基于神经网络的转炉冶炼终点锰、磷静态预报模型

我国钢铁企业所使用的转炉多为中小型转炉，因容量小无法采用动态控制技术。而传统的静态控制模型计算精度差，终点命中率低，实际生产中的应用效果不好。所以本文充分利用最近发展起来的人工神经网络技术，以Visual Basic编程语言为工具，建立了基于神经网络的转炉冶炼终点锰、磷静态预报模型。     

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.     

数学模型在转炉中的研究与应用

转炉炼钢静态控制是转炉计算机的基本控制方式,副枪动态控制以静态控制为基础。针对转炉炼钢过程中复杂因素的影响,通过数学方法研究开发出一套转炉炼钢数学模型。静态模型包括终点控制模型、供氧模型、造渣模型、底吹模型;动态模型包括脱碳速度模型、钢水升温模型和冷却剂加入量模型。     

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。     

LD转炉终点控制模型

本文以马钢５０ｔ转炉为背景，在理论分析的基础上，考虑大生产的实际条件，采用回归分析的方法建立了ＬＤ转炉终点静态控制的全量模型。     

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。     

转炉炼钢智能控制系统

采用神经网络作为转炉炼钢的预报模型和控制模型,并将终点温度和终点碳含量作为控制目标值,计算氧气补吹量和冷却剂的补入量,从而实现转炉炼钢的终点控制.仿真结果表明,终点温度和终点碳含量仿真结果很理想,控制策略很有效.     

25t转炉自适应静态模型动态化控制

针对中小转炉不宜增设副枪检测,无法进行动态控制的实际状况,提出了自适应静态模型动态化控制的思想;首先建立自适应终点静态控制模型;然后根据枪位－加料模型进行吹炼并自动动态化控制知识库,修正枪位－加料模型及控制量,最后启动预报模型进行终点预报指导出钢。根据实际吹炼数据验证,终点控制模型具有良好的跟踪性,终点预报模型的终点Ｃ,Ｔ命中率分别达到６８％和６３％。     

基于模糊神经网络的炼钢炉静态建模

根据炼钢转炉的采集数据,利用１种新型模糊神经网络（ＦＮＮ）,对其进行了静态建模,从理论上论证了该ＦＮＮ的推理及非线性逼近能力。用新建模型对钢水终点温度,终点含碳量进行计算,其结果与相应的实测值基本一致。