轉(zhuǎn)爐煉鋼終點(diǎn)準(zhǔn)動(dòng)態(tài)控制系統(tǒng)研究.pdf

1、對(duì)轉(zhuǎn)爐煉鋼一次倒?fàn)t的準(zhǔn)確預(yù)報(bào)有助于提高轉(zhuǎn)爐終點(diǎn)控制能力、縮短冶煉周期、降低冶煉成本、提高鋼水質(zhì)量，實(shí)現(xiàn)轉(zhuǎn)爐工序以及全廠生產(chǎn)計(jì)劃、調(diào)度的標(biāo)準(zhǔn)化操作。本文旨在將BP神經(jīng)網(wǎng)絡(luò)和遺傳算法進(jìn)行有機(jī)結(jié)合，以尋求更好的轉(zhuǎn)爐煉鋼一次倒?fàn)t預(yù)測(cè)的準(zhǔn)動(dòng)態(tài)控制模型，研究工作在理論和實(shí)際應(yīng)用方面都具有重要的意義。 首先分析了轉(zhuǎn)爐控制技術(shù)與終點(diǎn)控制現(xiàn)狀，介紹了BP神經(jīng)網(wǎng)絡(luò)的原理和算法，針對(duì)BP神經(jīng)網(wǎng)絡(luò)容易陷入局部最優(yōu)與“過擬合”等問題，采用了引入驗(yàn)證樣本的

2、改進(jìn)BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法，以及引入驗(yàn)證樣本的改進(jìn)BP-GA混合學(xué)習(xí)算法。對(duì)BP神經(jīng)網(wǎng)絡(luò)以及遺傳算法的各種組合算法的對(duì)比數(shù)值試驗(yàn)表明：引入驗(yàn)證樣本的學(xué)習(xí)算法能有效地改善神經(jīng)網(wǎng)絡(luò)模型的泛化能力；基于BP-GA混合學(xué)習(xí)算法的人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型在預(yù)測(cè)命中率和學(xué)習(xí)效率等方面具有較好的性能。 通過分析轉(zhuǎn)爐煉鋼工藝特點(diǎn)、自動(dòng)化現(xiàn)狀及終點(diǎn)影響因素，在檢測(cè)手段受限的情況下，以提高中小型轉(zhuǎn)爐一次倒?fàn)t的熔池成分和溫度命中率、減少倒?fàn)t次數(shù)、實(shí)現(xiàn)標(biāo)準(zhǔn)化

3、操作、提高轉(zhuǎn)爐控制水平為目標(biāo)，根據(jù)歷史數(shù)據(jù)分鋼種在冶煉過程的不同時(shí)刻建立初始加入的鐵水和半鋼溫度、成分和重量、吹煉模式、供氧模式、原料和輔料加入模式與一次倒?fàn)t熔池成分、溫度以及一次倒?fàn)t時(shí)間之間的關(guān)系，在吹煉過程中依據(jù)冶煉初始條件和當(dāng)前冶煉進(jìn)度定時(shí)對(duì)一次倒?fàn)t熔池成分、溫度和一次倒?fàn)t時(shí)間做出適時(shí)預(yù)測(cè)。在此基礎(chǔ)上，用所建立的模型對(duì)攀鋼提釩煉鋼廠不同轉(zhuǎn)爐、不同鋼種類別的一次倒?fàn)t[C]、溫度和一次倒?fàn)t時(shí)間進(jìn)行了離線檢驗(yàn)。 實(shí)例研究結(jié)果表明