LF（Ladle furnace）爐即鋼包精煉爐是鋼鐵冶煉中二次精煉的關(guān)鍵設(shè)備,對于提高鋼材質(zhì)量和企業(yè)生產(chǎn)效率有重要作用。作為LF爐精煉技術(shù)的核心步驟,合金化操作不僅需要精確控制鋼水中的合金元素含量達(dá)到標(biāo)準(zhǔn),還需要控制雜質(zhì)元素含量在標(biāo)準(zhǔn)范圍內(nèi)。按照最小成本添加物料,更精確的控制鋼水成分含量,有助于提高鋼鐵企業(yè)的生產(chǎn)效率,降低企業(yè)生產(chǎn)成本。本文以某鋼鐵企業(yè)LF爐加料系統(tǒng)為研究背景,結(jié)合實(shí)際冶煉數(shù)據(jù)和生產(chǎn)工藝,分析LF精煉過程中合金化操作問題的重點(diǎn)、難點(diǎn),設(shè)計(jì)了一款LF爐合金加料模型。首先,本文利用極限學(xué)習(xí)機(jī)（Extreme Learning Machine,ELM）算法建立合金元素收得率預(yù)估模型,并將該模型與通過BP算法建立的模型作對比實(shí)驗(yàn),結(jié)果證明ELM算法建立模型的預(yù)估結(jié)果更契合期望結(jié)果,預(yù)估效果更優(yōu)。但隨著提供的樣本數(shù)據(jù)量減少,該模型的預(yù)估效果出現(xiàn)較大波動(dòng),模型穩(wěn)定性降低。為了優(yōu)化模型,本文在自適應(yīng)遺傳算法（AGA）基礎(chǔ)上,改進(jìn)了算法的交叉操作和變異操作,改進(jìn)后AAGA算法可以根據(jù)種群進(jìn)化中較優(yōu)個(gè)體的差異度,動(dòng)態(tài)調(diào)整算法的交叉概率和變異概率,避免算法早熟.為了驗(yàn)證算法改進(jìn)效果,本課... 

【文章來源】：西安理工大學(xué)陜西省

【文章頁數(shù)】：70 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
    1.3 主要研究內(nèi)容
    1.4 論文結(jié)構(gòu)安排
2 LF爐精煉技術(shù)概述
    2.1 LF爐組成與工藝流程
    2.2 LF爐合金化操作
    2.3 本章小結(jié)
3 元素收得率預(yù)估模型的建立與測試
    3.1 數(shù)據(jù)預(yù)處理
        3.1.1 數(shù)據(jù)獲取與清洗
        3.1.2 數(shù)據(jù)篩選
    3.2 基于ELM算法構(gòu)建模型
        3.2.1 ELM算法簡介
        3.2.2 ELM模型結(jié)構(gòu)
        3.2.3 構(gòu)建ELM模型步驟
        3.2.4 對比模型仿真結(jié)果
    3.3 本章小結(jié)
4 改進(jìn)的自適應(yīng)遺傳算法優(yōu)化ELM模型
    4.1 AGA算法簡介
    4.2 改進(jìn)的AGA算法
    4.3 AAGA算法流程
        4.3.1 個(gè)體編碼
        4.3.2 種群初始化
        4.3.3 適應(yīng)度函數(shù)
        4.3.4 選擇操作
        4.3.5 交叉操作
        4.3.6 變異操作
    4.4 AAGA算法優(yōu)化ELM模型
    4.5 AAGA-ELM模型測試結(jié)果對比分析
    4.6 本章小結(jié)
5 LF爐合金加料模型應(yīng)用
    5.1 基于線性規(guī)劃模型求合金加料最小成本
    5.2 LF爐二級系統(tǒng)介紹
        5.2.1 系統(tǒng)結(jié)構(gòu)介紹
        5.2.2 系統(tǒng)功能介紹
    5.3 LF爐合金加料模型在系統(tǒng)中的應(yīng)用
        5.3.1 合金加料模塊結(jié)構(gòu)
        5.3.2 合金加料模塊運(yùn)行流程
        5.3.3 合金加料模塊功能實(shí)現(xiàn)
    5.4 本章小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間主要研究成果


【參考文獻(xiàn)】：
期刊論文
[1]基于線性規(guī)劃的傳感器節(jié)點(diǎn)布局模型[J]. 徐濤,杜昱萱,呂宗磊.  計(jì)算機(jī)科學(xué). 2018(07)
[2]合金元素對Cu/γ-Fe界面特性影響的第一性原理研究[J]. 徐沛瑤,王宇飛,高海燕,王俊,孫寶德.  中國有色金屬學(xué)報(bào). 2018(01)
[3]改進(jìn)遺傳模擬退火算法在TSP優(yōu)化中的應(yīng)用[J]. 何慶,吳意樂,徐同偉.  控制與決策. 2018(02)
[4]GA-ELM在硫鐵礦制酸尾氣SO2濃度預(yù)測的應(yīng)用[J]. 黃遠(yuǎn)紅,黃清寶.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2017(10)
[5]LF鋼包精煉爐最優(yōu)經(jīng)濟(jì)配料研究[J]. 任鐵良,王衛(wèi)紅,胡小剛.  冶金能源. 2017(04)
[6]改進(jìn)二維OTSU和自適應(yīng)遺傳算法的紅外圖像分割[J]. 王坤,張楊,宋勝博,諸葛晶昌.  系統(tǒng)仿真學(xué)報(bào). 2017(06)
[7]基于種群多樣性的自適應(yīng)遺傳算法優(yōu)化仿真[J]. 劉芳,馬玉磊,周慧娟.  計(jì)算機(jī)仿真. 2017(04)
[8]面向基因數(shù)據(jù)分類的AGA-ELM算法研究[J]. 孟亞瓊,陸慧娟,嚴(yán)珂,關(guān)偉.  中國計(jì)量大學(xué)學(xué)報(bào). 2017(01)
[9]約束優(yōu)化進(jìn)化算法綜述[J]. 李智勇,黃滔,陳少淼,李仁發(fā).  軟件學(xué)報(bào). 2017(06)
[10]基于市場價(jià)格的煉鋼用合金料優(yōu)化研究[J]. 王曉娣,李家征.  冶金信息導(dǎo)刊. 2017 (01)

碩士論文
[1]面向輪胎制造企業(yè)的能耗優(yōu)化方法研究[D]. 劉曉婷.西安理工大學(xué) 2017
[2]LF精煉爐合金化模型研究[D]. 張文樂.東北大學(xué) 2011



本文編號：3638110