静态模式进行识别。为了提高算法的运算速度，我们采用了广义Delta算法。网络拓扑结构如图2所示。通过采集到的数据进行网络训练，训练好的网络用于计算钢水温度初值。

由于冶炼过程的复杂性，新旧包、钢水烘烤程度、热停时间等因素对钢水温度都有一定影响，根据机理分析和现场总结经验，生成了IF－THEN形式的专家规则，现场应用时，根据每一炉的实际情况进行前向推理，调用相应的专家规则对温度预报初值进行修正，给出准确的钢水温度预报值。

钢水温度计算从每炉第1次钢水测温开始，每分钟计算1次。本系统中采用的人工神经元网络和专家系统有机结合的钢水温度动态预报方法同时克服机理分析和统计计算两种方法的缺点，适应能力强，预报精度高。

3 能量输入设定点动态优化

能量输入设定点动态优化功能是指选择合理的决策变量(弧压和弧流)，在满足一定约束的条件下，使得输入到钢包炉内的电弧功率满足工艺要求。

以往功率设定点仅根据静态的电气圆图，制订出各种电压档下的功率曲线，由操作工根据自己的经验选取。这种静态分析是假定电气线路电阻、电抗不变和三相独立，由于冶炼工艺过程的复杂性，随机干扰因素多，三相电气变量间耦合严重，实际上这种假设并不成立。近年来，国外利用人工智能技术进行功率设定点的优化，取得了一定进展。一般说来，有专家系统和人工神经元网络两种方案。专家系统方案采用基于经验的方法，把从生产实践总结出来的功率设定点的经验，以专家系统的规则形式存储在计算机中，根据冶炼目标、冶炼实绩和检测到的电气变量等因素进行逻辑推理，得到一个比较合理的功率设定点，但是，由于这些专家系统只是基于检测或预测的电流、电压值等外在因素，未能充分利用反映电气系统内在规律的电阻、电抗等电气特性参数的动态变化，也就得不到精确的优化设定点。人工神经元网络方案利用人工神经元网络建立功率和阻抗间的对应函数关系，通过对阻抗求偏导以优化出最大功率时的阻抗值，作为电极升降控制的设定点。这种算法的优化目标是寻求最大二次功率，比较适合作为初炼炉的电弧炉。对于LF，功率最大并不意味着功率最优，还必须考虑生产节奏、钢水温度和冶炼工艺的要求，在满足这些非线性、时变的约束条件下，寻求最优功率设定点。