Indonesian J ournal of Ele c trical Engin eering and  Computer Sci e nce   Vol. 2, No. 1,  April 201 6, pp. 32 ~ 39   DOI: 10.115 9 1 /ijeecs.v2.i1.pp32 -39    ļ®     32     Re cei v ed  Jan uary 23, 201 5 ;  Revi sed Ma rch 9, 2 016;  Acce pted Ma rch 2 0 , 2016   A New Electrode Regulator System Identification of Arc  Furnace Based  on Time-Variant Nonlinear-Linear- Nonlinear Model      Jinfeng Wan g * 1 , Shoulin  Yin 2 , Xue y in g Wang 3   Shen ya n g  Nor m al Univ ersit y   No.25 3 , Hua n g  He Bei Street, Hua ng Gu Dist r ict, Shen yan g ,  P.C 11003 4 - Chin a   *Corres p o ndi n g  author, e-ma i l : 1057 41 732 5 @ qq.com 1 , 35 272 02 14@ qq.c o m 2 , 75166 17 1 3 @q q.com 3       A b st r a ct   In this  pap er,  w e  express  ar c furnac e e l ec tr ode r egu lator  system as  a  time-v aria nt n o n lin ear- line a r-n onl in ea r mode l. On t h is b a sis, w e   prop os e an on line   id entific ati on met hod   ba sed  o n  non lin ear- linear-nonlinear m o del system . This  new schem e solves  the  problem  of  m o del var i ation and predict i on  precisi on d e cli ne caus ing by  time-vary i ng  of arc char acteristic. In order to dispos e  the difficulty o f   para m eters se parati on i n  the  onli ne i d e n tific a tion pr oc ess,  this new  met h o d  ado pts the  mind of u pdat e the  parameters of linear parts  and nonlinear parts respectiv e ly. It reali z es  the param e ters s e paration of syste m   effectively. Simu lati on resu l t s show  that  this me th od c an track the chan ges of ar c characteristi cs  effectively. Tha t  it achieves th e ai m of real -ti m e  mo nitor i ng  and co ntroll in g system p a ra meters.     Ke y w ords : Arc furnace el ectrode re gul ator, onli ne i d e n tific a tion, ti me-var ying, no nli n e a r - line a r-n onl ine a r  m o del system         Copy right  Ā©  2016 In stitu t e o f  Ad van ced  En g i n eerin g and  Scien ce. All  rig h t s reser ve d .       1. Introduc tion   Arc furna c e e l ectro de  regu lator sy stem  remai n s  a co nst ant  a r c  re sist a n c e  by  a d just in g   the length  of the arc bet wee n  the el e c trod es   and  the burden t o  optimize o u tput po wer  and   redu ce  en erg y  con s um ptio n. Wh en d e si gning  ele c tro de regul ator  system, a n  a c curate  sy ste m   model  ca n p r ovide the  ba sis for the  cal c ulation  of the  controlled  qu antity and l a y the fou ndati on  for reali z ing t he cont rol go als. Ho weve r, the  non-line a r of electrod e regul ator system and time- varying of ele c tri c  arc h a ve  increa sed th e difficu lty in  modelin g. Re feren c e [1] p r opo se s a n e u r al  adaptive  PS D  di sp ersive decouplin g controlle r wh i c h  combi n ing  neural adapti v e  PSD algo rithm  with disp ersiv e  deco uplin g netwo rk. Yu F etc [2 ] show a new IMC controll er in cluding two  RBF   neural netwo rks. It adjusts cente r  vecto r s a nd  the sh ape pa ram e ters  of the networks onlin e. P  Guan [3] re prese n ts ele c trode re gulat o r  system s of indu strial a r c  f u rna c e  with g enetic al gorit hm  predi ctive co ntrol an d de signs a  detail ed dynami c   matrix cont ro ller to dimini sh the p r edi ctive   error a nd g e t a desi r e d  sy stem outp u t. Ho wever, the y  donā€™t take ti me-varyin g  chara c te risti c s of  electri c  a r c in to con s ide r ati on. The est a blish ed  mod e l  of the electri c  arc furn ace doe s not refle c t  sy st em cha r a c t e ri st ic s  a c c u rat e ly .   