發(fā)布時間：2021-10-16 02:27

　　為了實現(xiàn)高效率、低能耗、長壽命、低污染的綜合目標,現(xiàn)代煉鐵工藝在生產方式上已經逐漸趨于大型化和高效化。高爐內部是一個非線性、大時滯的復雜系統(tǒng),高溫高壓的環(huán)境使得爐溫的測量和控制都不易實現(xiàn)。本文利用鐵水硅含量和高爐爐溫之間的正相關性,通過對鐵水硅含量的預測實現(xiàn)對爐溫的間接預測。針對硅含量預測中影響因素眾多的問題,本文利用神經網(wǎng)絡能夠實現(xiàn)復雜的非線性映射的能力建立BP神經網(wǎng)絡模型,對高爐鐵水硅含量進行預測。本文對某鋼高爐的實際生產數(shù)據(jù)做了灰色關聯(lián)度分析,選取鼓風濕度、爐頂溫度、爐頂壓力等十個與鐵水的硅含量相關性較大的因素作為預測模型的輸入,在建立模型之前通過歸一化處理統(tǒng)一各數(shù)據(jù)量綱,研究并確定各因素的滯后時間。針對前期建立的BP神經網(wǎng)絡預測模型存在預測性能不穩(wěn)定、個別樣本誤差偏大的問題,進而提出利用遺傳算法全局搜索能力強和容錯率高的優(yōu)點對傳統(tǒng)預測模型的初始權值和閾值進行參數(shù)尋優(yōu)并建立GA-BP模型仿真實驗,仿真結果顯示優(yōu)化后的預測模型在預測穩(wěn)定性和命中率上都有一定提高。最后利用粒子群算法收斂速度快、效率高的優(yōu)點優(yōu)化預測模型建立APSO-BP模型并進行仿真實驗。通過對三種預測模型的結果對比發(fā)... 

【文章來源】：安徽工業(yè)大學安徽省

【文章頁數(shù)】：70 頁

【學位級別】：碩士

【部分圖文】：

高爐煉鐵工藝流程圖

生產的連續(xù)性：高爐從開始投入使用到大修停爐這段時間一直持續(xù)不停地工作，只有在發(fā)生產事故或者維護時才暫時休風，任何生產問題的出現(xiàn)都容易導致高爐停爐而造成巨額損失。 機械自動化程度高：為了保證高爐生產的連續(xù)性，高爐需要具有較高的機械自動化水平以連續(xù)供足量的原料和產品。 大規(guī)模：目前高爐有效容積達到 5000m3，日產萬噸生鐵，消耗萬噸原料，整個供料、鐵過程都是大規(guī)模的連續(xù)生產過程。 生產聯(lián)合性高：高爐煉鐵是鋼鐵行業(yè)的中間環(huán)節(jié)，一旦高爐出現(xiàn)生產事故就會對后續(xù)的企帶來巨大影響，所以需要對高爐的順行起到足夠重視以保證聯(lián)合企業(yè)生產。1.2 高爐數(shù)據(jù)采集

基于改進 BP 神經網(wǎng)絡的高爐鐵水硅含量預測方法慢得到改善。高潮： John Hopfield 于 1982 年及 1984 年提出了 Hopfield 模型，神經網(wǎng)了黃金時期，有別于符號邏輯處理方法，Hopfied 模型通過一種態(tài)過程解決問題。此后，John Hopfield 還利用該模型解決了復雜行商問題。在 80 年代末，反向傳播算法以及分布式表達的提出讓次興起，反向傳播算法至今依舊是最常用的網(wǎng)絡訓練算法之一。經網(wǎng)絡生物學基礎和模型的大腦中大概存在 1011個神經元，神經元屬于高度互相連接單元理大腦里接收到的信息，它由樹突、細胞體和軸突組成。圖 2-3簡圖。


本文編號：3438971