基于神经网络的转炉炼钢碳温控制模型及智能专家系统.doc

天津理工大学研究生学位论文昵胨妒垦岳有军 人已经发表或撰写过的研究成果，也不包含为获得天盗理工大至有关保留、使用学位论文可以将学位论文的全部或部分内容编入艿难宦畚脑诮饷芎笫视帽臼谌得导师签名：劫季签字日期：珈心旯翵签字日期：沥砉日日 摘要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。数据库，其主要功能就是转炉炼钢终点碳温预报多神经网络专家系统案例推理 琣 甌瑃猳珻， 目转炉炼钢理论模型的实现第三章转炉炼钢终点复合预测模型多神经网络预测模型建模 氧气顶吹转炉炼钢在炼钢产业中占有很大比重，转炉炼钢的冶炼周期一般为。目前除了少数的大中型转炉引进了先进的副枪或者烟尘识别等检测绝大多数的中小型转炉基本上都是采用人工经验来对炼钢过程进行控制，其自动化水平非常低。转炉炼钢有流程繁杂，冶炼周期短等特征，光靠工人的经验很难准确地控制冶炼进程，从而很易造成出钢的品质不稳定，并且能耗高产值非常低。转炉炼钢的丰要目标是将铁水内的碳和其他元素控制在特定的范围。冶炼过程当中常快；目前来说绝大多数的氧气转炉炼钢工艺制度主要是由造渣制度、装入制度、温度制 第一章绪论在冶炼的后期，铁水当中含有的铁元素会与氧元素发生化学反应，从而会导致一部理论模型：经验模型：统计模型运用数学统计的方式通过大量的试验数据来对炼钢过程当中重要的控制副枪检测法【 神经网络在转炉炼钢终点控制中的应用 率就已经达到，在碳含量的误差是，温度误差是的时候，这个模型的预测的双命巾率就已经达到。杭州电子科技大学的王文龙、朱亚萍等研究学者选用了一利一新的智能控制算法即量子微粒群的算法对神经网络当巾比较常用的神经网络进行了进一步的优化，经过优化以后的仿真结论显示，用新的智能控制算法优化过之后的神经网络模型具有比传统普通的神经网络模型更加高的预测精度【】。 转炉炼钢的理论模型可以让炼钢专家从理论上对出钢过程中的氧气和热量状况进行分析，富余的热量可以用来熔化更多的废钢，从而减少热量的浪费，最终降低冶炼的成本。根据所消耗的氧气量可以分析出大概的吹氧时间，为后续的吹氧状况分析提供了重要的理论基础。由于在冶炼过程中所发生的各种物理化学反应非常的复杂，所以用理论模型计算得到的理论值与生产过程的实际值有一定的误差。因此，针对不同的钢厂生产情况要进行不同的参数值设定和假设处理，每当计算完成后都要根据实际的生产数据对其进行一定的修正，最终来提高模型精度。 转炉炼钢物理过程的机理分析后面的计算流程都基于以下假设： 重量萤石重量钢水废钢表控制模型参数含义表炉子中石灰加入量的确定 该加的石灰量：。，为加入萤石以后需多加的石灰量，计算的方法如下：矿鉴垒兰竺竺需要多加的石灰量为：显然白云石加入量白云石对于提高炉龄来说拥有很大的作用。 式中白云石的加入量，。炉子内的金属料当中的所有的元素氧化量彬蚊 氧化产物为二氧化硫和硫化钙 械腃重量：械腁重量： 。彬心叫蠱的重量：蠪的重量：騝口巍竽炉气的成分以及数量烟尘的成分以及数量如果在运算的过程当中在收入项之中把从炉子的炉口吸入的氧气忽略掉的话，那么 假设百分之一吨的炉子内的铁元素氧化为三氧化二铁时所需要的氧气总量为以，而弧等蚊凡 氧化碳。一般说来炉子内冶炼过程的热量收入会比支出多一些，向炉子之内加入各种冷却剂就是为了能够确保将炉子内钢水的终点温度控制在一个合适的范围之内。为了能够确定该往炉子当中加入多少的矿石，就必须要知道炉子当中所收入的热量到底比支出的热量多出来了多少，基于这个原则就要在计算的时候把炉子当中热量的所有收入项和所有的支出项都计算出来，然后再将他们相加以后进行一个大小的比较。在对炉子当中收入的热量和支出的热量就行计算的时候，通常来说所依据的就是热平衡原理，将炉子的发生的各种物理反应热和化学反应热都通过各种分析计算得出的热平衡方程得到，而在对各种物理反应热和化学反应热进行计算的时候还会用到另一个对于转炉炼钢来说是比较重要的原理质量守恒定律，通过质量守恒定律来计算炉子当中各种物料的物料平衡，知道了各种物料的质量以后就能够与热平衡原理相结合最终把炉子当中的各种热收入项和热支出项都计算出来，最终达到计算目的。转炉的收入热量计算：转炉吹炼过程中各种物料具有的质量热容如表所示： 液态或气态平均质量热容罚炉渣矿石转炉吹炼巾各种物料的质量热容，鳎】弘甀 转炉的支出热量计算钢水的熔点籞奈锢砣萉：计算一般炉渣在终点时的温度要比钢水低左右，则：坛镜奈锢砣萉，。