摘要
本发明提供了一种动态智能自适应高炉推移的控制方法,包括以下步骤:S1、收集实际高炉推移的记录数据和高炉上的传感器的运行数据;S2、将记录数据和运行数据训练生成对抗网络(GAN),生成虚拟推移数据;S3、将步骤S1中实际记录数据和虚拟推移数据输入到智适应动态优化算法(IDP),训练高炉推移控制模型,建立高炉推移的优化控制策略;S4、结合基于神经网络的鲁棒自适应控制器,实时辨识和调整参数实现高炉推移控制。通过使用GAN、IDP算法和基于神经网络的鲁棒自适应控制,能够实时监测各传感器接收高炉推移数据,并动态智能计算最佳控制参数,驱动最佳推移指令,以适应高炉推移过程中的变化条件,实现高炉推移过程中精确、高效的控制。
技术关键词
生成对抗网络
神经网络自适应控制
优化控制策略
动态
数据
系统误差
调节系统
控制器
预测输出值
模拟高炉
BP神经网络
算法
神经网络模型
速度传感器
非线性
力传感器
参数
系统为您推荐了相关专利信息
清洗物品
清洗设备
图像传感器
日期
接入智能家居网络
智能调度方法
医用耗材
优化调度模型
混合整数规划
更新模型参数