基于膜算法进化极限学习机的氧气转炉炼钢终点预报模型

氧气转炉炼钢的控制目标是终点温度和碳含量,但由于不能对其进行在线连续测量,直接影响了出钢的质量.针对该问题,提出一种基于膜算法进化极限学习机(ELM)的抗干扰终点预报模型.利用进化膜算法的全局寻优能力调整ELM网络参数,不仅避免了ELM网络受异常点影响出现过拟合现象,还可以寻找最优复杂度的ELM模型.将找到的ELM模型应用到转炉炼钢领域并建立终点碳含量和温度的预报模型.在仿真实验中,分别使用含有高斯噪声的标准sin C函数和氧气转炉炼钢实际生产数据进行仿真,结果表明所提模型在含噪声的数据中具有较好的预报精度和鲁棒性.     

基于粗糙集的转炉炼钢知识发现模型

针对转炉炼钢知识发现的特点,采用粗糙集理论进行分析,应用数据清洗、标准化及离散等方式对转炉炼钢生产数据进行预处理,以炼钢生产的主要影响因素作为知识发现的条件属性,以转炉冶炼终点控制目标作为知识发现的决策属性,建立了基于粗糙集方法的转炉炼钢知识发现模型,实现转炉炼钢生产知识的自动发现、获取和规则提取。以转炉冶炼终点钢水温度的变化规律做为知识发现的决策属性,采用210 t转炉炼钢实际生产数据进行模型的应用测试,结果表明提取出的铁水硅含量、铁矿石质量、氧气消耗量等影响因素对转炉冶炼钢水终点温度存在重要影响,且模型提取出的转炉炼钢终点钢水温度知识规则与现行转炉炼钢现场的变化规律一致,证明基于粗糙集方法的转炉炼钢知识发现模型的有效性。     

基于MATLAB神经网络的复吹转炉终点氧含量的预报模型

钢水终点氧含量是转炉炼钢的控制目标，它与钢水碳含量、钢水温度等多个变量之间存在着严重的非线性关系。利用MATLAB环境，提出基于BP神经网络的转炉炼钢终点氧含量预报模型，并结合某钢铁企业一座90t转炉的实际数据进行了模型验证。结果表明，该方法收敛速度快，预报精度较高。     

基于因果关系的CBR模型用于转炉炼钢静态控制

转炉炼钢静态控制是动态控制的基础,准确的静态控制对于改善动态控制质量、提高终点命中率具有重要意义.采用案例推理方法建立了转炉炼钢静态控制模型,计算了吹氧量和冷却剂加入量;并将因果关系分析用于案例属性的确定,增强了属性选择的有效性,降低了模型计算的复杂度.对一座150t转炉的实际生产数据进行仿真,结果表明,因果关系分析能够有效地确定案例属性,基于案例推理的转炉炼钢静态控制模型是切实可行的.     

转炉终点锰预报模型的开发

探讨转炉炼钢终点锰预报模型的建模技术 模型分为两种 :代数学模型和人工神经网络模型 代数学模型采用多元线性回归方法建模 ,该模型简单、可视 ,但仿真结果并不理想 人工神经网络模型在选取适当输入参数的基础上 ,通过对转炉生产的历史数据进行训练 ,求得合理优化的网络权重 ,可对转炉终点锰含量进行离线预报 ,该模型的仿真结果很好 ,当预报误差精度|ΔMn|≤ 0 .0 2 5 %时 ,预报命中率超过 95 % ,为今后转炉的在线锰预报和快速出钢模型的研制提供依据和技术支持     

用回归分析方法探讨氧气转炉炼钢终点命中率

本文对某钢厂氧气转炉炼钢的日常生产原始数据进行了回归分析,分别得出了反映终点钢水碳含量与终点钢水温度控制状况的氧耗增量与铁矿石增量的多元回归与逐步回归方程。并根据实际计算结果,提出了提高终点命中率的途径。     

转炉终点锰预报模型的开发

探讨转炉炼钢终点锰预报模型的建模技术。模型分为两种：代数学模型和人工神经网络模型。代数学模型采用多元线性回归方法建模,该模型简单、可视,但仿真结果并不理想。人工神经网络模型在选取适当输入参数的基础上,通过对转炉生产的历史数据进行训练,求得合理优化的网络权重,可对转粮终点锰含量进行离线预报,该模型的仿结果很好,当预报误差精度│△Mn│≤0．025％时,预报命中率超过95％,为今后转炉的在线锰预报和快速出钢模型的研制提供依据和技术支持。     

基于主元分析的转炉终点ESN静态预测模型

以主元分析方法和新型ESN(回声状态网络)算法为核心,研究了转炉终点静态预测模型.通过对某钢厂转炉生产数据的主元分析,建立了ESN模型,同时将ESN模型与传统的BP 和RBF神经网络模型进行了对比研究.结果表明,使用ESN建立的模型比传统的BP网络模型和RBF网络模型,在钢水温度预测方面精度分别提高了0.85%和0.45%,在钢水碳质量分数预测方面精度分别提高了0.45%和0.19%,能够有效的对转炉终点碳含量和温度进行预测,从而为转炉炼钢过程提供更准确的操作指导.     

