转炉精炼铬铁合金终点磷含量预报研究
发布时间：2021-03-06 23:31
磷是铬铁合金成品中含有的微量元素,是有害杂质之一,其含量的高低是影响产品质量的重要因素。近年来,在中低碳铬铁合金生产中使用的铬矿石和焦炭等原料纯度下降,含磷较高,导致铬铁合金成品中的实际磷含量检测值普遍增高。目前,中低碳铬铁合金冶炼终点磷含量的检测仍采用人工手段,效率滞后,不利于实时指导生产。因此,研究转炉精炼铬铁合金终点磷含量的预报方法,对改进生产工艺,提高生产效率具有重要意义。转炉冶炼铬铁是复杂的物理、化学过程,影响终点磷含量因素较多。本文通过研究转炉冶炼中低碳铬铁铁水脱磷预处理的反应特性及热动力学条件,分析影响中低碳铬铁合金终点磷含量的重要因素,确定神经网络的输入变量。根据中钢吉铁辽阳公司807#转炉冶炼中低碳铬铁的生产工艺及样本数据,建立基于RBF神经网络的预报模型,绝对误差±0.003%范围内命中率达到95%,精度较高,但是输入变量个数较多,涉及生产、计量、管理各部门统计参数较多,有必要改进模型结构。因此,本文在机理角度分析之外,采用灰色关联分析方法定量分析各因素影响程度的大小,根据灰色关联度序列确定重要影响因素,减少输入变量个数,简化神经网络结构,缩短生产周期。采用LM算法...
【文章来源】：长春工业大学吉林省
【文章页数】：57 页
【学位级别】：硕士
【部分图文】：
图２－２转炉精炼中低碳络铁合金工艺流程??
公－５０?Ｉ．?３－１．６?１?４６０??□－巧?１．２－１．４?１?４５０?￣?１４６０??图２－８铭元素对脱憐速率的影响??根据冶金热力学原理分析，由于碳、珪、絡元素影响磯的活动系数，所Ｗ影响脱??磯速率。碳起促进作用，娃、络会减小脱磯速率。??（４）
９，的控制变量；输出层为一个节点即终点磯含量。使用ＭＡＴＬＡＢ神经网络??ｅｗｒｂ（Ｐ，Ｔ，ＳＰＲＥＡＤ）函数构造网络模型，在网络训练过程中从零开始自??神经元个数，直至均方差低于化０１，网络训练停止。??型结构如图３－３所示。??
【参考文献】：
期刊论文
[1]基于MATLAB/GUI灰色预测系统开发及应用[J]. 黄冉,杨本硕,杨德平. 青岛大学学报(工程技术版). 2014(03)
[2]我国转炉脱磷技术研究现状及其工业化[J]. 罗成超. 河南科技. 2014(06)
[3]LMBP神经网络算法的改进[J]. 高淑芝,徐晓剑,王会,赵娜. 沈阳化工大学学报. 2014(01)
[4]转炉脱磷影响因素分析及其工艺发展概况[J]. 余立志. 中国高新技术企业. 2014(01)
[5]Optimization of Low Phosphorus Steel Production With Double Slag Process in BOF[J]. YANG Xiao,SUN Feng-mei,YANG Jin-li,LIU Fei,CHENG Kui-sheng,WANG Jian-hua. Journal of Iron and Steel Research（International）. 2013(08)
[6]全方位产业化——中国钢铁发展的必由之路[J]. 张国宇. 现代商业. 2013(04)
[7]基于C#与MATLAB混合编程实现变形预测分析[J]. 赵忠海,张洪文,刘秀峰. 测绘与空间地理信息. 2012(05)
[8]LMBP神经网络改进算法的研究[J]. 张妮,田学民. 计算机与应用化学. 2010(08)
[9]“绿色钢铁”的发展现状评析[J]. 徐泮来,杨军,王菲. 铸造技术. 2010(05)
[10]国内外转炉脱磷炼钢工艺分析[J]. 潘秀兰,王艳红,梁慧智,冯士超. 世界钢铁. 2010(01)
硕士论文
[1]含碳铬铁矿粉微波加热体还原热力学及动力学研究[D]. 李宁.太原理工大学 2007
[2]基于人工神经网络的水质预测及MATLAB实现[D]. 梁楠.长安大学 2007
[3]模糊控制与神经网络在电压稳定性问题中的应用研究[D]. 吴侗.江苏大学 2006
[4]BP神经网络算法的改进及其在PID控制中的应用研究[D]. 史春朝.天津大学 2006
[5]基于神经网络的技术分析有效性研究[D]. 唐雨虹.电子科技大学 2005
[6]高精度平面定位与控制技术的研究[D]. 张健.东南大学 2004
本文编号：3068019
【文章来源】：长春工业大学吉林省
【文章页数】：57 页
【学位级别】：硕士
【部分图文】：
图２－２转炉精炼中低碳络铁合金工艺流程??
