本文關(guān)鍵詞：轉(zhuǎn)爐煉鋼智能終點錳、磷預(yù)報模型的開發(fā)，，由筆耕文化傳播整理發(fā)布。

【摘要】： 轉(zhuǎn)爐煉鋼是一種非常重要的、占統(tǒng)治地位的煉鋼方法。轉(zhuǎn)爐煉鋼過程是一個非常復(fù)雜的高溫物理化學(xué)工業(yè)過程。正是因為轉(zhuǎn)爐煉鋼過程的復(fù)雜性,使得轉(zhuǎn)爐煉鋼終點的預(yù)報尤為重要。在轉(zhuǎn)爐煉鋼的過程中,有經(jīng)驗的操作工要對鋼水終點成分中的[Mn]、[P]進行分析,并與副槍終點測溫和定碳相結(jié)合,決定是等待取樣分析,還是進行快速出鋼。本文以國家經(jīng)貿(mào)委技術(shù)創(chuàng)新項目“新一代煉鋼過程模型庫開發(fā)及其工業(yè)應(yīng)用”為背景,以寶鋼轉(zhuǎn)爐的實際生產(chǎn)數(shù)據(jù)為依據(jù),并采用人工智能技術(shù),對轉(zhuǎn)爐煉鋼的終點錳、磷預(yù)報模型進行了研究與開發(fā)。 開發(fā)了轉(zhuǎn)爐煉鋼的終點錳預(yù)報模型。根據(jù)冶金學(xué)、統(tǒng)計學(xué)等原理知識,選取模型的變量參數(shù),分別建立了回歸模型和神經(jīng)網(wǎng)絡(luò)模型�；貧w模型雖然簡單、可視,但是仿真結(jié)果并不理想。人工智能技術(shù)中的神經(jīng)網(wǎng)絡(luò)有很強的非線性映射和容錯能力,而轉(zhuǎn)爐煉鋼又是一個復(fù)雜的非線性過程,在選取適當(dāng)參數(shù)的基礎(chǔ)上,采用神經(jīng)網(wǎng)絡(luò)技術(shù)建模,能取得很好的仿真效果:當(dāng)預(yù)報誤差精度|△Mn|≤0.025%時,預(yù)報命中率超過98%。最終確定了終點錳神經(jīng)網(wǎng)絡(luò)預(yù)報模型為現(xiàn)場應(yīng)用模型。 開發(fā)了轉(zhuǎn)爐煉鋼的終點磷預(yù)報模型。借鑒終點錳預(yù)報模型的建模經(jīng)驗,對終點磷預(yù)報建立了回歸及神經(jīng)網(wǎng)絡(luò)兩種模型。神經(jīng)網(wǎng)絡(luò)的終點磷預(yù)報模型取得了較好的效果,當(dāng)預(yù)報誤差精度為|△P|≤0.003%時,預(yù)報命中率為83%,但該模型仍沒有達到現(xiàn)場應(yīng)用的要求,需要進一步研究。 為配合神經(jīng)網(wǎng)絡(luò)預(yù)報模型的現(xiàn)場應(yīng)用,并解決現(xiàn)有仿真軟件中無法處理的一些實際問題,開發(fā)了基于Levenberg-Marquardt優(yōu)化算法的BP神經(jīng)網(wǎng)絡(luò)C語言源程序。該源程序以動態(tài)內(nèi)存的使用為基礎(chǔ),易于維護,能夠在現(xiàn)場的過程機上運行。 由于終點錳神經(jīng)網(wǎng)絡(luò)預(yù)報模型達到了工業(yè)現(xiàn)場應(yīng)用要求,因而結(jié)合現(xiàn)場應(yīng)用的實際環(huán)境,開發(fā)了終點錳神經(jīng)網(wǎng)絡(luò)預(yù)報模型的工業(yè)應(yīng)用微機版。該微機版模型與應(yīng)用環(huán)境的接口都采用與現(xiàn)場過程機完全相同的形式,現(xiàn)場條件允許時即可移植到過程機上運行。
【關(guān)鍵詞】：人工智能 轉(zhuǎn)爐煉鋼 回歸分析 神經(jīng)網(wǎng)絡(luò) 終點錳預(yù)報 終點磷預(yù)報
【學(xué)位授予單位】：江蘇大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2002
【分類號】：TF341.1
【目錄】：

