基于GA-BP神經(jīng)網(wǎng)絡(luò)模式識別的連鑄機漏鋼預(yù)報模型研究.pdf

1、連鑄是現(xiàn)代煉鋼企業(yè)鑄造鋼坯最主要的方法，它具有簡化生產(chǎn)工序、鋼水利用率高、耗能低、鋼坯質(zhì)量好、改善勞動條件、生產(chǎn)過程機械化和自動化程度高等優(yōu)點。連鑄技術(shù)的應(yīng)用徹底改變了鑄造車間的生產(chǎn)工藝流程、人員分配和物流控制，為鋼鐵生產(chǎn)的自動化和信息化技術(shù)的應(yīng)用，從而大幅改善環(huán)境和提高產(chǎn)品質(zhì)量提供了有力的物質(zhì)條件保障。
　　漏鋼是連鑄過程中極具危害性的重大生產(chǎn)事故，為避免連鑄漏鋼事故的發(fā)生，國際上通常從兩個方向上著手研究解決，一方面是改善連鑄設(shè)

2、備和工藝條件，從漏鋼形成的機理上杜絕事故的發(fā)生;另一方面是及時檢測識別出漏鋼的特征，采取減速拉坯等有效措施避免漏鋼。本文對粘結(jié)漏鋼的形成機理，漏鋼模式識別原理進行了分析，理解溫度的動態(tài)傳遞是漏鋼過程的物理特性的基本映射。把熱電偶的動態(tài)數(shù)據(jù)轉(zhuǎn)化為靜態(tài)數(shù)據(jù)，組合空間網(wǎng)絡(luò)結(jié)構(gòu)以便于區(qū)域判別法的實現(xiàn)。在此基礎(chǔ)上尋求一種有效的基于GA-BP神經(jīng)網(wǎng)絡(luò)模式識別的連鑄機漏鋼預(yù)報模型。
　　本文對結(jié)晶器粘結(jié)漏鋼時熱電偶溫度的變化進行了分析，將熱電偶

3、的溫度隨時間變化規(guī)律作為模式識別的特征，從而進行是否漏鋼的判定。本模型既建立了單個電偶的單偶時序網(wǎng)絡(luò)，又建立了多個電偶的組偶空間網(wǎng)絡(luò)，在組偶空間模型的建立中，區(qū)別之前的“l(fā)”字型二電偶空間網(wǎng)絡(luò)結(jié)構(gòu)和“⊥”字型的四電偶空間網(wǎng)絡(luò)結(jié)構(gòu)，建立了“T”字型的四電偶空間網(wǎng)絡(luò)結(jié)構(gòu)，并對兩種四電偶空間網(wǎng)絡(luò)結(jié)構(gòu)進行了比對，因而連鑄機漏鋼模式的識別將更準確、更及時。
　　本文對BP神經(jīng)網(wǎng)絡(luò)和遺傳算法進行了探討，將遺傳算法與BP神經(jīng)網(wǎng)絡(luò)結(jié)合，利用遺傳算

4、法對BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值進行全局最優(yōu)搜索，其中使用了利用導數(shù)修正種群中個體數(shù)的參數(shù)，從而改善了遺傳算法局部搜索能力不強的缺點，加速了遺傳算法的收斂速度，搜索到條件最優(yōu)解后，將最優(yōu)解賦予BP網(wǎng)絡(luò)進行精確求解。這樣既避免了局部極小的問題，又達到了快速高效和全局尋優(yōu)的目的，使訓練結(jié)果得到極大的改善。BP神經(jīng)網(wǎng)絡(luò)以最速下降法為學習準則，以誤差反向傳播算法進行連接權(quán)值的調(diào)整，將大量訓練樣本數(shù)據(jù)輸入到神經(jīng)網(wǎng)絡(luò)中，得到最優(yōu)的權(quán)值解，進而獲得相對較優(yōu)