基于粒子群优化的神经网络漏钢预报模型研究

针对BP神经网络在训练过程中收敛速度慢以及用于模式识别泛化能力差的问题,将粒子群优化算法PSO引入到BP神经网络的训练过程,建立了PSO-BP神经网络模型,并将其应用到连铸漏钢预报系统中。结合某钢厂连铸现场历史数据对该连铸漏钢预报系统进行了测试,测试结果以98.03%的预报率及100%的报出率,验证了基于粒子群优化算法的BP神经网络连铸漏钢预报系统模型的可行性和有效性。     

漏钢预报系统中温度数据的预处理

漏钢预报是保证冶金连铸生产安全高效的关键环节,本文提出了一种新的温度数据预处理的方法,通过在基于模糊神经网络的漏钢预报系统中的成功应用,已经充分证明该方法不仅能优化网络的结构与参数,而且大大提高了系统的预报精度与速度.     

漏钢预报系统中温度数据的预处理

漏钢预报是保证冶金连铸生产安全高效的关键环节，本文提出了一种新的温度数据预处理的方法，通过在基于模糊神经网络的漏钢预报系统中的成功应用，已经充分证明该方法不仅能优化网络的结构与参数，而且大大提高了系统的预报精度与速度。     

RBF神经网络应用于连铸漏钢预报

从结晶器上热电偶的时间序列和空间序列出发,将径向基（RBF）神经网络应用于连铸漏钢预报,并对连铸过程进行了仿真,取得了较好的效果。     

漏钢预报在板坯连铸中的应用

本文介绍达涅利漏钢预报系统的构成,以及其在福建三钢板坯连铸机上的的应用。重点介绍了漏钢预报系统的原理,不足及改进措施。     

漏钢预报系统在第二炼钢厂连铸的应用

漏钢预报系统保证连铸系统正常生产，避免事故漏钢，减少漏钢损失。     

钢预报检测系统

板坯连铸机引入结晶器漏钢预报系统后,大大减少了生产过程中的漏钢事故,但其检测的准确率还有待于进一步提高。本文介绍了该系统的通用硬件组成、控制原理,并提出了提高漏钢预报准确率的途径和方法。实际应用表明,在采取该方法后其检测准确率大幅提高。     

基于支持向量机算法的连铸漏钢预报模型研究

漏钢预报系统的性能往往取决于其算法模型的性能,支持向量机(SVM)算法在解决小样本、非线性及高维模式识别中具有许多特有优势,能够避免神经网络隐含层节点选择及局部极小值等问题,而不同的SVM算法参数往往会对其性能产生显著影响。为此,本文利用GS网格搜索法、PSO粒子群算法和GA遗传算法对SVM支持向量机的算法参数进行了优化,并将优化后的SVM支持向量机算法应用到连铸漏钢预报系统中;利用某钢厂CSP连铸生产线的历史生产数据对各优化后的SVM支持向量机算法进行了训练和测试。测试结果表明,用GA遗传算法优化后的SVM支持向量机算法测试效果较好,得到了98.33%的预报率和100%的报出率,从而验证了基于SVM支持向量机漏钢预报系统的可行性和有效性。     

BP网络在漏钢模式识别中的应用研究

介绍了连铸结晶器中常见的四种温度模式 ,设计了几种漏钢预报神经元网络模型 ,并进行了训练和测试 ,对 BP网络在漏钢模式识别中的应用进行了研究     

漏钢预报系统在莱钢银山型钢有限公司2#板坯连铸机中的应用

漏钢预报系统作为一个工具去分配、收集、储存、比较和将结晶器所有数据参数可视化。这些数据与设定值相比较,可以帮助分析浇铸过程中的问题或产生报警信息或改变浇铸作业进程,漏钢预报系统的运行对于操作人员监控浇铸进程是非常有利的,由于在线的可视性,员工可找到最佳最稳定的浇铸进程。     

板坯连铸漏钢预报神经元网络专家系统的研究

在提出混合式神经元网络专家系统的理论框架结构的基础上，用C语言开发了具有神经元网络模式识别功能和专家系统功能的漏钢预报模型。离线测试表明，本系统比武钢引进的逻辑判断预报系统性能更好。     

结晶器内钢液流动特性的优化

以大板坯连铸结晶器为研究对象,采用水模型和数值模拟的方法研究了不同水口出口角度对结晶器内钢液流动的影响.结果表明:现行15°水口在距结晶器边部50 mm的位置,表面流速和波高较小,传递给弯月面的热量较少,不利于保护渣的熔化;射流撞击到结晶器窄边的位置较深,压力较大,对撞击点下部坯壳的冲击力也较大;水口出口角度改为10°后,结晶器漏钢预报系统的报警次数大大减少,杜绝了漏钢的事故.     

