基于神经网络的高炉风机运行状况预测的研究

发布时间：2021-01-24 01:06

　　高炉鼓风机为炼铁厂的关键设备之一,在炼铁过程中起着至关重要的作用。由于高炉冶炼的连续性,要求鼓风机均匀地供给一定量的空气,另外还要有一定的风压,以克服送风系统和料柱阻力,并使高炉保持一定的炉顶压力。在整个冶炼过程中,由于原料、燃料、操作等条件的变化,引起炉况经常改变。为了降低事故发生频率,节省维修开支,减少停机的次数,提高经济效益,对高炉鼓风机运行状况进行预测是非常必要的。针对这种情况,为了实现对高炉鼓风机运行状况的预测,首先根据工艺流程中各环节的相互关系,在积累了大量数据信息的基础上,对采集到的现场数据应用小波变换的软硬阈值折中算法处理小波系数,滤除噪声。然后建立BP神经网络的预测模型,调整网络结构并对网络进行训练,将网络输出的数值应用反变换以获取实际预测值。最后通过Matlab仿真实现了对高炉鼓风机前轴瓦温度的预测,并取得良好的预测结果。结果表明,在利用小波变换有效滤除数据中噪声的前提下,所建立的BP神经网络可以有效的实现对高炉鼓风机运行状况的预测。并且利用Visual Basic开发出的高炉鼓风机运行状况的预测系统,可以作为BP神经网络模型训练和高炉鼓风机运行状况预测的平台。 

【文章来源】：河北科技大学河北省

【文章页数】：58 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究的背景
    1.2 高炉鼓风机介绍
    1.3 高炉鼓风机工艺流程介绍
    1.4 机械状态预测技术的发展和现状
    1.5 课题的研究意义
    1.6 课题的主要研究内容
第2章 小波变换理论
    2.1 从傅立叶变换到小波变换
    2.2 小波变换
        2.2.1 连续小波变换
        2.2.2 离散小波变换
        2.2.3 多分辨分析
        2.2.4 Mallat算法
    2.3 本章小结
第3章 人工神经网络
    3.1 人工神经元
        3.1.1 人工神经元模型
        3.1.2 人工神经元的激活函数
    3.2 人工神经网络模型
        3.2.1 人工神经网络的结构
        3.2.2 人工神经网络的训练
    3.3 BP神经网络
        3.3.1 BP神经网络模型及算法的描述
        3.3.2 BP神经网络权值的调整规则
        3.3.3 BP神经网络算法的不足和改进
    3.4 本章小结
第4章 高炉鼓风机运行数据的预处理
    4.1 小波阈值滤波方法
    4.2 小波阈值函数
    4.3 阈值的估计
    4.4 基于小波变换的高炉鼓风机运行数据的预处理
    4.5 本章小结
第5章 高炉鼓风机运行状况的预测
    5.1 影响高炉鼓风机前轴瓦温度的参数分析
    5.2 BP神经网络预测模型的建立
    5.3 基于BP神经网络的高炉鼓风机前轴瓦温度的预测
        5.3.1 BP神经网络结构的确定
        5.3.2 数据的归一化处理
        5.3.3 预测的实现和分析
    5.4 本章小结
第6章 预测系统的软件实现
    6.1 软件开发环境
    6.2 软件设计思想
    6.3 软件的使用介绍
    6.4 本章小结
结论
附录 部分高炉鼓风机运行数据
参考文献
致谢
个人简历


【参考文献】：
期刊论文
[1]基于Visual Basic 6.0与单片机的PLC仿真器设计[J]. 瞿选益,李连.  山东工业技术. 2015(05)
[2]基于VB的高层电梯运行仿真设计与实现[J]. 余蕾,张小力,张治娟,孟建军.  工业控制计算机. 2014(03)
[3]VB与Simulink的结合[J]. 王玉顺,张贯超,刘祥斌.  汽车实用技术. 2013(06)
[4]故障预测技术研究[J]. 赵正华.  职业. 2008(29)
[5]机械故障预测模型综述[J]. 薛子云,杨江天,朱衡君.  机械强度. 2006(S1)
[6]浅谈VB与Matlab混合编程[J]. 郭平.  广西轻工业. 2006(05)
[7]绿色GDP与科学发展观[J]. 陈燕清.  林业勘察设计. 2006(01)
[8]BP算法改进方法的研究进展[J]. 谭显胜,周铁军.  怀化学院学报(自然科学). 2006(02)
[9]风机振动故障诊断综述[J]. 汪光阳,周义莲.  安徽工业大学学报(自然科学版). 2006(01)
[10]VB与Matlab的混合编程方法[J]. 冯莉,李巨,邓云华.  兵工自动化. 2005(05)

硕士论文
[1]人工神经网络在时间序列预测中的应用研究[D]. 宋玉强.西安建筑科技大学 2005



本文编号：2996265