回声状态网络在转炉终点碳温预测中的应用研究冶金工程专业论文.docxVIP

回声状态网络在转炉终点碳温预测中的应用研究冶金工程专业论文.docx

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
中文摘要 中文摘要 摘 要 转炉冶炼是一个复杂的多元多相高温反应过程,该过程涉及大量的能量转化 和剧烈的物理化学反应,其终点控制十分复杂。转炉终点控制的主要目标是使钢 液的碳含量与温度均达到目标要求范围。准确的转炉终点预测模型,有助于优化 终点控制、提高钢水质量。本文对回声状态网络的结构算法进行了分析,根据半 钢炼钢工艺的特点,应用回声状态网络建立了一次倒炉碳温的预测模型,并采用 某钢厂生产数据对模型的效果进行了验证分析。 为简化模型的输入,文中将转炉炼钢一次倒炉碳温影响因素进行了简化与合 并。其中,选择入炉半钢量、半钢温度、废钢加入量、一次倒炉之前的实际吹氧 量、入炉的碳含量直接作为模型的输入量,而将其他的影响因素,如半钢中的硅 含量、锰含量、一次倒炉取样的磷、硫含量等,通过机理计算的方式,转换为渣 量,作为模型的另一个输入。选择需要进行的预测量即一次倒炉取样碳含量和一 次倒炉取样温度作为模型的输出。 为了提高一次倒炉预测模型的预测性能,分析了储备池连接权值矩阵的大小、 谱半径、连接度和输入权值矩阵的缩放尺度等影响模型性能的主要参数。对这些 参数的取值范围进行了分析研究,并采用区间搜索的方法寻求合适的模型参数值, 提高了该模型的预测性能。 本文选用某钢厂 2009 年 8 月到 2010 年 7 月的 1#、2#、3#转炉炼钢的数据共 1515 炉,在 Matlab 环境下实现了转炉一次倒炉碳温预测模型系统,并通过转炉炼 钢的实测数据进行了离线性能仿真验证。将 1515 炉数据等分成两份,分别用于模 型训练和模型测试,选用 750 炉数据对模型训练,剩余的炉数分成五组,对优化 后的模型分别进行性能测试。设置模型碳含量的控制精度为±0.04%,温度的控制 精度为±20℃,将模型输出结果与实际值进行对比,测试结果表明,模型预测的 碳含量命中率的均值为 88.4%,温度命中率的均值为 71.7%,双命中率的平均值为 64.2%,而双命中率的方差仅为 0.13%。该回声状态网络碳温预测模型较好地实现 了碳温预测,在理论和实践中为探讨转炉终点预测方法提供了新途径。。 关键词:转炉炼钢,终点控制,机理计算,回声状态网络,动态储备池 I 重庆大学硕士学位论文 重庆大学硕士学位论文 II 英文摘要 英文摘要 ABSTRACT Converter steelmaking is a complex and multiphase high temperature reaction process that involves a lot of energy conversion and dramatic physical and chemical reactions, the end point control is very complex. The main objective of end-point control of BOF aim to make the carbon content and temperature reaches the scope of the requirements of target in converter steelmaking.The accurate prediction of end-point control of BOF is helpful to improve the follow matters: optimizes the end-point control of BOF and quality of liquid steel. This paper analyzes the architecture and algorithm of echo state network, according to the characteristics of semi-steel steelmaking process, utilizes the echo state network to establish a prediction model of the first turning dwon carbon content and temperature, and uses the converter’s furnace data from a domestic steel mill to test and analyze the model effect. To simplify the model inputs, the text will be simplified and merged the factors for the content carbon and temperature o

您可能关注的文档

文档评论(0)

peili2018 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档