唐山不锈钢转炉冶炼终点预报模型及其应用

论文摘要

唐山不锈钢股份有限公司100t转炉冶炼终点控制采用传统的控制方法,由炼钢工看火焰凭经验判断终点,这种判断方法具有较大的盲目性,终点命中率低,后吹严重,冶炼周期长。如果能够建立准确的转炉冶炼终点预报模型,则可以实现用计算机控制炼钢生产,提高转炉冶炼终点命中率,降低工人的劳动强度,提高生产率。针对唐山不锈钢现行生产工艺条件,采用人工神经网络预报转炉冶炼终点温度和成分,研究了影响转炉冶炼终点温度、碳、磷和硫含量的因素,确定了转炉冶炼终点预报模型的控制变量。以Visual Basic编程语言为工具,在转炉物料平衡和热平衡计算的基础上,利用BP神经网络的非线性映射能力,对常用的BP算法进行改进,建立了基于BP神经网络的转炉冶炼终点温度、碳、磷和硫含量的三层BP神经网络预报模型。选取唐山不锈钢现场300炉实际生产数据为样本,对模型进行训练,模型对所选样本的预报结果已接近于动态控制模型的预报精度。建立了可保存100炉数据的学习样本数据库,并对其进行实时更新、训练,使模型适应生产条件的变化,提高了模型的适应性。模型在唐山不锈钢100t转炉上进行现场应用,效果良好。当神经网络预报模型网络结构设定网络层数为3层,输入参数27个,隐含层节点数为30个,学习速率0.6,动量因子0.1时,网络对终点温度和成分含量的预报结果可达到最佳效果。对于磷、硫含量预报的误差值在±0.005%的命中率达到了85%、对碳含量预报的误差值在±0.015%的命中率为80%、温度预报在±10℃以内的命中率也达到了90%。

论文目录

• 摘要
• ABSTRACT
• 引言
• 1 文献综述
• 1.1 课题研究的意义
• 1.2 转炉冶炼终点预报模型
• 1.2.1 静态控制模型
• 1.2.2 动态控制模型
• 1.3 人工神经网络理论
• 1.3.1 神经网络的选取
• 1.3.2 人工神经网的概述
• 1.3.3 人工神经元的工作原理
• 1.4 人工神经网络在转炉终点预报中的应用
• 1.5 课题的研究内容
• 2 转炉冶炼终点的控制参数分析
• 2.1 终点温度控制分析
• 2.2 终点含碳量控制分析
• 2.3 终点含磷量控制分析
• 2.4 终点含硫量控制分析
• 3 转炉冶炼终点预报模型的建立
• 3.1 物料平衡和热平衡模块
• 3.2 预报模型结构的选取
• 3.2.1 网络层数的确定
• 3.2.2 作用函数的选定
• 3.2.3 BP 网络模型的设计和学习算法改进
• 3.2.4 BP 神经网络的主要能力
• 3.3 预报模型的建立
• 3.3.1 输入层节点数的确定
• 3.3.2 中间层节点数的确定
• 3.3.3 输出层参数的确定
• 3.3.4 初始权值的选取
• 3.4 网络参数的确定
• 3.4.1 数据的采集
• 3.4.2 训练前的数据处理
• 3.4.3 训练前的样本输入
• 3.4.4 学习速率和动量因子的选取
• 3.4.5 学习次数的确定
• 3.4.6 神经网络的训练
• 4 模型的预报结果及分析
• 4.1 网络预报
• 4.2 训练样本的更新
• 5 预报模型在工业生产中的应用
• 5.1 现场操作指导
• 5.2 现场预报结果及分析
• 6 终点预报模型的使用
• 6.1 模型的功能
• 6.2 模型的使用
• 结论
• 参考文献
• 致谢
• 导师简介
• 作者简介
• 学位论文数据集