基于数据驱动的LF炉供电吹氩模型研究

发布时间：2025-02-11 17:31

　　钢包精炼炉是钢铁冶炼行业对初熔钢液进行二次精炼的重要设备,供电与吹氩是精炼过程中的关键工艺,合理的供电制度能够有效提升生产效率,降低能耗损失,合理的吹氩制度能够促进钢液成分均匀融合,保证钢液成分达标,满足钢铁成品质量要求。针对现阶段钢铁冶炼行业依靠机理分析方法结合人工操作经验制定的供电及吹氩制度存在不准确、不稳定等问题,本文从数据驱动的角度出发,进行了深入研究。首先,本文研究了传统的供电及吹氩模型,结合相关性分析方法,确定了供电模型与吹氩模型的影响因素及样本数据,设计了基于组合核原理的支持向量回归机(Support Vector Regression,SVR)供电及吹氩预估模型,并设立了对比模型。以评价指标分析了各预估模型的预估效果,结果表明基于组合核原理的SVR预估模型的预估效果优于其余模型,在小样本数据量场景下具有实际应用意义。然后,为了建立适用于大样本数据量场景下的供电及吹氩预估模型,有效利用供电及吹氩过程中的时刻信息,本文在长短期记忆神经网络(Long Short-Term Memory,LSTM)算法的基础上,针对供电及吹氩工艺中不同影响因素在不同时间序列处的重要程度不同的问题...

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
1 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 国外研究现状
        1.2.2 国内研究现状
    1.3 主要研究内容
    1.4 论文结构安排
2 相关理论基础
    2.1 LF炉精炼技术概述
        2.1.1 LF炉结构与工艺介绍
        2.1.2 LF炉传统供电模型
        2.1.3 LF炉传统吹氩模型
    2.2 供电吹氩模型影响因素分析
        2.2.1 LF炉供电模型分析
        2.2.2 LF炉吹氩模型分析
    2.3 本章小结
3 基于组合核函数的SVR预估模型
    3.1 数据预处理
        3.1.1 数据获取与清洗
        3.1.2 数据检验与归一
    3.2 SVR理论及核函数改进
        3.2.1 支持向量回归机(SVR)
        3.2.2 核函数性质
        3.2.3 基于组合核原理的组合核函数
    3.3 实验流程及结果分析
        3.3.1 基于组合核函数的SVR预估模型建模流程
        3.3.2 模型对比与结果分析
    3.4 本章小结
4 LSTM-Attention预估模型
    4.1 深度学习模型
        4.1.1 长短期记忆神经网络(LSTM)
        4.1.2 注意力机制(Attention)
    4.2 基于LSTM-Attention建立预估模型
        4.2.1 数据预处理
        4.2.2 Attention机制的实现
        4.2.3 LSTM-Attention预估模型网络结构
        4.2.4 LSTM-Attention预估模型建模流程
    4.3 仿真实验及结果分析
        4.3.1 实验环境及参数设置
        4.3.2 实验结果及分析评价
    4.4 本章小结
5 LF炉供电吹氩模型验证
    5.1 LF二级系统介绍
    5.2 供电及吹氩模型功能设计与运行流程
        5.2.1 供电及吹氩模型功能设计
        5.2.2 供电与吹氩模型运行流程
    5.3 供电模型及吹氩模型验证
    5.4 本章小结
6 总结与展望
    6.1 总结
    6.2 展望
致谢
参考文献
攻读硕士学位期间主要研究成果



本文编号：4033607