【摘要】：中國的鋼鐵行業(yè)經(jīng)過高速發(fā)展,到現(xiàn)階段出現(xiàn)了嚴(yán)重產(chǎn)能過剩導(dǎo)致的價(jià)格下降問題,造成鋼鐵企業(yè)的利潤減少,同行業(yè)間的競爭日益加劇。因此,為了降低生產(chǎn)成本,提高產(chǎn)品質(zhì)量,鋼鐵企業(yè)越來越期望通過先進(jìn)生產(chǎn)工藝控制手段提高生產(chǎn)效率與效益。高爐煉鐵以燒結(jié)生產(chǎn)的產(chǎn)出品作為原料,燒結(jié)成品產(chǎn)量,化學(xué)物理性能是否合格,直接限制和影響后續(xù)煉鐵工序生產(chǎn)。燒結(jié)礦生產(chǎn)工藝過程中最能影響上述要求的參數(shù)是燒結(jié)終點(diǎn)位置。在分析國內(nèi)外有關(guān)研究現(xiàn)狀的過程中,首先分析了燒結(jié)生產(chǎn)工藝的基本流程和工藝參數(shù)控制方法,通過深入分析生產(chǎn)工藝過程,最終確定了四個(gè)影響燒結(jié)終點(diǎn)位置的關(guān)鍵參數(shù):大煙道負(fù)壓力值、輥道送風(fēng)量、輥道前進(jìn)速度和點(diǎn)火起始溫度。然后研究了神經(jīng)網(wǎng)絡(luò)的基本理論,依據(jù)神經(jīng)網(wǎng)絡(luò)映射抽象控制參數(shù)與結(jié)果間非線性關(guān)系的能力,提出使用BP神經(jīng)網(wǎng)絡(luò)算法建立燒結(jié)工藝終點(diǎn)預(yù)測模型解決燒結(jié)終點(diǎn)位置預(yù)測問題。在研究燒結(jié)工藝特點(diǎn)與BP神經(jīng)網(wǎng)絡(luò)算法的基礎(chǔ)上,本文為燒結(jié)終點(diǎn)位置預(yù)測問題建立一個(gè)基于BP神經(jīng)網(wǎng)絡(luò)的預(yù)測模型,然后使用仿真手段對網(wǎng)絡(luò)進(jìn)行驗(yàn)證。仿真過程首先是訓(xùn)練網(wǎng)絡(luò),訓(xùn)練樣本使用生產(chǎn)現(xiàn)場收集到的實(shí)際數(shù)據(jù),在網(wǎng)絡(luò)輸出達(dá)到可接受的誤差后,使用另一組真實(shí)生產(chǎn)環(huán)境采集的工藝數(shù)據(jù)對神經(jīng)網(wǎng)絡(luò)進(jìn)行檢驗(yàn),通過分析輸出結(jié)果得出結(jié)論,BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型可以在較短的時(shí)間內(nèi)完成訓(xùn)練,預(yù)測結(jié)果與期望值誤差小。仿真結(jié)果表明該方法可以用于解決預(yù)測燒結(jié)終點(diǎn)的問題上,應(yīng)用效果明顯,對燒結(jié)生產(chǎn)過程有良好的指導(dǎo)意義。
[Abstract]:With the rapid development of the steel industry in China, there appears the problem of price decline caused by serious overcapacity at the present stage, which results in the reduction of the profit of the iron and steel enterprises, and the competition between the same industries is intensifying day by day. Therefore, in order to reduce production cost and improve product quality, iron and steel enterprises are more and more eager to improve production efficiency and benefit through advanced production process control. In blast furnace ironmaking, the output of sintered products is used as raw material, the output of sintered products and the chemical and physical properties are up to standard, which directly limits and affects the subsequent ironmaking process. The point of sintering is the most effective parameter in the process of sinter production. In the process of analyzing the current research situation at home and abroad, the basic process of sintering production process and the control method of process parameters are first analyzed, and through in-depth analysis of the production process, Finally, four key parameters affecting the end point of sintering are determined: negative pressure value of the flue, air supply rate of the roller table, moving speed of the roller table and starting temperature of ignition. Then, the basic theory of neural network is studied, and the ability of abstracting the nonlinear relation between control parameters and results is analyzed according to the mapping of neural network. In this paper, BP neural network algorithm is used to set up the prediction model of sintering process end point to solve the problem of sintering end point prediction. On the basis of studying the characteristics of sintering process and the algorithm of BP neural network, this paper establishes a prediction model based on BP neural network for the prediction of sintering endpoint, and then verifies the network by means of simulation. The first step of the simulation is to train the network. The training sample uses the actual data collected from the production site. After the network output reaches the acceptable error, another set of process data collected in the real production environment is used to test the neural network. By analyzing the output results, it is concluded that the BP neural network prediction model can complete the training in a relatively short time, and the error between the prediction result and the expected value is small. The simulation results show that the method can be used to predict the sintering end point, and the application effect is obvious, and it has a good guiding significance for the sintering production process.
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TF046.4;TP183