• 摘要5-6
• Abstract6-11
• 第一章 緒論11-29
• §1.1 轉(zhuǎn)爐煉鋼簡介11-16
• §1.1.1 轉(zhuǎn)爐煉鋼發(fā)展過程11-12
• §1.1.2 轉(zhuǎn)爐煉鋼設(shè)備及工藝過程12-14
• §1.1.3 轉(zhuǎn)爐煉鋼檢測技術(shù)14-16
• §1.2 人工智能技術(shù)及智能控制16-19
• §1.2.1 人工智能技術(shù)16-17
• §1.2.2 智能控制理論及應(yīng)用17-19
• §1.3 轉(zhuǎn)爐煉鋼自動化技術(shù)19-24
• §1.3.1 轉(zhuǎn)爐煉鋼自動化現(xiàn)狀19-20
• §1.3.2 轉(zhuǎn)爐冶煉控制模型20-23
• §1.3.3 寶鋼過程控制技術(shù)的應(yīng)用23-24
• §1.4 轉(zhuǎn)爐煉鋼終點預(yù)報技術(shù)24-28
• §1.4.1 轉(zhuǎn)爐煉鋼終點預(yù)報24-25
• §1.4.2 轉(zhuǎn)爐煉鋼終點預(yù)報技術(shù)現(xiàn)狀25-26
• §1.4.3 轉(zhuǎn)爐煉鋼終點錳、磷預(yù)報26-28
• §1.5 本文的主要工作28-29
• 第二章 建�；A(chǔ)知識概述29-44
• §2.1 模型基本知識29-33
• §2.1.1 數(shù)學(xué)模型29
• §2.1.2 建立過程數(shù)學(xué)模型的兩個基本方法29-30
• §2.1.3 數(shù)據(jù)樣本歸一化與逆歸一化30-31
• §2.1.4 模型預(yù)報性能的評價標(biāo)準(zhǔn)31-33
• §2.2 統(tǒng)計回歸建模與分析33-37
• §2.2.1 回歸方法綜述33
• §2.2.2 回歸模型的分類33-34
• §2.2.3 多元線性回歸34-37
• §2.2.4 回歸方法建模的特點37
• §2.3 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)37-44
• §2.3.1 神經(jīng)網(wǎng)絡(luò)概述37-40
• §2.3.2 BP神經(jīng)網(wǎng)絡(luò)40-44
• 第三章 轉(zhuǎn)爐煉鋼終點錳含量預(yù)報模型44-62
• §3.1 引言44
• §3.2 轉(zhuǎn)爐煉鋼過程中錳的反應(yīng)44
• §3.3 模型參數(shù)的采集44-49
• §3.3.1 吹煉控制信息44-45
• §3.3.2 參數(shù)的選取45-49
• §3.4 建模樣本的篩選49-50
• §3.4.1 數(shù)據(jù)篩選的統(tǒng)計學(xué)條件49
• §3.4.2 數(shù)據(jù)篩選的生產(chǎn)實際條件49-50
• §3.5 直接數(shù)據(jù)庫參數(shù)作為輸入變量的終點錳預(yù)報模型50-55
• §3.5.1 轉(zhuǎn)爐煉鋼終點錳預(yù)報的回歸模型(RLMN)50-52
• §3.5.2 轉(zhuǎn)爐煉鋼終點錳預(yù)報的神經(jīng)網(wǎng)絡(luò)模型52-54
• §3.5.3 模型預(yù)報精度的比較與評價54-55
• §3.6 改進參數(shù)作為輸入變量的終點錳預(yù)報模型55-59
• §3.6.1 轉(zhuǎn)爐煉鋼終點錳預(yù)報的回歸模型(改進參數(shù)變量)55-57
• §3.6.2 轉(zhuǎn)爐煉鋼終點錳預(yù)報的神經(jīng)網(wǎng)絡(luò)模型(改進參數(shù)變量)57-59
• §3.7 各終點錳預(yù)報模型的結(jié)果比較59-61
• §3.8 神經(jīng)網(wǎng)絡(luò)建模應(yīng)注意的問題61-62
• 第四章 轉(zhuǎn)爐煉鋼終點磷含量預(yù)報模型62-68
• §4.1 引言62
• §4.2 模型輸入?yún)?shù)的采集62
• §4.3 數(shù)據(jù)樣本的篩選62-63
• §4.4 轉(zhuǎn)爐煉鋼終點磷含量預(yù)報的回歸模型63-65
• §4.4.1 建模方法63
• §4.4.2 模型仿真63-65
• §4.5 轉(zhuǎn)爐煉鋼終點磷含量預(yù)報的神經(jīng)網(wǎng)絡(luò)模型65-67
• §4.5.1 建模方法65
• §4.5.2 模型仿真65-67
• §4.6 各終點磷預(yù)報模型的比較及結(jié)論67-68
• 第五章 BP神經(jīng)網(wǎng)絡(luò)源程序的編制68-76
• §5.1 BP神經(jīng)網(wǎng)絡(luò)源程序編制的原因68
• §5.2 Levenberg-Marquart算法68-69
• §5.3 程序編制中幾個重要問題及其解決69-71
• §5.3.1 占用內(nèi)存大69-70
• §5.3.2 "過擬合"現(xiàn)象70
• §5.3.3 克服BP網(wǎng)絡(luò)本身的缺點70
• §5.3.4 工業(yè)建模及應(yīng)用中的特殊要求70-71
• §5.4 BP神經(jīng)網(wǎng)絡(luò)程序的流程圖71-73
• §5.5 BP神經(jīng)網(wǎng)絡(luò)源程序的應(yīng)用結(jié)果73-75
• §5.6 BP神經(jīng)網(wǎng)絡(luò)應(yīng)用中應(yīng)注意的一些問題75-76
• 第六章 轉(zhuǎn)爐煉鋼終點錳含量預(yù)報的工業(yè)應(yīng)用模型開發(fā)76-85
• §6.1 模型與應(yīng)用環(huán)境的關(guān)系76-77
• §6.2 模型與應(yīng)用環(huán)境的接口77-79
• §6.3 BP網(wǎng)絡(luò)建模模塊介紹79-80
• §6.4 模型離線測試效果80-82
• §6.5 今后對模型的改進82-85
• §6.5.1 新息模型83
• §6.5.2 物質(zhì)成分含量的更新83-85
• 第七章 結(jié)束語85-87
• 參考文獻87-90
• 攻讀碩士學(xué)位期間發(fā)表的論文90-91
• 致謝91-92
• 附錄 工作證明92

【引證文獻】

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 柯洪娣;冶煉生產(chǎn)過程在線多參數(shù)分析技術(shù)及終點控制策略研究與實現(xiàn)[D];中國科學(xué)院研究生院（長春光學(xué)精密機械與物理研究所）;2010年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 許守明;冶煉爐光譜檢測網(wǎng)絡(luò)系統(tǒng)的設(shè)計[D];華中科技大學(xué);2009年

  本文關(guān)鍵詞：轉(zhuǎn)爐煉鋼智能終點錳、磷預(yù)報模型的開發(fā)，由筆耕文化傳播整理發(fā)布。

本文編號：409518