收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

转炉炼钢终点碳温预报与控制关键技术研究

蔡冰尧  
【摘要】:转炉炼钢在钢铁工业中占有重要地位,其生产过程的主要任务是冶炼出成分和温度均合格的钢水。由于在目前技术条件下,钢水成分和温度的检测不能连续进行,且影响因素较多,冶炼过程控制的边界条件变化频繁,这些因素给冶炼过程中钢水成份和温度的准确控制带来了极大的困难。目前我国多数中小转炉对转炉炼钢的终点控制还处于手动操作状态,工人凭借经验进行操作,具有很大的不确定性。在实际生产过程中,由于难以对终点碳温进行准确控制,经常出现“返工”现象,给企业带来了极大的经济损失。因而,提高转炉炼钢终点控制水平具有重要意义。对转炉炼钢终点进行准确预报,用优化的炼钢工艺参数进行控制是合理组织生产、提高钢水质量和降低冶炼成本的重要前提。理论模型和神经网络在转炉炼钢终点控制领域各具有自己的优势,因此研究理论模型+神经网络的转炉炼钢模型是一个值得探索的方向。 本文首先根据热平衡和物料平衡理论建立物料配给模型,此模型可由炼钢专家进行设定,以便从配料阶段提高模型的准确性。铁水、废钢、辅料等各种物质加入转炉,冶炼结束后将产生钢水、炉渣等物质,加入转炉物质与出炉物质之间将保持物质守恒定律,冶炼前的总热量与结束冶炼时的总热量也是一种平衡关系。 人工智能技术的发展为转炉炼钢终点控制提供了新的思路。本文将对经典的基于K均值聚类算法的RBF神经网络做深入研究并进行改进。基于K均值聚类算法的RBF神经网络是现在应用最多的神经网络,具有结构简单、易于实现、学习能力强等优点。但其也存在K均值聚类算法的固有特性:K值需用户设定和初始聚类中心不确定。本文研究了隐藏层节点数对神经网络学习能力的影响,并对隐藏层基函数中心选取不当所带来的RBF神经网络性能问题进行了改进。改进后的神经网络学习能力更强,预测精度更高,且避免了由于初始聚类中心的不确定所带来的RBF神经网络性能不稳定的问题。然后,利用改进的RBF神经网络对终点碳温进行了预测。 在预报模型的基础上,本文尝试将遗传算法与RBF神经网络结合对终点碳温进行控制。在转炉炼钢中,吹氧量和废钢加入量是对终点碳温影响最大的两个因素,对这两个量进行调整将给终点带来重要影响。本文采用遗传算法,以预测碳温值与设定碳温值之间的距离最小为优化目标,神经网络预测函数作为遗传算法的适应度函数,对吹氧量和废钢加入量进行寻优。结果表明,该技术可实现对终点的有效控制。 本文最后对所做工作进行了总结,并对下一阶段的工作进行了展望。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 杨凯峰;王红霞;;基于神经网络的转炉控制模型[J];山东冶金;2007年06期
2 谢书明,陶钧,柴天佑;基于神经网络的转炉炼钢终点控制[J];控制理论与应用;2003年06期
3 柴天佑,谢书明,杜斌,任德祥;基于RBF神经网络的转炉炼钢终点预报[J];中国有色金属学报;1999年04期
4 常立忠;李正邦;;基于BP神经网络的转炉静态模型[J];炼钢;2006年06期
5 王登峰,倪红卫,胡志刚;基于MATLAB神经网络的复吹转炉终点氧含量的预报模型[J];武汉科技大学学报(自然科学版);2004年04期
6 龚淑贞;转炉炼钢工艺计算尺[J];江西冶金;1982年03期
7 黄金侠;金宁德;;转炉冶炼终点静态控制预测模型[J];炼钢;2006年01期
8 王登峰,倪红卫;人工神经网络在转炉炼钢终点预报中的应用研究[J];钢铁研究;2005年02期
9 戚振彪;赵泽;;转炉下料的自动控制[J];安徽冶金;2004年01期
10 何先庆;;系统优化降低钢铁料消耗[J];山西冶金;2009年05期
11 胡燕;何腊梅;;转炉炼钢终点控制模型的方法研究[J];钢铁技术;2009年06期
12 陆祖廉;;从攀钢、酒钢看转炉炼钢的生产技术和管理工作[J];钢铁;1989年05期
13 谢书明,柴天佑;转炉炼钢自动化现状与发展[J];冶金自动化;1998年01期
14 杨尚宝,吴旻;转炉炼钢智能仿真培训系统[J];包头钢铁学院学报;1999年02期
15 朱光俊,梁本川,卢科;转炉炼钢静态控制数学模型的研究[J];重庆工业高等专科学校学报;2000年01期
16 刘浏,余志祥,萧忠敏;转炉炼钢技术的发展与展望[J];中国冶金;2001年01期
17 王仁贵;李伟东;孙群;;180t转炉脱碳速度分析[J];鞍钢技术;2008年03期
18 刘树海;牛锡云;朱珉;;青钢负能炼钢概述[J];连铸;2008年01期
19 林传桥;;转炉炼钢技术的自动化控制研究[J];企业家天地(理论版);2011年06期
20 钟甬芳;;1980年全国炼钢学术会议[J];钢铁;1981年02期
