基于改进BP方法的精炼炉电压和电流软测量建模

张艳芬，肖 东

(1.营口职业技术学院，辽宁 营口 115000；2.东北大学 信息科学与工程学院，辽宁 沈阳 110004)

基于改进BP方法的精炼炉电压和电流软测量建模

张艳芬1，肖 东2

(1.营口职业技术学院，辽宁 营口 115000；2.东北大学 信息科学与工程学院，辽宁 沈阳 110004)

在精炼过程中，精确地测量电弧电流和电弧电压对提高调节器性能、生产优质钢和提高冶炼效率有着重要的理论和实践意义。首先建立基于BP神经网络的电弧电流及电压软测量模型，然后针对BP神经网络收敛速度慢、易陷入局部极小值点的缺点，对模型进行改进，提出基于遗传算法的BP神经网络软测量模型。在MATLAB仿真平台中对建立的两个模型进行仿真比较，结果表明基于遗传算法的BP神经网络软测量模型在收敛速度、泛化能力等方面都要明显优于单一的基于BP神经网络建立的测量模型。

精炼炉；BP；软测量；建模

钢包精炼方法是把转炉、平炉或者电弧炉中初炼的钢水移到钢包中进行精炼，并加入脱氧剂、合金料，进行脱氧、脱硫、均匀合金成分，是一种以电弧加热、氩气搅拌和渣精炼为核心的钢包精炼生产技术[1]。精炼炉控制系统中最重要的部分是电极调节系统。目前常用的电极调节方法主要有恒电流调节策略、恒阻抗调节策略和恒功率调节策略，其中恒阻抗控制在技术上是最先进的，它适合于任何形式的炉子主回路，在一切情况下，都能保证调节过程的高度自动程度[2-3]。但采用恒阻抗控制策略控制电极，需要实时检测电弧电压和电弧电流作为控制器的输入，检测环节的精度和灵敏度是决定电极调节器性能好坏的重要因素。电弧电流和电弧电压是变压器二次侧的输出电流和输出电压，是高电流低电压[4]。电弧电流通常为数万安培，直接测量误差较大。为了解决测量环节不能准确反映实际电弧电流值的现状，很多研究人员进行了相关的研究工作。一些学者提出了一种测量电炉变压器二次侧电流的方法，该方法利用电流互感器和连续式触点盘从一次侧直接测量电炉变压器二次侧电流[5-6]。该方法从硬件上解决了电弧电流的测量问题。由于该方法过多依靠硬件来实现，增加了系统的设备投入。在电弧电压测量方面，目前已研究出的测量方法较少，纯粹的电弧电压现阶段无法准确测量。主要原因是实际生产中，炉体与地面间还有一段距离，相当于一个电容，会产生一定的压降，但由于压降所占比例较小，所以现场应用中多以变压器二次侧端子出口电压近似作为电弧电压[7]。

针对上述电弧电流及电压测量方法中存在设备成本较高、算法较复杂、误差较大等不足，本文从软件方面考虑，通过测量变压器一次侧和二次侧的电参数，运用改进BP方法准确估计出电弧电流及电压值。

1 改进BP建模方法

BP神经网络是一种利用误差反向传播训练算法的多层前馈网络，结构简单、适应性好，是神经网络中应用最为广泛的一种模型[8-9]。BP网络的基本原理是采用梯度最速下降法调整权值使网络总误差最小。网络由输入层、隐含层和输出层相互连接构成，允许有多个隐含层。隐含层节点的激活函数通常选用Sigmoid型函数，输出层变换函数可以是线性的，也可以是非线性的。BP神经网络主要被用来进行分类和预测，由于其算法比较完整，易于改进，因此，被认为是最适用于模拟输入和输出的近似关系的神经网络。其网络结构如图1所示。

图1 BP网络模型

然而，由于基本的BP算法是一种静态的梯度下降法，性能很大程度上依赖于初始条件的选取，使得BP算法收敛速度慢、容易陷入极小值点、泛化性能较差，限制了BP网络的应用。因此，针对BP神经网络初始权值和阈值随机选取，可能导致网络陷入局部极小值的缺点，本文引入了遗传算法对BP神经网络的连接权进行优化改进。遗传算法是一种全局寻优的搜索方法，能够有效地避免神经网络陷入极小值点，提高网络的泛化能力。它也是一类借鉴生物界自然选择和自然遗传机制的随机优化搜索方法。利用群体搜索策略和群体中个体之间的信息交换来完成，不依赖梯度信息，具有较好的全局最优求解能力和良好的适应性[10]。本文建立的基于遗传算法改进的BP神经网络电弧电流及电压测量模型的算法流程如图2所示。

