钢铁生产典型过程操作解析与优化

发布时间：2024-06-01 01:12

　　随着人们对钢铁产品质量要求的不断提高和环境保护意识的不断加强,迫切需要对钢铁生产典型环节中存在的预测、估计、诊断以及控制等问题进行研究,设计符合问题特点的算法,提高控制精度,改善产品质量,降低生产能耗。本文针对钢铁生产中的高炉、罩式退火炉、冷轧、连续退火炉和加热炉生产过程进行研究,采用数据解析和智能优化等方法,解决实际生产中存在的预测、估计、诊断、控制等方面的问题,主要工作概述如下：(1)高炉十字测温点温度受热风流量、压力以及透气指数等十多种因素影响,且各种影响因素的作用机理不清,很难建立准确的高炉十字测温点温度机理模型。针对高炉十字测温点温度数学模型难建的问题,设计了基于改进的粒子群优化算法(PSO)的最小二乘支持向量机(LS-SVM)建模方法。通过对生产数据的相关性分析,选择与十字测温相关的输入变量；采用改进的PSO算法优化LS-SVM的参数,提高模型的精度。实验结果表明,与传统方法相比,本文提出方法所建立的十字测温模型预测精度提高了3%,能够满足实际生产需要。(2)罩式退火炉钢卷温度埋偶检测方法容易造成钢卷损伤,影响产品质量。针对钢卷温度检测问题,提出了基于改进PSO的自适应LS...

【文章页数】：139 页

【学位级别】：博士

【部分图文】：

图２．１十字测温装置示意图??Ｆｉｇ．?２．１?Ｓｃｈｅｍａｔｉｃ?ｏｆ?ｔｈｅ?ｔｅｍｐｅｒａｔｕｒｅ?ｍｅａｓｕｒｉｎｇ?ｅｑｕｉｐｍｅｎｔ?ｏｆ?ｃｒｏｓｓ?ｂｅａｍ??

图２．１十字测温装置示意图??Ｆｉｇ．?２．１?Ｓｃｈｅｍａｔｉｃ?ｏｆ?ｔｈｅ?ｔｅｍｐｅｒａｔｕｒｅ?ｍｅａｓｕｒｉｎｇ?ｅｑｕｉｐｍｅｎｔ?ｏｆ?ｃｒｏｓｓ?ｂｅａｍ??－１９－??

图２．４建模阶段相对误差绝对值比较??巧ｇ．?２．４?民ｅｌａｔｅ?ａｂｓｏｌ山ｅ?ｅｒｒｏｒ?ｃｏｍｐａｒｉｓｏｎｓ?ｏｆ?ｄｉｆｆｅｒｅｎｔ?ａｌｇｏｒｉｔｈｍｓ?ｉｎ?ｍｏｄｅｌ?ｓｔａｇｅ??

１?２?３?４?５?６?７?８?９?１０?１１?１２?１３?１４?巧化?１７?１８?巧?２０??測试歡据个歎??图２．５测试阶段相对误差绝对值比较??ｆｉｇ．?２．５?民ｅｌａｔｅ?ａｂｓｏｌｕｔｅ?ｅｒｒｏｒ?ｃｏｍｐａｒｉｓｏｎｓ?ｏｆ?ｄｉｆｆｅｒｅｎｔ?ａｌｇｏｒｉｔｈｍ....

图２．７测试误差分析图（ＰＳＯ优化后ＬＳ－ＳＶＭ）??Ｆｉｇ．?２，７?Ｅｒｒｏｒ?ａｎａｌｙｓｉｓ?ｏｆ?ＬＳ－ＳＶＭ?ｏｐｔｉｍｉｚｅｄ?ｂｙ?巧?０?ｉｎ?ｐｒｅｄｉｃｔｉｏｎ?Ｓｔａｇｅ??

图２．７测试误差分析图（ＰＳＯ优化后ＬＳ－ＳＶＭ）??Ｆｉｇ．?２，７?Ｅｒｒｏｒ?ａｎａｌｙｓｉｓ?ｏｆ?ＬＳ－ＳＶＭ?ｏｐｔｉｍｉｚｅｄ?ｂｙ?巧?０?ｉｎ?ｐｒｅｄｉｃｔｉｏｎ?Ｓｔａｇｅ??仅为网格搜索算法的１．６％。在图２．３中原始数据与预测数据的误差很小，相对误差在?....

图２．８高炉炼铁流程简介??

＂ｍｉｌ?ｔｗＢ?＜ｕｔｒ?ｆｉｗ?ｕｉ?巧；??图２．９高炉布料系统界面??Ｆｉｇ．?２．９?Ｔｈｅ?ｓｏｆｔｗａｒｅ?ｉｎｔｅｒｆａｃｅ?ｓｃｒｅｅｎｓｈｏｔ?ｏｆ?ｔｈｅ?ｂｌａｓｔ?ｆｌｉｍａｃｅ?ｂｕｒｄｅ打?ｄｉｓｔｒｉｂ加ｏｎ?ｓｙｓｔｅｍ??讯利用ＰＳＯ优化ＬＳ－....

本文编号：3985348