CN104999061A - 倾转式浇铸机定量浇铸控制方法及*** - Google Patents

Abstract

本发明涉及一种倾转式浇铸机定量浇铸控制方法及***，该控制方法包括：计算电炉向浇包浇铸熔体的浇铸重量；根据所述浇铸重量与设定浇铸重量获取浇铸重量偏差，并计算浇铸重量偏差变化率；根据所述浇铸重量偏差与所述浇铸重量偏差变化率查找模糊控制表获取控制信号。本发明实施例提供的控制方法可以避免对复杂被控对象数学建模和流体力学分析过程，简化了控制器的负担。

Description

倾转式浇铸机定量浇铸控制方法及***

技术领域

本发明涉及自动控制技术领域，尤其涉及一种倾转式浇铸机定量浇铸控制方法及***。

背景技术

铸造是现代工业中有着广泛的应用的金属加工成型技术。目前我国部分工厂仍然采用人工浇铸的工作方式，这种生产方式下工人劳动强度大、安全性不高，另外生产的铸件也存在精度低、废品率高等缺陷。因此，需要对浇铸过程进行有效控制，以达到提高铸件质量的目的。

为实现对浇铸过程的有效控制，现有技术中存在一种倾转式浇铸机。如图1所示，该倾转式浇铸机包括支架100、电炉200和油泵300，在支架100上设置有电炉200，该电炉200的一边与支架100的顶端活动连接。在电炉200与支架100之间还设置有油泵300。该油泵300可以将电炉200顶起，使电炉200围绕与支架100的连接处进行旋转，从而使电炉200内的熔体流出。因此，通过比例阀、换向阀、卸荷阀(图1中未示出)等控制油泵300可以调整电炉200的角度，进而控制熔体的流出量。一方面，由于浇铸对象是高温熔体，从电炉倒出后，温度急剧下降，温度不足将严重影响铸件的质量，这就要求控制***应响应快、动作迅速，且不允许超调；但该倾转式浇铸机时由于金属熔体密度大，装满熔体的电炉质量大、惯性大，如果动作过快容易出现超调；另一方面，一般控制方法要求建立准确的被控对象数据模型，但油泵、电炉等被控对象建模困难，给控制带来了困难。

为此，在保证无超调的前提下提高***的响应速度和稳定性是 控制器设计的一个研究重点。目前，倾转式浇铸机定量浇铸的控制策略主要有：(1)恒流量浇铸，根据流量与转角的对应关系，建立熔体流量的数学模型。该方法可以每个角度对应一个流量，实现流量控制。但是角度划分的精度直接影响到流量控制精度：角度划分大，则精度差；划分小，则计算的数据量大，需要提高控制器性能。另外，建立跟踪模型也存在困难。(2)定量浇铸，建立浇铸体积与转角的关系，采用区间控制以及增量控制，实现定量控制，该方法不需要进行复杂流体力学模型分析，控制策略简单、计算简便。但是，控制精度不高，抗干扰能力差。