We p r op ose  the online i d entification m e t hod b a sed  on no nlinea r-linear-n online a r (N-L- N)  mod e l sy stem for th e first time. In thi s  p ape r, we e x press th e a r c furna c e  ele c trod e  regul a t or   system a s   N-L-N  mod e l of  para m et ers t i me-varyin g  i n  linea r pa rt s for time-va r ying arc. And  we  prop ose a on line identifica t ion method t o  identify  time-varyin g  parameter of  system. To ha n d le   the difficulty  on pa ram e ters sepa ratio n   within id entification process  [4,  5],  this pape r  d r a w s the  identificatio n idea of rel a xation iterativ e me thod [6 ] and com b i nes  N-L-N system stru ct ure  cha r a c teri stic to divide  ev ery mo ment i t erative  cal c u l ation into  three  step s. Th en thi s   sche me   update s  line a r  part s  an d n online a r pa rt s in turn.  It achieve s  the e ffective sepa ration of syste m   para m eters a nd reali z e s  o n line identificat ion N-L-N system time-v arying pa ram e ters.       2. Electrod e  Re gulating Sy s t em Stateme n t  Ele c tr ic  ar c fur n ac e   e l ec tr od e  ad jus t me nt s y s t em  con s ists  of two  pa rts, hyd r auli c   system   and ele c tri c  a r c. Its structu r e frame is a s   figure 1.   Evaluation Warning : The document was created with Spire.PDF for Python.
               ļ®               ISSN: 25 02-4 752   IJEECS  Vol.  2, No. 1, April 2016 :  32 ā€“ 39   33       Figure 1. Electri c  arc furn a c e ele c tro de  adju s tment system stru ctu r e       In figure 1,  u  is i nput  co ntrolled  q uantit y.  v  is p r op o r tional i nput  value.  d  i s   el ectro de  positio n.  R  is   arc   res i s t ance. Its  unit is   ā„¦ .    2.1 H y draulic Sy stem Model  The hyd r auli c  sy stem co nsi s ts of a p r opo rtion a l valve and hyd r auli c  cylin de r se rie s .  Becau s e  p r o portion al valv e ha s de ad  zone fe atures .  At the  sam e  time the  rest riction  of  sp o o l  displ a cement  re sult s in  up per and  lo we r of valve o u tp ut. So the  pro portion al valv e cha r acte ri stic  can b e  exp r esse d a s  a pro portio n a l  comp one nt betwee n  d ead zone  and saturation  cha r a c t e ri st ic s.    The hydrauli c  cylinde r fe ature s  ca n b e  expr e s sed  by 3-order transfe r functi on. Afte r   discreti zing, it can be o b tai ned by:    3 3 2 2 1 1 3 3 2 2 1 1 1 1 1 ) ( ) ( ļ€­ ļ€­ ļ€­ ļ€­ ļ€­ ļ€­ ļ€­ ļ€­ ļ€­ ļ€­ ļ€­ ļ€« ļ€« ļ€½ z a z a z a z b z b z b z v z l y y y (1)   2.2 Electric  Arc Mod e l  Arc an d po we r system mo d e l are stati c  n onlin e a r varia b le ch ara c te ri stics, so arc voltage  cha r a c teri stics ca n be expressed a s   the  following approximate relation:    bl a U arc ļ€« ļ€½   (2)   Whe r e  U arc  is arc voltage, i t s unit i s   V .  l  i s  a r c length, i t s unit i s   cm .  a  is  arc  catho de an d a nod e  voltage drop,  its unit is  V .  We  can  co nsider it a s  a  consta nt.  b  is  electri c  a r c d r op g r a d ient,  its   unit is  V/c m . In the  begin n i ng of  sm eltin g ,  b ā‰ˆ 8 .  b  w ill  d e c r e as e as  te mp er a t u r e   r i s e . Elec tr ic   ar c   furna c e temp eratu r e drop  gradi ent ch an ges ove r  fu rn ace temp erature which refl ects the  syst em  time variabilit y.  Powe r syste m  model is e quivalent to R-L ci rcuit.    2 2 2 ) ( ) ( arc d arc arc d p I X U I R U ļ€« ļ€« ļ€½   (3)   Whe r e  U p  is  transfo rme r   seco nda ry voltage, its unit i s   V .  R d  is  sh ort-n e t re sist ance, its unit  is   ā„¦ . X d  is sho r t-net impeda nce. I arc  is  arc  c u rrent,its  unit is   A .  U arc  is arc voltage, its unit is  V .    