在高爐冶煉過程中,合理的爐溫是保持高爐生產(chǎn)穩(wěn)定順行的關(guān)鍵因素之一。由于高爐冶煉過程的復(fù)雜性及受當(dāng)前技術(shù)水平的限制,難以精確掌握爐內(nèi)的溫度,因此爐溫的預(yù)測技術(shù)對高爐運(yùn)行具有重要意義。在高爐煉鐵過程中,通常以鐵水硅含量來表征高爐熱狀態(tài),建立可靠的鐵水硅含量預(yù)報模型對高爐操作人員具有重要的指導(dǎo)意義且具有重要的理論研究價值。本課題選用高爐鐵水硅含量對爐溫進(jìn)行間接預(yù)測,主要工作包括:（1）針對硅含量預(yù)測效率和精度不足的問題,提出主成分分析（PCA）和粒子群（PSO）改進(jìn)的極限學(xué)習(xí)機(jī)（ELM）相結(jié)合的方法對高爐鐵水硅含量進(jìn)行預(yù)測。由于影響鐵水硅含量的因素眾多,且各因素之間相互影響,通過主成分分析對影響硅含量的輸入變量進(jìn)行降維處理;利用粒子群算法來優(yōu)化極限學(xué)習(xí)機(jī)的權(quán)值和閾值,并以均方根誤差作為適應(yīng)度函數(shù)建立預(yù)測模型。將提取出的主成分作為模型輸入,鐵水硅含量作為模型輸出。最后比較了極限學(xué)習(xí)機(jī)算法和粒子群改進(jìn)的極限學(xué)習(xí)機(jī),實驗結(jié)果表明改進(jìn)后的預(yù)測模型提高了硅含量預(yù)測的準(zhǔn)確度,該方法可為高爐的生產(chǎn)操作提供一種新的思路和方法。（2）在Qt平臺下,結(jié)合VTK圖形可視化工具包,開發(fā)了高爐三維可視化系統(tǒng)。該系統(tǒng)不... 

【文章來源】：安徽工業(yè)大學(xué)安徽省

【文章頁數(shù)】：58 頁

【學(xué)位級別】：碩士

【部分圖文】：

高爐數(shù)據(jù)采集示意圖

度、重量、爐底溫度以及鐵水成分的檢測儀器。檢測到的數(shù)據(jù)傳送并存儲在給上位機(jī)上，此外，還有一部分人工測量并記錄的數(shù)據(jù)，主要通過計算過程或者化驗得到的。圖2.2為高爐的數(shù)據(jù)采集過程。圖2.2 高爐數(shù)據(jù)采集過程2.2 數(shù)據(jù)處理的必要性高爐數(shù)據(jù)采集具有以下特點：(1)數(shù)據(jù)量大。高爐冶煉是一個連續(xù)不斷的過程，各種檢測儀器以及上位機(jī)對數(shù)據(jù)的采樣也是不間斷的，這將形成大量的數(shù)據(jù)，對數(shù)據(jù)的分析產(chǎn)生了較大的難度。(2)采樣周期不同。由于各種參數(shù)采用不同的檢測手段，這將導(dǎo)致采樣周期不盡相同，有的變量以爐次為單位，例如鐵水中的硅含量、硫含量等化學(xué)成分；有的變量是以小時為單位，例如冷風(fēng)流量、透氣性指數(shù)等。(3)多尺度。高爐上分布著各種各樣的傳感器，檢測信息有流量、壓力、溫度等，這些采集到的數(shù)據(jù)雖然有著不同的類別，但是它們之間可能存在著密切的關(guān)聯(lián)。(4)外界影響大。高爐內(nèi)部和外部的環(huán)境相當(dāng)惡劣

大致為一個橢圓形狀的點陣（這在變量的二維正態(tài)的假定下是可能的），如圖2.3 所示。圖2.3 主成分幾何解釋圖由圖可見，這 個樣本點無論在1X 軸方向和2X 軸方向上離散性均較大，其

