發(fā)布時間：2024-06-01 01:12

　　隨著人們對鋼鐵產品質量要求的不斷提高和環(huán)境保護意識的不斷加強,迫切需要對鋼鐵生產典型環(huán)節(jié)中存在的預測、估計、診斷以及控制等問題進行研究,設計符合問題特點的算法,提高控制精度,改善產品質量,降低生產能耗。本文針對鋼鐵生產中的高爐、罩式退火爐、冷軋、連續(xù)退火爐和加熱爐生產過程進行研究,采用數據解析和智能優(yōu)化等方法,解決實際生產中存在的預測、估計、診斷、控制等方面的問題,主要工作概述如下：(1)高爐十字測溫點溫度受熱風流量、壓力以及透氣指數等十多種因素影響,且各種影響因素的作用機理不清,很難建立準確的高爐十字測溫點溫度機理模型。針對高爐十字測溫點溫度數學模型難建的問題,設計了基于改進的粒子群優(yōu)化算法(PSO)的最小二乘支持向量機(LS-SVM)建模方法。通過對生產數據的相關性分析,選擇與十字測溫相關的輸入變量；采用改進的PSO算法優(yōu)化LS-SVM的參數,提高模型的精度。實驗結果表明,與傳統方法相比,本文提出方法所建立的十字測溫模型預測精度提高了3%,能夠滿足實際生產需要。(2)罩式退火爐鋼卷溫度埋偶檢測方法容易造成鋼卷損傷,影響產品質量。針對鋼卷溫度檢測問題,提出了基于改進PSO的自適應LS...

【文章頁數】：139 頁

【學位級別】：博士

【部分圖文】：

圖２．１十字測溫裝置示意圖??Ｆｉｇ．?２．１?Ｓｃｈｅｍａｔｉｃ?ｏｆ?ｔｈｅ?ｔｅｍｐｅｒａｔｕｒｅ?ｍｅａｓｕｒｉｎｇ?ｅｑｕｉｐｍｅｎｔ?ｏｆ?ｃｒｏｓｓ?ｂｅａｍ??

圖２．１十字測溫裝置示意圖??Ｆｉｇ．?２．１?Ｓｃｈｅｍａｔｉｃ?ｏｆ?ｔｈｅ?ｔｅｍｐｅｒａｔｕｒｅ?ｍｅａｓｕｒｉｎｇ?ｅｑｕｉｐｍｅｎｔ?ｏｆ?ｃｒｏｓｓ?ｂｅａｍ??－１９－??

圖２．４建模階段相對誤差絕對值比較??巧ｇ．?２．４?民ｅｌａｔｅ?ａｂｓｏｌ山ｅ?ｅｒｒｏｒ?ｃｏｍｐａｒｉｓｏｎｓ?ｏｆ?ｄｉｆｆｅｒｅｎｔ?ａｌｇｏｒｉｔｈｍｓ?ｉｎ?ｍｏｄｅｌ?ｓｔａｇｅ??

１?２?３?４?５?６?７?８?９?１０?１１?１２?１３?１４?巧化?１７?１８?巧?２０??測試歡據個歎??圖２．５測試階段相對誤差絕對值比較??ｆｉｇ．?２．５?民ｅｌａｔｅ?ａｂｓｏｌｕｔｅ?ｅｒｒｏｒ?ｃｏｍｐａｒｉｓｏｎｓ?ｏｆ?ｄｉｆｆｅｒｅｎｔ?ａｌｇｏｒｉｔｈｍ....

圖２．７測試誤差分析圖（ＰＳＯ優(yōu)化后ＬＳ－ＳＶＭ）??Ｆｉｇ．?２，７?Ｅｒｒｏｒ?ａｎａｌｙｓｉｓ?ｏｆ?ＬＳ－ＳＶＭ?ｏｐｔｉｍｉｚｅｄ?ｂｙ?巧?０?ｉｎ?ｐｒｅｄｉｃｔｉｏｎ?Ｓｔａｇｅ??

圖２．７測試誤差分析圖（ＰＳＯ優(yōu)化后ＬＳ－ＳＶＭ）??Ｆｉｇ．?２，７?Ｅｒｒｏｒ?ａｎａｌｙｓｉｓ?ｏｆ?ＬＳ－ＳＶＭ?ｏｐｔｉｍｉｚｅｄ?ｂｙ?巧?０?ｉｎ?ｐｒｅｄｉｃｔｉｏｎ?Ｓｔａｇｅ??僅為網格搜索算法的１．６％。在圖２．３中原始數據與預測數據的誤差很小，相對誤差在?....

圖２．８高爐煉鐵流程簡介??

＂ｍｉｌ?ｔｗＢ?＜ｕｔｒ?ｆｉｗ?ｕｉ?巧；??圖２．９高爐布料系統界面??Ｆｉｇ．?２．９?Ｔｈｅ?ｓｏｆｔｗａｒｅ?ｉｎｔｅｒｆａｃｅ?ｓｃｒｅｅｎｓｈｏｔ?ｏｆ?ｔｈｅ?ｂｌａｓｔ?ｆｌｉｍａｃｅ?ｂｕｒｄｅ打?ｄｉｓｔｒｉｂ加ｏｎ?ｓｙｓｔｅｍ??訊利用ＰＳＯ優(yōu)化ＬＳ－....

本文編號：3985348