2.3 Electrod e  Regula t ing  Sy stem Model  Bec a us e   ele c tric a r c fu rn a c e el ectrode  adju s tment  system con s ist s  two  pa rts, h y drauli c   system   an d electri c  arc; electri c  arc  f u rna c e   ele c trode reg u lato r  syste m  can  con s i s t  of  th ree   parts, d ead  zon e  nonli n e a r characte ri stic, 3-or d e r  linear cha r acteri stic an d  arc  nonlin ear  cha r a c teri stic in serie s . It matche s the  N-L - N model.   In the id entification  process, it u s e s  p o l y nomial fun c t i on to  app roxi mate an d  rep l ace  the  nonlin ear  cha r acte ri stics caused  by arc and po we r supply syste m . Time-varyin g  paramete r s of  arc  ch ara c te ri stics incre a se  the difficulty of ident ificati on in the pol ynomial fun c tion co efficien ts.  To simplify the identificatio n method, th e  system is tra n sformed a s  follows.   Let  U d =bl  be   arc  colum n  v o ltage  dro p .  Putting it into  (1 ) a n d  (3 )  and  co mbinin g (2), it  can g e t:  Evaluation Warning : The document was created with Spire.PDF for Python.
IJEECS   ISSN:  2502-4 752   ļ®   A New Ele c trode Regulat o r  System  Ide n tification of Arc Fu rna c e  Based o n  ā€¦   (J infeng W a ng)  34 3 3 2 2 1 1 3 3 2 2 1 1 3 3 2 2 1 1 3 3 2 2 1 1 1 1 1 1 ) ( ) ( ļ€­ ļ€­ ļ€­ ļ€­ ļ€­ ļ€­ ļ€­ ļ€­ ļ€­ ļ€­ ļ€­ ļ€­ ļ€­ ļ€­ ļ€­ ļ€­ ļ€­ ļ€« ļ€« ļ€½ ļ€­ ļ€­ ļ€­ ļ€« ļ€« ļ€½ z a z a z a z b z b z b z a z a z a z b z b z b b z v z U y y y b   (4)   2 2 2 ) ( ) ( ) ( arc d arc d p I X bl a I R l F U ļ€« ļ€« ļ€« ļ€½ ļ€½  (5)   From  form ula  (4 ) a nd  (5 )  we  ca n  kno w  that t he  equi valent tran sfo r mation  me rg es time -varyi ng  para m eters i n to linea r m o d e l pa rt. So th e arc fu rn ace electrode   reg u lator syste m   is equivale nt to   N-L - N mod e l  of linear  pa rt para m eters ti me-varyin g . It simplifie s the  identificatio n  pro c e ss  du rin g   the arc time -v arying. The n e w mod e l structure is a s  figure 2.         Figure 2. Electri c  arc furn a c e ele c tro de  adju s tment system model       3. N-L - N M odel  Param e ter I d entific a tion     3.1   N-L - N Sy stem  Param e teri zatio n    Before  syste m  identification, we mu st  make  pa ram e terization fo r N-L-N  syste m  [7, 8].  The dea d zo n e  saturation n online a r characteri st ics  ca n be expre ssed as the foll owin g equati on:    ļƒ„ ļ€½ ļ€½ ļ€½ p i i i k u g c k u G k v 1 )) ( ( )) ( ( ) (   (6)   Whe r e  u( k)  is input controll ed qua ntity at  k  time. v( k)  i s  propo rtion a l valve output at  k  time.   c i  is un determined pa ram e ter.  g i ( Ā· )  i s  polynomial fu nction.   From fo rmula  (5), we kno w  that  F(l )  is invertible function. Th e i n vertible function is as  follows  [14-16].    ļƒ„ ļ€½ ļ€­ ļ€­ ļ€½ ļ€½ q i i i k R f d k R F k l 1 1 1 )) ( ( )) ( ( ) (   (7)   Whe r e  l(k)  i s  arc le ngth at  k  time.  R(k )  i s  ar c re sist a n c e at   k  time.  ) ( 1 ļƒ— ļ€­ i f   is polynomi a l function.  The linea r pa rt can b e  obta i ned by formu l a  (4). Combi n ing (4 ), (6 ) a nd (7 ) gets:     ļƒ„ ļƒ„ ļƒ„ ļƒ„ ļ€½ ļ€½ ļ€½ ļ€­ ļ€½ ļ€½ p i i i m m q j j j n n k u g c z b k R f d z a 1 3 1 1 1 3 0 )) ( ( ) ( )) ( ( ) (   (8)     Whe r e  a 0 =1 ,  a 1 =a 1 z -1 ,  a 2 = a 2 z -2 ,ā€¦ā€¦;  b 1 =b 1 z -1 ,  b 2 =b 2 z -2 ,ā€¦ā€¦    So, we can i dentify the param eters  a i ,  b i ,  c i ,  d i  in fo rmula (8) onl y by input-ou t put data.  Finally we obt ain the syste m  model.       Evaluation Warning : The document was created with Spire.PDF for Python.
