【摘要】：轉(zhuǎn)爐煉鋼是鋼鐵工業(yè)的重要生產(chǎn)方法之一,也是我國最主要的煉鋼生產(chǎn)方法。研究轉(zhuǎn)爐煉鋼的生產(chǎn)過程建模和控制問題,對提高生產(chǎn)效率,節(jié)約能源有著十分重要的意義。但是由于煉鋼過程復雜,很多反應機理尚不明確或者難以精確描述,現(xiàn)有的方法很難滿足精度要求。隨著自動化技術和計算機技術的不斷發(fā)展,轉(zhuǎn)爐煉鋼生產(chǎn)的自動化水平得到了不斷提高。其中案例推理方法是控制轉(zhuǎn)爐煉鋼自動化生產(chǎn)的重要技術之一,但在實際的轉(zhuǎn)爐煉鋼問題中,存在著數(shù)據(jù)量大、不確定性等一些問題。因此,需要研究更適合于轉(zhuǎn)爐煉鋼生產(chǎn)過程建模的案例推理方法,以滿足轉(zhuǎn)爐煉鋼生產(chǎn)對模型的實際需求。軟計算是一類能夠有效處理不確定或不精確問題的計算方法,有助于解決轉(zhuǎn)爐煉鋼的實際問題。本文將軟計算技術結合到案例推理的案例描述、案例檢索、案例調(diào)整和案例重用等過程中,以提高模型的精度和性能,并用于解決轉(zhuǎn)爐煉鋼生產(chǎn)中吹氧量計算,終點碳含量和溫度預報等問題。本文主要包括以下內(nèi)容：(1)在案例描述方面,提出基于互信息、粗糙集的屬性約簡方法和模糊的屬性描述方法。首先,使用互信息和條件互信息對案例的條件屬性進行選擇,在選擇相對重要的屬性同時,盡量減少條件屬性中的冗余信息；之后,對確定的條件屬性進行模糊化表達；進一步,針對模糊化后引起的維數(shù)增長問題,引入粗糙集約簡技術,提取規(guī)則并生成案例,實現(xiàn)對案例結構和數(shù)量的簡約。對于所提案例描述過程,使用公用UCI數(shù)據(jù)驗證所提方法的有效性,并進一步用于對轉(zhuǎn)爐煉鋼兩階段吹氧量的計算,以提高吹氧量模型的計算精度。(2)在案例檢索方面,提出基于模糊C均值和儲備池神經(jīng)網(wǎng)絡的案例檢索方法。針對案例庫規(guī)模較大時,造成的案例檢索效率和精度降低問題,首先采用模糊C均值技術對案例庫進行聚類,將案例庫劃分為若干個子空間,使得案例庫中每個案例被分配某個類別標簽；然后使用儲備池神經(jīng)網(wǎng)絡建立各子空間的分類模型,并在此基礎上產(chǎn)生不固定類。在案例檢索時,使用儲備池模型為新案例選擇檢索子空間,為了提高檢索精度,采用基于梯度下降技術的神經(jīng)網(wǎng)絡方法確定各個屬性的權值。使用公用UCI數(shù)據(jù)驗證所提方法的有效性,并進一步用于對轉(zhuǎn)爐煉鋼終點溫度的預報,以提高預報模型的精度。(3)在案例調(diào)整和重用方面,提出基于支持向量機的案例調(diào)整策略和基于混合專家系統(tǒng)的案例重用過程。在案例調(diào)整時,著重考慮案例條件屬性差異與解屬性差異之間的關系,利用支持向量機的非線性學習能力,建立偏差估計模型,并利用該模型,根據(jù)當前案例與最相似案例間的偏差,求解新案例的解。此外,為了深度挖掘相似案例中的有用知識,使用混合專家系統(tǒng)建立相似案例條件屬性與解屬性間的直接關系,基于該重用模型,直接計算當前問題的解。將所提方法用于轉(zhuǎn)爐煉鋼生產(chǎn)過程中的爐次吹氧量計算和終點碳含量預報,用以提升模型效果,以及驗證方法的有效性。
【學位授予單位】：大連理工大學
【學位級別】：博士
【學位授予年份】：2015
【分類號】：TF345;TP18
【圖文】：