图2 基于遗传算法的BP神经网络算法流程

2 建模与仿真

本文需要采集的数据如表1所示，共采集某钢厂LF炉350组生产数据，随机抽取其中300组数据用于软测量建模的训练数据，其余50组数据作为测试数据。测试数据预先进行归一化和反归一化处理。三相电弧电流拟合及误差仿真结果如图3、图4、图5所示，三相电弧电压拟合及误差的仿真结果如图6、图7、图8所示。

表1 需要采集的建模数据

图3 GA-BP网络A相电弧电流拟合和相对误差

图4 GA-BP网络B相电弧电流拟合和相对误差

图5 GA-BP网络C相电弧电流拟合和相对误差

图6 GA-BP网络A相电弧电压拟合和相对误差

图7 GA-BP网络B相电弧电压拟合和相对误差

图8 GA-BP网络C相电弧电压拟合和相对误差

本文将分别采用相对误差平均值、相对误差最大值、残差平方和、均方误差和拟合度5个标准对建立的模型进行评价与比较。评价指标如表2所示。从仿真结果可以看出，三相电弧电流的相对误差均小于2%，三相电弧电压的相对误差均小于0.6%，基于遗传算法的BP神经网络测试模型具有更高的预测精度，泛化效果更好。在训练时间方面，基于遗传算法的BP神经网络模型的逼近速度要明显优于单一的BP神经网络模型的逼近速度。在测试值与实际值的相对误差方面，基于遗传算法的BP神经网络要明显优于单一BP神经网络，模型精度显著提高，说明引入遗传算法对神经网络权值进行优化，能够明显增强网络对非线性问题的处理能力和泛化能力。

表2 基于遗传算法改进的神经网络模型评价指标

对比两个模型仿真结果，可以看出在电弧电压测量方面，两个模型的预测精度差异相对较小，各项指标值基本相近。但在电弧电流测量方面，两个模型的预测精度差异较大。单一BP神经网络共有6个预测值相对误差超过5%，最大相对误差达到23.73%；而基于遗传算法的BP神经网络模型预测值相对误差均小于2%，取得了比较理想的结果。在拟合度方面，两个模型的拟合度均达到0.8以上，满足工程要求。在残差平方和和均方误差方面，基于遗传算法的BP神经网络除了在B相电弧电流的预测上SSE和MSE较大外，其他结果都明显小于单一的BP神经网络。

综上所述，基于遗传算法的BP神经网络电弧电流及电压软测量模型在各个方面都要明显优于单一的BP神经网络软测量模型，其具备了较快的收敛速度，又不容易陷入局部极小值点，具有较强的泛化能力。

3 结束语

精炼炉冶炼过程是一个复杂的高温物理化学过程，本文针对其电流和电压软测量问题，提出了改进的BP神经网络算法，引入了遗传算法对初始权值和阈值进行优化，建立了基于遗传算法的BP神经网络软测量模型，并在MATLAB仿真平台下进行训练与测试。比较两个模型的仿真结果，对建立的两个电弧电流及电弧电压软测量模型进行了评价。结果表明：基于遗传算法的BP神经网络测量模型在各个方面都要优于单一的BP神经网络测量模型，相对误差明显降低，网络的泛化能力显著提高，从而说明了引入遗传算法对网络进行改进的有效性。仿真结果表明此模型完全可以满足实际生产的需要。

[1]毛志忠，尚海洋，马建军. 一种测量电弧炉电流的新方法[J].东北大学学报:自然科学版，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]吕铭，付博，孟宪俭，等. 精炼炉工艺[J].莱钢科技，2007，127(1)：10-13.

[4]沈立峰.电弧炉电弧电流软测量的研究[D].沈阳：东北大学，2008.

[5]肖利忠，张茂鲁. 一种测量电炉变压器二次侧电流的方法[J].变压器，2003，40(1): 23-25.

[6]王义芳，胡志刚. 150t LF工艺操作与供电制度优化[J].特殊钢，2013，34(1): 34-40.

[7]吴冬艳，韩喜春，高旭东.PSOC在高精度温度测量中的应用[J].黑龙江工程学院学报:自然科学版，2013，27(2)：45-49.

[8]白鹤鸣，沈润平，师华定. 基于BP神经网络的空气污染指数预测模型研究[J].环境科学与技术，2013，36(3): 186-189.

[9]洪文鹏，陈重. 基于自适应粒子群优化BP神经网络的氨法烟气脱硫效率预测[J].动力工程学报，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

张艳芬(1976-),女,副教授,硕士研究生,研究方向：智能控制.

TP273

A

1671-4679(2014)01-0054-04

郝丽英]