               ļ®               ISSN: 25 02-4 752   IJEECS  Vol.  2, No. 1, April 2016 :  32 ā€“ 39   35   3.2   N-L - N Sy stem Param e ter s  Identifi cation   In the smeltin g  process, el ectr ic  arc  e x ists  time - v ar ying  ch a r acte rist ics. In  order to re al- time control system ch ang es an d get the best cont rol  signal, we m u st study the  N-L - N syste m 's  online ide n tification meth o d . (8) is a bbreviated to:    0 ) ( ļ€½ ļ‚· k ļ¦ ļ±   (9)   Whe r e  Īø =[ d 1 ,ā€¦, d q , a 1 d 1 ,ā€¦, a 1 d q ,ā€¦, a 3 d 1 ,ā€¦, a 3 d q ,ā€¦, b 1 c 1 ,ā€¦, b 1 c p ,ā€¦, b 3 c 1 ,ā€¦, b 3 c p ].  ))] 3 ( ( , )), 3 ( ( , )), ( ( , )), ( ( , ļ¼Œ )) 3 ( ( , )), 3 ( ( , )), 1 ( ( , )), 1 ( ( [ ) ( 1 1 1 1 1 1 1 1 ļ€­ ļ‚¼ ļ€­ ļ‚¼ ļ‚¼ ļ‚¼ ļ€­ ļ‚¼ ļ€­ ļ‚¼ ļ€­ ļ‚¼ ļ€­ ļ€½ ļ€­ ļ€­ ļ€­ ļ€­ k u g k u g k u g k u g k R f k R f k R f k R f k p p q q ļ¦   The formula  (9)  sh ows  that usin g e x isting matu re onlin e ide n tification m e thod s, su ch  as  recursive lea s t squ a res m e thod (RLSM ) , can g e t vector  Īø  o n line.  However,  Īø  is  co mpo s ed of  prod uct  of  a i ,  b i ,  c i   a nd  d i , it  can not get sep a rate  p a rameters of  a i ,  b i ,  c i   an d  d i .  Papers [9] us e  sing ular val u e de comp osit ion (SV D ) m e thod to offlin e  sep a rate fou r  sets of p a ra meters. That  is   not suitabl e for the onlin e identificat io n of time-varyin g  N-L - N syste m .  Becau s e it is difficult to separate p a ra m e te rs.T his pa per draws th e identificatio n idea of  relaxation  iterative method.  According  to  N-L-N  sy ste m   spe c ific 3-parts st ru cture cha r a c teri stic,   it first fixes two p a rts  pa rameters a nd  then adj ust s  the pa ram e ters of the oth e r parts to  achi eve   para m eter se paratio n.  