公开(公告)号：CN114791701A

公开(公告)日：2022-07-26

申请号：CN202210611153.4

申请日：2022-05-31

Applicant: 东北大学

Inventor： 柴天佑 ,  刘宁 ,  孙思凡 ,  王维洲

IPC: G05B11/42

Abstract: 本申请公开了一种基于多步预测的信号补偿PID控制方法及装置，涉及工业生产过程控制技术领域，可以降低电极电流与电流设定值之间的偏差，提高控制系统对电极电流的控制能力和电极电流的稳定性。所述方法包括：响应于电极电流调控需求，采用离散线性模型描述目标过程的电极电流，得到目标过程对应的电极电流动态模型；计算电极电流动态模型的临界参数，整定PID控制器的控制参数，得到PID反馈控制律；添加原始补偿信号，基于电极电流动态模型和PID反馈控制律，对原始补偿信号进行计算，输出预测补偿信号；叠加PID反馈控制律和预测补偿信号作为电极电流动态模型的输入，对所述PID控制器的输出进行控制。

公开(公告)号：CN114791701B

公开(公告)日：2024-09-13

申请号：CN202210611153.4

申请日：2022-05-31

Applicant: 东北大学

Inventor： 柴天佑 ,  刘宁 ,  孙思凡 ,  王维洲

IPC: G05B11/42

Abstract: 本申请公开了一种基于多步预测的信号补偿PID控制方法及装置，涉及工业生产过程控制技术领域，可以降低电极电流与电流设定值之间的偏差，提高控制系统对电极电流的控制能力和电极电流的稳定性。所述方法包括：响应于电极电流调控需求，采用离散线性模型描述目标过程的电极电流，得到目标过程对应的电极电流动态模型；计算电极电流动态模型的临界参数，整定PID控制器的控制参数，得到PID反馈控制律；添加原始补偿信号，基于电极电流动态模型和PID反馈控制律，对原始补偿信号进行计算，输出预测补偿信号；叠加PID反馈控制律和预测补偿信号作为电极电流动态模型的输入，对所述PID控制器的输出进行控制。

公开(公告)号：CN114896892A

公开(公告)日：2022-08-12

申请号：CN202210610096.8

申请日：2022-05-31

Applicant: 东北大学

Inventor： 柴天佑 ,  王维洲 ,  刘玉恒 ,  孙思凡 ,  吴志伟

IPC: G06F30/27 ,  G06N3/08 ,  G06F111/10

Abstract: 本申请公开了一种基于端边云协同的多炉次电熔镁炉电流数字孪生方法，涉及不同批次复杂工业过程数字孪生技术领域，利用辨识模型与未知非线性动态系统的多炉次自适应深度学习模型建立多炉次电流数字孪生模型。所述方法包括：建立多炉次电流机理模型并将其表示为辨识模型与未知非线性动态系统之和；建立未知非线性动态系统的离线深度学习模型，基于离线深度学习模型构建边缘同一炉次内在线深度学习模型；采用不同炉次之间的动态特性变化，确定云端多炉次深度学习校正模型；采用端边云协同方式生成多炉次自适应深度学习模型；将辨识模型与多炉次自适应深度学习模型相加，得到多炉次电熔镁炉电流数字孪生模型进行电流实时仿真及高性能控制器研究。

公开(公告)号：CN114896892B

公开(公告)日：2024-07-02

申请号：CN202210610096.8

申请日：2022-05-31

Applicant: 东北大学

Inventor： 柴天佑 ,  王维洲 ,  刘玉恒 ,  孙思凡 ,  吴志伟

IPC: G06F30/27 ,  G06N3/08 ,  G06N3/045 ,  G06F111/10

Abstract: 本申请公开了一种基于端边云协同的多炉次电熔镁炉电流数字孪生方法，涉及不同批次复杂工业过程数字孪生技术领域，利用辨识模型与未知非线性动态系统的多炉次自适应深度学习模型建立多炉次电流数字孪生模型。所述方法包括：建立多炉次电流机理模型并将其表示为辨识模型与未知非线性动态系统之和；建立未知非线性动态系统的离线深度学习模型，基于离线深度学习模型构建边缘同一炉次内在线深度学习模型；采用不同炉次之间的动态特性变化，确定云端多炉次深度学习校正模型；采用端边云协同方式生成多炉次自适应深度学习模型；将辨识模型与多炉次自适应深度学习模型相加，得到多炉次电熔镁炉电流数字孪生模型进行电流实时仿真及高性能控制器研究。