发明内容

本发明的其中一个目的在于提供一种倾转式浇铸机定量浇铸控制方法及***，以解决现有技术中需要建立跟踪模型困难以及控制精度不高的技术问题。

为此目的，第一方面，本发明实施例提供了一种倾转式浇铸机定量浇铸控制方法，包括：

计算电炉向浇包浇铸熔体的浇铸重量；

根据所述浇铸重量与设定浇铸重量获取浇铸重量偏差，并计算浇铸重量偏差变化率；

根据所述浇铸重量偏差与所述浇铸重量偏差变化率查找模糊控制表获取控制信号。

可选地，所述计算电炉向浇包浇铸熔体的浇铸重量的步骤，包括：

利用角度传感器采集电炉转角，其中，所述电炉转角为熔体从电炉流出时电炉上平面与水平面的夹角；

根据所述电炉转角计算电炉内熔体的剩余重量；

根据电炉内熔体的初始重量与所述剩余重量获得浇铸重量。

可选地，所述根据所述电炉转角计算电炉内熔体的剩余重量的步骤，包括：

利用BP神经网络模块拟合现场数据，建立电炉转角-熔体质量关系模型；

根据电炉转角结合所述电炉转角-熔体质量关系模型计算电炉内熔体的剩余重量。

可选地，还包括实时修正电炉转角-熔体质量关系模型的步骤，具体包括：

当电炉内熔体浇铸完成后，将本次浇铸过程的数据加入到所述BP神经网络模块进行训练；

根据所述BP神经网络模块训练结果修正所述电炉转角-熔体质量关系模型。

可选地，所述计算电炉向浇包浇铸熔体的浇铸重量的步骤还包括：利用重量传感器采集浇包质量获取浇铸重量。

可选地，根据所述浇铸重量偏差与所述浇铸重量偏差变化率查找模糊控制表获取控制信号的步骤包括：

对浇铸重量偏差与浇铸重量偏差变化率进行量化，获得量化后的偏差和偏差变化率；

通过隶属度函数分别将量化后的偏差与偏差变化率映射到对应的模糊集合，获得模糊输入偏差与模糊输入偏差变化率；

根据模糊输入偏差和模糊输入偏差变化率，查找模糊控制表获得模糊输出信号；

利用最大隶属度法将隶属度最大的元素赋值给所述模糊输出信号，获得清晰输出信号；

将所述清晰输出信号与比例因子计算后获得控制信号。

第二方面，本发明实施例还提供了一种倾转式浇铸机定量浇铸控制***，包括：

计算模块，用于计算电炉向浇包浇铸熔体的浇铸重量；

比较模块，用于根据浇铸重量与设定浇铸重量获取浇铸重量偏 差，并计算浇铸重量偏差变化率；

模糊控制器，用于根据所述浇铸重量偏差与所述浇铸重量偏差变化率查找模糊控制表获取控制信号。

可选地，所述计算模块包括：

电炉转角计算子模块，用于利用角度传感器采集电炉转角；

剩余重量计算子模块，用于根据所述电炉转角计算电炉内熔体的剩余重量；

浇铸重量计算子模块，用于根据电炉内熔体的初始重量与所述剩余重量获得浇铸重量。

可选地，所述计算模块，还用于利用重量传感器采集浇包质量获取浇铸重量。

可选地，所述模糊控制器包括：

量化计算子模块，用于对浇铸重量偏差与浇铸重量偏差变化率进行量化，获得量化后的偏差和偏差变化率；

模糊计算子模块，用于通过隶属度函数分别将量化后的偏差与量化后的偏差变化率映射到对应的模糊集合，获得模糊输入偏差与模糊输入偏差变化率；

模糊输出信号获取子模块，用于根据模糊输入偏差和模糊输入偏差变化率，查找模糊控制表获得模糊输出信号；

清晰输出信号获取子模块，用于利用最大隶属度法将隶属度最大的元素赋值给所述模糊输出信号，获得清晰输出信号；

控制信号获取子模块，用于将所述清晰输出信号与比例因子计算后获得控制信号。

本发明实施例获取电炉向浇包浇铸熔体重量，从而得到浇铸重量与设定浇铸重量之间的浇铸重量偏差以及浇铸重量偏差变化率，然后根据模糊控制表获取控制信号，对浇铸熔体重量进行控制。本发明实施例提供的控制方法可以避免对复杂被控对象数学建模和流体力学 分析过程，简化了控制器的负担。

附图说明

通过参考附图会更加清楚的理解本发明的特征和优点，附图是示意性的而不应理解为对本发明进行任何限制，在附图中：

图1是定点倾转式浇铸机机械结构简化图；

图2是本发明实施例所提供的一种定点倾转式浇铸机控制***结构示意图；

图3是图2中定点倾转式浇铸机控制***的控制器的结构示意图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