耗少、生產(chǎn)成本低，因此迅速發(fā)展成為最主要的煉鋼方法。氧氣頂吹轉(zhuǎn)爐的轉(zhuǎn)爐本體示’逡逑意圖如圖１．１所示Ｕ１。從圖中可看出，轉(zhuǎn)爐主要由氧槍和爐體兩部分構成。爐體是主逡逑要的物理化學反應容器，主要由耐火材料構成，耐火材料具有抵抗高溫及在高溫下能夠逡逑抵抗所產(chǎn)生的物理化學反應的作用。氧槍也是由耐火材料制成，具有抗壓抗腐蝕的能力，逡逑一般的氧槍需要定期更換，保證生產(chǎn)安全。轉(zhuǎn)爐煉鋼生產(chǎn)是一個周期的生產(chǎn)過程，其逡逑過程包括裝料、吹煉、出鋼、瓣渣護爐和倒渣等幾個階段。一爐鋼的生產(chǎn)周期自上一爐逡逑的倒渣完成開始，到本爐的倒渣結束為止。氧氣頂吹轉(zhuǎn)爐煉鋼的冶煉周期為３０分鐘左逡逑右，其中吹氧時間通常為１２￣１８分鐘［８－９３。逡逑吹煉前，先將爐體向出鋼曰的反向搖轉(zhuǎn)，兌入一定量的廢鋼和鐵水，鐵水需要預先逡逑經(jīng)過脫硫處理，并且達到一定的溫度要求，一般為１３５０攝氏度左右。然后將爐體搖到逡逑垂直方向

負大、負小、零、正小、正大，簡寫對應為邋ＮＢ（ＮｅｇａｔｉｖｅＢｉｇ）、ＮＳ（Ｎｅｇａｔｉｖｅ邋Ｓｍａｌｌ）、ＺＥ（Ｚｅｒｏ）、逡逑ＰＳ（Ｐｏｓ扣ｖｅＢｉｇ）和ＰＢ（ＰｏｓｉｔｉｖｅＢｉｇ）。隸屬函數(shù)可Ｗ表示為多種形式，如梯形的、高斯的逡逑和一般的鐘形等。其中，Ｈ角形隸屬函數(shù)是最常用的，如圖２．２所示。逡逑負大巧小邋０邋正小邋正大逡逑巧邐０邐正逡逑圖２．２模糊隸屬函數(shù)逡逑Ｆｉｇ．邋２．２邋Ｆｕｚｚｙ邋ｍｅｍｂｅｒｓｈｉｐ邋ｆｕｎｃｔｉｏｎｓ逡逑傳統(tǒng)的案例描述方法中，其屬性值通常是確定性的，然而在很多實際問題中，很難逡逑用一個精確的值描述案例的某個屬性。將模糊理論引入案例的描述過程，可提高案}0逡逑描述過程的靈活性［１１５］，可將案例描述為實數(shù)、語義項、模糊數(shù)和模糊對象等多種形式。逡逑同時，采用模糊描述的案例屬性能夠系統(tǒng)地姐織為模糊類或模糊粒，案例的概念重疊分逡逑類的組織方式將各屬性描述為清晰和模糊的混合方式，案例的檢索過程也隨之按照分類逡逑和相似度計算的形式實施。模糊概念的使用可｛＾很大程度上改善案例知識表達的靈活性逡逑和表現(xiàn)性。逡逑２．邋３案例描述過程逡逑在本文的研究中，綜合使用互信息技術、模糊和粗趟集方法實現(xiàn)對案例的描述。首逡逑先，使用基于互信息和條件互信息的變量選d欠椒�，选择乎r實奶跫糶�；染忬，对属辶x閑越心：枋

本文編號：2796542