基于微分进化的钢水温度预报混合模型

针对LF冶炼过程钢水温度预报问题对机理模型进行了分析.将基于微分进化的BP网络引入混合模型,以确定模型中难以准确获得的参数,建立了基于微分进化的钢水温度混合预报模型.模型通过适当时刻变异因子的随机选取和重复进行种群个体初始化的方法,对微分进化算法进行了改进,有效解决了BP网络训练的困难,避免了算法早熟.实验结果表明,混合模型具有较好的预测结果,基本满足了实际生产的需要.     

基于混合算法优化神经网络的混沌时间序列预测

提出了一种混合算法优化神经网络的混沌时间序列预测模型.将粒子群优化算法与模拟退火算法过程中概率突跳的思想相结合形成一种新的混合算法,并用此混合算法优化神经网络建立预测模型.该模型克服了传统的神经网络收敛慢、易陷入局部最优等不足.利用该模型对Mackey-Glass混沌时间序列和Henon映射进行实验仿真,结果表明,该模型收敛速度快,稳定性能好,预测精度高.     

LF精炼终点钢水温度灰箱预报模型

LF精炼工序在炼钢过程起着调节温度的关键作用,准确预报LF精炼终点钢水温度对实际生产有重要意义.传统的LF精炼预报模型包括机理模型与黑箱模型.机理预报模型能够体现各工艺因素对终点钢水温度的影响,但由于LF精炼传热机理研究尚不完善,依靠机理模型预报终点钢水温度,难以达到预期效果;黑箱预报模型能够准确预报终点钢水温度,但不能反映精炼过程各工艺因素对钢水温度的影响,尤其当生产工艺条件发生改变时,黑箱模型在应用上会受到限制.本文以方大特钢LF精炼炉为研究对象,建立一种机理预报模型与黑箱预报模型(BP神经网络预报模型)相结合的LF精炼终点钢水温度灰箱预报模型.该模型既能反映各工艺因素对终点钢水温度的影响,又能准确预测终点钢水温度,其终点钢水温度预测误差在±5℃以内的命中率可以达到95%以上.     

基于改进粒子群优化算法和极限学习机的混凝土坝变形预测

混凝土坝变形预测是评价大坝运行状态和预测大坝行为的重要方法.但是,混凝土坝的随机荷载和强非线性变形限制了传统多元线性回归模型的应用.而人工神经网络模型则对复杂和高度非线性行为具有良好适应性.针对基于梯度下降法的常规神经网络模型收敛速度慢和过度拟合等问题,提出了一种基于改进型粒子群优化算法选取极限学习机(ELM-IPSO)最优参数的大坝变形预测模型.针对传统粒子群算法搜索时间长、容易陷入局部最优的特点,采用自适应惯性权重和动态调整学习因子,对粒子群算法进行了改进.研究表明,IPSO算法提高了粒子群优化的全局搜索能力,提高了计算效率.应用IPSO优化ELM模型的初始权值和阈值.通过东江混凝土拱坝的实测资料,验证ELM-IPSO模型的预测性能.将计算结果与BPNN模型、ELM模型和传统ELM-PSO模型的结果进行比较.BPNN模型、ELM模型、ELM-PSO模型和ELM-IPSO模型的平方相关系数R2分别为89.15%、91.13%、93.87%和94.36%.ELM模型的R2大于BPNN模型,说明ELM模型比常规的BPNN模型预测精度更高,泛化性能更好.ELM-PSO模型的预测精度大于ELM模型,说明PSO对ELM的优化在提高预测精度方面具有良好的作用.4个模型中,ELM-IPSO模型的R2最大,预测精度最高,这表明提出的ELM-IPSO模型能够有效提高混凝土坝变形的预测能力.     

基于极限学习机的脉动风速快速预测方法

提出基于极限学习机(ELM)的脉动风速预测新模型.运用自回归滑动平均模型生成脉动风速数据库,并将其分为训练集和测试集.采用ELM对训练集进行学习训练,建立回归模型,从而实现对测试集风速的泛化预测.经与基于粒子群优化(PSO)的混合核函数最小二乘支持向量(PSO-MK-LSSVM)和误差反传神经网络(PSO-BP)对比,验证了ELM模型的有效性.数值结果表明,与PSO-MK-LSSVM和PSO-BP相比,无论在预测精度还是计算速度上,ELM模型都具有显著的优势.     