的计算 彬握刑榈拇呷萉亿计算彬阡么一猼】渌囊恍人鹗包含了炉子本身的对流和辐射的热量、冷却水带走的热量、传导传递的热量等，皱，这种冷却剂所具备的的冷却效应。炉子当中冷却剂所吸取的热量有包含两个部份，一个 炉子当中矿石的冷却效可以通过下式来进行运算：假设炉子当中矿石的成分之中绝对不会含有氧化铁。并且炉子当中的矿石一般都是 论模本章重点剖析和概述了转炉炼钢中理论模型的理论基础：热平衡和物料平衡。并且在具有一定假设条件的基础之上对整个冶炼过程进行了理论计算，对冶炼前和冶炼后物料所经历的各种物理化学反应以及最后还有富余热量时如何加入废钢进行了详细的阐述。根据转炉炼钢的理论模型可以在冶炼前精确的计算出各物料的装入量，能够从配料阶段就提高整个模型的控制精度。 第三章转炉炼钢终点复合预测模型第三章转炉炼钢终点复合预测模型中不可避免的会产生异常数据，而异常数据的数量往往比较少所以无法用神经网络对其进行训练和预测，所以钊对转炉炼钢样本数据的异常数据本文还将基于案例推理的专家规则系统应用到了预测模型中，使得对转炉炼钢终点的预测更加全面。神经网络结构是一种单向传播，神经网络的学习过程其算法的详细过程如下所示： 第三章转炉炼钢终点复合预测模型目，奢，神经网络的不足以及改进 第三章转炉炼钢终点复合预测模型多神经网络预测模型建模图多神经网络模型预测流程图训练模型的算法如下：紫稻劾喾阉惺莼治狵个类珻瑿； 第三章转炉炼钢终点复合预测模型訩个类珻唬瓹分别用于训练网络，得到鲅盗泛玫腂鐊，预处理；数据的预处理，分别代表两个类，设它们当中分别含有，个样本。若类中有样本， 第三章转炉炼钢终点复合预测模型琯类间距离的递推已知类和与类间的距离分别为虳。设类由类和合并朋瓤 第三章转炉炼钢终点复合预测模型。馜械牟皇嵌越窍呱系淖钚脑K豰仿真研究的本文以为仿真平台，对已分好类的两类样本数据分别进行了神经网络模温度和碳含量的预报模型。 第三章转炉炼钢终点复合预测模型变量，分别来对终点的温度和碳的含量进行预报模型的创建。 第三章转炉炼钢终点复合预测模型南譡盏阄露让新饰己棵新饰，能取得更加理想的预测效果。 第三章转炉炼钢终点复合预测模型本文主要研究的是转炉炼钢的终点控制模型，但是由于终点预测模型是控制模型得以实现的基础，所以预测模型的精度对控制模型有着非常大的影响。但是在实际生产过程中难免会出现异常样本，而预测模型中的神经网络无法对其进行预测。因此针对异常样本的预测才引入了基于案例推理技术，以期能够通过基于案例的推理技术使得预测更加完善。其中异常样本的处理主要由两部分组成，异常数据的剔除以及填补。则将判定为含有较大误差的异常值，须剔除不要。该判别式就是拉依达准则。并非在所有情况下都能够使用拉依达准则来对异常数据进行剔除。对于拉依达准则少使得，否则将无法使用拉依达准则。其证明过程如下：知测量列的标准偏差为： 第三章转炉炼钢终点复合预测模型由上式可得，当氖焙颍琻一，即上式当中在对含有异常值的数据组进行剔除以后，原有的完整数据组就含有了缺失数据。为了更加全面地完善转炉炼钢的碳温终点控制，即使是遇到不完备的数据组也要尽可能的对其中的缺失数据进行填补并完成预测。本文利用神经网络对无误的数据组进行训练和学习，将转炉炼钢中的各个输入数据间的规则进行学习并最后储存到神经网络当中。当碰到空缺数据时就能够应用神经网络来对空缺数据进行预测。图为当数据组缺失铁水加入量时的预测效果。 第三章转炉炼钢终点复合预测模型 终点控制算法分析可以将多目标 闻名的旅行商问题一般来说启发信息的取值为蚁群当中的每一只蚂蚁在每经过一个路线都会在该蚂蚁所经过的路径上留下自己的信息素以便指引其他的蚂蚁到该路径进行路径寻优，应用蚁群算法进行寻优时，该算法有的时候会很容易陷入到局部最优当中，为了防止算法陷入到局部最优当中特地的引进了蚂蚁信息素的挥发机制来避免这一问题的产生。这样一来，蚂蚁在所经路径上所留信息素的更新方式就按照以下的方式来进行：乃。勺 妙者羔 度要求时，搜索到该位置的蚂蚁则会在该点释放信息素，如此就可以用更高的概率指导综上所述，应用蚁群算法来求解多目标优化问题的蚁群算法详细步骤如下【】： 软件的主要功能软件的开发工具软件结构 白灰质量 造渣球质量璻一一一。输入样本值铁水加入量废钢加入量造渣球质量 圜墨翟圆输入空缺样本!玣厂一厂缺失类型填补结果原料成分如图所示。 鼢港蝣。“蕊西一辫耙籰淤綟裂：瓣阃：赫”矿薅装墼叠：技李遘霪：锄嬲：墨蠹教：器。”炉销廛：爹蠢一蔼翩螺：瓣“臻瓣鞋猢渤蕊一：髓。摩苍鏹：满辕臻譬，五骚：臼暑：嚣；蟊凇图配料模型 图基于神经网络的数据预测基于案例推理的异常数据处理：；添力芈酙编辑案铡更新案洌毒计算权重计算相似度图基丁案例