發(fā)布時間：2018-04-23 18:33

  本文選題：支持向量機(jī) + 分布估計算法��； 參考：《東北大學(xué)》2014年碩士論文

【摘要】：在鋼鐵生產(chǎn)過程中,高爐煉鐵是通過料面燃燒生成鐵水,料面的分布情況直接影響鐵水質(zhì)量,從而影響鋼材質(zhì)量。實際生產(chǎn)中,由于料面的物質(zhì)形態(tài)以及高爐高溫生產(chǎn)的特性,很難直接觀測到料面分布情況,從而難以掌握高爐爐況對鐵水質(zhì)量的影響。因此,研究高爐料面異常情況的監(jiān)視和診斷方法對提高鐵水質(zhì)量,降低廢材量,提高材料質(zhì)量具有非常重要的意義。鋼鐵企業(yè)一般以客戶合同組織生產(chǎn)時,生產(chǎn)的鋼鐵材料都匹配給相關(guān)的客戶合同。但在實際生產(chǎn)中,鋼鐵材料質(zhì)量不合格會使原來有合同的材料變成無主合同材料,從而增加了原料庫庫存量,提高了企業(yè)成本,甚至影響企業(yè)的正常生產(chǎn)。因此,分析鋼鐵材料異常原因,并對材料異常情況進(jìn)行監(jiān)視及診斷,對提高產(chǎn)品合格率,降低無主合同材料量具有非常重要的意義。本文基于數(shù)據(jù)解析的思想,分別對高爐料面異常診斷問題和鋼鐵材料質(zhì)量異常診斷問題,設(shè)計了支持向量機(jī)方法對異常情況進(jìn)行監(jiān)視與診斷。針對高爐料面異常問題,在診斷方法中提出了在線支持向量機(jī)的思想。針對鋼鐵材料質(zhì)量異常問題,在診斷方法中引入分布估計算法對支持向量機(jī)進(jìn)行改進(jìn),以提升支持向量機(jī)算法性能。本文主要研究內(nèi)容包括以下幾個部分：(1)以高爐生產(chǎn)過程為背景,研究了高爐料面異常診斷問題。通過高爐的結(jié)構(gòu)特征、高爐煉鐵特點和高爐內(nèi)溫度分布與高爐料面之間的關(guān)系,對高爐料面異常情況進(jìn)行分析。針對高爐煉鐵生產(chǎn)的密閉性、高溫性與實時性的特點,提出了在線支持向量機(jī)的方法對高爐的料面異常進(jìn)行診斷。利用采集的高爐實時數(shù)據(jù)訓(xùn)練支持向量機(jī)算法建立數(shù)學(xué)模型,并根據(jù)建立的數(shù)學(xué)模型進(jìn)行高爐異常料面的在線診斷研究。試驗結(jié)果表明,在線支持向量機(jī)對高爐的料面異常情況的診斷比較準(zhǔn)確。(2)針對鋼鐵材料異常診斷問題,分析了有主合同材料轉(zhuǎn)變成無主合同材料的影響因素,采用支持向量機(jī)算法建立了鋼鐵材料質(zhì)量異常情況診斷數(shù)學(xué)模型,模型中采用分布估計算法對支持向量機(jī)參數(shù)進(jìn)行優(yōu)化。實驗結(jié)果表明,利用診斷數(shù)學(xué)模型對鋼鐵材料異常問題的分析比較準(zhǔn)確。(3)以實際鋼鐵生產(chǎn)過程為背景,基于提出的分布估計支持向量機(jī)方法,設(shè)計開發(fā)了鋼鐵材料質(zhì)量異常監(jiān)視與診斷子系統(tǒng)。該系統(tǒng)具有操作簡單、靈活等特點,有現(xiàn)貨原因分析、午會管理和特殊合同管理三大主要部分,最終為鋼鐵企業(yè)的決策提供數(shù)據(jù)支持。
[Abstract]:In the process of iron and steel production, blast furnace ironmaking produces hot metal through burning of the feed surface, and the distribution of the material surface directly affects the quality of hot metal and thus the quality of steel. In actual production, it is difficult to observe the distribution of material surface directly because of the material form of material surface and the characteristics of high temperature production of blast furnace, so it is difficult to understand the influence of blast furnace condition on the quality of hot metal. Therefore, it is of great significance to study the monitoring and diagnosis methods of the abnormal condition on the blast furnace surface for improving the quality of hot metal, reducing the quantity of waste materials and improving the quality of materials. When iron and steel enterprises organize production by customer contract, the steel materials are matched to the relevant customer contract. However, in actual production, the unqualified quality of iron and steel materials will make the original contract materials become non-main contract materials, thus increasing the stock of raw materials, increasing the cost of enterprises, and even affecting the normal production of enterprises. Therefore, it is of great significance to analyze the causes of abnormal materials of iron and steel, and to monitor and diagnose the abnormal situation of materials, which is of great significance to improve the qualified rate of products and reduce the quantity of materials without main contract. Based on the idea of data analysis, this paper designs the support vector machine (SVM) method to monitor and diagnose the abnormal situation of blast furnace surface and iron and steel material quality, respectively. The idea of online support vector machine (SVM) is put forward in the diagnosis method for the abnormal surface of blast furnace. In order to improve the performance of support vector machine (SVM), the distribution estimation algorithm is introduced to improve the quality of iron and steel materials. The main contents of this paper are as follows: (1) based on the background of blast furnace production process, the problem of abnormal diagnosis of blast furnace surface is studied. Based on the structural characteristics of blast furnace, the ironmaking characteristics of blast furnace and the relationship between the temperature distribution of blast furnace and the surface of blast furnace, the abnormal situation of the surface of blast furnace is analyzed. Aiming at the characteristics of sealing, high temperature and real time of blast furnace ironmaking, a method of on-line support vector machine (SVM) is put forward to diagnose the abnormal surface of blast furnace. The mathematical model is established by training the real time data of blast furnace with support vector machine algorithm, and the on-line diagnosis of abnormal material surface of blast furnace is studied according to the established mathematical model. The experimental results show that the on-line support vector machine is more accurate in the diagnosis of abnormal material surface of blast furnace. Aiming at the problem of abnormal diagnosis of iron and steel materials, the factors influencing the conversion of the main contract materials into the non-main contract materials are analyzed. Support vector machine (SVM) algorithm is used to establish a mathematical model for the diagnosis of abnormal quality of iron and steel materials. In the model, the parameters of SVM are optimized by using the distribution estimation algorithm. The experimental results show that the diagnostic mathematical model is used to analyze the abnormal problems of iron and steel materials accurately. (3) based on the actual steel production process, the support vector machine (SVM) method for distribution estimation is proposed. An anomaly monitoring and diagnosis subsystem for iron and steel materials is designed and developed. The system is characterized by simple operation, flexible operation, spot cause analysis, afternoon meeting management and special contract management, and finally provides data support for iron and steel enterprises' decision-making.
【學(xué)位授予單位】：東北大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：F426.31