【參考文獻(xiàn)】：
期刊論文
[1]基于粒子群神經(jīng)網(wǎng)絡(luò)的高爐爐溫預(yù)測[J]. 劉景艷,張偉.  電子測量技術(shù). 2018(03)
[2]主成分分析結(jié)合極限學(xué)習(xí)機(jī)的高爐爐溫預(yù)測模型[J]. 袁冬芳,曹富軍,李德榮.  內(nèi)蒙古科技大學(xué)學(xué)報. 2017(04)
[3]基于LSTM-RNN模型的鐵水硅含量預(yù)測[J]. 李澤龍,楊春節(jié),劉文輝,周恒,李宇軒.  化工學(xué)報. 2018(03)
[4]基于復(fù)合差分進(jìn)化算法與極限學(xué)習(xí)機(jī)的高爐鐵水硅含量預(yù)報[J]. 蔣朝輝,尹菊萍,桂衛(wèi)華,陽春華.  控制理論與應(yīng)用. 2016(08)
[5]基于核函數(shù)的加權(quán)極限學(xué)習(xí)機(jī)污水處理在線故障診斷[J]. 許玉格,鄧文凱,陳立定.  化工學(xué)報. 2016(09)
[6]基于Bootstrap的高爐鐵水硅含量二維預(yù)報[J]. 蔣朝輝,董夢林,桂衛(wèi)華,陽春華,謝永芳.  自動化學(xué)報. 2016(05)
[7]改進(jìn)型EMD-Elman神經(jīng)網(wǎng)絡(luò)在鐵水硅含量預(yù)測中的應(yīng)用[J]. 宋菁華,楊春節(jié),周哲,劉文輝,馬淑艷.  化工學(xué)報. 2016(03)
[8]BP神經(jīng)網(wǎng)絡(luò)在高爐鐵水硅預(yù)報中的應(yīng)用[J]. 高緒東.  中國冶金. 2014(06)
[9]高爐鐵水溫度的多元時間序列建模和預(yù)測[J]. 崔桂梅,李靜,張勇,盧俊慧,馬祥.  鋼鐵研究學(xué)報. 2014(04)
[10]粒子群優(yōu)化算法種群規(guī)模的選擇[J]. 張雯雰,王剛,朱朝暉,肖娟.  計算機(jī)系統(tǒng)應(yīng)用. 2010(05)

博士論文
[1]極限學(xué)習(xí)機(jī)算法及其在高爐冶煉過程建模中的應(yīng)用研究[D]. 劉學(xué)藝.浙江大學(xué) 2013

碩士論文
[1]基于VTK的三維流場可視化算法設(shè)計與實現(xiàn)[D]. 徐志敬.哈爾濱工業(yè)大學(xué) 2018
[2]基于神經(jīng)網(wǎng)絡(luò)的高爐鐵水硅含量建模[D]. 楊坤.燕山大學(xué) 2016
[3]基于支持向量機(jī)的高爐鐵水硅含量預(yù)測[D]. 馬淑艷.浙江大學(xué) 2016
[4]基于VTK的工業(yè)圖像三維可視化技術(shù)研究[D]. 呂金坤.中北大學(xué) 2013
[5]基于偏最小二乘的高爐鐵水硅含量預(yù)測研究[D]. 祁鵬.內(nèi)蒙古科技大學(xué) 2010
[6]支持向量機(jī)在高爐爐溫預(yù)報中的應(yīng)用及若干改進(jìn)[D]. 陳逸波.浙江大學(xué) 2010
[7]基于VTK的可視化技術(shù)研究與實現(xiàn)[D]. 石玉.西安建筑科技大學(xué) 2009
[8]基于VTK的地質(zhì)體真三維可視化原理和方法初探[D]. 王燕紅.中南大學(xué) 2009
[9]支持向量機(jī)在高爐爐溫預(yù)報中的應(yīng)用[D]. 漸令.浙江大學(xué) 2006



本文編號：3144538