转炉炼钢智能终点锰、磷预报模型的开发

发布时间：2017-05-31 13:02

  本文关键词：转炉炼钢智能终点锰、磷预报模型的开发，，由笔耕文化传播整理发布。

【摘要】： 转炉炼钢是一种非常重要的、占统治地位的炼钢方法。转炉炼钢过程是一个非常复杂的高温物理化学工业过程。正是因为转炉炼钢过程的复杂性,使得转炉炼钢终点的预报尤为重要。在转炉炼钢的过程中,有经验的操作工要对钢水终点成分中的[Mn]、[P]进行分析,并与副枪终点测温和定碳相结合,决定是等待取样分析,还是进行快速出钢。本文以国家经贸委技术创新项目“新一代炼钢过程模型库开发及其工业应用”为背景,以宝钢转炉的实际生产数据为依据,并采用人工智能技术,对转炉炼钢的终点锰、磷预报模型进行了研究与开发。 开发了转炉炼钢的终点锰预报模型。根据冶金学、统计学等原理知识,选取模型的变量参数,分别建立了回归模型和神经网络模型。回归模型虽然简单、可视,但是仿真结果并不理想。人工智能技术中的神经网络有很强的非线性映射和容错能力,而转炉炼钢又是一个复杂的非线性过程,在选取适当参数的基础上,采用神经网络技术建模,能取得很好的仿真效果:当预报误差精度|△Mn|≤0.025%时,预报命中率超过98%。最终确定了终点锰神经网络预报模型为现场应用模型。 开发了转炉炼钢的终点磷预报模型。借鉴终点锰预报模型的建模经验,对终点磷预报建立了回归及神经网络两种模型。神经网络的终点磷预报模型取得了较好的效果,当预报误差精度为|△P|≤0.003%时,预报命中率为83%,但该模型仍没有达到现场应用的要求,需要进一步研究。 为配合神经网络预报模型的现场应用,并解决现有仿真软件中无法处理的一些实际问题,开发了基于Levenberg-Marquardt优化算法的BP神经网络C语言源程序。该源程序以动态内存的使用为基础,易于维护,能够在现场的过程机上运行。 由于终点锰神经网络预报模型达到了工业现场应用要求,因而结合现场应用的实际环境,开发了终点锰神经网络预报模型的工业应用微机版。该微机版模型与应用环境的接口都采用与现场过程机完全相同的形式,现场条件允许时即可移植到过程机上运行。
【关键词】：人工智能 转炉炼钢 回归分析 神经网络 终点锰预报 终点磷预报
【学位授予单位】：江苏大学
【学位级别】：硕士
【学位授予年份】：2002
【分类号】：TF341.1
【目录】：

