本文選題：煉鐵　切入點(diǎn)：硅含量　出處：《鋼鐵研究學(xué)報(bào)》2017年02期

【摘要】：影響高爐鐵水硅含量的因素往往復(fù)雜多變,影響程度不一。采用魚(yú)骨分析法收集所有可能對(duì)硅含量產(chǎn)生影響的因素,經(jīng)過(guò)相關(guān)分析和特征選擇,最終選取6個(gè)參數(shù)作為模型的輸入?yún)?shù)。采用改進(jìn)的粒子群優(yōu)化算法對(duì)支持向量機(jī)(SVM)中的參數(shù)進(jìn)行優(yōu)化,提出基于變鄰域粒子群(VNPSO)優(yōu)化SVM的鐵水硅含量預(yù)測(cè)模型。通過(guò)鋼廠的實(shí)際生產(chǎn)數(shù)據(jù)進(jìn)行驗(yàn)證,平均相對(duì)誤差達(dá)到0.69%,平均絕對(duì)誤差達(dá)到3.4×10~(-3),模型具有很高的預(yù)測(cè)精度。同時(shí),繪制鐵水中硅含量控制圖,分析硅含量波動(dòng)情況,并依此模型給出硅含量穩(wěn)定性控制措施。
[Abstract]:The factors affecting the silicon content of hot metal are complex and variable.Fish bone analysis was used to collect all the factors that may affect the silicon content. After correlation analysis and feature selection, 6 parameters were selected as the input parameters of the model.The improved particle swarm optimization (PSO) algorithm is used to optimize the parameters in support vector machine (SVM), and a prediction model of hot metal silicon content based on variable neighborhood Particle Swarm Optimization (VNPSO) optimization is proposed.The average relative error and absolute error are 0.69 and 3.4 脳 10 ~ (-1) ~ (-3), respectively. The model has high prediction accuracy.At the same time, the control chart of silicon content in molten iron was drawn, the fluctuation of silicon content was analyzed, and the control measures of silicon content stability were given according to the model.
【作者單位】： 遼寧科技大學(xué);寶鋼發(fā)展公司;
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(51474124) 遼寧省教育廳基金資助項(xiàng)目(L2014118) 遼寧科技大學(xué)科研專項(xiàng)基金資助項(xiàng)目(2015TD03)
【分類號(hào)】：TP18;TF53

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 談霖;張宗旺;任冰朗;張海濱;;基于支持向量機(jī)的鐵水硅含量的預(yù)測(cè)[J];鋼鐵研究;2016年01期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 高娟;碳化硅含量的測(cè)定方法[J];炭素技術(shù);2000年01期

2 ;北鋼二鐵“提鐵降硅”獲進(jìn)展[J];本鋼技術(shù);2001年10期

3 劉世榮;于合;趙珍義;;新流動(dòng)注射光度法檢測(cè)工業(yè)用水中的硅含量[J];現(xiàn)代商貿(mào)工業(yè);2008年06期

4 薛光榮;夏敏勇;;氧化鋯布膜中硅含量的火焰原子吸收光譜分析[J];分析測(cè)試技術(shù)與儀器;2010年03期

5 李德元;王赫瑩;馬駿;;碳、硅含量對(duì)碳鋼鋅腐蝕層形態(tài)的影響[J];沈陽(yáng)工業(yè)大學(xué)學(xué)報(bào);2008年01期

6 黃成紅;孔勇江;李具中;曹維;;低碳和超低碳含鋁系列鋼硅含量的控制[J];武鋼技術(shù);2008年03期

7 羅輝;夏白冰;曹玉娟;秦莉;;鋼鐵中硅含量的不分取試液直接光度法[J];東方電機(jī);2001年04期

8 尹勇;;反滲透系統(tǒng)出水硅含量的控制[J];廣州化工;2009年03期

9 徐斌;水、汽系統(tǒng)硅含量升高的原因與處理[J];化肥工業(yè);1998年02期

10 石琳;李志玲;崔桂梅;;基于偏最小二乘回歸的高爐鐵水硅含量模型[J];內(nèi)蒙古大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年04期

相關(guān)會(huì)議論文 前6條

1 崔桂梅;祁鵬;馬祥;;基于偏最小二乘回歸算法的高爐硅含量預(yù)測(cè)的研究與應(yīng)用[A];全國(guó)冶金自動(dòng)化信息網(wǎng)2010年年會(huì)論文集[C];2010年

2 楊維;要承勇;;碳硅含量對(duì)45鋼調(diào)質(zhì)質(zhì)量的影響[A];陜西省第四屆理化實(shí)驗(yàn)室主任會(huì)議論文集[C];2011年

3 李軍明;張大勇;楊曉江;孫曉娟;;冷軋用SPHC鋼硅含量影響因素分析[A];2009年河北省冶金學(xué)會(huì)煉鋼—連鑄技術(shù)與學(xué)術(shù)年會(huì)論文集[C];2009年

4 李剛;吳衛(wèi)彥;呂文虎;;試用測(cè)量系統(tǒng)分析方法評(píng)測(cè)光電直讀光譜對(duì)生鐵中硅含量的測(cè)量能力[A];山東省金屬學(xué)會(huì)理化檢驗(yàn)學(xué)術(shù)委員會(huì)理化檢驗(yàn)學(xué)術(shù)交流會(huì)論文集[C];2009年

5 李永彩;趙忠義;王建華;;基于神經(jīng)網(wǎng)絡(luò)的高爐硅含量預(yù)測(cè)系統(tǒng)的開(kāi)發(fā)[A];第七屆工業(yè)儀表與自動(dòng)化學(xué)術(shù)會(huì)議論文集[C];2006年

6 羅樂(lè);王蘭;;ADC12產(chǎn)品硅含量對(duì)力學(xué)性能的影響[A];2012(第22屆)重慶市鑄造年會(huì)論文集[C];2012年

相關(guān)重要報(bào)紙文章 前1條

1 周竹良 李曉明;硅鐵合金中硅含量檢測(cè)方法比較[N];中國(guó)冶金報(bào);2005年

相關(guān)碩士學(xué)位論文 前3條

1 王幸;硅對(duì)苛化白泥碳酸鈣性能影響及其機(jī)理研究[D];陜西科技大學(xué);2015年

2 吳金花;高爐冶煉過(guò)程分析及其鐵水硅含量預(yù)測(cè)模型研究[D];燕山大學(xué);2016年

3 范志剛;基于神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)的鐵水硅含量預(yù)報(bào)、控制軟件研究[D];重慶大學(xué);2003年

，

本文編號(hào)：1721595