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張宗旺;周凡;李慶洋;趙曉駿;周衛(wèi);吳勝利;;基于穩(wěn)定燒結(jié)終點(diǎn)的配碳調(diào)節(jié)技術(shù)研究[J];燒結(jié)球團(tuán);2010年02期

2 王愛民;宋強(qiáng);李華;張運(yùn)素;徐蕾;;小樣本貧信息條件下高爐冶煉燒結(jié)終點(diǎn)組合預(yù)測法[J];重慶大學(xué)學(xué)報(bào);2011年05期

3 李桃,范曉慧,姜濤,馮其明;基于熱狀態(tài)參數(shù)的燒結(jié)終點(diǎn)自適應(yīng)預(yù)報(bào)[J];燒結(jié)球團(tuán);2000年02期

4 劉穎;劉曉超;郗安民;;燒結(jié)終點(diǎn)控制模型及試驗(yàn)分析[J];鋼鐵;2006年04期

5 湯程;李希勝;;基于人工神經(jīng)網(wǎng)絡(luò)的燒結(jié)終點(diǎn)預(yù)報(bào)系統(tǒng)[J];微計(jì)算機(jī)信息;2007年17期

6 蔣大軍;;運(yùn)用神經(jīng)網(wǎng)絡(luò)預(yù)報(bào)燒結(jié)終點(diǎn)[J];中國冶金;2008年09期

7 吳勝利;陳東峰;趙成顯;薛方;;基于燒結(jié)過程各帶遷移規(guī)律的燒結(jié)終點(diǎn)預(yù)報(bào)方法[J];北京科技大學(xué)學(xué)報(bào);2009年09期

8 甘暉;;燒結(jié)終點(diǎn)預(yù)測的應(yīng)用研究[J];安徽工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年03期

9 李家新;胡林;龍紅明;;燒結(jié)終點(diǎn)控制優(yōu)化策略的實(shí)現(xiàn)[J];安徽工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年04期

10 陳海宗;;淺談燒結(jié)終點(diǎn)控制模型[J];山東冶金;2010年06期

相關(guān)會議論文 前10條

1 周衛(wèi);彭憲建;;首鋼燒結(jié)終點(diǎn)智能控制系統(tǒng)的應(yīng)用[A];全國冶金自動化信息網(wǎng)2009年會論文集[C];2009年

2 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡(luò)的混沌性[A];1996中國控制與決策學(xué)術(shù)年會論文集[C];1996年

3 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡(luò)[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

4 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡(luò)和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2009年

5 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

6 鐘義信;;知識論:神經(jīng)網(wǎng)絡(luò)的新機(jī)遇——紀(jì)念中國神經(jīng)網(wǎng)絡(luò)10周年[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

7 許進(jìn);保錚;;神經(jīng)網(wǎng)絡(luò)與圖論[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

8 金龍;朱詩武;趙成志;陳寧;;數(shù)值預(yù)報(bào)產(chǎn)品的神經(jīng)網(wǎng)絡(luò)釋用預(yù)報(bào)應(yīng)用[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

9 田金亭;;神經(jīng)網(wǎng)絡(luò)在中學(xué)生創(chuàng)造力評估中的應(yīng)用[A];第十二屆全國心理學(xué)學(xué)術(shù)大會論文摘要集[C];2009年

10 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡(luò)的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學(xué)學(xué)報(bào)（增刊）][C];2009年

相關(guān)重要報(bào)紙文章 前10條

1 尹剛 張素平;萊鋼燒結(jié)終點(diǎn)模糊控制技術(shù)獲突破[N];中國冶金報(bào);2008年

2 齊瑞普 祁衛(wèi)新;首礦燒結(jié)廠主機(jī)全部實(shí)現(xiàn)燒結(jié)終點(diǎn)智能控制[N];中國冶金報(bào);2008年

