高炉炼铁多元铁水质量参数的M-SVR软测量建模及其软件实现

发布时间：2021-12-16 04:34

　　高炉炼铁作为最主要的炼铁方法,其炼铁工艺的改进和炼铁原理的研究受国内外专家学者重视,其建模和控制一直是当今冶金与自动化领域的研究热点。但是由于高炉内部物理化学反应复杂,各参数耦合严重,非线性成分较强,高温粉尘等恶劣环境导致测量设备失效等原因,高炉炼铁过程的建模非常困难。此外,铁水温度、Si含量、S含量、P含量等多个铁水质量参数难以直接在线检测,其离线化验分析过程具有很大的滞后,质量信息不能及时反馈,也影响高炉系统自动控制的实现。因此实现铁水质量参数优化控制,必须建立有效的多元铁水质量参数软测量模型。针对上述问题,本文依托国家自然科学基金重大项目“大型高炉高性能运行控制的基础理论与关键技术研究”,采用数据建模技术,利用多输出支持向量回归算法建立多元铁水质量参数的软测量模型,优化模型结构参数,设计开发软测量系统,实现铁水质量参数的在线连续估计。主要工作如下:(1)分析铁水质量参数检测的现状,针对机理建模难以准确估计铁水质量参数的问题,采用统计学习的方法进行软测量建模。依据高炉炼铁过程的工艺机理,分析高炉参数之间的动态耦合关系。(2)进行数据预处理,构造训练样本,建立铁水质量参数的多维支持向...

【文章来源】： 东北大学辽宁省 211工程院校 985工程院校 教育部直属院校

【文章页数】：93 页

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景及研究意义
    1.2 铁水质量参数的常规测量现状
        1.2.1 铁水质量参数的基本概念
        1.2.2 铁水质量参数检测的重要性
        1.2.3 铁水质量参数的在线仪表测量
        1.2.4 铁水质量参数的离线化验分析
    1.3 铁水质量参数在线软测量的必要性和现状
        1.3.1 高炉炼铁过程铁水质量控制的重要性和现状
        1.3.2 进行铁水质量软测量研究的必要性
        1.3.3 软测量技术及应用概况
        1.3.4 高炉炼铁过程铁水质量参数软测量的国内外研究现状
    1.4 本文研究主要内容与论文结构
第2章 高炉炼铁过程工艺及出铁过程动态特性分析
    2.1 引言
    2.2 高炉炼铁过程工艺描述
    2.3 高炉出铁过程描述
    2.4 高炉出铁过程动态特性分析
        2.4.1 高炉出铁过程输入输出变量分析
        2.4.2 高炉出铁过程动态特性及建模复杂性分析
    2.5 本章小结
第3章 基于多输出支持向量回归机(M-SVR)的多元铁水质量软测量建模
    3.1 引言
    3.2 支持向量机(SVM)的基本原理
        3.2.1 最优分类超平面
        3.2.2 支持向量
        3.2.3 核函数
        3.2.4 支持向量机(SVM)的改进和应用
    3.3 软测量训练样本的获取
    3.4 基于PCA的辅助变量约简
    3.5 基于M-SVR的多元铁水质量参数软测量建模策略
    3.6 多输出支持向量回归(M-SVR)建模算法
        3.6.1 M-SVR的基本原理和优化目标
        3.6.2 M-SVR模型参数的优化过程
        3.6.3 M-SVR模型结构参数的确定
    3.7 仿真实验研究
        3.7.1 模型训练效果
        3.7.2 模型验证效果
        3.7.3 减少样本量对模型验证效果的影响
    3.8 本章小结
第4章 基于多输出模型综合评价与遗传优化的多元铁水质量M-SVR建模
    4.1 引言
    4.2 遗传算法的理论和应用
        4.2.1 遗传算法与生物进化
        4.2.2 遗传算法的特点
        4.2.3 遗传算法的基本概念和步骤
    4.3 基于模型综合评价与遗传优化的M-SVR建模策略
        4.3.1 多输出模型综合评价标准
        4.3.2 基于模型综合评价与遗传优化的M-SVR建模策略
    4.4 基于多输出模型综合评价与遗传参数优化的M-SVR建模算法
        4.4.1 GA-MSVR结构参数的初始种群范围
        4.4.2 GA-MSVR结构参数的寻优
        4.4.3 GA-MSVR的建模与软测量流程
    4.5 仿真实验研究
        4.5.1 优化过程的参数变化情况
        4.5.2 GA-MSVR的模型软测量效果和多输出模型评价
    4.6 本章小结
第5章 铁水质量参数软测量系统的开发及应用
    5.1 引言
    5.2 多元铁水质量参数软测量系统的需求分析
        5.2.1 柳钢2#高炉炼铁过程的生产操作现状
        5.2.2 柳钢2#高炉多元铁水质量参数软测量系统的需求
    5.3 柳钢2#高炉多元铁水质量参数软测量系统的设计
        5.3.1 系统软件结构的设计
        5.3.2 系统硬件结构的设计
    5.4 柳钢2#高炉多元铁水质量软测量系统的开发
        5.4.1 建模算法的开发
        5.4.2 操作界面的开发
        5.4.3 数据库的开发
    5.5 柳钢2#高炉多元铁水质量软测量系统现场的调试及运行结果分析
    5.6 本章小结
第6章 总结与展望
    6.1 本文工作
    6.2 工作展望
参考文献
致谢
硕士期间主要工作


【参考文献】：
期刊论文
[1]基于随机森林算法的高炉铁水硅质量分数预测模型 [J]. 王文慧,刘祥官,刘学艺.  冶金自动化. 2014(05)
[2]基于种群多样性评价的自适应遗传算法 [J]. 路景.  电子测试. 2014(04)
[3]多智能体粒子群优化的SVR模型预测控制 [J]. 唐贤伦,李洋,李鹏,刘念慈.  控制与决策. 2014(04)
[4]基于支持向量机回归的T-S模糊模型自组织算法及应用 [J]. 梁炎明,苏芳,李琦,刘丁.  自动化学报. 2013(12)
[5]基于径向基函数神经网络观测器的设计及应用 [J]. 钟斌,赵晓青,胡雪艳.  西安理工大学学报. 2013(03)
[6]支持向量机在高炉铁水温度预测中的应用 [J]. 崔桂梅,孙彤,张勇.  控制工程. 2013(05)
[7]Adaboost算法改进BP神经网络预测研究 [J]. 李翔,朱全银.  计算机工程与科学. 2013(08)
[8]基于遗传算法优化的支持向量机品位插值模型 [J]. 李翠平,郑瑶瑕,张佳,侯定勇.  北京科技大学学报. 2013(07)
[9]基于主曲线的多输入多输出支持向量机算法 [J]. 毛文涛,赵胜杰,张俊娜.  计算机应用. 2013(05)
[10]运用SQL Server开发软件参照完整性实现方法 [J]. 刘艳春.  计算机技术与发展. 2013(06)



本文编号：3537492