Model e rro r is:    ļƒ„ ļƒ„ ļƒ„ ļƒ„ ļ€½ ļ€½ ļ€½ ļ€­ ļ€½ ļ€­ ļ€½ p i i i m m q j j j n n k u g c z b k R f d z a k 1 3 1 1 1 3 0 )) ( ( ) ( )) ( ( ) ( ) , ( ļ± ļ„   (10 )   Erro r functio n  is defined a s :    2 ) , ( 2 1 ) , ( ļ± ļ„ ļ± k E E ļ€½   (11 )   We con c lude  the identification pro c e d u re with i n  a sampli ng pe ri od. Firstly, the initial  iteration val ues  are giv en:  ) 1 ( Ė† A , ) 1 ( Ė† B , ) 1 ( Ė† C , ) 1 ( Ė† D . Sett ing  ) ( Ė† k A , ) ( Ė† k B , ) ( Ė† k C , ) ( Ė† k D  as t he  estimation val ue of para m e t ers at  k   sam p ling time.So   )] ( Ė† ), ( Ė† ), ( Ė† ), ( Ė† [ ) ( Ė† 3 2 1 0 k a k a k a k a k A ļ€½   )] ( Ė† ), ( Ė† ), ( Ė† [ ) ( Ė† 3 2 1 k b k b k b k B ļ€½   )] ( Ė† , ), ( Ė† ), ( Ė† [ ) ( Ė† 2 1 k c k c k c k C p ļ‚¼ ļ€½     )] ( Ė† , ), ( Ė† ), ( Ė† [ ) ( Ė† 2 1 k d k d k d k D q ļ‚¼ ļ€½   Step 1. Selecting input-o utput data  R( k ) ,  R( k-1 ) ,  R( k - 2 ) ,  R( k- 3) ,  u(k-1) ,  u(k-2) ,  u(k-3) .  Step 2. Usi n g  ) ( Ė† k A ,  ) ( Ė† k B ,  ) ( Ė† k C ,  ) ( Ė† k D  as mo del pa ramete rs. Calculatin g error fu ncti on value  based on formula (1 0).   Step 3. Fixin g  pa ramete rs  ) ( Ė† k A , ) ( Ė† k B ,  ) ( Ė† k C  and  adju s ting  ) ( Ė† k D  to ma ke th e e rro r  function  minimum. Th en we  can g e t  the new parameter  ) 1 ( Ė† ļ€« k D .  Step 4. Usin g  ) ( Ė† k A , ) ( Ė† k B , ) ( Ė† k C , ) 1 ( Ė† ļ€« k D as mo del  param eters. Cal c ulating  e rro r fun c tion  value   based on formula (1 0).   Step 5. Fixin g  pa ram e ters  ) ( Ė† k A , ) ( Ė† k B , ) 1 ( Ė† ļ€« k D  and a d ju sting  ) ( Ė† k C to make  the e r ror fu nction  minimum. Th en we  can g e t  the new parameter  ) 1 ( Ė† ļ€« k C .  Step 6.  Usi n g  ) ( Ė† k A ,  ) ( Ė† k B ,  ) 1 ( Ė† ļ€« k C ,  ) 1 ( Ė† ļ€« k D   a s  m odel pa ramet e rs. Calculati ng error fun c tio n   value ba sed  on formul a (1 0).   Step 7. Fixin g  param eters  ) 1 ( Ė† ļ€« k C ,  ) 1 ( Ė† ļ€« k D  and adj usting  ) ( Ė† k A ,  ) ( Ė† k B  to  mak e  the er ror  function mini mum. Then  we can g e t the new p a ra met e r  ) 1 ( Ė† ļ€« k A ,  ) 1 ( Ė† ļ€« k B .  Step 8. Giving the new in p u t signal  u( k+1 ) , let  k= k + 1 , return s t ep1.  Evaluation Warning : The document was created with Spire.PDF for Python.