转炉优化配料与冶炼静态控制模型

在分析转炉炉料结构优化及 BP 预报模型特点的基础上,针对某厂50 t 转炉生产条件,构建了由优化配料、静态预测、过程控制、脱氧合金化和成本计算等模块构成转炉冶炼静态控制系统。以机理模型为基础、采用增量模型校正的优化配料模块,用以精确计算入炉料结构;以 BP 神经网络为基础构建了静态预测模块,对转炉冶炼终点碳和温度进行预测;以操作经验为基础构建了过程控制模块,动态给出冶炼过程控制的枪位曲线、加料时机和加入量;基于终点预测和全氧计算模型构建了脱氧及合金化模块,进而对转炉冶炼成本进行计算,构建了成本计算模块。通过本系统的开发,建立了全过程指导的炉料结构优化与冶炼静态控制,为现场生产提供了指导。     

基于主元分析的转炉终点ESN静态预测模型

以主元分析方法和新型ESN(回声状态网络)算法为核心,研究了转炉终点静态预测模型。通过对某钢厂转炉生产数据的主元分析,建立了ESN模型,同时将ESN模型与传统的BP和RBF神经网络模型进行了对比研究。结果表明,使用ESN建立的模型比传统的BP网络模型和RBF网络模型,在钢水温度预测方面精度分别提高了0.85%和0.45%,在钢水碳质量分数预测方面精度分别提高了0.45%和0.19%,能够有效的对转炉终点碳含量和温度进行预测,从而为转炉炼钢过程提供更准确的操作指导。     

基于案例推理的电弧炉终点预报

在电弧炉(EAF)冶炼生产过程中,出钢温度、碳含量和磷含量等终点参数直接关系到后续生产工艺,甚至影响产品质量.基于增量预报模型的思想,提出采用案例推理方法进行电弧炉炼钢的终点预报,该方法由于建立在已有的炼钢案例基础上,具有方法简单、不需要复杂数学推理的优点,并具有较强的鲁棒性.考虑到电弧炉炼钢影响因素较多、具有较强的非线性,采用支持向量机对案例推理的结果进行增量补偿修整.实践证明,经补偿后的案例推理方法预报精度较高,预报结果接近实际值,该方法是切实可行并有效的,可以用于电弧炉炼钢终点钢水温度、碳含量和磷含量的预报.     

AOD冶炼脱碳过程的非等间隔灰色优化模型研究

针对AOD冶炼中脱碳过程存在很多不确定因素,且终点控制仍借助经验来判断等问题,对高碳铬铁AOD法降碳试验中的脱碳过程建立了非等间隔序列的灰色优化模型.仿真结果表明,非等间隔序列的灰色优化模型能够很好地对碳含量进行终点预测,而且模型具有较高的预测精度,显示出其在冶金方面具有的明显优势和巨大潜力.     

基于多变量推理控制的氩氧精炼铬铁合金终点控制方法

为提升冶炼精度和效率,减少资源浪费.建立了氧气和氩气两种气体的供给速率与碳含量变化情况,以及二者供给速率与钢液温度变化的机理模型.构建了以终点碳含量与温度为输出,氧气和氩气供给速率为输入的多变量推理控制框架,设计了有效的V型多变量推理控制器.结合实际生产过程中的最大气体供给速率,用以限制系统的控制量输入,建立了基于多变量推理控制的氩氧精炼低碳铬铁合金终点控制系统.仿真结果表明:该系统能够消除外界不可测扰动对系统的影响,做出准确的冶炼精度控制,且将钢液温度控制在炉内最大承受温度以下,有利于延长炉役,避免出现喷溅现象产生,实现终点控制.     

基于神经网络的铜锍吹炼终点预报技术

准确预报铜锍吹炼终点，对于铜锍吹软操作至重要，采用改进的BP神经网络算法和自适应残差补偿算法建立铜锍吹炼终点组合预报模型，利用某厂实际生产数据进行仿真运行的结果表明，本文建立的模型具有较高的预报精度和较强的实时性，可用于指导生产实践。     

一种改进的基于短时平均幅度的语音端点检测算法研究

在噪声环境下,利用短时平均幅度为特征进行语音端点检测.文章在传统端点检测算法的基础上,研究了汉语音节的特点,提出采用短时平均幅度代替短时能量,并为平均幅度引入判决门限.门限值是根据语音信号背景噪声自动计算得到,从而保证了算法在噪声环境下检测的准确性.实验结果表明,与传统的基于短时能量的端点检测算法相比,改进的算法在高信噪比和低信噪比环境下都具有良好的性能.     

复吹转炉锰矿直接合金化热力学模型研究

基于某钢厂铁水、废钢和造渣料等的成分得出转炉炼钢的渣量计算模型,根据热力学原理得出锰的收得率和终点锰含量的预报模型。对模型研究结果表明,提高终点出钢温度、渣碱度、锰矿品位和铁水Mn含量,降低终渣含量及渣中FeO含量,可显著提高Mn的收得率和终点Mn含量。