实施例一

本发明实施例提供了一种倾转式浇铸机定量浇铸控制方法，包括：

S100、计算电炉向浇包浇铸熔体的浇铸重量；

S200、根据所述浇铸重量与设定浇铸重量获取浇铸重量偏差，并计算浇铸重量偏差变化率；

S300、根据所述浇铸重量偏差与所述浇铸重量偏差变化率查找模糊控制表获取控制信号。

下面对本发明提供的显示控制方法展开详细的说明。

首先介绍S100、计算电炉向浇包浇铸熔体的浇铸重量的步骤。

本发明实施例中，计算浇铸重量包括两种情况。其中，

第一情况为内环反馈控制方式。在电炉刚开始浇铸时，浇铸速度相对较快，此时熔体从电炉流出后落入中间浇包的冲击力比较大，容易引起重量传感器所检测的浇铸重量不准确。本发明实施例在该过程中不采用重量传感器采集浇铸重量数据，而是采用内环反馈控制方式，即此过程采集电炉转角，如图1所示，由于电炉浇筑过程中以电 炉嘴作为转轴，每一个电炉转角θ对应的炉内熔体体积是固定的。其中电炉转角为电炉转角为熔体从电炉流出时电炉上平面与水平面的夹角。利用电炉转角计算该电炉的浇铸量，通过间接方式求解电炉浇铸量，可以避免熔体对浇包冲击力过大引起的检测数据不正确的问题。

可选地，根据电炉转角计算电炉内熔体的剩余重量的步骤，包括：利用BP神经网络模块拟合现场数据，建立电炉转角-熔体质量关系模型；根据电炉转角结合电炉转角-熔体质量关系模型计算电炉内熔体的剩余重量。

在浇铸过程中，记录每个中间浇包的浇铸重量以及电炉转角，直至整炉浇铸完成，再将每包的浇铸重量累加，计算出每个角度对应的炉内剩余熔体质量。例如某一炉钢水共浇铸30包，也就记录了三十组数据，第9包的电炉转角对应的炉内剩余熔体质量就是第9至第30这22包的浇铸量的和，以此类推可以算出这30个电炉转角所对应的炉内剩余熔体质量。这样每浇铸一炉，就会记录下一组数据。以最近10炉的数据作为BP神经网络的训练数据，以电炉转角作为输入，炉内熔体质量作为输出，在每次启动***时，重新训练神经网络。假设某一包开始浇铸时的电炉转角是α，通过神经网络计算出的炉内剩余熔体质量是m₁，当前角度传感器反馈回来的角度是θ(θ≥α)，其对应的炉内剩余熔体质量是m₂，则当前已经浇铸的质量为m₁-m₂，间接反馈浇铸量。每炉浇铸完后，加入该炉浇铸数据重新训练神经网络，不断修正电炉转角-熔体质量关系模型，使其具有实时修正能力。

本发明实施例通过浇铸速度较快过程中采用内环反馈，即根据电炉转角确定浇铸重量，可以避免现有技术中利用重量传感器采集冲击力较大的熔体时所带来的偏差，提高控制精度。

第二种情况为外环反馈控制方式。随着浇铸量越来越接近设定浇铸重量，浇铸速度减慢，对中间浇包的冲击力也不断减小。当对重量 传感器的影响降低到可控范围内时，启用重量传感器，精确测量浇铸重量。由于无需进行中间量转换，本过程所采集的浇铸重量比较精确。

其次介绍根据浇铸重量与设定浇铸重量获取浇铸重量偏差，并计算浇铸重量偏差变化率的步骤。

本发明实施例中所采用的模糊控制器为双输入单输出，其中两个输入信号分别为浇铸重量偏差e、浇铸重量偏差变化率e_c。

浇铸重量偏差为电炉开始本次浇铸前熔体重量与电炉向中间浇包浇铸熔体后所剩余的熔体重量的差值。浇铸重量偏差变化率为单位时间内浇铸重量偏差的变化情况，本发明实施例中通过对该浇铸重量偏差进行求导计算。

最后介绍根据浇铸重量偏差与浇铸重量偏差变化率查找模糊控制表获取控制信号的步骤。

取浇铸重量偏差e和浇铸重量偏差变化率e_c为模糊控制器的两个输入。在浇铸重量偏差e的论域定义语言变量“偏差E”；在浇铸重量偏差变化率e_c的论域定义语言变量“偏差变化率Ec”；在控制量u的论域定义语言变量“控制量U”。

偏差E的论域定义为{-m，-m+1，...，-1，0，1，...，m-1，m}；将偏差变化Ec的论域定义为{-n，-n+1，...，-1，0，1，...，n-1，n}；将控制量U的论域定义为{-y，-y+1，...，-1，0，1，...，y-1，y}，其中m、n、y分别代表偏差E、偏差变化率Ec和控制量U的论域的宽度，并且m、n和y的值根据具体浇铸对象的精度要求等因素来确定。当浇铸对象的精度要求高时，则他们的取值可以适当增大，但会增加计算的繁杂度，因此需要根据实际情况合理选择。

