基于深度置信网络的烧结矿化学成分预测模型研究

发布时间：2021-07-10 04:14

　　烧结是钢铁冶炼的重要工序之一,烧结矿是我国高炉炼铁的主要原料,烧结矿化学成分的稳定性直接影响高炉炉况和钢铁产品质量。烧结过程是一个具有大滞后性、强耦合性、强非线性等复杂特征的动态系统。烧结矿化学成分难以被稳定控制,实现烧结矿化学成分准确预测对其稳定控制具有十分重要的意义。目前传统浅层网络算法未能充分发掘烧结过程的本质规律,预测精度不够高,难以满足实际生产需求。且在实际生产过程中,一直采用人工化验的方式造成数据检测严重滞后,无法实时预测烧结矿化学成分。针对以上问题,本文提出了基于深度置信网络（Deep Belief Network,DBN）的烧结矿化学成分预测模型,并结合瞬发伽马射线中子活化分析（PGNAA）技术实现在线预测系统,实现烧结矿化学成分的实时快速预测。首先,本文通过对烧结过程深入分析,确定模型预测参数,并分析预测算法,选择建立基于DBN的烧结矿化学成分预测模型。其次,使用灰色关联分析方法确定模型输入参数,剔除样本异常数据和归一化处理。在此基础上,设计DBN模型结构,建立基于DBN的烧结矿化学成分预测模型,基于实际生产数据对模型仿真分析,并和BP神经网络模型和SVM模型等常用的... 

【文章来源】：武汉科技大学湖北省

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 烧结工艺研究现状
        1.2.2 烧结矿化学成分预测模型研究现状
    1.3 主要研究内容
    1.4 论文结构
第2章 烧结过程及预测算法分析
    2.1 烧结过程分析
        2.1.1 烧结工艺流程介绍
        2.1.2 烧结过程特征分析
        2.1.3 烧结矿化学成分预测参数确定
    2.2 预测算法分析
        2.2.1 传统智能预测算法
        2.2.2 DBN预测算法
        2.2.3 预测算法选择
    2.3 本章小结
第3章 基于DBN的烧结矿化学成分预测模型
    3.1 数据处理
        3.1.1 模型输入参数确定
        3.1.2 数据预处理
    3.2 DBN预测模型
        3.2.1 DBN模型网络结构
        3.2.2 DBN模型训练
        3.2.3 DBN模型仿真及误差分析
    3.3 多模型仿真对比验证
        3.3.1 BP神经网络预测模型
        3.3.2 SVM预测模型
        3.3.3 仿真对比
    3.4 本章小结
第4章 烧结矿化学成分在线预测系统实现
    4.1 预测系统结构设计
        4.1.1 成分在线检测
        4.1.2 预测系统基本结构
    4.2 预测系统功能实现
        4.2.1 系统功能组成
        4.2.2 系统硬件结构
        4.2.3 系统软件功能
        4.2.4 预测模型自适应
    4.3 系统运行效果
    4.4 本章小结
第5章 结论与展望
    5.1 结论
    5.2 展望
致谢
参考文献
附录1 攻读硕士学位期间发表的论文
附录2 攻读硕士学位期间参加的科研项目
详细摘要


【参考文献】：
期刊论文
[1]基于深度学习的超短期光伏精细化预测模型研究[J]. 史佳琪,张建华.  电力建设. 2017(06)
[2]基于改进型深度学习的流量预测[J]. 朱江,宋永辉,刘亚利.  电讯技术. 2017(01)
[3]基于深度学习的短时交通流预测[J]. 罗向龙,焦琴琴,牛力瑶,孙壮文.  计算机应用研究. 2017(01)
[4]基于神经网络的烧结矿综合性能预测[J]. 陈伟,张惠娟,王宝祥,陈颖,李星.  河北联合大学学报(自然科学版). 2014(03)
[5]瞬发伽马中子活化分析技术发展现状[J]. 卢毅,宋朝晖.  核电子学与探测技术. 2013(12)
[6]烧结配矿的研究现状及展望[J]. 李立芬,张淑会,吕庆,张娜辉.  钢铁研究学报. 2013(09)
[7]InTouchHMI软件在烧结厂自动控制系统中的应用[J]. 王博.  山西电子技术. 2013(02)
[8]PLC和组态软件在烧结监控系统中的应用[J]. 王震淮.  现代冶金. 2013(01)
[9]深度学习研究综述[J]. 孙志军,薛磊,许阳明,王正.  计算机应用研究. 2012(08)
[10]基于数据建模的烧结矿成分预测[J]. 商秀芹,卢建刚.  控制工程. 2011(04)

硕士论文
[1]基于模糊深度学习网络算法的短期股价预测[D]. 刘庆玲.哈尔滨工业大学 2016
[2]烧结成分在线监控系统的研究与设计[D]. 李雪银.武汉科技大学 2016
[3]烧结矿化学成分预报模型与控制指导专家系统的研究与开发[D]. 冯婧.中南大学 2011



本文编号：3275164