[发明专利]一种基于数据驱动的液态介质熔铝炉模型预测控制方法

权利要求书

1.一种基于数据驱动的液态介质熔铝炉模型预测控制方法，包括以下步骤：

步骤一：控制变量选取，冶炼过程的主要操作变量是A、B、C三相电极的位置，三相电极变压器档位和电压，被控变量是A、B、C三相电极的电流大小。

步骤二：数据采集及分类，通过采集步骤一所述各操作变量和被控变量的现场数据。由于熔铝炉所用的液态介质的熔点温度和熔铝炉的冶炼温度相近，在冶炼的过程中会挥发部分液态介质，所以在熔铝炉工作时需要液态介质。液态介质加入熔铝炉的状态是固体颗粒状，在加入熔铝炉的时候会导致熔池液面升高，此时电弧电阻会下降，电极电流值y_j(t)升高。由于电流设定值不变，电流跟踪误差E₁(t)增大并且最大的E₁(t)超过了电流跟踪误差低限。同时，由于原料落入熔池会造成熔池上表面波动，电弧电阻变化率加大，因此电流变化率较大。当三相电流的这种变化规律持续时间都T₁t_h时可认为此时为向炉内加入液态介质的状态，选择预测控制器。否则在正常加热阶段选择普通的PI控制器即可。

步骤三：结合一种扩展自回归(ARX)模型建立电极位置-电极电流模型。

步骤四：LSSVM模型辨识，利用基于粒子群优化参数的最小二乘支持向量机进行辨识得到液态介质熔铝炉的预测模型。

步骤五：输出状态预测，在当前时刻k，利用熔铝炉的输入输出信息和预测的未来输入信息，通过步骤四辨识得到的LSSVM模型，将其进行迭代预测出三相电极电流大小未来预测时域P的输出状态，式中i＝1,2,3代表第i相输出。j＝1，2，3，…，P。熔铝炉是三输入三输出系统，所以系统每一个输出都需要独立进行辨识。

步骤六：时滞及误差校正，根据步骤五中得到的变量未来预测时域输出状态记为进行时滞处理，得到变量输出时滞预测状态将其与k+1时刻的实际输出值相减求得输出误差然后将与误差相加得到基于k时刻熔铝炉未来预测输出

步骤七：滚动优化计算，引入参考根据步骤三得到的输入轨迹三相电极电流将其与步骤六求得熔铝炉未来预测输出进行比较，构建带约束的二次型目标函数，应用序列二次规划法对其进行滚动优化求解，计算出当前时刻熔铝炉三相电极电流yⁱ(k)。

步骤八：实时输出控制，根据步骤七计算出的当前时刻熔铝炉被控变量控制现场执行器，通过滚动实时控制，使现场熔铝炉被控变量实际输出与设定值相等，实现熔铝炉的自动控制。

2.根据权利要求1所述的一种基于数据驱动的液态介质熔铝炉模型预测控制方法，其特征在于步骤二中所述的根据实时跟踪误差的大小选择不同的控制器，在正常冶炼阶段，跟踪误差较小时选择PI控制器，在添加液态介质时，电流波动大跟踪误差较大，使用模型预测控制。

3.根据权利要求1所述的一种基于数据驱动的液态介质熔铝炉模型预测控制方法，其特征在于电极系统的控制是采取控制电极在炉内的位置进而控制电极电流的大小使得三相电极平衡。电极位置与电极电流的关系由扩展自回归(ARX)模型获得。

4.根据权利要求1所述的一种基于数据驱动的液态介质熔铝炉模型预测控制方法，其特征在于步骤四中所述的液态介质熔铝炉系统的LSSVM模型是通过粒子群优化参数的最小二乘支持向量机根据熔铝炉的过程数据辨识获得。

5.根据权利要求1所述的一种基于数据驱动的液态介质熔铝炉模型预测控制方法，其特征在于在步骤七中所述的滚动优化计算是在滚动时域下采用序列二次规划法对带有约束的二次型目标函数进行求解，保证求出的熔铝炉预测输入解是在约束条件下的全局最优解。