油气生产过程综合能耗混合建模方法

为准确预测油气生产过程中的能源消耗,通过对油气生产过程分析,确定了过程的主要能耗指标,提出了一种机理模型与最小二乘支持向量机(LS-SVM)相结合的混合建模方法.通过对油气生产过程及各子过程之间关系的分析,建立了该过程综合能耗的机理模型,并利用LS-SVM对机理模型不能描述的误差特性进行补偿.仿真结果表明,该方法能够准确地预测油气生产过程的综合能耗,其预测性能优于机理模型和LS-SVM构建的数据模型,且具有较好的稳定性和可靠性,将其应用到某采油作业区的实际生产过程,取得了满意的效果.     

基于PSO与ELM组合算法的短期光伏发电功率预测模型

光伏发电功率受自然环境因素影响较大,具有很强的随机性和波动性,准确及时的光伏发电功率预测对电网的调度运行具有重要的意义.提出了一种基于PSO与ELM组合算法的短期光伏发电功率预测模型.该模型通过调整粒子群优化算法(particle swarm optimization,PSO)不同阶段的寻优重点,为极限学习机(extreme learning machine,ELM)设定出了最佳网络参数,避免了ELM随机产生输入层权值和隐含层阈值造成的网络不稳定问题.同时结合传统神经网络和ELM网络隐含层节点选取原则为组合模型,设定了最佳隐含层节点数,提高了模型预测精度.实际算例验证了组合算法模型能够有效提高短期光伏发电功率预测的预测精度.     

基于极限学习机模型参数优化的光伏功率区间预测技术

提出一种基于极限学习机(ELM)模型参数优化的光伏功率区间预测技术.首先,提出加权欧氏距离作为光伏功率预测区间评估指标,筛选历史样本单元并优化ELM训练集;然后,提出ELM参数混合寻优算法,利用精英保留策略遗传算法与分位数回归优化ELM模型隐层输入及输出权重与偏置参数,并采用训练后的模型预测光伏功率区间;最后,基于光伏电站与气象站历史数据构建实际算例,预测光伏功率区间,并与其他方法得到的结果进行对比.算例结果表明：所提方法在增加区间预测可信度的同时,能较大程度提高区间预测准确度.     

基于模型迁移方法的回转窑煅烧带温度软测量

回转窑的煅烧带温度是其控制过程中一个非常重要的参数,但煅烧带温度难以直接获取并且缺少大量的实测数据进行软测量.为了在数据较少的情况下获得准确的软测量模型,并考虑到窑头温度与煅烧温度的相似性,引入了基于过程相似性进行模型迁移的方法(PMBPS),首先采用混沌混合学习算法训练T-S模糊神经网络,对具有大量准确测量值的窑头温...     

短期负荷预测的集成改进极端学习机方法

首次将极端学习机(ELM)理论引入短期负荷预测领域,并以BFGS拟牛顿法对ELM网络左侧权值进行优化训练调整,形成基于迭代-解析的改进ELM预测模型.同时,采用集成技术Boosting算法,生成多个差异度大的改进ELM子网络,对其进行加权组合,构建了集成改进极端学习机预测模型.该模型不仅有效避免了极端学习机左侧权值随机给定的输出稳定性问题,而且克服了单一网络预测模型泛化能力较差等缺陷.     

真空脱气过程中钢水温降的理论分析

为了研究真空脱气过程中影响钢水温降的主要因素,从而找到对应的措施控制钢水温降,对VD过程的传热模式和传热机理进行了分析,根据国内某厂的实际情况,结合数值模拟方法分别得到了烘烤过程和LF加热过程中钢包温度场的变化,以LF结束时的温度值作为初始值对VD过程的温度场进行了模拟。根据模拟结果分别计算了渣面和钢水裸露面的热辐射、钢包衬蓄热、包壁和包底的传导散热和氩气吸热等因素造成的钢水散热量,对其影响程度进行了评估。通过计算发现,渣面、钢水裸露面的热辐射和包衬蓄热是造成VD过程钢水温降的主要因素,分别根据各个因素的影响特点提出了控制钢水温降的具体措施。     

基于灰箱模型的LF精炼终点温度预测

以国内某钢厂一30 t LF精炼炉为研究对象,通过建立由传热机理模型和黑箱模型相结合的灰箱模型对LF精炼终点温度进行了预测。首先根据能量守恒定律建立了传热机理模型。针对包衬耐材的蓄热以及合金的热效应难以精确计算的问题,采用偏最小二乘黑箱模型对这一部分温度进行了处理,最后将两种模型相结合综合预测了LF钢包精炼的终点温度。结果表明,偏最小二乘法在预测包衬的耐材蓄热和合金热方面的温度误差在±5℃以内的命中率达到97%以上,总的灰箱模型预测LF精炼终点温度误差在±5、±8、±10℃以内的命中率分别达到88%、96%和99%,模型具有较高的预测精度。研究可为该钢厂的LF精炼工艺提供指导。     

180t LF水模拟实验研究

以某炼钢厂180 t钢包炉为原型,根据相似理论,通过水模型实验,分别考察了精炼过程中底吹位置、加料位置及底吹气量等操作参数对钢包内钢液混匀状况的影响,得出了各参数对钢包混匀状况的影响规律.综合考虑水模型实验过程中的现象和其他因素,得出180 t钢包炉最佳操作参数:最适宜底吹位置在0.3R附近,最适宜的加料位置在底吹喷嘴正上方,正常精炼时的底吹搅拌气量为40~90 m3/h;钢包炉精炼及微调成分后,最佳取样位置在钢包炉加料部位,取样前应至少搅拌2 min.     