本发明实施例中，首先量化因子Ke和Kec对浇铸重量偏差e和浇铸重量偏差变化率e_c进行量化，获得量化后的偏差E与偏差变化率Ec。例如，实际浇铸过程中，浇铸重量偏差e的连接取值范围是[e_L，e_H]，其中e_L表示浇铸重量偏差的最小值，e_H表示浇铸重量偏差的最大值。 量化因子Ke的取值为：

$K_e=\frac{2m}{e_H-e_L}---\left(1\right)$

同理，假如浇铸重量偏差变化率e_c的连续取值范围为其中，表示浇铸重量偏差变化率的最小值，表示浇铸重量偏差变化率的最大值。量化因子Kec的取值为：

$K_{\mathrm{ec}}=\frac{2n}{e_{c_H}-e_{c_L}}---\left(2\right)$

获取量化因子Ke和Kec后，将浇铸重量偏差e和浇铸重量偏差变化率e_c转化成量化后的偏差E与偏差变化率Ec，转化公式参见式(3)与式(4)。

$E=\mathrm{INT}[K_e*(e-\frac{e_H+e_L}{2})]---\left(3\right)$

$E_c=\mathrm{INT}[K_{\mathrm{ec}}*(e_c-\frac{e_{c_H}+e_{c_L}}{2})]---\left(4\right)$

其中，INT[]表示取整运算。

然后根据量化后的偏差E、偏差变化率Ec和输出量U的论域设定相应的模糊子集。例如：量化后的偏差E的模糊集设为{A1，A2，...，Ar}，量化后的偏差变化率Ec的模糊集设为{B1，B2，...，Bs}，输出量U的模糊集设为{C1，C2，...Ct}。为了提高浇铸的精度，可以适当增加模糊集的维度。

为了加快响应速度，隶属度函数选择三角形式的，其数学表达式如下：

$u_{{\underset{~}{A}}_i}\left(x\right)=\left\{\begin{array}{c}\frac{1}{b-a}(x-a),a\&le;x<b\\ \frac{1}{b-c}(x-c),b\&le;x\&le;c\\ 0,\mathrm{else}\end{array}\right.---\left(5\right)$

其中，a表示三角形隶属度函数左端点的横坐标，b表示三角形隶属度函数右端点的横坐标，c是三角形隶属度函数的顶点的横坐标。

根据所确定的隶属度函数，将量化后的偏差E、偏差变化率Ec转化为模糊输入偏差和模糊输入偏差变化率

根据现场试验及浇铸经验的总结，确定模糊控制，求出模糊关系R。例如总结后有k条控制规则，其格式为：

IF E is Ai AND Ec is Bj THEN U is Cij 

其中，i＝1，2，...，r；j＝1，2，...，s。

根据每条控制规则求取对应的模糊关系：

$\begin{array}{c}{R}_1=A_1*B_1*C_{11}\\ R_2=A_1*B_2*C_{12}\\ ......\\ R_k=A_r*B_s*C_{\mathrm{rs}}\end{array}---\left(6\right)$

则总的模糊关系：

$R=\underset{\mathrm{ij}}{\&cup;}{A}_i*B_j*C_{\mathrm{ij}}=\underset{q=1}{\overset{k}{\&cup;}}{R}_q---\left(7\right)$

用隶属度函数形式描述为：

求出R后，根据下式求出对应的模糊输出信号

其中，“ο”表示模糊矩阵的合成运算。

通过最大隶属度法将模糊输出信号清晰化，转化为清晰输出信号U。所谓最大隶属度法，就是将模糊输出信号对应论域中隶属度最大的元素赋值给清晰输出信号U，作为清晰化的结果。

最后，通过比例因子Ku将U转化为控制信号u。假设控制信号u的 取值范围是[u_L，u_H]，其中u_L表示控制信号的最小值，e_H表示控制信号的最大值。

则比例因子Ku为：

$K_u=\frac{u_H-u_L}{2y}---\left(10\right)$

控制信号u为：

$u=K_u*U+\frac{u_H+u_L}{2}---\left(11\right)$

本发明实施例通过上述过程可以获得模糊控制表，并将该模糊控制表存在控制器内。当获取到浇铸重量偏差与所述浇铸重量偏差变化率后查找该模糊控制表即可得到对应的控制信号。将该控制信号输入到对应的比例阀即可完成控制过程。

