电弧炉炼钢过程中,电极调节系统举足轻重,电极的上下位置需实时而又准确的进行调节,以适应炉况的变化。目前工业用炼钢电弧炉电极调节系统一般采用PID控制,虽然工业上常规PID控制器能够抑制参数复杂多变系统的扰动,但由于电极控制系统控制对象的复杂非线性、多变量、强耦合以及炉况和参数的时变性等特征,单一的PID控制器难以高效的控制电极,理想效果必然难以达到。这是因为传统的PID参数整定难以保证实时在线,当电弧炉炉况改变较大时,已有的PID参数难以满足现炉况要求,还需要重新进行PID参数的整定,整定时间长且耗费大量时间。因此需要一个集成的、智能的控制方法来解决这个复杂多变的控制系统的控制问题。本文在查阅大量国内外相关文献的基础上,介绍了电弧炉炼钢的设备、工艺,对国内外电弧炉炼钢现状和发展前景以及电弧炉电极调节系统的特点和发展现状进行了总结。首先,针对电弧炉炼钢工艺特点,本文对控制策略进行分析比较,采用恒阻抗控制策略对电弧炉电极进行控制。在推导出电弧炉部分电气模型的基础上,采用模糊控制器进行补偿解耦,通过经验学习,建立适当的模糊规则,使电弧炉三相电极间的电流相互影响小到允许误差范围内。其次,对于电弧炉单一 PID控制难以满足电弧炉复杂的工况,本文将径向基函数(Radial Basis Function,简称RBF)神经网络与PID控制相结合,作为控制对象的辨识器,通过RBF神经网络对控制对象Jacobian信息的辨识,应用增量式PID梯度下降算法,将已有的PID参数进行整定,建立了 RBF-PID电极调节系统控制器,使PID参数能够实时整定,达到电极实时调节的要求。最后,针对RBF神经网络模型结构和参数难以确定的问题,分别应用粒子群算法和遗传算法优化RBF神经网络参数值,将优化得到的神经网络重新应用到辨识器中,对辨识误差进行比较,结果表明经过PSO优化的神经网络辨识效果较为理想。