“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”，该方案承诺将其能效提高10％以内。关于开发的文章发表在“Procedia Computer Science”。

       "莫斯科国立钢铁合金学院"国立研究技术大学（分校）自动化和信息管理系统教研室的开发人员兼副教授安东·格鲁先科表示，在"莫斯科国立钢铁合金学院"国立研究技术大学创造的"神经网络调谐器"旨在将冶金加热炉的能效从较高的功耗提高至100兆瓦。

      通常，在工作期间，炉子受到各种干扰，例如，打开装载和卸载金属的挡板会导致热量损失，而燃气燃烧器的污染导致燃料燃烧效率降低。因此，熔炉的参数发生变化。但由于它们通常由具有恒定参数的线性调节器控制，因此不考虑赫赫有名的非平稳性。这会降低对质量的控制并导致能量损失。

        安东·格鲁先科告诉俄罗斯通讯社："为解决传统问题提出建立自适应的控制系统--神经网络调谐器。系统实时调整线性控制器的参数，使对所有模式下炉子质量的控制保持在同等水平，从而降低机组的功耗"。

     他指出，该方法的新颖性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使用线性调节器的参数值，并直接在操作过程中学习，以监测炉子中发生的变化。

       科学家解释到："主要问题是何时以及以何种速度训练神经网络。反映工程师在技术过程自动化方面经验的知识库响应它们。它包含描述需要调整控制器的情况，以及计算神经网络学习速度的公式。与其他方法不同，神经网络调谐器的使用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的时间表并补偿对它产生的干扰"

       调谐器以功能模块的形式实施，该功能模块可以被存放在冶金学中常见逻辑控制器的内存中。该模块的输出和输入连接到已经存放在控制器中的线性稳压器、以及从外部接收的信号。

     安东·格鲁先科断定："运用调谐器不需要资本支出，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5-10％"。

      在俄罗斯建造了用冶金废物冶炼生铁的试验炉。正如在"莫斯科国立钢铁合金学院"国立研究技术大学报道的那样，最终确定并测试完不同电动机的调谐器后，未来计划扩大使用调谐器的对