本发明实施例获取电炉向浇包浇铸熔体重量，从而得到浇铸重量与设定浇铸重量之间的浇铸重量偏差以及浇铸重量偏差变化率，然后根据模糊控制表获取控制信号，对浇铸熔体重量进行控制。本发明实施例提供的控制方法可以避免对复杂被控对象数学建模和流体力学分析过程，简化了控制器的负担。

实施例二

为进一步体现本发明实施例提供的倾转式浇铸机定量浇铸控制方法的优越性，下面以120金属磨球自动浇铸控制***进行详细说明。

如图2所示，根据工艺要求，120金属磨球浇铸***每包需浇铸35kg，偏差在±0.5kg以内，浇铸时间不得超过40秒。

根据上文中所述的控制方法，首先确定浇铸重量偏差、浇铸重量偏差变化率和控制信号u的取值范围。

在浇铸尚未开始时，浇铸重量偏差正好是低限值-35kg，由于浇铸重量偏差要求在±0.5kg以内，理论情况下浇铸重量偏差e的高限值应该为+0.5kg，但在某些情况下可能出现浇铸过量，为了避免出现控制死区造成浇铸事故，将浇铸重量偏差e的高限值适当提高设置为 5kg，这样取值范围变为[-35，5]。根据现场浇铸数据，偏差变化率e_c取值范围设置为[0，5.0]。控制信号u为比例阀的输入电压，取值范围设置为[0，10]，再加上换向阀的方向控制，因此，控制信号u的取值范围为[-10，10]。

确定偏差e、偏差变化率e_c和输出u的的论域和模糊集(可根据浇铸精度的要求增加或减少论域、模糊集的元素)如下：

e的论域为：{-8，-7，-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6，7，8}；

e_c的论域为：{-5，-4，-3，-2，-1，0，1，2，3，4，5}；

u的论域为：{-8，-7，-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6，7，8}；

e的模糊集为： 

{N14，N13，N12，N11，N10，N9，N8，N7，N6，N5，N4，N3，N2，N1，ZE，P1，P2}；

e_c的模糊集为： 

{ZE，P1，P2，P3，P4，P5，P6，P7，P8，P9，P10}；

u的模糊集为： 

{N8，N7，N6，N5，N4，N3，N2，N1，ZE，P1，P2，P2，P3，P4，P5，P6，P7，P8}。

计算量化因子Ke、Kec和比例因子Ku：

$K_e=\frac{2m}{e_H-e_L}=\frac{2\&times;8}{5-(-35)}=0.4$

$K_{\mathrm{ec}}=\frac{2n}{e_{c_H}-e_{c_L}}=\frac{2\&times;5}{5}=2$

$K_u=\frac{u_H-u_L}{2y}=\frac{10-(-10)}{2\&times;8}=1.25$

则浇铸重量偏差e和浇铸重量偏差变化率e_c可通过下式转换为模糊控制器的量化后的偏差E和偏差变化率Ec：

$E=\mathrm{INT}[K_e*(e-\frac{e_H+e_L}{2})]=\mathrm{INT}[0.4\&times;(e+15)]---\left(12\right)$

$E_c=\mathrm{INT}[K_{\mathrm{ec}}*(e_c-\frac{e_{c_H}+e_{c_L}}{2})]=\mathrm{INT}[2\&times;(e_c-2.5)]---\left(13\right)$

模糊控制器的模糊输出信号U可以通过下式转换为实际的控制信号u：

$u=K_u*U+\frac{u_H+u_L}{2}=1.25U---\left(14\right)$

隶属度函数采用基本的三角形函数，用表格表示如表1～表3：

表1量化后的偏差E的语言变量值

表2量化后的偏差变化率Ec的语言变量值

表3输出量U的语言变量值

根据现场工人的经验以及试验的结果，总结出模糊控制表，如表4所示：

表4模糊控制表

之后，根据以上表格的数据和公式6、7计算出模糊关系矩阵R，它是一个187×17的矩阵，由于矩阵过大这里就不详细列出。然后根据公式9，计算出每种量化后的偏差E和偏差变化率Ec对应的模糊输出信号U，最后在生产中进行实验并适当调整，形成最终的模糊控制表5，存于控制器内。

