学位论文 > 优秀研究生学位论文题录展示

转炉炼钢智能终点锰、磷预报模型的开发

作　者: 许娜
导　师: 赵不贿
学　校: 江苏大学
专　业: 电力电子及电力传动
关键词: 人工智能转炉炼钢回归分析神经网络终点锰预报终点磷预报
分类号: TF341.1
类　型: 硕士论文
年　份: 2002年
下　载: 179次
引　用: 2次
阅　读: 论文下载

内容摘要

转炉炼钢是一种非常重要的、占统治地位的炼钢方法。转炉炼钢过程是一个非常复杂的高温物理化学工业过程。正是因为转炉炼钢过程的复杂性,使得转炉炼钢终点的预报尤为重要。在转炉炼钢的过程中,有经验的操作工要对钢水终点成分中的[Mn]、[P]进行分析,并与副枪终点测温和定碳相结合,决定是等待取样分析,还是进行快速出钢。本文以国家经贸委技术创新项目“新一代炼钢过程模型库开发及其工业应用”为背景,以宝钢转炉的实际生产数据为依据,并采用人工智能技术,对转炉炼钢的终点锰、磷预报模型进行了研究与开发。开发了转炉炼钢的终点锰预报模型。根据冶金学、统计学等原理知识,选取模型的变量参数,分别建立了回归模型和神经网络模型。回归模型虽然简单、可视,但是仿真结果并不理想。人工智能技术中的神经网络有很强的非线性映射和容错能力,而转炉炼钢又是一个复杂的非线性过程,在选取适当参数的基础上,采用神经网络技术建模,能取得很好的仿真效果:当预报误差精度|△Mn|≤0.025%时,预报命中率超过98%。最终确定了终点锰神经网络预报模型为现场应用模型。开发了转炉炼钢的终点磷预报模型。借鉴终点锰预报模型的建模经验,对终点磷预报建立了回归及神经网络两种模型。神经网络的终点磷预报模型取得了较好的效果,当预报误差精度为|△P|≤0.003%时,预报命中率为83%,但该模型仍没有达到现场应用的要求,需要进一步研究。为配合神经网络预报模型的现场应用,并解决现有仿真软件中无法处理的一些实际问题,开发了基于Levenberg-Marquardt优化算法的BP神经网络C语言源程序。该源程序以动态内存的使用为基础,易于维护,能够在现场的过程机上运行。由于终点锰神经网络预报模型达到了工业现场应用要求,因而结合现场应用的实际环境,开发了终点锰神经网络预报模型的工业应用微机版。该微机版模型与应用环境的接口都采用与现场过程机完全相同的形式,现场条件允许时即可移植到过程机上运行。

全文目录

摘要  5-6
Abstract  6-11
第一章绪论  11-29
  §1.1 转炉炼钢简介  11-16
    §1.1.1 转炉炼钢发展过程  11-12
    §1.1.2 转炉炼钢设备及工艺过程  12-14
    §1.1.3 转炉炼钢检测技术  14-16
  §1.2 人工智能技术及智能控制  16-19
    §1.2.1 人工智能技术  16-17
    §1.2.2 智能控制理论及应用  17-19
  §1.3 转炉炼钢自动化技术  19-24
    §1.3.1 转炉炼钢自动化现状  19-20
    §1.3.2 转炉冶炼控制模型  20-23
    §1.3.3 宝钢过程控制技术的应用  23-24
  §1.4 转炉炼钢终点预报技术  24-28
    §1.4.1 转炉炼钢终点预报  24-25
    §1.4.2 转炉炼钢终点预报技术现状  25-26
    §1.4.3 转炉炼钢终点锰、磷预报  26-28
  §1.5 本文的主要工作  28-29
第二章建模基础知识概述  29-44
  §2.1 模型基本知识  29-33
    §2.1.1 数学模型  29
    §2.1.2 建立过程数学模型的两个基本方法  29-30
    §2.1.3 数据样本归一化与逆归一化  30-31
    §2.1.4 模型预报性能的评价标准  31-33
  §2.2 统计回归建模与分析  33-37
    §2.2.1 回归方法综述  33
    §2.2.2 回归模型的分类  33-34
    §2.2.3 多元线性回归  34-37
    §2.2.4 回归方法建模的特点  37
  §2.3 神经网络基础  37-44
    §2.3.1 神经网络概述  37-40
    §2.3.2 BP神经网络  40-44
第三章转炉炼钢终点锰含量预报模型  44-62
  §3.1 引言  44
  §3.2 转炉炼钢过程中锰的反应  44
  §3.3 模型参数的采集  44-49
    §3.3.1 吹炼控制信息  44-45
    §3.3.2 参数的选取  45-49
  §3.4 建模样本的筛选  49-50
    §3.4.1 数据筛选的统计学条件  49
    §3.4.2 数据筛选的生产实际条件  49-50
  §3.5 直接数据库参数作为输入变量的终点锰预报模型  50-55
    §3.5.1 转炉炼钢终点锰预报的回归模型(RLMN)  50-52
    §3.5.2 转炉炼钢终点锰预报的神经网络模型  52-54
    §3.5.3 模型预报精度的比较与评价  54-55
  §3.6 改进参数作为输入变量的终点锰预报模型  55-59
    §3.6.1 转炉炼钢终点锰预报的回归模型(改进参数变量)  55-57
    §3.6.2 转炉炼钢终点锰预报的神经网络模型(改进参数变量)  57-59
  §3.7 各终点锰预报模型的结果比较  59-61
  §3.8 神经网络建模应注意的问题  61-62
第四章转炉炼钢终点磷含量预报模型  62-68
  §4.1 引言  62
  §4.2 模型输入参数的采集  62
  §4.3 数据样本的筛选  62-63
  §4.4 转炉炼钢终点磷含量预报的回归模型  63-65
    §4.4.1 建模方法  63
    §4.4.2 模型仿真  63-65
  §4.5 转炉炼钢终点磷含量预报的神经网络模型  65-67
    §4.5.1 建模方法  65
    §4.5.2 模型仿真  65-67
  §4.6 各终点磷预报模型的比较及结论  67-68
第五章 BP神经网络源程序的编制  68-76
  §5.1 BP神经网络源程序编制的原因  68
  §5.2 Levenberg-Marquart算法  68-69
  §5.3 程序编制中几个重要问题及其解决  69-71
    §5.3.1 占用内存大  69-70
    §5.3.2 "过拟合"现象  70
    §5.3.3 克服BP网络本身的缺点  70
    §5.3.4 工业建模及应用中的特殊要求  70-71
  §5.4 BP神经网络程序的流程图  71-73
  §5.5 BP神经网络源程序的应用结果  73-75
  §5.6 BP神经网络应用中应注意的一些问题  75-76
第六章转炉炼钢终点锰含量预报的工业应用模型开发  76-85
  §6.1 模型与应用环境的关系  76-77
  §6.2 模型与应用环境的接口  77-79
  §6.3 BP网络建模模块介绍  79-80
  §6.4 模型离线测试效果  80-82
  §6.5 今后对模型的改进  82-85
    §6.5.1 新息模型  83
    §6.5.2 物质成分含量的更新  83-85
第七章结束语  85-87
参考文献  87-90
攻读硕士学位期间发表的论文  90-91
致谢  91-92
附录工作证明  92

转炉炼钢智能终点锰、磷预报模型的开发

内容摘要

全文目录

相似论文