基于軟測量的鋼包精煉生產(chǎn)過程多目標魯棒優(yōu)化.pdf

1、LF爐的設備簡單、投資較少、冶煉工藝靈活、精煉后的鋼水中氣體含量低、有害雜質(zhì)少，成分穩(wěn)定等優(yōu)點，所以LF精煉一直在鋼鐵企業(yè)中應用廣泛。同時，使用LF爐精煉技術可以增加鋼的品種、提高鋼的質(zhì)量。本文以福建三鋼有限責任公司100tLF爐為研究對象，優(yōu)化鋼包精煉過程中的操作參數(shù)，可以提高鋼的質(zhì)量，節(jié)約生產(chǎn)成本，縮短冶煉周期。本文的主要研究內(nèi)容和研究成果歸納如下:
　　通過分析LF爐冶煉過程鋼水溫度的影響因素，提出一種適用于LF爐鋼水溫度預

2、報，且具有增量學習功能的AdaBoost.RS集成軟測量建模算法。該算法引入松弛變量和遺忘因子兩個參數(shù)，可以提高預測精度，克服大噪聲數(shù)據(jù)帶來的干擾。同時，增量學習可以降低早期生產(chǎn)數(shù)據(jù)對模型的影響。分別用靜態(tài)數(shù)據(jù)和動態(tài)數(shù)據(jù)對鋼水出站時的終點溫度進行預報。實驗結果表明預測結果的絕對誤差小于10℃的樣本數(shù)量超過了樣本總數(shù)的90％。
　　本文提出一種改進的和聲搜索算法。該算法引入解的多樣性引導解的搜索方向，并且減少了傳統(tǒng)算法的參數(shù)，使應用