中国重要会议论文全文数据库 前10条
1 王忠东;;神经网络在转炉炼钢自动控制中的应用[A];2001中国钢铁年会论文集(下卷)[C];2001年
2 张志军;王建伟;南晓东;李承祚;张立国;;副枪自动化炼钢技术在210t转炉上的应用[A];2008年全国炼钢——连铸生产技术会议文集[C];2008年
3 邱成国;彭宪建;;转炉炼钢过程的碳、温连续预报模型研究[A];全国冶金自动化信息网2009年会论文集[C];2009年
4 王玉胜;闫卫兵;王海龙;杨雄伟;;转炉炼钢快速成渣工艺分析[A];河北省2011年炼钢连铸生产技术与学术交流会论文集[C];2011年
5 郭亚芬;杜斌;陈军鹏;;宝钢转炉过程控制模型研究应用新进展[A];2005中国钢铁年会论文集(第4卷)[C];2005年
6 郭亚芬;杜斌;陈军鹏;谢树元;;宝钢BRP炼钢新工艺过程控制模型研究与应用[A];第十一届全国自动化应用技术学术交流会论文集[C];2006年
7 易操;朱荣;尹振江;侯娜娜;陈伯瑜;汪灿荣;柯建祥;;基于30t转炉的COMI炼钢工艺实验研究[A];第十二届冶金反应工程学术会议论文集[C];2008年
8 王慧霞;朱荣;韩丽辉;李存牢;石立光;;转炉炼钢氧气射流技术的研究[A];第七届(2009)中国钢铁年会论文集(上)[C];2009年
9 薄涛;刘世平;王得卫;左威;;PLC在转炉炼钢过程中的应用[A];2008年河北省轧钢技术与学术年会论文集(下)[C];2008年
10 周明;;Sivacon MCC产品在炼钢系统的应用[A];全国冶金自动化信息网2012年年会论文集[C];2012年
中国博士学位论文全文数据库 前10条
1 刘志祥;深部开采高阶段尾砂充填体力学与非线性优化设计[D];中南大学;2005年
2 戴雪龙;PET探测器神经网络定位方法研究[D];中国科学技术大学;2006年
3 马戎;智能控制技术在炼钢电弧炉中的应用研究[D];西北工业大学;2006年
4 文敦伟;面向多智能体和神经网络的智能控制研究[D];中南大学;2001年
5 吴大宏;基于遗传算法与神经网络的桥梁结构健康监测系统研究[D];西南交通大学;2003年
6 杜文斌;基于神经网络的冠心病证候诊断标准与药效评价模型研究[D];辽宁中医学院;2004年
7 熊雪梅;参数化模糊遗传神经网络及在植物病害预测的应用[D];南京农业大学;2004年
8 李智;电站锅炉燃烧系统优化运行与应用研究[D];东北大学;2005年
9 王承;基于神经网络的模拟电路故障诊断方法研究[D];电子科技大学;2005年
10 谭阳红;基于小波和神经网络的大规模模拟电路故障诊断研究[D];湖南大学;2005年
中国硕士学位论文全文数据库 前10条
1 蔡冰尧;转炉炼钢终点碳温预报与控制关键技术研究[D];天津理工大学;2012年
2 孔祥瑞;转炉炼钢终点优化控制模型的研究[D];杭州电子科技大学;2010年
3 杨立儒;基于神经网络的电路故障诊断的研究与实现[D];解放军信息工程大学;2010年
4 刘兰兰;基于神经网络和遗传算法的H型钢粗轧工艺参数优化研究[D];山东大学;2011年
5 田鹏明;基于神经网络的振动主动控制研究[D];太原理工大学;2012年
6 姜宇;发动机裂解设备故障诊断技术的研究[D];吉林大学;2012年
7 邢远凯;基于决策树和遗传算法的神经网络研究及应用[D];浙江大学;2010年
8 高宝建;基于神经网络的月降水预报模型在洪泽湖的应用研究[D];南京信息工程大学;2012年
9 陈少华;基于Hopfield神经网络控制系统的研究[D];山东科技大学;2010年
10 来建波;基于神经网络的路段行程时间预测研究[D];云南大学;2011年
中国重要报纸全文数据库 前10条
1 轩文;埃萨钢铁公司将新建一座高炉[N];中国冶金报;2006年
2 记者 彭韶 甘丰 通讯员 林湘;广钢转炉炼钢样光谱分析数控自动采集系统投运[N];中国冶金报;2007年
3 王梅霞 张龙海;莱钢炼钢厂转炉炼钢技术走向智能化[N];世界金属导报;2007年
4 本报记者 张明;生存法则之——全面提升装备技术水平[N];中国冶金报;2006年
5 郭;新日铁广畑厂转炉炼钢年用废轮胎12万吨[N];世界金属导报;2005年
6 道尔吉;现代转炉炼钢技术及资源保护问题[N];世界金属导报;2007年
7 记者 杜新蒙;马钢三钢轧总厂炼钢创历史新高[N];安徽经济报;2008年
8 温志琴;临钢公司实施转炉煤气回收工程[N];临汾日报;2006年
9 黄建东 译;提高操作安全性 缩短冶炼周期[N];中国冶金报;2008年
10 陶少清;LD转炉炼钢的趋势及发展[N];世界金属导报;2007年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978