• 摘要5-6
• Abstract6-11
• 第一章 绪论11-29
• §1.1 转炉炼钢简介11-16
• §1.1.1 转炉炼钢发展过程11-12
• §1.1.2 转炉炼钢设备及工艺过程12-14
• §1.1.3 转炉炼钢检测技术14-16
• §1.2 人工智能技术及智能控制16-19
• §1.2.1 人工智能技术16-17
• §1.2.2 智能控制理论及应用17-19
• §1.3 转炉炼钢自动化技术19-24
• §1.3.1 转炉炼钢自动化现状19-20
• §1.3.2 转炉冶炼控制模型20-23
• §1.3.3 宝钢过程控制技术的应用23-24
• §1.4 转炉炼钢终点预报技术24-28
• §1.4.1 转炉炼钢终点预报24-25
• §1.4.2 转炉炼钢终点预报技术现状25-26
• §1.4.3 转炉炼钢终点锰、磷预报26-28
• §1.5 本文的主要工作28-29
• 第二章 建模基础知识概述29-44
• §2.1 模型基本知识29-33
• §2.1.1 数学模型29
• §2.1.2 建立过程数学模型的两个基本方法29-30
• §2.1.3 数据样本归一化与逆归一化30-31
• §2.1.4 模型预报性能的评价标准31-33
• §2.2 统计回归建模与分析33-37
• §2.2.1 回归方法综述33
• §2.2.2 回归模型的分类33-34
• §2.2.3 多元线性回归34-37
• §2.2.4 回归方法建模的特点37
• §2.3 神经网络基础37-44
• §2.3.1 神经网络概述37-40
• §2.3.2 BP神经网络40-44
• 第三章 转炉炼钢终点锰含量预报模型44-62
• §3.1 引言44
• §3.2 转炉炼钢过程中锰的反应44
• §3.3 模型参数的采集44-49
• §3.3.1 吹炼控制信息44-45
• §3.3.2 参数的选取45-49
• §3.4 建模样本的筛选49-50
• §3.4.1 数据筛选的统计学条件49
• §3.4.2 数据筛选的生产实际条件49-50
• §3.5 直接数据库参数作为输入变量的终点锰预报模型50-55
• §3.5.1 转炉炼钢终点锰预报的回归模型(RLMN)50-52
• §3.5.2 转炉炼钢终点锰预报的神经网络模型52-54
• §3.5.3 模型预报精度的比较与评价54-55
• §3.6 改进参数作为输入变量的终点锰预报模型55-59
• §3.6.1 转炉炼钢终点锰预报的回归模型(改进参数变量)55-57
• §3.6.2 转炉炼钢终点锰预报的神经网络模型(改进参数变量)57-59
• §3.7 各终点锰预报模型的结果比较59-61
• §3.8 神经网络建模应注意的问题61-62
• 第四章 转炉炼钢终点磷含量预报模型62-68
• §4.1 引言62
• §4.2 模型输入参数的采集62
• §4.3 数据样本的筛选62-63
• §4.4 转炉炼钢终点磷含量预报的回归模型63-65
• §4.4.1 建模方法63
• §4.4.2 模型仿真63-65
• §4.5 转炉炼钢终点磷含量预报的神经网络模型65-67
• §4.5.1 建模方法65
• §4.5.2 模型仿真65-67
• §4.6 各终点磷预报模型的比较及结论67-68
• 第五章 BP神经网络源程序的编制68-76
• §5.1 BP神经网络源程序编制的原因68
• §5.2 Levenberg-Marquart算法68-69
• §5.3 程序编制中几个重要问题及其解决69-71
• §5.3.1 占用内存大69-70
• §5.3.2 "过拟合"现象70
• §5.3.3 克服BP网络本身的缺点70
• §5.3.4 工业建模及应用中的特殊要求70-71
• §5.4 BP神经网络程序的流程图71-73
• §5.5 BP神经网络源程序的应用结果73-75
• §5.6 BP神经网络应用中应注意的一些问题75-76
• 第六章 转炉炼钢终点锰含量预报的工业应用模型开发76-85
• §6.1 模型与应用环境的关系76-77
• §6.2 模型与应用环境的接口77-79
• §6.3 BP网络建模模块介绍79-80
• §6.4 模型离线测试效果80-82
• §6.5 今后对模型的改进82-85
• §6.5.1 新息模型83
• §6.5.2 物质成分含量的更新83-85
• 第七章 结束语85-87
• 参考文献87-90
• 攻读硕士学位期间发表的论文90-91
• 致谢91-92
• 附录 工作证明92

【引证文献】

中国博士学位论文全文数据库 前1条

1 柯洪娣;冶炼生产过程在线多参数分析技术及终点控制策略研究与实现[D];中国科学院研究生院（长春光学精密机械与物理研究所）;2010年

中国硕士学位论文全文数据库 前1条

1 许守明;冶炼炉光谱检测网络系统的设计[D];华中科技大学;2009年

  本文关键词：转炉炼钢智能终点锰、磷预报模型的开发，由笔耕文化传播整理发布。

本文编号：409518