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王靜;常用鋼鐵材料的鑒別方法(下)[J];山東農(nóng)機(jī)化;2005年03期

2 宋晉明;孫文德;;超級鋼鐵材料[J];柳鋼科技;2000年01期

3 翁宇慶;中國鋼鐵材料發(fā)展現(xiàn)狀及邁入新世紀(jì)的對策[J];鋼鐵;2001年10期

4 翁宇慶;國內(nèi)外鋼鐵材料發(fā)展的新動向(摘錄)[J];中國冶金;2001年05期

5 ;有利于生態(tài)環(huán)境的鋼鐵材料[J];新疆鋼鐵;2002年02期

6 ;鋼鐵材料的環(huán)境協(xié)調(diào)性評價[J];新疆鋼鐵;2002年02期

7 翁宇慶;中國鋼鐵材料現(xiàn)狀及發(fā)展目標(biāo)[J];中國冶金;2002年06期

8 劉瀏;鋼鐵材料新需求與生產(chǎn)技術(shù)的發(fā)展[J];特殊鋼;2003年02期

9 ;新一代鋼鐵材料基礎(chǔ)研究獲重大成果[J];金屬制品;2004年02期

10 ;鋼鐵篇[J];中國金屬通報;2004年27期

相關(guān)會議論文 前10條

1 翁宇慶;;中國鋼鐵材料發(fā)展現(xiàn)狀及邁入新世紀(jì)的對策[A];2001中國鋼鐵年會論文集（上卷）[C];2001年

2 徐志英;;400℃熱處理對鋼鐵材料產(chǎn)生的作用及其應(yīng)用[A];中國郵電/電子學(xué)會生產(chǎn)技術(shù)學(xué)會熱處理郵電三屆/西南二屆/四川四屆年會論文集[C];1992年