炼钢厂连铸钢水温度预报模型

应用神经网络建立连铸钢水温度预报模型，重点研究了转炉出钢到中间包浇铸区间的度变变化，确定钢水温降与其影响因素之产是的非线性映射关系，本模型能校确地预报连铸钢水温度。     

板坯连铸粘结型漏钢过程模拟及预报

建立了板坯连铸结晶二维导热数学模型，计算了在下沉拉坯状态下结晶器铜版的温度场及铸坯发生拉时结晶器温度场的变化，通过对粘结型漏钢过程的模拟和拉时结晶器温场的分析，提出了对粘结型拉漏进行预报的预测参数。     

波形识别技术在漏钢预报中的应用

介绍板坯连铸结晶器拉坯阻力在线监测的功率法原理,在对漏钢事故前拉坯阻力时域异常特征分析总结的基础上,利用线性最小二乘法进行数字曲线的线性逼近,通过分段识别的方法进行波形识别,达到提取拉坯阻力时域异常特征的目的.最后介绍了波形识别算法及其在连铸漏钢预报上的应用,现场试验数据证明了算法的可靠性.     

基于图像处理的黏结漏钢可视化检测方法

基于板坯连铸结晶器温度在线监控系统,在实现结晶器温度及其变化速率"热成像"的基础上,借助阈值分割算法对温度变化的可疑区域进行提取,并采用八连通判别算法对异常区域进行区分和标记,开发基于计算机图形学的结晶器黏结漏钢可视化预报方法。以此为基础,从异常区域的位置、扩展、移动以及形状等方面,归纳和提炼结晶器黏结的共性特征,并与伪黏结进行区分。实验结果表明:基于图像处理的黏结漏钢预报方法,能够将伪黏结有效剔除,直观呈现异常发生和传播的全部过程及其典型特征,为异常在线诊断和准确预报提供先进手段,对于促进连铸生产的智能化、可视化控制水平具有积极意义。     

径向基函数神经网络在地下水位预报中的应用

本文在介绍径向基函数神经网络原理的基础上,研究径向基函数神经网络模型在地下水位预报中的应用,以吉林西部地区为例,应用其1990-2012年的月平均地下水位数据,建立径向基函数神经网络模型。为进一步证明预报结果的准确性,把预报结果与自回归模型的预报结果进行比较。结果表明:径向基函数神经网络模型能很好地进行地下水位预报,同自回归模型相比,径向基函数神经网络模型预报的精度更高,预报结果更具有准确性。     

改进的神经网络在连铸板坯缺陷预报中的应用

在传统BP神经网络算法的基础上提出了一些改进措施,如采用了变步长的学习方法、加入了动量项,以防止网络振荡,达到了加速网络收敛的效果.本研究分析了表面纵裂成因及影响因素,以梅钢生产的焊瓶钢HP295为例构建表面纵裂预报系统,利用改进的BP网络预报表面纵裂,通过系统的分析发现焊瓶钢HP295表面纵裂产生的原因主要是二冷水分配不均匀.因此实际生产中,通过调节二冷水比例减少表面纵裂的产生.     

基于概率神经网络的机组状态多步预报方法

为了解决由单步预报递推运算获得的多步预报存在的预报误差的迭代累积问题,提出了相空间动力学轨道的相似多步预报概念,利用概率神经网络合理分配相似算子,构造了多步预报的概率神经网络结构．然后,以模拟振动数据比较了单步预报神经网络、多步预报神经网络和多步预报概率神经网络的预报能力,并预报了燕山石化大机组停车概率的变化趋势,实践表明该方法具有良好的多步预报能力．     

基于BP神经网络的纺纱质量预报模型

简述了纺纱质量预报的理论与实际意义，应用了BP神经网络的标准算法。通过建立BP神经网络模型对细纱条干不匀率(CV）断裂强力(BS)与纺纱断头率(ED)进行预报，并与多元线性回归方法进行比较，验证了BP神经网络预报的准确性与高效性。最后以纺纱断头率(ED)预报为例，指出了今后神经网络在纺纱质量预报应用中亟待解决的问题。