公－５０?Ｉ．?３－１．６?１?４６０??□－巧?１．２－１．４?１?４５０?￣?１４６０??图２－８铭元素对脱憐速率的影响??根据冶金热力学原理分析，由于碳、珪、絡元素影响磯的活动系数，所Ｗ影响脱??磯速率。碳起促进作用，娃、络会减小脱磯速率。??（４）
９，的控制变量；输出层为一个节点即终点磯含量。使用ＭＡＴＬＡＢ神经网络??ｅｗｒｂ（Ｐ，Ｔ，ＳＰＲＥＡＤ）函数构造网络模型，在网络训练过程中从零开始自??神经元个数，直至均方差低于化０１，网络训练停止。??型结构如图３－３所示。??
【参考文献】：
期刊论文
[1]基于MATLAB/GUI灰色预测系统开发及应用[J]. 黄冉,杨本硕,杨德平. 青岛大学学报(工程技术版). 2014(03)
[2]我国转炉脱磷技术研究现状及其工业化[J]. 罗成超. 河南科技. 2014(06)
[3]LMBP神经网络算法的改进[J]. 高淑芝,徐晓剑,王会,赵娜. 沈阳化工大学学报. 2014(01)
[4]转炉脱磷影响因素分析及其工艺发展概况[J]. 余立志. 中国高新技术企业. 2014(01)
[5]Optimization of Low Phosphorus Steel Production With Double Slag Process in BOF[J]. YANG Xiao,SUN Feng-mei,YANG Jin-li,LIU Fei,CHENG Kui-sheng,WANG Jian-hua. Journal of Iron and Steel Research（International）. 2013(08)
[6]全方位产业化——中国钢铁发展的必由之路[J]. 张国宇. 现代商业. 2013(04)
[7]基于C#与MATLAB混合编程实现变形预测分析[J]. 赵忠海,张洪文,刘秀峰. 测绘与空间地理信息. 2012(05)
[8]LMBP神经网络改进算法的研究[J]. 张妮,田学民. 计算机与应用化学. 2010(08)
[9]“绿色钢铁”的发展现状评析[J]. 徐泮来,杨军,王菲. 铸造技术. 2010(05)
[10]国内外转炉脱磷炼钢工艺分析[J]. 潘秀兰,王艳红,梁慧智,冯士超. 世界钢铁. 2010(01)
硕士论文
[1]含碳铬铁矿粉微波加热体还原热力学及动力学研究[D]. 李宁.太原理工大学 2007
[2]基于人工神经网络的水质预测及MATLAB实现[D]. 梁楠.长安大学 2007
[3]模糊控制与神经网络在电压稳定性问题中的应用研究[D]. 吴侗.江苏大学 2006
[4]BP神经网络算法的改进及其在PID控制中的应用研究[D]. 史春朝.天津大学 2006
[5]基于神经网络的技术分析有效性研究[D]. 唐雨虹.电子科技大学 2005
[6]高精度平面定位与控制技术的研究[D]. 张健.东南大学 2004
本文编号：3068019
本文链接：https://www.wllwen.com/projectlw/yjlw/3068019.html