IJEECS   ISSN:  2502-4 752   ļ®   A New Ele c trode Regulat o r  System  Ide n tification of Arc Fu rna c e  Based o n  ā€¦   (J infeng W a ng)  36   Therefore,  according  to th e N-L - N  syst em st ru cture,  ea ch ite r atio n can b e  divi ded into   three  step s. I t  update s  p a rameters of  1-linear pa rt an d 2-nonlin ea r part s  in tu rn,  finally, we  can   get the p u rpo s e  of pa rame ters  se pa rati on. Some  pa ramete rs  a d ju stment o p timi zation  metho d s  can b e  used i n  step 3, 5, 7, such as g r ad ient algorith m  or least  squa re metho d .      4. Simulation Results a nd Analy s is   As  mention e d  earlier, we take ele c tri c   arc fu rna c e o f  one factory  as an exam ple and   con d u c t onlin e identificatio n simulatio n  fo r arc furnace electrode a d justme nt system.  The p r op ortio nal valve d e a d  zone l ength  of ar c fu rna c e ele c tro de a d justme nt sy stem i s   1. Its output uppe r an d lo wer  bou nd s is  ļ‚± 10. Sampling pe riod T = 0.02s. Th e d i scretization   transfe r fun c tion of hydrauli c  cylind e r can  be expre s se d by:    3 2 1 3 2 1 1 3011 . 0 552 . 1 251 . 2 1 0043 . 0 0254 . 0 0082 . 0 ) ( ļ€­ ļ€­ ļ€­ ļ€­ ļ€­ ļ€­ ļ€­ ļ€­ ļ€« ļ€­ ļ€« ļ€« ļ€½ z z z z z z z P   (12 )   In the beginni ng of the sme l ting, arc pressure dr o p  gra d ient is 8. At  the end of sm elting,  arc p r e s sure drop g r a d ient  is 1.  In step 3, 5, 7, we use  gradie n t algorithm  t o  a d just  ea ch p a ram e t e r.  A d just in g  para m eters a r e as follo ws.                     ļƒ„ ļ€½ ļ€­ ļ€­ ļ€­ ļ€½ ļ‚¶ ļ‚¶ ļ€­ ļ€½ ļ€« 3 0 1 ) , ( )) ( ( ) ( ) ( Ė† ) ( Ė† ) ( ) ( Ė† ) 1 ( Ė† j i j d i i d i i k j k y f k a k d k d k k d k d ļ± ļ„ ļ¬ ļ„ ļ¬   (13 )   ļƒ„ ļ€½ ļ€­ ļ€­ ļ€½ ļ‚¶ ļ‚¶ ļ€­ ļ€½ ļ€« 3 0 ) , ( )) ( ( ) ( ) ( Ė† ) ( Ė† ) ( ) ( Ė† ) 1 ( Ė† j j j c i i c i i k j k u g k a k c k c k k c k c ļ± ļ„ ļ¬ ļ„ ļ¬   (14 )   ļƒ„ ļ€½ ļ€­ ļ€­ ļ€« ļ€­ ļ€½ ļ‚¶ ļ‚¶ ļ€­ ļ€½ ļ€« p j i j a i i a i i k j k u f k d k a k a k k a k a 1 1 ) , ( )) ( ( ) 1 ( ) ( Ė† ) ( Ė† ) ( ) ( Ė† ) 1 ( Ė† ļ± ļ„ ļ¬ ļ„ ļ¬   (15 )   ļƒ„ ļ€½ ļ€­ ļ€« ļ€­ ļ€½ ļ‚¶ ļ‚¶ ļ€­ ļ€½ ļ€« q j j j b i i b i i k j k y g k c k b k b k k b k b 1 ) , ( )) ( ( ) 1 ( ) ( Ė† ) ( Ė† ) ( ) ( Ė† ) 1 ( Ė† ļ± ļ„ ļ¬ ļ„ ļ¬   (16 )   Whe r e  a ļ¬ ,  b ļ¬ ,  c ļ¬  and  d ļ¬  is step len g th of param eter adju s tme n t. Set  a ļ¬ = b ļ¬ = c ļ¬ = d ļ¬ =1 0 -3 .  System ignite  signal i s  sin u s oid a l sig nal. Each initial p a ram e ter valu e is 0.9 times as the  true value of initial simulati on paramete r s. Afte r 4000 0 step s (i.e.8 00s) si m u lati on identification,  the true value  and estimati on value of e a ch p a ra mete r are a s  figure 3, 4.      Evaluation Warning : The document was created with Spire.PDF for Python.
               ļ®               ISSN: 25 02-4 752   IJEECS  Vol.  2, No. 1, April 2016 :  32 ā€“ 39   37       Figure 3. Tru e  value and e s timated valu e of param eter A com pari s on       Figure 3 sh o w s that mo de l param eter A  dose  n o t ch ange d u rin g  identificatio n pro c e ss.  Its estim a ted  value  A Ė†  co nverges to a  true   value rapidly.  As  A Ė†  ha s a  fa st convergen ce  sp eed,  we gives the i dentificatio n result within 2 00s.  Figu re 4  sho w s that the paramete r  B change s with   time in th e i dentificatio n  pro c e ss.  The  estim a ted v a lue  B Ė†  ap pea rs  som e  d e viation at th e  begin n ing of identificatio n. But it  tracks the tr ue value  in a short time. The sim u lation take s  60.  3219 s le ss th an the sim u la tion time 800 s. Thu s  we  can draw a  co nclu sio n  that this ne w sche me  can b e  appli e d for online id entification of  param eters of the electri c  arc furna c e systems.   Evaluation Warning : The document was created with Spire.PDF for Python.
