基于LWOA和LSSVM的煉鋼終點(diǎn)預(yù)測與控制研究
發(fā)布時間:2021-06-29 07:30
終點(diǎn)碳含量是決定鋼質(zhì)量的關(guān)鍵因素,是轉(zhuǎn)爐煉鋼過程中需要控制的核心變量之一。本文建立了一種基于萊維飛行的鯨魚優(yōu)化算法(Levy Whale Optimization Algorithm,LWOA)和最小二乘向量機(jī)(Least Squares Support Vector Machine,LSSVM)的鋼水終點(diǎn)碳含量綜合預(yù)測模型。鯨魚算法是一種高精度的優(yōu)化算法,但跳出局部最優(yōu)能力有待提高。本文通過萊維飛行代替了傳統(tǒng)鯨魚優(yōu)化算法(Whale Optimization Algorithm,WOA)參數(shù)的隨機(jī)選擇,優(yōu)化了鯨魚算法中跳出局部最優(yōu)的能力;借助改變鯨魚算法的系數(shù)向量收斂方式明顯提高了鯨魚優(yōu)化算法的泛化能力、預(yù)測精度和收斂速度。數(shù)據(jù)仿真結(jié)果表明,所提出的LWOA-LSSVM預(yù)測模型,不僅能夠克服局部尋優(yōu)獲取全局最優(yōu)解,而且具有快速的收斂速度和更高的預(yù)測精度,得出預(yù)測結(jié)果的均方根誤差、平均絕對誤差和平均絕對百分比誤差與遺傳算法BP神經(jīng)網(wǎng)絡(luò)、遺傳算法最小二乘支持向量機(jī)和傳統(tǒng)鯨魚算法最小二乘支持向量機(jī)相比均有著明顯提高。同時,通過調(diào)整目標(biāo)命中率和訓(xùn)練輸入樣本量驗(yàn)證了預(yù)測模型具有更好的魯棒性。
【文章來源】:遼寧科技大學(xué)遼寧省
【文章頁數(shù)】:59 頁
【學(xué)位級別】:碩士
【部分圖文】:
副槍檢測動態(tài)控制示意圖
4 轉(zhuǎn)爐冶煉過程轉(zhuǎn)爐煉鋼發(fā)展到目前的技術(shù)階段,已經(jīng)擁有了優(yōu)良的冶煉效果。在最煉中,以開始吹氧作為起始點(diǎn),以出鋼作為結(jié)束點(diǎn),中間過程是不做控制的,只在最初階段針對不同的鐵水、溫度、碳含量等信息控制吹、判斷加入的配料含量以及進(jìn)行的吹煉模式。這一過程隨著計(jì)算機(jī)能統(tǒng)計(jì)學(xué)和人工智能算法的發(fā)展以及檢測傳感器能力的提高有了顯著的 1.2 所示。詳細(xì)來講,主要對以下三個階段進(jìn)行了改進(jìn)。
圖 2.1 最優(yōu)超平面Fig.2.1 The concept of optimal hyperplane色不同形狀的圖案分別表示兩種不同的數(shù)據(jù),H 是將兩優(yōu)超平面,假定 H 存在厚度的概念,令 H 的厚度逐漸貼近圓形點(diǎn),下表面 H2貼近方形點(diǎn),此時 H 的厚度優(yōu)超平面的含義就是當(dāng) H 的分類間隔最大的同時能夠型數(shù)據(jù)分割開,此時的平面 H 就是最優(yōu)超平面。1 為例,黑色的圓形和方形點(diǎn)為樣本 xi,其所對應(yīng)的類、式(2.2)xRindi∈ =1, ,y{ } ini∈ 1, +1=1, ,為數(shù)據(jù)的維度,n 為樣本個數(shù)。持能夠?qū)⒉煌愋蛥^(qū)分的同時擁有最大厚度,則 H 的fx= wx+b=0T( )
【參考文獻(xiàn)】:
期刊論文
[1]鋼鐵企業(yè)能效評價方法的探討[J]. 安永軍,王偉業(yè),魏唐槐,張靜. 冶金動力. 2019(01)
[2]基于人工蜂群算法的人臉識別[J]. 白薈琳,曲娜,陳少杰,劉添添. 沈陽工程學(xué)院學(xué)報(bào)(自然科學(xué)版). 2019(01)
[3]轉(zhuǎn)爐煉鋼的自動化控制技術(shù)探討[J]. 欒昆玉,梁文斌. 山東工業(yè)技術(shù). 2018(24)
[4]基于改進(jìn)鯨魚優(yōu)化算法的盲源分離方法[J]. 褚鼎立,陳紅,宣章健. 探測與控制學(xué)報(bào). 2018(05)
[5]基于鯨魚群優(yōu)化算法的帶Sigmoid滿意度應(yīng)急車輛調(diào)度問題[J]. 范祥,葉春明,曹磊. 計(jì)算機(jī)系統(tǒng)應(yīng)用. 2018(08)
[6]改進(jìn)鯨魚群算法及其在煉鋼連鑄調(diào)度中的應(yīng)用[J]. 曾冰,王夢雨,高亮,董昊臻. 鄭州大學(xué)學(xué)報(bào)(工學(xué)版). 2018(06)
