高炉异常炉况判断专家系统的设计与实现

探讨了高炉异常炉况判断专家系统的结构,讨论了从传感器数据中抽取高炉况特征的方法,时态黑板结构与时间知识表示,对于炉况特征的模糊量化和专家知识中的参数设定,系统采用机器学习方法自动调整,对于高炉异常炉况的操作方法,系统采用规划－动作－反应方法向用出动国作建议,并对所动作动作建议实现实时的重构解释。     

神经网络高炉炉况预测与判断专家系统

将神经网络传统专家系统有机地结合，建立了用于高炉炉况预测与判断的神经网络专家系统，该系统命中率高，适应性强，且具有良好地自学习功能。     

基于Visual C＋＋的高炉专家系统推理机的实现

推理机是专家系统的组织控制机构,本文介绍了推理机在专家系统中的作用及推理方式,并给出了用Visual C＋＋实现高炉异常炉况预报专家系统的推理机的具体步骤。     

基于神经网络的高炉异常炉况判断专家系统

采用反向传播网络作为揄机，构造了高炉异常炉况判断专家系统，该系统具有良好的自学习功能和联想记忆功能，系统采用离线学习方式，在线运行时，可将高炉操作实绩存入知识库，作为进一步学习的样本，从而提高了系统精度和联想能力。     

高炉炉况判断神经网络专家系统

在深入分析高炉冶炼特点的基础上,提出泛化特性和自适应特性是高炉炉况判断系统稳定有效运行的2个重要特性.设计了增进系统泛化特性和自适应特性的方案,并相应开发出一套炉况判断专家系统.开发的系统在高炉上运行获得了满意效果.     

基于主元分析的高炉异常炉况检测

针对传统的故障检测方法在高炉异常炉况检测中效果不理想问题,提出了一种基于主元分析的高炉异常炉况检测算法.通过对于高炉冷风流量数据的分析,去除训练集中的热风炉换炉造成的扰动,建立高炉炉况准确的主元模型,进而监控高炉运行状况并检测异常炉况.利用柳州钢铁公司炼铁厂3号高炉的生产数据对算法进行了验证.基于现场历史数据的离线测试表明:算法实现了对于异常炉况的预先检测,预警时间提前于事故报告时间.     

人工智能高炉冶炼过程专家系统

为了用现代技术提升传统产业,实现炉况判断自动化和操作标准化,从人工智能、知识工程和模糊数学的理论出发,开发了一个用于高炉各种炉况故障判断与操作指导的综合专家系统.该系统用C Builder实现并与现场生产画面结合,采用菜单操作方式,人-机界面方便灵活.在仿真系统上通过现场生产数据的调试与运行表明,该系统准确可靠,能给出高炉各种故障状态的预报和相应的操作指导.     

基于ATmega16L单片机的高炉透气性监测仪表的设计

选用ATMEL公司的ATmega16L单片机作为微处理器,研制了一种高炉透气性指数监测仪表,并利用仪表将自动检测到的与高炉炉况相关的冷风压力、热风压力、炉顶压力及冷风流量参数,通过优化的高炉透气性指数数学模型,得到高炉透气性指数,供操作人员进行即时炉况判断.     

基于SPC的高炉炉况异常检测研究

针对高炉冶炼过程复杂多变,影响高炉炉况的因素众多且运行过程复杂,为保证高炉炉况稳定顺行,开发了一种基于主元分析(PCA)和统计过程控制(SPC)的高炉炉况异常检测模型。由于高炉运行参数具有高耦合和非高斯的特点,该模型首先采用主元分析算法对高炉实际生产的历史离线数据进行聚类分析,然后应用基于T²统计量的多元控制图和单值控制图对聚类后的新变量和相关参数进行监测,从而达到监测高炉出现异常炉况的目的。该模型可以实时监测高炉炉况的异常波动,其中PCA算法将高炉本身的高维数据降到低维,大幅去除数据中的噪声和不重要特征,在实际生产和应用中,节省了大量的成本和时间。选取马钢某高炉炼铁过程为应用场景,结合数据特点调整和改进算法,通过历史数据模拟和实时在线运行验证模型的可靠性和算法的有效性,同时也对指导高炉实际操作技术做出了一定的贡献。     

