轉(zhuǎn)爐煉鋼是我國(guó)最主要的煉鋼生產(chǎn)方式,由于轉(zhuǎn)爐氧氣吹煉過(guò)程中復(fù)雜的物理、化學(xué)反應(yīng)等因素,又造成了建立準(zhǔn)確的預(yù)報(bào)模型極其困難的問(wèn)題,模型的準(zhǔn)確建立對(duì)煉鋼生產(chǎn)控制的優(yōu)化有重要的意義。因此建立準(zhǔn)確的終點(diǎn)預(yù)報(bào)模型,提高中小型企業(yè)轉(zhuǎn)爐煉鋼的終點(diǎn)碳含量和溫度命中率,是一個(gè)亟待解決的技術(shù)難題。因此,為提高轉(zhuǎn)爐終點(diǎn)碳含量和溫度的預(yù)報(bào)精度和命中率,本文采用孿生支持向量回歸機(jī)（Twin Support Vector Regression,TSVR）建立終點(diǎn)碳含量和溫度的預(yù)報(bào)模型,針對(duì)影響孿生支持向量回歸機(jī)性能的懲罰系數(shù)和高斯核函數(shù)寬度系數(shù)的選取問(wèn)題,采用具有較強(qiáng)尋優(yōu)能力的煙花算法（Fireworks Algorithm,FWA）及增強(qiáng)煙花算法（Enhanced Fireworks Algorithm,EFWA）進(jìn)行選取,然而煙花算法及增強(qiáng)煙花算法仍然存在問(wèn)題,為此,本文主要做了如下研究:（1）為綜合解決傳統(tǒng)煙花算法爆炸半徑可能為零導(dǎo)致資源浪費(fèi)以及增強(qiáng)煙花算法引入的最小爆炸半徑檢測(cè)機(jī)制導(dǎo)致局部搜索能力較弱的問(wèn)題,針對(duì)增強(qiáng)煙花算法提出了兩種改進(jìn)策略:引入自適應(yīng)動(dòng)態(tài)半徑調(diào)整策略改進(jìn)爆炸半徑,根據(jù)不同階段的啟發(fā)式信... 

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

轉(zhuǎn)爐煉鋼設(shè)備示意圖

遼寧科技大學(xué)碩士學(xué)位論文（2）各輸入因素互不相關(guān)或存在較小的相關(guān)性。除了實(shí)際現(xiàn)場(chǎng)條件和冶煉條件，輸入因素的選擇還受不同建模者的制約，不同的研究者可能選取不同的輸入因素。因此，在選取輸入因素時(shí)，應(yīng)該盡可能遵循上述兩個(gè)原則，選取與終點(diǎn)碳含量和溫度預(yù)報(bào)相關(guān)性較大、較為敏感的因素作為模型的輸入因素。根據(jù)轉(zhuǎn)爐煉鋼生產(chǎn)原理及工藝過(guò)程，選取終點(diǎn)碳含量和終點(diǎn)溫度作為預(yù)報(bào)模型的輸出因素。影響終點(diǎn)鋼水碳含量的因素通常有鐵水量、廢鋼量、鐵水溫度、鐵水碳含量、吹氧量、出鋼量等，因此初步確定上述 6 個(gè)因素作為終點(diǎn)碳含量預(yù)報(bào)模型的輸入因素；影響終點(diǎn)鋼水溫度的通常有鐵水量、廢鋼量、鐵水溫度、吹氧量、出鋼量、鐵水中碳、硅、錳、磷、硫含量、終點(diǎn)鋼水中硅、錳、磷、硫含量以及其他輔助原料輕燒白云石、白云石原石、石灰、白灰球、礦石等，因此初步確定上述 19 個(gè)因素作為終點(diǎn)溫度預(yù)報(bào)模型的輸入因素。轉(zhuǎn)爐煉鋼終點(diǎn)預(yù)報(bào)模型原理圖如圖 2.2 所示。

* * * *, 1 1 1* *11x - ,2. . 0, , 0,l l li i j j i j i i i i ii j i ili i i iiK x x ys t C （求解原理得到非線性目標(biāo)回歸函數(shù)： *1,li i iif x K x x b （值b 為： *, , 0,=, , 0, i i j ii i j iy w K x x Cby w K x x C（個(gè)非線性支持向量回歸機(jī)的直觀解釋如圖 3.1 所示。


本文編號(hào)：3650290