[7]混合隨機(jī)量子鯨魚優(yōu)化算法求解TSP問題[J]. 閆旭,葉春明. 微電子學(xué)與計(jì)算機(jī). 2018(08)
[8]轉(zhuǎn)爐煉鋼終點(diǎn)控制技術(shù)應(yīng)用[J]. 楊陽. 山東工業(yè)技術(shù). 2018(15)
[9]轉(zhuǎn)爐煉鋼終點(diǎn)控制技術(shù)分析[J]. 黃樂. 中國金屬通報(bào). 2018(03)
[10]轉(zhuǎn)爐煉鋼終點(diǎn)控制技術(shù)現(xiàn)狀研究[J]. 楊普,楊杰. 山西冶金. 2017(04)
碩士論文
[1]基于離散鯨魚優(yōu)化的影響力最大化算法研究[D]. 劉博寧.蘭州大學(xué) 2018
本文編號:3256033
【文章來源】:遼寧科技大學(xué)遼寧省
【文章頁數(shù)】:59 頁
【學(xué)位級別】:碩士
【部分圖文】:
副槍檢測動態(tài)控制示意圖
4 轉(zhuǎn)爐冶煉過程轉(zhuǎn)爐煉鋼發(fā)展到目前的技術(shù)階段,已經(jīng)擁有了優(yōu)良的冶煉效果。在最煉中,以開始吹氧作為起始點(diǎn),以出鋼作為結(jié)束點(diǎn),中間過程是不做控制的,只在最初階段針對不同的鐵水、溫度、碳含量等信息控制吹、判斷加入的配料含量以及進(jìn)行的吹煉模式。這一過程隨著計(jì)算機(jī)能統(tǒng)計(jì)學(xué)和人工智能算法的發(fā)展以及檢測傳感器能力的提高有了顯著的 1.2 所示。詳細(xì)來講,主要對以下三個階段進(jìn)行了改進(jìn)。
圖 2.1 最優(yōu)超平面Fig.2.1 The concept of optimal hyperplane色不同形狀的圖案分別表示兩種不同的數(shù)據(jù),H 是將兩優(yōu)超平面,假定 H 存在厚度的概念,令 H 的厚度逐漸貼近圓形點(diǎn),下表面 H2貼近方形點(diǎn),此時 H 的厚度優(yōu)超平面的含義就是當(dāng) H 的分類間隔最大的同時能夠型數(shù)據(jù)分割開,此時的平面 H 就是最優(yōu)超平面。1 為例,黑色的圓形和方形點(diǎn)為樣本 xi,其所對應(yīng)的類、式(2.2)xRindi∈ =1, ,y{ } ini∈ 1, +1=1, ,為數(shù)據(jù)的維度,n 為樣本個數(shù)。持能夠?qū)⒉煌愋蛥^(qū)分的同時擁有最大厚度,則 H 的fx= wx+b=0T( )
【參考文獻(xiàn)】:
期刊論文
[1]鋼鐵企業(yè)能效評價方法的探討[J]. 安永軍,王偉業(yè),魏唐槐,張靜. 冶金動力. 2019(01)
[2]基于人工蜂群算法的人臉識別[J]. 白薈琳,曲娜,陳少杰,劉添添. 沈陽工程學(xué)院學(xué)報(bào)(自然科學(xué)版). 2019(01)
[3]轉(zhuǎn)爐煉鋼的自動化控制技術(shù)探討[J]. 欒昆玉,梁文斌. 山東工業(yè)技術(shù). 2018(24)
[4]基于改進(jìn)鯨魚優(yōu)化算法的盲源分離方法[J]. 褚鼎立,陳紅,宣章健. 探測與控制學(xué)報(bào). 2018(05)
[5]基于鯨魚群優(yōu)化算法的帶Sigmoid滿意度應(yīng)急車輛調(diào)度問題[J]. 范祥,葉春明,曹磊. 計(jì)算機(jī)系統(tǒng)應(yīng)用. 2018(08)
[6]改進(jìn)鯨魚群算法及其在煉鋼連鑄調(diào)度中的應(yīng)用[J]. 曾冰,王夢雨,高亮,董昊臻. 鄭州大學(xué)學(xué)報(bào)(工學(xué)版). 2018(06)
[7]混合隨機(jī)量子鯨魚優(yōu)化算法求解TSP問題[J]. 閆旭,葉春明. 微電子學(xué)與計(jì)算機(jī). 2018(08)
[8]轉(zhuǎn)爐煉鋼終點(diǎn)控制技術(shù)應(yīng)用[J]. 楊陽. 山東工業(yè)技術(shù). 2018(15)
[9]轉(zhuǎn)爐煉鋼終點(diǎn)控制技術(shù)分析[J]. 黃樂. 中國金屬通報(bào). 2018(03)
[10]轉(zhuǎn)爐煉鋼終點(diǎn)控制技術(shù)現(xiàn)狀研究[J]. 楊普,楊杰. 山西冶金. 2017(04)
碩士論文
[1]基于離散鯨魚優(yōu)化的影響力最大化算法研究[D]. 劉博寧.蘭州大學(xué) 2018
本文編號:3256033
本文鏈接:http://sikaile.net/projectlw/yjlw/3256033.html
最近更新
教材專著