轉(zhuǎn)爐煉鋼終點優(yōu)化控制模型的研究.pdf

1、本論文課題選自浙江省重點科研攻關(guān)項目──“轉(zhuǎn)爐煉鋼專家系統(tǒng)”下面的一個子項目課題，針對江蘇永鋼集團(tuán)二廠2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的情況進(jìn)行研究。通過對現(xiàn)場吹煉工藝、吹煉流程以及大量的生產(chǎn)數(shù)據(jù)的分析，在此基礎(chǔ)上結(jié)合神經(jīng)網(wǎng)絡(luò)的應(yīng)用技術(shù)，建立小型轉(zhuǎn)爐的終點優(yōu)化控制模型，來實現(xiàn)對吹煉操作的優(yōu)化。
　　 論文在大量閱讀國內(nèi)外文獻(xiàn)的基礎(chǔ)上，介紹了國內(nèi)外轉(zhuǎn)爐終點控制技術(shù)的現(xiàn)狀和發(fā)展趨勢，

2、特別著重介紹了神經(jīng)網(wǎng)絡(luò)技術(shù)在轉(zhuǎn)爐煉鋼終點控制方面的成功應(yīng)用。通過對江蘇永鋼集團(tuán)轉(zhuǎn)爐吹煉目前現(xiàn)有的狀況和存在問題的研究與分析，建立了在針對一倒不成功的情況下的以熔池終溫度和碳含量為研究內(nèi)容的終點對象模型。該對象模型包括兩部分：預(yù)報模型和控制模型。論文重點介紹了預(yù)報模型和控制模型的建模原理與過程。
　　 論文對建模數(shù)據(jù)的來源進(jìn)行了分析，然后對這些數(shù)據(jù)進(jìn)行了預(yù)處理，在這基礎(chǔ)上分別采用了三種方法建立了轉(zhuǎn)爐煉鋼終點溫度和碳含量的預(yù)測模型：

3、線性回歸，RBF神經(jīng)網(wǎng)絡(luò)，基于混沌免疫粒子算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)。前兩種方法都是傳統(tǒng)的建模方法，不過在RBF預(yù)測模型建立的過程當(dāng)中，本文嘗試了使用最近鄰聚類的方法選取徑向基函數(shù)的中心，隱層中心可以隨精度變化，從而避免了陷入局部極小值的危險。而第三種方法則利用混沌免疫粒子算法能夠高速“飛行”和種群較多樣性的優(yōu)點對常規(guī)的BP算法進(jìn)行了改進(jìn)。在進(jìn)行后兩種方法建模的過程當(dāng)中，選取了江蘇永鋼集團(tuán)轉(zhuǎn)爐車間現(xiàn)場60爐的實際生產(chǎn)數(shù)據(jù)為樣本，以影響后期吹

4、煉終點碳和溫度的9個影響因素為輸入變量，分別建立了三層的RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和三層的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，對轉(zhuǎn)爐煉鋼的終點溫度和碳含量進(jìn)行預(yù)報。實驗表明，基于三種算法分別建立的轉(zhuǎn)爐終點溫度和終點碳含量預(yù)報模型中，基于混沌免疫粒子算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)爐終點溫度或者終點碳含量預(yù)報模型能夠較快的收斂，預(yù)報精度也相對較高。所以本文最終選定它作為控制模型的預(yù)報模型基礎(chǔ)。
　　 在預(yù)報模型的基礎(chǔ)上，論文采用了區(qū)域?qū)?yōu)的方法對傳統(tǒng)的基于熱平衡和