基于神经网络的转炉炼钢碳温控制模型及智能专家系统

发布时间：2021-11-08 01:12

　　钢铁行业是我国的支柱产业，而转炉炼钢在钢铁行业中又占有极其重要的地位。转炉炼钢的主要任务就是控制吹炼终点的碳含量和出钢温度，使其能够达到出钢标准。然而转炉炼钢是一个繁杂的工业进程，进程中包含着非常复杂的多元多相高温反应，是一个周期性的升温和降碳的过程。另外，因为冶炼进程的温度极高，情况也非常恶劣，吹炼的时候难以持续的进行钢水成份和温度的检测，于是很难应用普通过程控制的方式对其进行准确的控制。目前，我国绝大多数中小型转炉的终点控制都是凭工人的经验来进行控制的，具有很大的主观性，为此经常需要进行返工，从而造成了巨大的能源损耗。于是，准确地控制转炉炼钢终点意义重大。智能控制的兴起给转炉炼钢终点控制带来新的研究方向，而神经网络技术作为解决非线性系统智能控制的一个重要分支，由于其具有强大的非线性系统求解能力而在转炉炼钢终点控制中得到了广泛的运用，并取得了满意的结果。此外，理论模型是转炉炼钢终点控制的基础，其精度直接地影响着神经网络对终点的预测结果。因此，结合理论模型与神经网络模型是一个有价值的研究方向。本文首先对转炉炼钢静态控制模型中的理论模型进行了系统的论述，经过详细分析转炉炼钢过程当中热平衡... 

【文章来源】：天津理工大学天津市

【文章页数】：56 页

【学位级别】：硕士

【部分图文】：

热平衡图

图 2-2 物料平衡图物理过程的机理分析算流程都基于以下假设：后面的计算流程，本文对计算流程中的一些参量做了如下的假以某钢厂的实际生产数据为基础的，在详细应用的时候必须根情况并且参考该钢厂转炉炼钢专家经验来进行设定的。珠含量为总炉渣量的 8%。化的碳有 90%氧化成了 CO，10%氧化成了 CO2。约占金属料的 1.2%。的是传统的未燃法净化的系统，在通常的日常生产过程中转中炉内烟气的烟尘占炉内物料的总装入量的百分比为 wyc(烟尘中的 Fe2O3百分含量为 wycFe2O3，烟尘中的 FeO 百分含量 C、Mn、Si、S、P 的含量和钢水的终点成份相同；

图 2.3 理论模型实现图型以后就能够确定出转炉炼钢中各原料的配料比，然后的修正以提高模型的控制精度。通过使用修正后的理论料的加入量，从而能够在配料阶段提高整个模型的控析和概述了转炉炼钢中理论模型的理论基础：热平衡和条件的基础之上对整个冶炼过程进行了理论计算，对冶物理化学反应以及最后还有富余热量时如何加入废钢的理论模型可以在冶炼前精确的计算出各物料的装入模型的控制精度。

【参考文献】：
期刊论文
[1]基于量子微粒群的BPNN在转炉炼钢静态模型中的应用[J]. 朱亚萍,王文龙,徐生林.  机电工程. 2011(05)
[2]多目标优化问题的研究概述[J]. 肖晓伟,肖迪,林锦国,肖玉峰.  计算机应用研究. 2011(03)
[3]黏土微结构各向异性评估的谱系聚类方法[J]. 李顺群,郑刚,崔春义,刘双菊.  岩土工程学报. 2010(01)
[4]基于蚁群算法的多目标优化[J]. 池元成,蔡国飙.  计算机工程. 2009(15)
[5]基于MATLAB神经网络工具箱的BP网络设计[J]. 郭利辉,周雅.  信息技术与信息化. 2009(03)
[6]进化多目标优化算法研究[J]. 公茂果,焦李成,杨咚咚,马文萍.  软件学报. 2009(02)
[7]基于谱系聚类的粗糙集数据挖掘预处理方法[J]. 韩中华,马斌,许可,李宏亮.  计算机工程与应用. 2008(02)
[8]基于BP神经网络的转炉炼钢终点预报[J]. 谢书明,陈昌,丁惜瀛.  沈阳工业大学学报. 2007(06)
[9]转炉炉气分析技术在本钢的初步应用[J]. 张贵玉,万雪峰,林东,彭飞,邹宗树.  钢铁. 2006(09)
[10]基于聚类分析和神经网络的时间序列预测方法[J]. 刘峰,瞿俊.  微电子学与计算机. 2006(09)

硕士论文
[1]转炉炼钢终点静态控制预测模型[D]. 黄金侠.天津大学 2005
[2]基于人工神经网络的转炉冶炼终点控制模型的优化[D]. 朱新华.河北理工学院 2004
[3]基于神经网络的转炉冶炼静态控制模型[D]. 王立龙.河北理工学院 2003



本文编号：3482701