控制工程论文：转炉炼钢 终点控制 神经网络 模型 LM算法.docVIP

控制工程论文：基于神经网络的转炉炼钢终点控制的研究 【中文摘要】转炉炼钢是生产钢铁的一道关键工序,它所要完成的是冶炼出温度和各种成分(关键是含碳量)都达到预期所需要的钢水。因为钢水的温度及碳含量无法连续检测,并且冶炼过程的边界条件变化复杂,这就导致冶炼过程的终点控制有很大困难,在实际生产中,很难精准掌控钢水碳、温从而导致重复吹炼,因此提高转炉炼钢的终点命中率是非常有必要的。因为转炉炼钢过程是一个相当复杂的多元多相高温物理化学过程,他的机理的解析还不是很透彻,输入输出之间的非线性化非常突出,常规建模方法总是无法满足生产要求。因此,研究基于神经网络的转炉炼钢控制问题是必要的。本文,首先简单介绍了转炉炼钢原理和设备状况和转炉冶炼终点控制技术的概况和现状。其次,通过对几种BP算法之间特性归纳和比较,得出Levenberg ?Marquardt(LM)算法拥有收敛速度快,并且学习性能好的特性。再次,简要介绍了神经网络的方法及几种神经网络转炉炼钢终点预报模型。最后,提出转炉炼钢基于LM算法的神经网络智能预报模型和控制模型。本文研究的方法有充实的理论基础,通过了理论和试验的双重验证。在研究过程中选用某转炉炼钢厂60炉实际生产数据为样本,用对转炉冶炼终点温度和碳有影响因素... 【英文摘要】BOF is a key process to produce steel, whose task is smelting steel that meets the desired requirements about the temperature and various components. In the actual production process, because the temperature of molten steel can be measured continuouly, and the boundary condition of smelting process is very complex, the terminal control of smelting process is achieved difficultly. Because the precise control of carbon and temperature of steel is very difficult, it is very necessary to improve the terminal co... 【关键词】转炉炼钢 终点控制 神经网络 模型 LM算法 【英文关键词】BOF terminal control neural network model LM algorithm 【目录】基于神经网络的转炉炼钢终点控制的研究 摘要 4-5 Abstract 5 第一章 绪论 8-18 1.1 选题的背景与意义 8 1.2 转炉炼钢简介 8-12 1.2.1 转炉炼钢的原理 8-9 1.2.2 转炉炼钢设备和工艺过程 9-12 1.3 转炉炼钢终点控制现状 12-15 1.3.1 人工经验控制 12 1.3.2 静态控制 12-13 1.3.3 动态控制 13-15 1.4 神经网络在转炉炼钢中的应用及发展 15-17 1.4.1 基于BP 网络的建模方法 15-16 1.4.2 RBF 神经网络的终点预报 16 1.4.3 神经网络和其它智能方法的结合 16 1.4.4 采用专家系统的动态冶炼模型 16-17 1.5 本文主要工作 17-18 第二章 神经网络基本理论介绍 18-32 2.1 引言 18-20 2.2 BP 神经网络简介 20-25 2.2.1 BP 网络构造 20-21 2.2.2 隐层的设计 21-22 2.2.3 BP 网络权值调整 22-24 2.2.4 BP 学习算法的计算步骤 24-25 2.3 BP 神经网络算法的问题和改进 25-31 2.3.1 BP 算法存在的问题 25 2.3.2 BP 算法的一些改进 25-29 2.3.3 LM 算法 29-31 2.4 小结 31-32 第三章 基于神经网络控制方法 32-42 3.1 神经网络控制器设计的几点考虑 32-33 3.2 神经网络控制结构 33-41 3.2.1 正向建模 33-34 3.2.2 直接逆向建模 34 3.2.3 正—逆系统建模 34-37 3.2.4 神经网络内模控制逆系统建模 37-40 3.2.5 BP 网络的自校正内模控 40-41 3.3 小结 41-42 第四章 神经网络在转炉炼钢终点控制的应用 42-58 4.1 处理预报模型的数据 42-45 4.1.1 确定输入输出的参数 42-43 4.1.2 数据统计 43-44 4.1