基于RBF神经网络的烧结终点预报系统.pdfVIP

学兔兔 第1期 (总第1 64期) 机 械 工 程 与 自 动 化 No．1 2011年 2月 MECHANICAL ENGINEERING ＆ AUT0MAT10N Feb． 文章编号：1672—641 3(20l1)01—0001—03 基于RBF神经网络的烧结终点预报系统 陈至坤，唐瑞尹，王福斌，史 涛，王 青 (河北理工大学计算机与自动控制-9院，河北 摘要：为稳定烧结机运行工况，提高烧结矿的产量和质量，需要将烧结终点控制在一个相对稳定的范围，因此 准确预报烧结终点对烧结生产具有重要意义。分析了烧结工艺流程及烧结终点的确定原则，建立了基于RBF 神经网络的烧结终点预报模型。根据影响烧结终点的工艺参数，提取了与烧结终点关联的5个特征量作为网络 的输入量。用现场采集的生产工艺参数对模型进行训练，仿真分析验证了模型预报的有效性。 关键词：烧结；烧结终点；RBF神经网络；预报 中图分类号：TF】24．5：TPl83 文献标识码：A 0 引言 说明烧结终点发生了变化，必须将烧结机调整到正常 烧结过程是冶金生产流程的重要环节，烧结过程 状态。风箱烟气温度变化曲线如图2所示，将烧结机 的稳定性直接影响到烧结矿的产量及质量。烧结矿是 风箱烟气温度上升点热状态作为烧结终点识别依据， 将炼铁原料、辅料烧制成一定强度和粒度的炉料，稳 提前预报烧结终点位置。充分考虑烧结机台车速度、点 定的烧结终点位置是判断烧结过程正常与否的重要标 火温度、原料含水量、主管负压等因素，采用径向基 志。烧结终点的准确预报和控制问题一直是烧结工艺 函数神经网络预报模型，不仅能准确地预报出烧结终 过程中的一个较难解决的课题，传统的方法是用人工 点，而且可进一步对台车速度进行前馈控制，稳定烧 经验判别烧结终点，存在随机性大、易造成工况波动 结过程。提高烧结成品的产量和质量。 等问题。进而影响烧结成品的产量与质量。烧结过程 是一个复杂的多因素关联系统，难以用精确的物理或 数学模型来准确描述，带有很大的模糊性。本文针对 这一特点，提出了人工神经网络预报模型，为克服BP 网络存在的收敛速度慢、局部极小等缺点，采用径向 基函数网络(RBF)对烧结终点进行预报 ]，从而有效 地提高了对烧结终点的预报精度。 1 烧结原理及烧结终点的确定 以唐山不锈钢公司的132 m 烧结机为研究对象， 烧结过程是：将准备好的矿粉、熔剂等按一定比例进 行一次配料，再配入一部分燃料及烧结机尾筛分的冷 返矿，送到混合机混合和造球；混合好的料由布料器 铺到烧结车上点火烧结；烧结矿再经单辊破碎机进行 破碎、筛分，对筛上物进行冷却，作为成品烧结矿送 往高炉，筛下物作为冷返矿，配入混合料进行重新烧 结；烧结过程产生的废气经除尘器除尘后，排人大气。 烧结工艺流程简图如图1所示。 一 般通过烧结机尾部的风箱烟气温度来判断烧结 图l 烧结工艺流程简图 过程的终点_2』。当风箱烟气温度超出最佳温度范围时， 2 RBF神经网络预报模型 *唐山市工业科石jf计划项¨ 9) 收稿日期：2010 09—2O 作者简介：陈至坤(1961一)．三lj．河北祭县人．教授．在读博士 主要从事检测控制技术、计算机层析成像技术研究。 学兔兔 ·2· 机 械 工 程 与 自动 化 2011年第1期 RBF神经网络结构如图3