转炉炼钢终点预报与控制模型的研究
发布时间:2022-12-04 11:37
随着我国社会经济的快速发展,钢铁企业在国民经济发展中占据着越来越重要的位置。转炉炼钢是生产钢铁的一道关键工序,它所要完成的是冶炼出温度和各种成分(关键是含碳量)都达到到预期所需要的钢水。因为钢水的温度及碳含量无法连续检测,并且冶炼过程的边界条件变化复杂,这就导致冶炼过程的终点控制有很大困难,在实际生产中,很难精准控制钢水碳、温从而导致重复吹炼,因此提高转炉炼钢的终点命中率是非常有必要的。因为转炉炼钢过程是一个相当复杂的多元多相高温物理化学过程,它的机理的解析还不是很透彻,输入输出之间的非线性非常严重,常规建模方法很难满足生产要求。因此,研究基于神经网络的转炉炼钢建模与控制问题是必要的。本文,首先简单介绍了转炉炼钢原理、设备状况、转炉冶炼终点控制技术的概况和现状。其次,通过对几种BP算法之间特性归纳和比较,得出Levenberg-Marquardt(LM)算法拥有收敛速度快,并且学习性能好的特点。再次,简要介绍了神经网络的方法及几种神经网络转炉炼钢终点预报模型。最后,建立了转炉炼钢基于LM算法的神经网络预报模型和控制模型。本文研究的建模方法主要依据神经网络理论,在研究过程中选用首秦炼钢部...
【文章页数】:69 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
第1章 绪论
1.1 引言
1.2 首钢集团转炉炼钢概述
1.2.1 转炉炼钢的原理
1.2.2 转炉炼钢设备和工艺过程
1.3 转炉炼钢终点控制现状
1.3.1 人工经验控制
1.3.2 静态控制
1.3.3 动态控制
1.4 神经网络在转炉炼钢中的应用及发展
1.4.1 基于BP网络的建模方法
1.4.2 RBP神经网络的终点预报
1.4.3 神经网络和其他智能方法的结合
1.4.4 采用专家系统的动态冶炼模型
1.5 研究背景及意义
1.6 论文主要研究内容
第2章 神经网络基本理论
2.1 引言
2.2 BP神经网络介绍
2.2.1 BP网络构造
2.2.2 隐含层的设计
2.2.3 BP神经网络权值调整
2.2.4 BP学习算法的计算步骤
2.3 BP神经网络算法的问题和改进
2.3.1 BP算法存在的问题
2.3.2 BP算法的改进
2.3.3 LM算法
2.4 本章小结
第3章 基于神经网络的建模方法研究
3.1 基于神经网络的建模原理
3.2 神经网络建模方法的几点考虑
3.3 神经网络控制模型
3.3.1 正向建模
3.3.2 直接逆向建模
3.3.3 正-逆系统建模
3.3.4 神经网络内模控制逆系统建模
3.3.5 BP网络的自校正内模控制
3.4 本章小结
第4章 模型的应用研究
4.1 预报模型数据的处理
4.1.1 确定输入输出的参数
4.1.2 数据统计
4.1.3 测试样本归一化处理
4.2 采用Levenberg-Marquardt (LM)算法的BP预报模型
4.2.1 模型结构
4.2.2 仿真结果分析
4.3 转炉炼钢终点控制的模型
4.3.1 转炉炼钢控制系统
4.3.2 转炉炼钢终点控制逆模型
4.3.3 实验分析
4.4 本章小结
第5章 结论与展望
5.1 总结
5.2 展望
参考文献
致谢
【参考文献】:
期刊论文
[1]关于非线性不等式组Levenberg-Marquardt算法的收敛性(英文)[J]. 何郁波,董晓亮. 数学杂志. 2012(01)
[2]100t顶吹转炉双渣深脱磷工艺研究与实践[J]. 曹东,万雪峰,李德刚,廖相巍,王丽娟,康伟,常桂华. 鞍钢技术. 2011(06)
[3]基于可拓理论的RBF神经网络研究及其应用[J]. 徐圆,冯晶,朱群雄. 控制与决策. 2011(11)
[4]转炉炼钢终点控制技术[J]. 许刚,雷洪波,李惊鸿,叶印鹏,薛军. 炼钢. 2011(01)
[5]基于变量选择的转炉炼钢终点预报模型[J]. 王心哲,韩敏. 控制与决策. 2010(10)
[6]人工神经网络在转炉炼钢控制过程中的应用[J]. 赵浩文,李长荣,谢祥,尹青. 冶金丛刊. 2010(01)
[7]转炉炼钢终点控制模型的方法研究[J]. 胡燕,何腊梅. 钢铁技术. 2009(06)