IJEECS   ISSN:  2502-4 752   ļ®   A New Ele c trode Regulat o r  System  Ide n tification of Arc Fu rna c e  Based o n  ā€¦   (J infeng W a ng)  38     Figure 4. Tru e  value and e s timated valu e of param eter B com pari s on       5. Conclusio n s   This pap er cl assifies arc  f u rna c e   ele c trode re g u lator system  a s  p a ram e ter tim e -varyin g   N-L - N syst e m  of linear  p a rt. And N-L-N mod e l  is   p a ram e teri zed  base d  on  arc furn ace ele c trod e  regul ator  system. In order to solve the  difficult  prob lem of online  identification  N-L - N  syste m   para m eter  se paratio n, we  use th e rel a xation iter ative  identification  method reali z ing p a ramet e r  sep a ratio n  in  N-L - N sy ste m  identificati on p r o c es s.  So we  achiev e the pu rp ose of sy stem o n line  identificatio n. The  simul a tion results  sh ow that  th e  new  metho d   can i dentify the ele c tri c  a r c  furna c e  elect r ode  adju s tm ent syste m   with pa ram e ter time -varyi ng effectively  and e n sure  the   accuracy of system model  in the smeltin g  pro c e ss.       Ackn o w l e dg ment  This wo rk  i s  partially  supp orted by  the Na tion al Natural S c ien c e  Found ation o f  Chin a   (609 701 12).       Referen ces   [1]     He J, Li u Y, Yu  S, et al. Ne ura l  ad aptiv e PSD   deco u p lin g co ntroll er an d its  app licati on  in t h ree- phas e   electro de adj u s ting  s y stem of  submer ge d ar c furnace.  J our nal of  Ce ntral South  U n iv ersi ty.  2013, 2 0 :  405- 412.   [2]     Yu  F, Ma o  Z.  Interna l   mo del   control f o r el ec trode i n  e l ectric  arc furn ace  ba sed o n  rbf  ne ur al n e tw orks.   Contro l and D e cision C onfer e n ce (CCD C).  2012 2 4 th Ch ine s e. IEEE. 2012 : 4074-4 0 7 7 .  [3]     Guan P, Liu  X, Gao Y.  Predictive control of  arc furnace b a sed o n  ge net ic alg o rith m . C ontrol a nd  Decisi on C onfe r ence (2 01 4 CCDC). T he 26t h Chi nese. IEE E . 2014: 33 85- 339 0.  [4]     Nordsj o AE, Z e tterberg L H . Identif ic atio n of certain time-v ar yin g  non lin e a r W i ener a nd  Hammerstei n   s y stems.  IEEE Transactions on Signal Proc essing . 20 01; 49 (3): 577-5 92.   Evaluation Warning : The document was created with Spire.PDF for Python.
               ļ®               ISSN: 25 02-4 752   IJEECS  Vol.  2, No. 1, April 2016 :  32 ā€“ 39   39   [5]     Voros J. Identification of Ha mmers tein s y s t ems  w i th time -var ying p i ec e w i s e-l i ne ar ch aracteristics.  IEEE Transactions on Circuits  and System s II: Express Briefs . 2005; 52( 12) : 865-86 9.  [6]     Crama P, Schouke n s J. Hammerstein ā€“W i ener s y stem estimator initi a lizatio n.  Autom a tica . 200 4;   40(9): 15 43- 15 50.   [7]     Ding F ,  Li u  X  P, Liu G. Iden tification m e th ods for H a mmerstein  non lin e a r s y stems.  D i g ital Si gn al  Processi ng.  20 11; 21(2): 2 15- 238.   [8]     Bai EW. A n op tima l tw o-stage ide n tificati on  algor ith m  for Ha mmerstei nā€“ W i ener N onl in ear Syste m s .  Block-ori ente d  Nonl in ear S y stem Identificati o n. Spring er Lo ndo n. 201 0: 27 -34.    Evaluation Warning : The document was created with Spire.PDF for Python.