發(fā)布時間：2018-04-08 12:22

  本文選題：煉鐵　切入點：硅含量　出處：《鋼鐵研究學報》2017年02期

【摘要】：影響高爐鐵水硅含量的因素往往復雜多變,影響程度不一。采用魚骨分析法收集所有可能對硅含量產(chǎn)生影響的因素,經(jīng)過相關分析和特征選擇,最終選取6個參數(shù)作為模型的輸入?yún)?shù)。采用改進的粒子群優(yōu)化算法對支持向量機(SVM)中的參數(shù)進行優(yōu)化,提出基于變鄰域粒子群(VNPSO)優(yōu)化SVM的鐵水硅含量預測模型。通過鋼廠的實際生產(chǎn)數(shù)據(jù)進行驗證,平均相對誤差達到0.69%,平均絕對誤差達到3.4×10~(-3),模型具有很高的預測精度。同時,繪制鐵水中硅含量控制圖,分析硅含量波動情況,并依此模型給出硅含量穩(wěn)定性控制措施。
[Abstract]:The factors affecting the silicon content of hot metal are complex and variable.Fish bone analysis was used to collect all the factors that may affect the silicon content. After correlation analysis and feature selection, 6 parameters were selected as the input parameters of the model.The improved particle swarm optimization (PSO) algorithm is used to optimize the parameters in support vector machine (SVM), and a prediction model of hot metal silicon content based on variable neighborhood Particle Swarm Optimization (VNPSO) optimization is proposed.The average relative error and absolute error are 0.69 and 3.4 脳 10 ~ (-1) ~ (-3), respectively. The model has high prediction accuracy.At the same time, the control chart of silicon content in molten iron was drawn, the fluctuation of silicon content was analyzed, and the control measures of silicon content stability were given according to the model.
【作者單位】： 遼寧科技大學;寶鋼發(fā)展公司;
【基金】：國家自然科學基金資助項目(51474124) 遼寧省教育廳基金資助項目(L2014118) 遼寧科技大學科研專項基金資助項目(2015TD03)
【分類號】：TP18;TF53

【參考文獻】

相關期刊論文 前1條

1 談霖;張宗旺;任冰朗;張海濱;;基于支持向量機的鐵水硅含量的預測[J];鋼鐵研究;2016年01期

【相似文獻】

相關期刊論文 前10條

1 高娟;碳化硅含量的測定方法[J];炭素技術;2000年01期

2 ;北鋼二鐵“提鐵降硅”獲進展[J];本鋼技術;2001年10期

3 劉世榮;于合;趙珍義;;新流動注射光度法檢測工業(yè)用水中的硅含量[J];現(xiàn)代商貿(mào)工業(yè);2008年06期

4 薛光榮;夏敏勇;;氧化鋯布膜中硅含量的火焰原子吸收光譜分析[J];分析測試技術與儀器;2010年03期

5 李德元;王赫瑩;馬駿;;碳、硅含量對碳鋼鋅腐蝕層形態(tài)的影響[J];沈陽工業(yè)大學學報;2008年01期

6 黃成紅;孔勇江;李具中;曹維;;低碳和超低碳含鋁系列鋼硅含量的控制[J];武鋼技術;2008年03期

7 羅輝;夏白冰;曹玉娟;秦莉;;鋼鐵中硅含量的不分取試液直接光度法[J];東方電機;2001年04期

8 尹勇;;反滲透系統(tǒng)出水硅含量的控制[J];廣州化工;2009年03期

9 徐斌;水、汽系統(tǒng)硅含量升高的原因與處理[J];化肥工業(yè);1998年02期

10 石琳;李志玲;崔桂梅;;基于偏最小二乘回歸的高爐鐵水硅含量模型[J];內(nèi)蒙古大學學報(自然科學版);2010年04期

相關會議論文 前6條

1 崔桂梅;祁鵬;馬祥;;基于偏最小二乘回歸算法的高爐硅含量預測的研究與應用[A];全國冶金自動化信息網(wǎng)2010年年會論文集[C];2010年

2 楊維;要承勇;;碳硅含量對45鋼調(diào)質(zhì)質(zhì)量的影響[A];陜西省第四屆理化實驗室主任會議論文集[C];2011年

3 李軍明;張大勇;楊曉江;孫曉娟;;冷軋用SPHC鋼硅含量影響因素分析[A];2009年河北省冶金學會煉鋼—連鑄技術與學術年會論文集[C];2009年

4 李剛;吳衛(wèi)彥;呂文虎;;試用測量系統(tǒng)分析方法評測光電直讀光譜對生鐵中硅含量的測量能力[A];山東省金屬學會理化檢驗學術委員會理化檢驗學術交流會論文集[C];2009年

5 李永彩;趙忠義;王建華;;基于神經(jīng)網(wǎng)絡的高爐硅含量預測系統(tǒng)的開發(fā)[A];第七屆工業(yè)儀表與自動化學術會議論文集[C];2006年

6 羅樂;王蘭;;ADC12產(chǎn)品硅含量對力學性能的影響[A];2012(第22屆)重慶市鑄造年會論文集[C];2012年

相關重要報紙文章 前1條

1 周竹良 李曉明;硅鐵合金中硅含量檢測方法比較[N];中國冶金報;2005年

相關碩士學位論文 前3條

1 王幸;硅對苛化白泥碳酸鈣性能影響及其機理研究[D];陜西科技大學;2015年

2 吳金花;高爐冶煉過程分析及其鐵水硅含量預測模型研究[D];燕山大學;2016年

3 范志剛;基于神經(jīng)網(wǎng)絡和專家系統(tǒng)的鐵水硅含量預報、控制軟件研究[D];重慶大學;2003年

，

本文編號：1721595