[8]转炉炼钢终点控制模型的方法研究[J]. 胡燕,何腊梅. 钢铁技术. 2009 (06)
[9]转炉炼钢动态控制技术[J]. 全红. 云南冶金. 2006(03)
[10]中国转炉炼钢技术的进步[J]. 刘浏. 钢铁. 2005(02)
硕士论文
[1]基于机理与智能方法的转炉炼钢过程建模研究[D]. 代明桥.大连理工大学 2012
[2]转炉炼钢终点碳温预报与控制关键技术研究[D]. 蔡冰尧.天津理工大学 2012
本文编号:3708187
【文章页数】:69 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
第1章 绪论
1.1 引言
1.2 首钢集团转炉炼钢概述
1.2.1 转炉炼钢的原理
1.2.2 转炉炼钢设备和工艺过程
1.3 转炉炼钢终点控制现状
1.3.1 人工经验控制
1.3.2 静态控制
1.3.3 动态控制
1.4 神经网络在转炉炼钢中的应用及发展
1.4.1 基于BP网络的建模方法
1.4.2 RBP神经网络的终点预报
1.4.3 神经网络和其他智能方法的结合
1.4.4 采用专家系统的动态冶炼模型
1.5 研究背景及意义
1.6 论文主要研究内容
第2章 神经网络基本理论
2.1 引言
2.2 BP神经网络介绍
2.2.1 BP网络构造
2.2.2 隐含层的设计
2.2.3 BP神经网络权值调整
2.2.4 BP学习算法的计算步骤
2.3 BP神经网络算法的问题和改进
2.3.1 BP算法存在的问题
2.3.2 BP算法的改进
2.3.3 LM算法
2.4 本章小结
第3章 基于神经网络的建模方法研究
3.1 基于神经网络的建模原理
3.2 神经网络建模方法的几点考虑
3.3 神经网络控制模型
3.3.1 正向建模
3.3.2 直接逆向建模
3.3.3 正-逆系统建模
3.3.4 神经网络内模控制逆系统建模
3.3.5 BP网络的自校正内模控制
3.4 本章小结
第4章 模型的应用研究
4.1 预报模型数据的处理
4.1.1 确定输入输出的参数
4.1.2 数据统计
4.1.3 测试样本归一化处理
4.2 采用Levenberg-Marquardt (LM)算法的BP预报模型
4.2.1 模型结构
4.2.2 仿真结果分析
4.3 转炉炼钢终点控制的模型
4.3.1 转炉炼钢控制系统
4.3.2 转炉炼钢终点控制逆模型
4.3.3 实验分析
4.4 本章小结
第5章 结论与展望
5.1 总结
5.2 展望
参考文献
致谢
【参考文献】:
期刊论文
[1]关于非线性不等式组Levenberg-Marquardt算法的收敛性(英文)[J]. 何郁波,董晓亮. 数学杂志. 2012(01)
[2]100t顶吹转炉双渣深脱磷工艺研究与实践[J]. 曹东,万雪峰,李德刚,廖相巍,王丽娟,康伟,常桂华. 鞍钢技术. 2011(06)
[3]基于可拓理论的RBF神经网络研究及其应用[J]. 徐圆,冯晶,朱群雄. 控制与决策. 2011(11)
[4]转炉炼钢终点控制技术[J]. 许刚,雷洪波,李惊鸿,叶印鹏,薛军. 炼钢. 2011(01)
[5]基于变量选择的转炉炼钢终点预报模型[J]. 王心哲,韩敏. 控制与决策. 2010(10)
[6]人工神经网络在转炉炼钢控制过程中的应用[J]. 赵浩文,李长荣,谢祥,尹青. 冶金丛刊. 2010(01)
[7]转炉炼钢终点控制模型的方法研究[J]. 胡燕,何腊梅. 钢铁技术. 2009(06)
[8]转炉炼钢终点控制模型的方法研究[J]. 胡燕,何腊梅. 钢铁技术. 2009 (06)
[9]转炉炼钢动态控制技术[J]. 全红. 云南冶金. 2006(03)
[10]中国转炉炼钢技术的进步[J]. 刘浏. 钢铁. 2005(02)
硕士论文
[1]基于机理与智能方法的转炉炼钢过程建模研究[D]. 代明桥.大连理工大学 2012
[2]转炉炼钢终点碳温预报与控制关键技术研究[D]. 蔡冰尧.天津理工大学 2012
本文编号:3708187
本文链接:https://www.wllwen.com/projectlw/yjlw/3708187.html