發(fā)布時間：2021-01-24 01:06

　　高爐鼓風(fēng)機為煉鐵廠的關(guān)鍵設(shè)備之一,在煉鐵過程中起著至關(guān)重要的作用。由于高爐冶煉的連續(xù)性,要求鼓風(fēng)機均勻地供給一定量的空氣,另外還要有一定的風(fēng)壓,以克服送風(fēng)系統(tǒng)和料柱阻力,并使高爐保持一定的爐頂壓力。在整個冶煉過程中,由于原料、燃料、操作等條件的變化,引起爐況經(jīng)常改變。為了降低事故發(fā)生頻率,節(jié)省維修開支,減少停機的次數(shù),提高經(jīng)濟效益,對高爐鼓風(fēng)機運行狀況進行預(yù)測是非常必要的。針對這種情況,為了實現(xiàn)對高爐鼓風(fēng)機運行狀況的預(yù)測,首先根據(jù)工藝流程中各環(huán)節(jié)的相互關(guān)系,在積累了大量數(shù)據(jù)信息的基礎(chǔ)上,對采集到的現(xiàn)場數(shù)據(jù)應(yīng)用小波變換的軟硬閾值折中算法處理小波系數(shù),濾除噪聲。然后建立BP神經(jīng)網(wǎng)絡(luò)的預(yù)測模型,調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)并對網(wǎng)絡(luò)進行訓(xùn)練,將網(wǎng)絡(luò)輸出的數(shù)值應(yīng)用反變換以獲取實際預(yù)測值。最后通過Matlab仿真實現(xiàn)了對高爐鼓風(fēng)機前軸瓦溫度的預(yù)測,并取得良好的預(yù)測結(jié)果。結(jié)果表明,在利用小波變換有效濾除數(shù)據(jù)中噪聲的前提下,所建立的BP神經(jīng)網(wǎng)絡(luò)可以有效的實現(xiàn)對高爐鼓風(fēng)機運行狀況的預(yù)測。并且利用Visual Basic開發(fā)出的高爐鼓風(fēng)機運行狀況的預(yù)測系統(tǒng),可以作為BP神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練和高爐鼓風(fēng)機運行狀況預(yù)測的平臺。 

【文章來源】：河北科技大學(xué)河北省

【文章頁數(shù)】：58 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究的背景
    1.2 高爐鼓風(fēng)機介紹
    1.3 高爐鼓風(fēng)機工藝流程介紹
    1.4 機械狀態(tài)預(yù)測技術(shù)的發(fā)展和現(xiàn)狀
    1.5 課題的研究意義
    1.6 課題的主要研究內(nèi)容
第2章 小波變換理論
    2.1 從傅立葉變換到小波變換
    2.2 小波變換
        2.2.1 連續(xù)小波變換
        2.2.2 離散小波變換
        2.2.3 多分辨分析
        2.2.4 Mallat算法
    2.3 本章小結(jié)
第3章 人工神經(jīng)網(wǎng)絡(luò)
    3.1 人工神經(jīng)元
        3.1.1 人工神經(jīng)元模型
        3.1.2 人工神經(jīng)元的激活函數(shù)
    3.2 人工神經(jīng)網(wǎng)絡(luò)模型
        3.2.1 人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
        3.2.2 人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練
    3.3 BP神經(jīng)網(wǎng)絡(luò)
        3.3.1 BP神經(jīng)網(wǎng)絡(luò)模型及算法的描述
        3.3.2 BP神經(jīng)網(wǎng)絡(luò)權(quán)值的調(diào)整規(guī)則
        3.3.3 BP神經(jīng)網(wǎng)絡(luò)算法的不足和改進
    3.4 本章小結(jié)
第4章 高爐鼓風(fēng)機運行數(shù)據(jù)的預(yù)處理
    4.1 小波閾值濾波方法
    4.2 小波閾值函數(shù)
    4.3 閾值的估計
    4.4 基于小波變換的高爐鼓風(fēng)機運行數(shù)據(jù)的預(yù)處理
    4.5 本章小結(jié)
第5章 高爐鼓風(fēng)機運行狀況的預(yù)測
    5.1 影響高爐鼓風(fēng)機前軸瓦溫度的參數(shù)分析
    5.2 BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型的建立
    5.3 基于BP神經(jīng)網(wǎng)絡(luò)的高爐鼓風(fēng)機前軸瓦溫度的預(yù)測
        5.3.1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的確定
        5.3.2 數(shù)據(jù)的歸一化處理
        5.3.3 預(yù)測的實現(xiàn)和分析
    5.4 本章小結(jié)
第6章 預(yù)測系統(tǒng)的軟件實現(xiàn)
    6.1 軟件開發(fā)環(huán)境
    6.2 軟件設(shè)計思想
    6.3 軟件的使用介紹
    6.4 本章小結(jié)
結(jié)論
附錄 部分高爐鼓風(fēng)機運行數(shù)據(jù)
參考文獻
致謝
個人簡歷


【參考文獻】：
期刊論文
[1]基于Visual Basic 6.0與單片機的PLC仿真器設(shè)計[J]. 瞿選益,李連.  山東工業(yè)技術(shù). 2015(05)
[2]基于VB的高層電梯運行仿真設(shè)計與實現(xiàn)[J]. 余蕾,張小力,張治娟,孟建軍.  工業(yè)控制計算機. 2014(03)
[3]VB與Simulink的結(jié)合[J]. 王玉順,張貫超,劉祥斌.  汽車實用技術(shù). 2013(06)
[4]故障預(yù)測技術(shù)研究[J]. 趙正華.  職業(yè). 2008(29)
[5]機械故障預(yù)測模型綜述[J]. 薛子云,楊江天,朱衡君.  機械強度. 2006(S1)
[6]淺談VB與Matlab混合編程[J]. 郭平.  廣西輕工業(yè). 2006(05)
[7]綠色GDP與科學(xué)發(fā)展觀[J]. 陳燕清.  林業(yè)勘察設(shè)計. 2006(01)
[8]BP算法改進方法的研究進展[J]. 譚顯勝,周鐵軍.  懷化學(xué)院學(xué)報(自然科學(xué)). 2006(02)
[9]風(fēng)機振動故障診斷綜述[J]. 汪光陽,周義蓮.  安徽工業(yè)大學(xué)學(xué)報(自然科學(xué)版). 2006(01)
[10]VB與Matlab的混合編程方法[J]. 馮莉,李巨,鄧云華.  兵工自動化. 2005(05)

碩士論文
[1]人工神經(jīng)網(wǎng)絡(luò)在時間序列預(yù)測中的應(yīng)用研究[D]. 宋玉強.西安建筑科技大學(xué) 2005



本文編號：2996265