表5模糊控制表

当控制器接收到输入信号浇铸重量偏差e和浇铸重量偏差变化率e_c时，首先通过式(12)、(13)将其转化为量化后的偏差E和偏差变 化率Ec，然后查询表5找到对应的模糊输出信号U，最后通过算式(14)转化为实际的控制信号u。

本发明实施例通过浇铸重量偏差以及浇铸重量偏差变化率作为输入，并根据现场调试数据建立模糊控制表；反馈方式采用内外双环反馈，以BP神经网络拟合现场数据，建立电炉转角-熔体质量关系模型，将电炉转角转化为浇铸重量，作为内环反馈，进行粗控制，以重量传感器检测的中间浇包质量作为外环反馈，进行精确控制；每炉浇铸完后，加入该炉浇铸数据重新训练神经网络，不断修正电炉转角-熔体质量关系模型。因此，可以看出，本发明实施例提供的控制方法，无需对油泵、电炉等复杂被控对象建模，降低了模糊控制器的计算量；同时考虑了浇铸重量和浇铸速度的实时变化，细化了模糊控制的模糊子集，根据现场试验数据得到有效的模糊控制表，提高浇铸精度和稳定性；采用两种反馈方式相结合的方法，提高了反馈精度。

实施例三

进一步体现本发明实施例提供的倾转式浇铸机定量浇铸控制方法的优越性，本发明实施例还提供了一种倾转式浇铸机定量浇铸控制***，如图2所示，包括：

计算模块100，用于计算电炉向浇包浇铸熔体的浇铸重量；

比较模块200，用于根据浇铸重量与设定浇铸重量获取浇铸重量偏差，并计算浇铸重量偏差变化率；

模糊控制器300，用于根据浇铸重量偏差与浇铸重量偏差变化率查找模糊控制表获取控制信号。

可以理解的是，图2中比例阀、油泵、炉体、浇包等为现有技术常用器件，本发明在此不再赘述。

可选地，计算模块100包括：

电炉转角计算子模块，用于利用角度传感器采集电炉转角；

剩余重量计算子模块，用于根据电炉转角计算电炉内熔体的剩余 重量；

浇铸重量计算子模块，用于根据电炉内熔体的初始重量与剩余重量获得浇铸重量。

可选地，计算模块100还用于利用重量传感器采集浇包质量获取浇铸重量。

可理解的是，计算模块100包括BP神经网络与角度传感器构成的内环反馈电路，以及重量传感器构成的外环反馈电路，用于实现实施例一提供的控制方法的步骤一，具体内容见实施例一，在此不再详述。

如图3所示，本发明实施例提供的模糊控制器包括：

量化计算子模块，用于对浇铸重量偏差与浇铸重量偏差变化率进行量化，获得量化后的偏差和偏差变化率；

模糊计算子模块，用于通过隶属度函数分别将量化后的偏差与偏差变化率映射到对应的模糊集合，获得模糊输入偏差与模糊输入偏差变化率；

模糊输出信号获取子模块，用于根据模糊输入偏差和模糊输入偏差变化率，查找模糊控制表获得模糊输出信号；

清晰输出信号获取子模块，用于利用最大隶属度法将隶属度最大的元素赋值给所述模糊输出信号，获得清晰输出信号；

控制信号获取子模块，用于将所述清晰输出信号与比例因子计算后获得控制信号。

可理解的是，本发明实施例提供的控制***是用于实现实施例一或者实施例二中的控制方式，本领域技术人员可以根据上述控制方法理解本实施例的技术方案，在此本发明不再赘述。

综上所述，本发明实施例提供的一种倾转式浇铸机定量浇铸控制方法及***，通过模糊控制方法实现了倾转式浇铸机的控制，避免了对复杂的被控对象数学建模与分析，简化了计算过程，减轻了控制器负担；同时考虑浇铸量和浇铸速度的实时变化，采用以最新的浇铸数 据训练BP神经网络建立电炉转角-熔体质量关系模型间接采集浇铸重量的内环反馈以及结合重量传感器直接采集浇铸重的外环反馈方法，提高了反馈精度。

