高炉冶炼过程的多尺度特性与硅含量预测方法研究

发布时间：2017-06-05 16:08

  本文关键词：高炉冶炼过程的多尺度特性与硅含量预测方法研究，由笔耕文化传播整理发布。

【摘要】：作为国民经济发展的基础性产业,高炉炼铁对于钢铁工业的发展以及节能降耗起着重要的作用。生产过程中,通常利用铁水硅含量的变化间接地反映炉温的变化,因此,准确预测硅含量,有利于控制炉温,维持高炉的稳定顺行。本文围绕高炉炼铁过程的动态特性及多尺度特征展开研究,并对铁水硅含量进行建模预测,具有一定的应用价值。针对动态特性,选取递归神经网络——Elman神经网络建立预测模型；针对多尺度特征,采用Hilbert-Huang变换对时间序列进行分析、处理。首先,本文利用Hilbert-Huang变换对高炉炼铁过程的多尺度特征进行辨识。对铁水硅含量的时间序列进行经验模态分解和Hilbert变换,得到了一系列本征模函数分量和剩余分量,分量的频率逐渐降低且各分量的平均瞬时频率不同,表明高炉炼铁过程具有多尺度特征。在此基础上,提出了一种基于多尺度分析的改进型EMD-Elman神经网络模型框架,并用于铁水硅含量的预测。该框架首先采用EMD方法将时间序列分解成有限个、相对平稳的分量；然后,分别对输出变量的各分量建立Elman神经网络子模型；为了进一步提高预测精度,将子模型的预测结果进行加权融合,并利用粒子群算法进行权值的寻优,最终获得硅含量的预测结果。将该框架分别基于过程变量和质量变量建立预测模型,并利用某钢厂现场采集的数据进行模型的验证,获得了较高的命中率,证实了该多尺度模型框架的有效性。
【关键词】：铁水硅含量 动态特性 多尺度特征 Elman神经网络 Hilbert-Huang变换 预测
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TF53;TP183
【目录】：

• 摘要5-6
• ABSTRACT6-9
• 第一章 绪论9-17
• 1.1 研究背景及意义9-10
• 1.2 高炉炼铁的工艺流程及炉温的预测10-11
• 1.2.1 高炉炼铁的工艺流程10
• 1.2.2 高炉炉温的预测10-11
• 1.3 高炉炉温预测模型的研究进展11-15
• 1.3.1 机理模型11-12
• 1.3.2 专家系统12-13
• 1.3.3 数据驱动的模型13-15
• 1.4 论文的主要内容15-17
• 第二章 高炉炼铁过程的多尺度特性辨识17-25
• 2.1 多尺度的概念17-18
• 2.2 Hilbert-Huang变换18-19
• 2.3 高炉铁水硅含量的多尺度分析19-23
• 2.3.1 高炉铁水硅含量数据的获取20
• 2.3.2 高炉铁水硅含量的多尺度分析20-23
• 2.4 本章小结23-25
• 第三章 铁水硅含量预测建模的理论基础25-37
• 3.1 变量的选择25-30
• 3.1.1 偏自相关函数25-26
• 3.1.2 互信息26-28
• 3.1.3 关联维数28-29
• 3.1.4 基于互信息的变量的选择29-30
• 3.2 Elman神经网络30-34
• 3.2.1 神经网络的基本介绍30-32
• 3.2.2 Elman神经网络32-34
• 3.3 本章小结34-37
• 第四章 基于过程变量的铁水硅含量预测37-51
• 4.1 基于过程变量的改进型EMD-Elman神经网络37-38
• 4.2 改进型EMD-Elman神经网络在铁水硅含量预测中的应用38-50
• 4.2.1 数据的采集及模型的评价标准38-41
• 4.2.2 改进型EMD-Elman神经网络的预测结果与分析41-50
• 4.3 本章小结50-51
• 第五章 基于质量变量的铁水硅含量预测51-61
• 5.1 基于过程变量的改进型EMD-Elman神经网络分析51-53
• 5.2 基于质量变量的改进型EMD-Elman神经网络53-54
• 5.3 改进型EMD-Elman神经网络在铁水硅含量预测中的应用54-59
• 5.3.1 数据的采集及模型的评价标准54
• 5.3.2 改进型EMD-Elman神经网络的预测结果与分析54-59
• 5.4 本章小结59-61
• 第六章 总结与展望61-65
• 6.1 总结61-62
• 6.2 展望62-65
• 参考文献65-69
• 致谢69-71
• 攻读硕士学位期间的科研成果71

【参考文献】

中国期刊全文数据库 前5条

1 安剑奇;陈易斐;吴敏;;基于改进支持向量机的高炉一氧化碳利用率预测方法[J];化工学报;2015年01期

2 郜传厚;刘祥官;周志敏;;基于Lyapunov指数的高炉铁水[Si]预报[J];高校应用数学学报A辑(中文版);2006年03期

3 郜传厚,周志敏,邵之江;高炉冶炼过程的混沌性解析[J];物理学报;2005年04期

4 郜传厚,周志敏,邵之江;高炉铁水含硅量的混沌局部线性预测[J];金属学报;2005年04期

5 郜传厚,周志敏;高炉铁水Si含量的修正混沌加权一阶局部预报[J];物理学报;2004年12期

中国博士学位论文全文数据库 前1条

1 罗世华;高炉冶炼过程的分形特征辨识及其应用研究[D];浙江大学;2006年

中国硕士学位论文全文数据库 前1条

1 王文慧;基于小波分析理论的高炉炉温预测模型研究[D];浙江大学;2005年

  本文关键词：高炉冶炼过程的多尺度特性与硅含量预测方法研究，由笔耕文化传播整理发布。

，

本文编号：424089