人工神经网络与遗传算法在高炉焦比预报中的应用

建立了遗传算法与BP神经网络相结合的高炉焦比预报模型。该模型用于预报在不同操作条件下适宜的焦比,寻求高炉诸多操作参数与焦比之间的映射关系,为高炉操作者提供调整炉况的依据。实际应用表明,该模型具有较好的命中率。     

高炉布料过程仿真与决策系统

针对高炉布料过程中人工决策无法得到稳定、满意的径向矿焦比值及炉况发生变化时不能及时做出准确的布料调整,提出了基于操作优化的高炉布料仿真和决策系统.以高炉多层布料料面对应的径向矿焦比值与满意值的偏差最小为目标函数,建立高炉布料操作优化模型,用差分进化算法对该模型求解.本系统在某高炉实际运行后提高了炉况的稳定性,满足了工业现场科学稳定地控制径向矿焦比等技术指标的要求,同时在炉况变化时及时给出了布料调整方案.在工业实际运行中验证了该系统的有效性.     

基于主成分分析的高炉操作炉型评价

针对目前高炉操作炉型管理模型中存在用于评价炉型的指标多且重叠性大的问题,提出一种基于主成分分析的改进方法.该方法能够从传统评价炉型的指标(焦比、煤比、综合焦比、利用系数及铁水硅含量)中生成3个核指标,新的核指标空间相互独立,且能够代表原有的指标,从而解决了指标多且重叠性大的问题.在国丰1号1 780 m3高炉,开发应用了该改进的高炉操作炉型模型,确定了该高炉的主要操作炉型类别并对其进行了评价.     

基于聚类分析和神经网络的高炉焦比预测模型

为降低高炉生产焦炭的消耗,对高炉操作参数和燃料比指标进行关联性分析,提出了一种组合聚类分析与神经网络进行高炉焦比指标预测的方法.聚类分析将数据集聚划分为几类,数据的相似度比较高,分类训练相应的神经网络模型,实现高炉焦比指标的预测.结合聚类分析构建的神经网络模型,用某高炉生产数据进行仿真学习,并跟传统的神经网络模型进行比较.结果表明,加入聚类分析的神经网络模型平均绝对误差降低3.13 kg/t,平均相对误差降低5.19%.     

基于BP神经网络的高炉焦化预测方法

焦比是高炉生产过程中的一个重要技术经济指标，也是实际生产中需要进行控制的目标之一。因为高炉反应的复杂性，采用传统的经验方法对焦比进行预测存在较大的误差，文章采用一个9－9－1改进的BP网络对高炉焦比进行预报，实验结果证明，经过训练的神经网络对高炉焦比有良好的预测效果，其预测误差小于2％，并根据生产实际探讨了将神经网络和专家系统相结合，对高炉焦比进行在线预报的可能性。     

唐钢二炼铁厂3号高炉铁水硅含量神经网络预报模型

根据唐钢二炼铁厂3#高炉的生产情况和技术水平,建立了高炉铁水硅含量神经网络预报模型.模型采用BP网络,仿真试验结果表明,该模型具有较好的命中效果.同时,基于预报的铁水硅含量,结合部分专家知识,指导操作决策.具有很强的实用性.     

基于聚类分析和神经网络的高炉焦比预测模型

为降低高炉生产焦炭的消耗,对高炉操作参数和燃料比指标进行关联性分析,提出了一种组合聚类分析与神经网络进行高炉焦比指标预测的方法。聚类分析将数据集聚划分为几类,数据的相似度比较高,分类训练相应的神经网络模型,实现高炉焦比指标的预测。结合聚类分析构建的神经网络模型,用某高炉生产数据进行仿真学习,并跟传统的神经网络模型进行比较。结果表明,加入聚类分析的神经网络模型平均绝对误差降低3.13 kg/t,平均相对误差降低5.19%。     

大型高炉布料模型的研究与应用

以无料钟布料过程中物料运动机理为基础,改进了料流轨迹的修正方法,提出了料面形状计算的新方法.高炉布料模型在计算过程中考虑了炉料特性、焦炭塌落等对料面形状的影响,使计算结果更符合实际布料.结合生产实践需求,计算出了各种不同布料制度下炉料的料面形状、炉料径向分布、径向矿焦比等参数,提出了高炉区域焦炭负荷指数,更加直观、形象地对比各种布料制度.利用该模型可解答大型高炉生产上存在的问题,对高炉的实际生产提出了实用性建议,为高炉操作人员调整布料制度提供了理论指导.     

唐钢二炼铁厂3号高炉铁水硅含量神经网络预报模型

根据唐钢二炼铁厂3^#高炉的生产情况和技术水平，建立了高炉铁水硅含量神经网络预报模型。模型采用BP网络，仿真试验结果表明，该模型具有较好的命中效果。同时，基于预报的铁水硅含量，结合部分专家知识，指导操作决策。具有很强的实用性。     

高炉炼铁过程多目标优化模型的研究及应用

基于高炉炼铁过程的物质与能量守恒,采用多目标优化方法,建立了以能耗、成本及CO2排放为目标的高炉生产过程优化数学模型,并将该模型应用到某大型钢铁企业.编制程序得出优化结果,经与实际生产数据比较,验证了模型的正确性.优化结果表明:能耗、成本和CO2排放量均有不同程度降低.同时,利用模型分析了焦比、煤比、烧结矿品位等因素对...