EAF steelmaking process with increasing hot metal charging ratio and improving slagging regime

A new electric arc furnace (EAF) steelmaking process with increasing hot metal charging ratio and improving slagging regime simultaneously was developed and applied in a 50 t electric arc furnace for more than a year at No. 1 Steelmaking Plant of Shanxi Taigang Stainless Corporation Limited. The essential fact of the new EAF steelmaking process was to charge hot metal in two portions or steps: firstly, 35wt%-40wt% hot metal was pretreated by blowing oxygen in a specially designed reactor for decar burization and improving hot metal temperature and melting premelted slag; secondly, 30wt% hot metal was charged into EAF with high basicity refining slags from ladle furnace (LF)-vacuum degassing furnace (VD) refining process. The results show that the hot metal charging ratio can reach to about 65wt%-70wt% for the new EAF steelrnaking process; meanwhile, the tap-to-tap time of a 50 t EAF can shorten by 5-10 min, the electricity consumption can decrease by 35-50 kW·h/t, the lime consumption can reduce by 10.5 kg/t of molten steel, and the content of harmful heavy metals in molten steel can be easily controlled to less than the upper limits of aimed steel specification or grade compared with the traditional EAF steelmaking process. In addition, the dephosphorization ability shows a slight strengthening, however, a small degree of lessening for desulphurization ability is observed for the new EAF steelmaking process, but the weakness of desulphurization ability cannot become an obstacle to its further application since a stronger desulphurization ability can be achieved during secondary refining of LF coupled with VD after EAF steelmaking process.     

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.     

钢管张力减径过程传热模型

为了提高钢管张力减径过程的轧制质量、降低能耗以及控制终轧温度的准确性,从而为钢管出炉温度提供科学设定依据,通过对传热机理分析,建立了钢管张力减径过程传热模型,给出了除鳞、轧制及空冷阶段钢管边界热流的计算式.基于塑性材料的变分原理,建立了轧制变形区的变形热计算模型.结果表明:变形热对钢管温度分布影响不可忽略;该模型能真实反映钢管在张力减径过程中的温度变化,与实测结果吻合较好,可用于钢管再加热和张力减径过程中的参数分析及工艺优化.     

钢包工作衬用无碳预制块的研制与应用

以高铝刚玉为骨料,电熔镁砂、氧化铝微粉和氧化硅微粉为基质料,研制了钢包工作衬用无碳预制块·结果表明:MgO与Al2O3反应形成尖晶石伴随的体积膨胀效应使预制块获得了较小的烧后线收缩率·与传统的Al2O3-MgO-C砖相比,由氧化物微粉结合的预制块具有较低的显气孔率,较高的高温抗折强度和良好的抗渣性·现场实际应用结果表明,用预制块砌筑的钢包工作衬具有较好的保温效果,能够有效地减小精炼过程中钢水的温降,并可以有效地防止钢水增碳,有利于低碳钢和超低碳钢的生产·     

出钢过程钢水净化工艺优化研究

介绍了转炉在出钢过程强化钢水净化的工艺,实验结果表明:该工艺能在较短时间内降低钢水及熔渣氧化性,利用出钢过程良好的动力学条件进行脱硫,从而提高了LF精炼炉的精炼效果,显著提高了钢水纯净度.通过对工艺的优化和完善,可使部分钢种不经LF炉处理也能满足品种钢性能的要求,进而缓解LF炉作业压力,减少了LF增碳增硅的几率,提高了低碳低硅钢的成分命中率.     

基于模糊控制决策的铸轧机结晶器液位控制系统设计

考虑熔池钢水液位的诸多影响因素,结合实验室铸轧机实际工作情况,建立了包含液压执行机构在内的控制模型.通过对铸轧机结晶器液位控制系统的分析,结晶器钢水液位控制系统是一个时变的、非线性的、多干扰的复杂系统,应用过程控制原理和模糊控制技术,对该系统进行自动控制.在控制策略上采取了模糊控制与传统控制相结合的方式,设计了Fuzzy-PID控制,给出了模糊控制规则.通过仿真,表明该系统具有稳定性好、控制精度高等特点.