虽然结合附图描述了本发明的实施方式，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (10)

1.一种倾转式浇铸机定量浇铸控制方法，其特征在于，包括：

计算电炉向浇包浇铸熔体的浇铸重量；

根据所述浇铸重量与设定浇铸重量获取浇铸重量偏差，并计算浇铸重量偏差变化率；

根据所述浇铸重量偏差与所述浇铸重量偏差变化率查找模糊控制表获取控制信号。

2.如权利要求1所述的控制方法，其特征在于，所述计算电炉向浇包浇铸熔体的浇铸重量的步骤，包括：

利用角度传感器采集电炉转角，其中，所述电炉转角为熔体从电炉流出时电炉上平面与水平面的夹角；

根据所述电炉转角计算电炉内熔体的剩余重量；

根据电炉内熔体的初始重量与所述剩余重量获得浇铸重量。

3.如权利要求2所述的控制方法，其特征在于，所述根据所述电炉转角计算电炉内熔体的剩余重量的步骤，包括：

利用BP神经网络模块拟合现场数据，建立电炉转角-熔体质量关系模型；

根据电炉转角结合所述电炉转角-熔体质量关系模型计算电炉内熔体的剩余重量。

4.如权利要求3所述的控制方法，其特征在于，还包括实时修正电炉转角-熔体质量关系模型的步骤，具体包括：

当电炉内熔体浇铸完成后，将本次浇铸过程的数据加入到所述BP神经网络模块进行训练；

根据所述BP神经网络模块训练结果修正所述电炉转角-熔体质量关系模型。

5.如权利要求1所述的控制方法，其特征在于，所述计算电炉向浇包浇铸熔体的浇铸重量的步骤还包括：利用重量传感器采集浇包质量获取浇铸重量。

6.如权利要求1所述的控制方法，其特征在于，根据所述浇铸重量偏差与所述浇铸重量偏差变化率查找模糊控制表获取控制信号的步骤包括：

对浇铸重量偏差与浇铸重量偏差变化率进行量化，获得量化后的偏差和偏差变化率；

通过隶属度函数分别将量化后的偏差与偏差变化率映射到对应的模糊集合，获得模糊输入偏差与模糊输入偏差变化率；

根据模糊输入偏差和模糊输入偏差变化率，查找模糊控制表获得模糊输出信号；

利用最大隶属度法将隶属度最大的元素赋值给所述模糊输出信号，获得清晰输出信号；

将所述清晰输出信号与比例因子计算后获得控制信号。

7.一种倾转式浇铸机定量浇铸控制***，其特征在于，包括：

计算模块，用于计算电炉向浇包浇铸熔体的浇铸重量；

比较模块，用于根据浇铸重量与设定浇铸重量获取浇铸重量偏差，并计算浇铸重量偏差变化率；

模糊控制器，用于根据所述浇铸重量偏差与所述浇铸重量偏差变化率查找模糊控制表获取控制信号。

8.如权利要求7所述的控制***，其特征在于，所述计算模块包括：

电炉转角计算子模块，用于利用角度传感器采集电炉转角；

剩余重量计算子模块，用于根据所述电炉转角计算电炉内熔体的剩余重量；

浇铸重量计算子模块，用于根据电炉内熔体的初始重量与所述剩余重量获得浇铸重量。

9.如权利要求8所述的控制***，其特征在于，所述计算模块，还用于利用重量传感器采集浇包质量获取浇铸重量。

10.如权利要求7所述的控制***，其特征在于，所述模糊控制器包括：

量化计算子模块，用于对浇铸重量偏差与浇铸重量偏差变化率进行量化，获得量化后的偏差和偏差变化率；

模糊计算子模块，用于通过隶属度函数将量化后的偏差与偏差变化率映射到对应的模糊集合，获得模糊输入偏差与模糊输入偏差变化率；

模糊输出信号获取子模块，用于根据模糊输入偏差和模糊输入偏差变化率，查找模糊控制表获得模糊输出信号；

清晰输出信号获取子模块，用于利用最大隶属度法将隶属度最大的元素赋值给所述模糊输出信号，获得清晰输出信号；

控制信号获取子模块，用于将所述清晰输出信号与比例因子计算后获得控制信号。