莫斯科国立钢铁合金学院国立研究技术大学为冶金炉的管理提供了一种新的“神经网络”替代方案，该方案可将能效提高10%。相关研究发表在《Procedia Computer Science》上。
该大学自动化和信息管理系统教研室副教授安东·格鲁先科称，通常冶金炉会受到各种干扰，导致熔炉的参数发生变化。为此，研究人员提出建立自适应的控制系统——神经网络调谐器。该系统能实时调整线性控制器的参数，将所有模式下的炉子控制在同等水平，从而降低机组的功耗。
该方法归功于两种智能技术——神经网络和知识库调谐器的结合。神经网络计算炉子内线性调节器的参数值，直接在操作过程中学习，以监测炉子中发生的变化。
格鲁先科说，与其他方法不同，神经网络调谐器不需要构建控制对象模型，也不需要明显的参考模型。此外，它还有助于在炉子参数变化时跟踪作业时间表，并对干扰作出补偿。
格鲁先科称，使用调谐器不需要增加经费，因为从硬件和软件的角度来看，现有的熔炉控制系统没有任何变化，使用这种方法可以将冶金炉加热的能效提高10%。