3 美國明尼蘇達(dá)大學(xué)社會學(xué)博士 密西西比州立大學(xué)國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護(hù)好創(chuàng)新的“神經(jīng)網(wǎng)絡(luò)硬件”[N];中國教師報(bào);2014年

4 盧業(yè)忠;腦控電腦 驚世駭俗[N];計(jì)算機(jī)世界;2001年

5 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡(luò)將大顯身手[N];中國紡織報(bào);2003年

6 中國科技大學(xué)計(jì)算機(jī)系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計(jì)算機(jī)世界;2003年

7 劉春;首鋼礦業(yè)燒結(jié)主機(jī)實(shí)現(xiàn)智能控制[N];世界金屬導(dǎo)報(bào);2008年

8 記者 孫剛;“神經(jīng)網(wǎng)絡(luò)”：打開復(fù)雜工藝“黑箱”[N];解放日報(bào);2007年

9 本報(bào)記者 劉霞;美用DNA制造出首個(gè)人造神經(jīng)網(wǎng)絡(luò)[N];科技日報(bào);2011年

10 健康時(shí)報(bào)特約記者　 張獻(xiàn)懷;干細(xì)胞移植：修復(fù)受損的神經(jīng)網(wǎng)絡(luò)[N];健康時(shí)報(bào);2006年

相關(guān)博士學(xué)位論文 前10條

1 吳曉峰;基于支持向量機(jī)的燒結(jié)終點(diǎn)預(yù)報(bào)與控制研究[D];上海大學(xué);2009年

2 向齊良;基于燒結(jié)終點(diǎn)預(yù)測的燒結(jié)過程智能控制系統(tǒng)及應(yīng)用研究[D];中南大學(xué);2008年

3 楊旭華;神經(jīng)網(wǎng)絡(luò)及其在控制中的應(yīng)用研究[D];浙江大學(xué);2004年

4 李素芳;基于神經(jīng)網(wǎng)絡(luò)的無線通信算法研究[D];山東大學(xué);2015年

5 石艷超;憶阻神經(jīng)網(wǎng)絡(luò)的混沌性及幾類時(shí)滯神經(jīng)網(wǎng)絡(luò)的同步研究[D];電子科技大學(xué);2014年

6 王新迎;基于隨機(jī)映射神經(jīng)網(wǎng)絡(luò)的多元時(shí)間序列預(yù)測方法研究[D];大連理工大學(xué);2015年

7 付愛民;極速學(xué)習(xí)機(jī)的訓(xùn)練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學(xué);2015年

8 李輝;基于粒計(jì)算的神經(jīng)網(wǎng)絡(luò)及集成方法研究[D];中國礦業(yè)大學(xué);2015年

9 王衛(wèi)蘋;復(fù)雜網(wǎng)絡(luò)幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學(xué);2015年

10 張海軍;基于云計(jì)算的神經(jīng)網(wǎng)絡(luò)并行實(shí)現(xiàn)及其學(xué)習(xí)方法研究[D];華南理工大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 單丁;基于性能評價(jià)的燒結(jié)終點(diǎn)控制策略與應(yīng)用[D];中南大學(xué);2012年

2 高廣宇;燒結(jié)過程燒結(jié)終點(diǎn)預(yù)報(bào)模型研究[D];東北大學(xué);2014年

3 周洋;燒結(jié)終點(diǎn)檢測與智能控制系統(tǒng)研究[D];東北大學(xué);2013年

4 蔡泉;鐵礦石燒結(jié)過程終點(diǎn)控制方法研究與應(yīng)用[D];東北大學(xué);2013年

5 李喬;首鋼京唐550m~2燒結(jié)機(jī)終點(diǎn)智能控制系統(tǒng)的研究與開發(fā)[D];東北大學(xué);2014年

6 張強(qiáng);燒結(jié)終點(diǎn)模糊控制研究與應(yīng)用[D];山東大學(xué);2010年

7 廖環(huán)宇;燒結(jié)過程燒結(jié)終點(diǎn)智能控制策略及工業(yè)應(yīng)用[D];中南大學(xué);2010年

8 屈文濤;基于人工神經(jīng)網(wǎng)絡(luò)的燒結(jié)終點(diǎn)預(yù)測模型研究[D];遼寧科技大學(xué);2008年

9 李黎;基于數(shù)值模擬的燒結(jié)終點(diǎn)在線控制[D];中南大學(xué);2011年

10 鄭軍虎;燒結(jié)終點(diǎn)的優(yōu)化控制[D];河北工程大學(xué);2014年

，

本文編號：2415663