鋼包精煉爐是鋼鐵冶煉行業(yè)對初熔鋼液進行二次精煉的重要設備,供電與吹氬是精煉過程中的關鍵工藝,合理的供電制度能夠有效提升生產(chǎn)效率,降低能耗損失,合理的吹氬制度能夠促進鋼液成分均勻融合,保證鋼液成分達標,滿足鋼鐵成品質量要求。針對現(xiàn)階段鋼鐵冶煉行業(yè)依靠機理分析方法結合人工操作經(jīng)驗制定的供電及吹氬制度存在不準確、不穩(wěn)定等問題,本文從數(shù)據(jù)驅動的角度出發(fā),進行了深入研究。首先,本文研究了傳統(tǒng)的供電及吹氬模型,結合相關性分析方法,確定了供電模型與吹氬模型的影響因素及樣本數(shù)據(jù),設計了基于組合核原理的支持向量回歸機(Support Vector Regression,SVR)供電及吹氬預估模型,并設立了對比模型。以評價指標分析了各預估模型的預估效果,結果表明基于組合核原理的SVR預估模型的預估效果優(yōu)于其余模型,在小樣本數(shù)據(jù)量場景下具有實際應用意義。然后,為了建立適用于大樣本數(shù)據(jù)量場景下的供電及吹氬預估模型,有效利用供電及吹氬過程中的時刻信息,本文在長短期記憶神經(jīng)網(wǎng)絡(Long Short-Term Memory,LSTM)算法的基礎上,針對供電及吹氬工藝中不同影響因素在不同時間序列處的重要程度不同的問題...

【文章頁數(shù)】：66 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
    1.3 主要研究內(nèi)容
    1.4 論文結構安排
2 相關理論基礎
    2.1 LF爐精煉技術概述
        2.1.1 LF爐結構與工藝介紹
        2.1.2 LF爐傳統(tǒng)供電模型
        2.1.3 LF爐傳統(tǒng)吹氬模型
    2.2 供電吹氬模型影響因素分析
        2.2.1 LF爐供電模型分析
        2.2.2 LF爐吹氬模型分析
    2.3 本章小結
3 基于組合核函數(shù)的SVR預估模型
    3.1 數(shù)據(jù)預處理
        3.1.1 數(shù)據(jù)獲取與清洗
        3.1.2 數(shù)據(jù)檢驗與歸一
    3.2 SVR理論及核函數(shù)改進
        3.2.1 支持向量回歸機(SVR)
        3.2.2 核函數(shù)性質
        3.2.3 基于組合核原理的組合核函數(shù)
    3.3 實驗流程及結果分析
        3.3.1 基于組合核函數(shù)的SVR預估模型建模流程
        3.3.2 模型對比與結果分析
    3.4 本章小結
4 LSTM-Attention預估模型
    4.1 深度學習模型
        4.1.1 長短期記憶神經(jīng)網(wǎng)絡(LSTM)
        4.1.2 注意力機制(Attention)
    4.2 基于LSTM-Attention建立預估模型
        4.2.1 數(shù)據(jù)預處理
        4.2.2 Attention機制的實現(xiàn)
        4.2.3 LSTM-Attention預估模型網(wǎng)絡結構
        4.2.4 LSTM-Attention預估模型建模流程
    4.3 仿真實驗及結果分析
        4.3.1 實驗環(huán)境及參數(shù)設置
        4.3.2 實驗結果及分析評價
    4.4 本章小結
5 LF爐供電吹氬模型驗證
    5.1 LF二級系統(tǒng)介紹
    5.2 供電及吹氬模型功能設計與運行流程
        5.2.1 供電及吹氬模型功能設計
        5.2.2 供電與吹氬模型運行流程
    5.3 供電模型及吹氬模型驗證
    5.4 本章小結
6 總結與展望
    6.1 總結
    6.2 展望
致謝
參考文獻
攻讀碩士學位期間主要研究成果



本文編號：4033607