版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、鋼鐵工業(yè)是國民經(jīng)濟(jì)的支柱產(chǎn)業(yè),高爐煉鐵是鋼鐵工業(yè)的重要組成部分。高爐爐溫是高爐順行的保證,也是判斷高爐爐況的一個重要指標(biāo)。如何建立能指導(dǎo)高爐煉鐵人員進(jìn)行爐溫控制的爐熱狀態(tài)預(yù)報模型不僅具有重要的理論價值,而且也具有重要的生產(chǎn)實(shí)踐價值。
但是從控制論的角度來看,高爐過程是一種時延很大的非線性系統(tǒng),在建模方面有著很大的難度。尤其高爐爐溫的表達(dá),難度更大。本文針對國內(nèi)某大型鋼鐵企業(yè)4#高爐的實(shí)際情況提出了以化學(xué)熱—鐵水Ti含量代替物理
2、熱來判斷爐溫的變化。并在此基礎(chǔ)上,根據(jù)已開發(fā)的靜態(tài)模型分析4#高爐冶煉過程的規(guī)律、定量關(guān)系;通過分析影響爐缸熱制度的主要因素及普通礦冶煉熱制度與釩鈦礦熱制度的差別來研究4#高爐爐缸熱制度特點(diǎn)。
本文針對粒子群優(yōu)化算法(PSO)的早熟現(xiàn)象,提出了一種基于學(xué)習(xí)因子自適應(yīng)調(diào)整思想的改進(jìn)PSO算法,并對算法進(jìn)行了性能測試表明:改進(jìn)的PSO算法收斂速度快,具備收斂概率和搜索精度;然后提出了用改進(jìn)的PSO算法來訓(xùn)練BP神經(jīng)網(wǎng)絡(luò),以此來提高
3、網(wǎng)絡(luò)訓(xùn)練效果。
根據(jù)網(wǎng)絡(luò)模型自身的特點(diǎn),有必要控制輸入?yún)?shù)的個數(shù),同時在選取參數(shù)時應(yīng)該盡量選擇對輸出量影響較大的參數(shù);本文接著通過對各工藝參數(shù)之間相關(guān)性分析以及各工藝參數(shù)與鐵水Ti含量間的相關(guān)性分析,得出了對爐溫變化較敏感的參數(shù)以及各工藝參數(shù)對爐溫影響的滯后時間。在此基礎(chǔ)上,實(shí)現(xiàn)了對網(wǎng)絡(luò)模型輸入?yún)?shù)的選擇。
本文最后建立了基于PSO-BP神經(jīng)網(wǎng)絡(luò)的高爐熱狀態(tài)的動態(tài)預(yù)報模型;同時對4#高爐生成過程中的實(shí)際數(shù)據(jù)進(jìn)行了預(yù)處
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 改進(jìn)的粒子群算法訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)的研究.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)的高爐熱狀態(tài)預(yù)測模型研究.pdf
- 基于改進(jìn)粒子群算法的BP神經(jīng)網(wǎng)絡(luò)優(yōu)化及應(yīng)用.pdf
- 基于RRBF神經(jīng)網(wǎng)絡(luò)的高爐熱狀態(tài)預(yù)測模型的研究.pdf
- 基于粒子群BP神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測研究.pdf
- 基于改進(jìn)粒子群算法的模糊神經(jīng)網(wǎng)絡(luò)研究.pdf
- 基于改進(jìn)型粒子群算法的熱軋帶鋼寬度神經(jīng)網(wǎng)絡(luò)預(yù)報模型的研究.pdf
- 粒子群算法的改進(jìn)及其在BP神經(jīng)網(wǎng)絡(luò)中的應(yīng)用.pdf
- 基于小波神經(jīng)網(wǎng)絡(luò)的高爐爐溫預(yù)報模型研究.pdf
- 基于粒子群BP神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測.pdf
- 改進(jìn)的粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)在大壩變形預(yù)測中的應(yīng)用.pdf
- 基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的客戶分類模型研究.pdf
- 基于改進(jìn)粒子群——小波神經(jīng)網(wǎng)絡(luò)的預(yù)測模型及其應(yīng)用研究.pdf
- 基于改進(jìn)的粒子群優(yōu)化算法的小波神經(jīng)網(wǎng)絡(luò).pdf
- 基于改進(jìn)粒子群小波神經(jīng)網(wǎng)絡(luò)的瓦斯的研究及預(yù)測.pdf
- 基于BP神經(jīng)網(wǎng)絡(luò)的航危霧霾預(yù)報模型研究.pdf
- 基于粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的表面肌電信號的分類研究.pdf
- 基于BP神經(jīng)網(wǎng)絡(luò)的板坯連鑄漏鋼預(yù)報模型研究.pdf
- 基于粒子群小波神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量預(yù)測模型研究.pdf
- 高爐熱狀態(tài)預(yù)報模型的研究與應(yīng)用.pdf
評論
0/150
提交評論