3 郝維昌;徐金城;王天民;李培勛;;鋼鐵材料的環(huán)境負(fù)荷評價[A];2000年材料科學(xué)與工程新進(jìn)展（上）——2000年中國材料研討會論文集[C];2000年

4 徐志英;;400℃熱處理對鋼鐵材料產(chǎn)生的作用及其應(yīng)用[A];中國電子學(xué)會生產(chǎn)技術(shù)分會第五屆金屬材料及熱處理年會論文集（三）[C];1994年

5 翁宇慶;董瀚;王毛球;;新一代鋼鐵材料的基礎(chǔ)研究進(jìn)展[A];2009年全國高品質(zhì)熱軋板帶材控軋控冷與在線、離線熱處理生產(chǎn)技術(shù)交流研討會文集[C];2009年

6 王國棟;劉相華;吳迪;;節(jié)約型鋼鐵材料及其減量化加工制造[A];2006年全國軋鋼生產(chǎn)技術(shù)會議文集[C];2006年

7 劉相華;王國棟;杜林秀;;新一代鋼鐵材料開發(fā)的回顧與展望[A];2004年中國材料研討會論文摘要集[C];2004年

8 王國棟;劉相華;吳迪;;節(jié)約型鋼鐵材料及其減量化加工制造[A];提高全民科學(xué)素質(zhì)、建設(shè)創(chuàng)新型國家——2006中國科協(xié)年會論文集（下冊）[C];2006年

9 宋洪偉;;納米及亞微米鋼鐵材料的研究進(jìn)展[A];2002年材料科學(xué)與工程新進(jìn)展（上）——2002年中國材料研討會論文集[C];2002年

10 董瀚;;對發(fā)展高品質(zhì)特殊鋼產(chǎn)業(yè)的認(rèn)識[A];2011年全國高品質(zhì)特殊鋼生產(chǎn)技術(shù)研討會文集[C];2011年

相關(guān)重要報紙文章 前10條

1 ;鋼鐵材料的基本組織有哪些？各是什么？[N];物資信息報;2005年

2 中國鋼鐵工業(yè)協(xié)會副會長兼秘書長 張長富;鋼鐵材料仍有巨大的市場空間[N];現(xiàn)代物流報;2012年

3 ;催生新一代鋼鐵材料走可持續(xù)發(fā)展之路[N];科技日報;2004年

4 本報記者 陸聞言 鄭潔;鋼鐵材料革命的新探索[N];中國冶金報;2001年

5 中國金屬學(xué)會理事長 翁宇慶;展望新世紀(jì)鋼鐵材料[N];中國冶金報;2001年

6 高宏適;鋼鐵材料的合金設(shè)計和組織控制[N];世界金屬導(dǎo)報;2014年

7 朱軍;鋼鐵材料再進(jìn)一步[N];中國礦業(yè)報;2002年

8 徐輝;新一代鋼鐵材料首次公開亮相[N];中國冶金報;2001年

9 中國金屬學(xué)會理事長 翁宇慶;改革開放，催生新一代鋼鐵材料[N];中國冶金報;2008年

10 本報記者 聶聞;我國鋼鐵基礎(chǔ)、前沿性研究產(chǎn)業(yè)化前景值得期待[N];中國冶金報;2009年

相關(guān)碩士學(xué)位論文 前3條

1 曹學(xué)偉;鋼鐵生產(chǎn)和材料質(zhì)量異常監(jiān)視與診斷研究[D];東北大學(xué);2014年

2 陳濤;鋼鐵材料綠色生產(chǎn)管理研究[D];遼寧科技大學(xué);2008年

3 靳素娟;鋼鐵材料前處理活化工藝及其活化機(jī)理研究[D];湖南大學(xué);2013年

，

本文編號：1793116