頂吹轉(zhuǎn)爐煉鋼輔助決策系統(tǒng)研究.pdf

1、本文研究的課題是浙江省公益技術(shù)應(yīng)用研究項目-“基于數(shù)據(jù)驅(qū)動的鋼鐵生產(chǎn)流程仿真技術(shù)研究與系統(tǒng)開發(fā)”項目。針對江蘇永鋼集團煉鋼分廠5座50噸轉(zhuǎn)爐目前存在煉鋼自動化程度不高,吹煉完全依靠人工經(jīng)驗,吹煉終點命中率不高等情況進行研究。對現(xiàn)場吹煉工藝、吹煉流程以及大量的生產(chǎn)數(shù)據(jù)進行分析,在此基礎(chǔ)上結(jié)合神經(jīng)網(wǎng)絡(luò)的應(yīng)用技術(shù),建立轉(zhuǎn)爐煉鋼輔助決策系統(tǒng),來輔助煉鋼操作員進行終點控制決策。終點預(yù)測功能和終點控制參數(shù)優(yōu)化功能是轉(zhuǎn)爐煉鋼輔助決策系統(tǒng)的核心功能。<

2、br>　　 在實現(xiàn)系統(tǒng)的終點預(yù)測功能時,本文在研究RBF神經(jīng)網(wǎng)絡(luò)的建模理論的基礎(chǔ)上,按照網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計、數(shù)據(jù)預(yù)處理、學(xué)習(xí)算法選取等幾個步驟建立了轉(zhuǎn)爐靜態(tài)終點預(yù)測模型。選取量子微粒群優(yōu)化算法作為RBF網(wǎng)絡(luò)的學(xué)習(xí)算法,與傳統(tǒng)學(xué)習(xí)算法相比,量子微粒群優(yōu)化算法全局搜索能力更強,不易陷于局部最優(yōu),提高網(wǎng)絡(luò)泛化能力,同時控制參數(shù)較少,簡化了算法過程。預(yù)測模型采用參數(shù)自適應(yīng)的方法,用最新的數(shù)據(jù)及時更新模型參數(shù),提高模型的預(yù)測命中率。
　　 在

3、實現(xiàn)系統(tǒng)的終點控制參數(shù)優(yōu)化功能時,本文分析了轉(zhuǎn)爐煉鋼控制參數(shù)分布特點,進而提出基于成本最優(yōu)的控制參數(shù)尋優(yōu)算法,幫助操作員找到成本最少的控制參數(shù)方案。該方法將控制參數(shù)的解空間劃分成若干成本區(qū),對于一個特定的區(qū)域,選取量子微粒群算法進行解的搜索。
　　 系統(tǒng)軟件部分的實現(xiàn)結(jié)合了C＃、Oracle數(shù)據(jù)庫和matlab,其操作界面簡單易用。對于系統(tǒng)的預(yù)測功能和控制參數(shù)優(yōu)化功能,本文分別進行了離線的matlab仿真實驗和在線的性能測驗。實