高炉炉况预测模型的研究现状及展望

高炉炉况对高炉冶炼过程具有至关重要的影响,炉况的好坏直接影响生铁成本.高炉炉况预测模型分为基于知识和基于数据两大类,基于知识的预测模型难以应用于在线系统,但加深了人们对高炉冶炼过程的理解;基于数据的预测模型大多可在线应用,但缺少对高炉知识的应用.高炉炉况预测模型的发展方向是建立基于知识与基数据相结合的高炉炉况预测模型.     

高炉炉况的动态辨识

用ＧＰ算法以及修正ＧＰ算法对高炉风量、料柱压差、鼓风压力等高炉过程变量时间序列的相关维数进行了移动估算和预报能力分析。结果表明：在研究范围内不能发现高炉炉况吸引子存在；而预报能力的变化与高炉炉况变化前兆之间存在明显对应关系，可用于炉况辨识。     

高炉炉况评价系统的设计与实现

利用高炉指数化模型和评分方法来评价主炉炉况的好坏，提出了依据统计的观点，以提高炉况评价的符合率为目标的爬山搜索方法，其符合率为９６．３５％，构造了炉况评价系统中的参数自学习子系统，运行结果，其符合率为９３．７５％。     

异常炉况高炉冷却板及炉衬非稳态温度场

以鞍钢新一号3200m3高炉冷却设备采用的冷却板为研究对象,探讨了异常炉况给冷却板寿命带来的危害,建立了异常炉况高炉冷却板及炉衬三维非稳态温度场数学模型,计算了当渣皮脱落、炉内煤气流温度突然升高、边缘气流发展时冷却板的温度变化,以及冷却水流速和渣层厚度对冷却板最高温度及热量损失的影响.     

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。     

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.     

高炉专家系统知识表达方法

分析了高炉炉况知识的特征。对各种知识表达方法进行了具体的分析并给出了实例,提出了采用“产生式规则＋框架＋语义网＋神经网络＋过程”的综合知识表达方法。     

高炉专家系统中的基础数学模型

介绍了唐山国丰钢铁有限公司1#高炉专家系统中基础数学模型的特点,主要包括配料模型、理论燃烧温度计算模型、炉热指数计算模型及高炉操作线模型,同时分析了这些模型在高炉生产中的应用状况。结果表明,基础数学模型在高炉专家系统中具有重要的作用,可以有效帮助操作人员了解高炉状况并提供实时指导,从而实现高炉稳定顺行。     

西宁特钢1080 m~3高炉炉况失常过程分析

针对西宁特钢1 080 m~3高炉炉况失常状况,对其原因及处理过程进行了分析和总结,认为焦炭质量变差是炉况失常的主要原因,造渣制度不合理、炉况管理不到位、趋势判断不准确、炉况调剂不及时、休风频繁、复风过快加剧了炉况的进一步恶化。通过改善原燃料质量,提高渣铁物理热,调整布料矩阵,采取了堵风口复风、增加出铁次数、加萤石和锰矿洗炉等措施后,炉况逐步恢复。实践表明,焦炭质量变差后炉内高温热裂碎化和机械撞击摩擦破损严重,产生大量粉焦,骨架作用减弱,严重影响料柱的透气性和透液性。     

有害元素对高炉炼铁的影响及控制措施

2005年以来，有害元素入炉量增加，对高炉生产带来许多不利影响，炉况不顺，高炉本体设备破损加快。新钢通过不断总结经验，采取有效措施应对，有害元素对高炉的影响逐步降低，技术指标有所进步。     

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。