基于神經(jīng)網(wǎng)絡(luò)預(yù)測模型的高爐噴煤操作模式優(yōu)化.pdf

1、碩士學(xué)位論文論文題目論文題目：基于神經(jīng)網(wǎng)絡(luò)預(yù)測模型的高爐噴煤操作模式優(yōu)化英文題目英文題目：OperationalpatternOptimizationinBlastFurnacePCIBasedonPredictionModelofNeuralwk學(xué)位類學(xué)位類別：工學(xué)碩士研究生姓研究生姓名：胡登飛學(xué)號學(xué)號：201102201學(xué)科學(xué)科(領(lǐng)域領(lǐng)域)名稱名稱：控制理論與控制工程指導(dǎo)教指導(dǎo)教師：崔桂梅職稱職稱：教授協(xié)助指導(dǎo)教協(xié)助指導(dǎo)教師：職稱職

2、稱：2014年6月6日分類號分類號：TP273TP273密級：公開公開UDC：學(xué)校代碼學(xué)校代碼：1012710127內(nèi)蒙古科技大學(xué)碩士學(xué)位論文I摘要噴煤冶煉是當(dāng)前階段我國高爐煉鐵的主要方法。鑒于高爐冶煉的過程異常復(fù)雜、有些關(guān)鍵性的工藝指標(biāo)不能實現(xiàn)動態(tài)的監(jiān)測，并且各過程變量之間存在著強烈的耦合，因此，這就給冶煉過程的相關(guān)研究與探索造成了非常大的阻礙。同時，生產(chǎn)過程中也會產(chǎn)生海量的過程數(shù)據(jù)，篩選出所需要的條件變量、狀態(tài)變量和操作變量，同時，

3、將它們以高爐噴煤冶煉操作模式的形式描述。基于現(xiàn)場高爐專家標(biāo)準(zhǔn)挑選出的優(yōu)良操作模式庫依舊很大，采用遍歷匹配的方式直接搜索滿足期望綜合工藝指標(biāo)的優(yōu)良操作模式依然費時費力。為解決這個難題，論文給出了高爐噴煤冶煉過程的操作模式分級匹配與智能演化的方案在理論上完成了高爐噴煤冶煉過程的操作優(yōu)化。高爐鐵水中的[si]含量是高爐冶煉過程中的重要控制變量之一，其不僅是衡量產(chǎn)品質(zhì)量的一個重要指標(biāo)，而且還反映了高爐能量利用的好壞，同時也是高爐操作者在實際生產(chǎn)

4、過程中對爐況進行判斷的一個比較直接的參數(shù)，對維持高爐的穩(wěn)定、順行、高產(chǎn)尤為重要。然而，實際冶煉過程中，鐵水[si]含量不能實時的監(jiān)測到，這就對操作模式的優(yōu)化與演化過程造成比較大的困難。為了實時獲取當(dāng)前時刻高爐鐵水[si]含量的值，本文在對影響高爐鐵水[si]含量各因素進行收集、分析的基礎(chǔ)上，并結(jié)合高爐現(xiàn)場專家經(jīng)驗，建立了[si]含量的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型。通過實際生產(chǎn)數(shù)據(jù)仿真驗證表明，該模型可有效的對高爐噴煤冶煉過程中鐵水[si]含量進

5、行實時的預(yù)測。針對優(yōu)良操作模式庫龐大而引起的模式匹配速度慢，且匹配精度低等問題，本文提出了一種基于改進的歐幾里得距離的方法，它以相似性度量為基礎(chǔ)，有效的解決了匹配過程的精度問題；隨后，本文還提出了一種操作模式多級匹配的策略，具體步驟為：對已篩選初的模式庫完成。2次聚類分析，最終得到5個優(yōu)良操作模式集子類；然后通過比較當(dāng)前輸入模式與各個操作模式集子類聚類中心之間的距離，以確定當(dāng)前輸入模式所屬的子類；最后，在已確定的子類中，再次以最小距離為