导读:本文包含了冶炼过程模型论文开题报告文献综述及选题提纲参考文献，主要关键词:铜冶炼,过程控制,生产成本,数学模型
冶炼过程模型论文文献综述
周叶刚,李江涛,李汝云,梁小军[1]（2019）在《铜冶炼过程及成本控制数学模型的建立与应用》一文中研究指出在满足生产工艺、产能和质量的前提下实现原料最优搭配、生产组织最优化是确保生产企业利润最大化的必要条件。本文结合铜冶炼生产工艺、生产组织、生产成本及其之间的作用规律,搭建了数学模型寻求最优解,以实现标准化运作。此模型已在实际应用中得到完善和检验,可以满足以下需求:为原料采购、工艺调整、生产过程及成本控制提供简洁、高效、快速的决策参考方案;为标准化操作提供有效的工艺解决方案;为生产组织协调和预判提供高效的解决方案;为生产工艺控制及工艺技术人员的培养提供参考方案。(本文来源于《中国有色冶金》期刊2019年05期）
周含方,刘云帆,程若楠,姜皓月,陈照奇[2]（2019）在《铁冶炼过程脱氧合金化配料方案优化模型》一文中研究指出工艺流程和原料比在炼钢过程中起着决定性作用,并且是关键部分。因此,科学和有计划的设计可以使其满足实际生产需求并降低生产成本。本文首先对所收集的数据进行标准化和归一化处理,以便可以直接用于我们的模型处理分析。同时,这种处理还可以避免尺寸的影响,使计算结果更准确,更符合实际生产需要。首先建立了熵权法模型,并将影响产率的指标分为转换器终点C,转换器终点Mn,转换器终点S,转换器终点P,转换器终点Si,并给出了实际意义。权重用于获得每个指数的权重,最终计算C和Mn的历史收益率。然后,根据原始数据,我们可以计算出C和Mn的历史产量分别为13.22%和16.76%。同时,我们可以发现,在影响历史产量的因素中,转换器末端S和Si的影响更大,其重量分别达到0.1398和0.1423。通过建立了灰色系统模型来预测C和Mn元素的产量,从而以更高的精度进行估算,以便根据实际发展更准确地了解可能的需求,采取措施使其适应生产需要。我们最终计算出C和Mn的预测产率分别为16.23%和15.44%。并且,通过分析建立的模型结果的残差结果,我们可以发现误差很小,均在5%以内,因此我们认为建立的模型科学可靠,符合实际生产需要。最后,对于本文所建立的模型进行分析与推广。(本文来源于《数码世界》期刊2019年06期）
李云涛,宋文刚,毛晓明[3]（2018）在《基于CFD方法的宝钢1号高炉冶炼过程模型》一文中研究指出采用计算流体力学(CFD)方法,建立了宝钢1号高炉(1BF)的多相流冶炼过程模型,对高炉内部多相物质的流动、质量转递和热传递行为同时进行模拟。该模型开发了具有层状结构的软熔带模型,能够细致呈现炉内软熔带形状和位置。倒V字形软熔带决定炉内煤气流二次分布,其状态受到高炉入炉焦比显着影响;不同焦比条件下软熔带状态变化规律较为合理。模型计算得到的气相和固相温度分布结果与1BF典型工况特征一致;炉喉处气相、固相的温度差接近100 K,在炉内高温区间的气固相最高温差达到493 K;煤气流分布模拟结果反映了宝钢开放中心、兼顾边缘的高炉操作特点。模型可根据高炉布料制度来调整径向O/C比和粒径分布,研究布料制度对软熔带影响,为高炉操作制度优化和高炉"黑匣子"炉内冶炼可视化提供了一种有效的手段。(本文来源于《宝钢技术》期刊2018年05期）
胡海洋[4]（2017）在《基于数据驱动的高炉冶炼过程喷煤决策模型研究》一文中研究指出高炉煤粉喷吹技术是实现高炉节能减排的重要手段之一。从经济角度来讲,喷煤实现了冶炼过程中对价格昂贵的焦炭的替代,同时煤粉喷吹技术也是高炉冶炼过程中从高炉底部调控炉温的手段之一。目前高炉冶炼的现场煤粉喷吹量的决策是依靠具有经验的高炉炉长观察高炉运行过程中的各检测指标的参数来决定当前时刻的喷煤量的大小。因此,高炉喷煤量的决策具有主观性。本课题是以高炉冶炼过程中的实时喷煤决策量作为研究对象,以柳州钢铁2#高炉为研究背景,基于机理分析高炉煤粉喷吹对高炉各部分冶炼的影响及决策高炉喷煤量的影响因素,基于数据分析筛选不同变量做为模型的输入特征,针对高炉的冶炼特点对模型进行改进,使其更适用高炉冶炼的数据场景。具体的研究工作如下:(1)结合高炉冶炼过程中的工艺机理和现场传感器采集数据,针对高炉在冶炼过程中由于恶略环境产生的异常值数据,本文使用了箱线图法对其进行了剔除,利用最大信息系数进行相关性分析,确定不同时延下的特征序列对喷煤决策量的影响。根据不同相关性系数阈值,筛选相应的变量作为后续数据建模的输入特征。(2)考虑了不同的相关系数阈值所筛选的特征变量对建模数据的影响,将不同阈值下筛选的变量作为支持向量回归模型中,以验证最佳的相关性系数阈值的建模效果。同时考虑到数据建模模型对数据特征分布敏感的特性,本文引入稀疏降噪自编码神经网络对支持向量回归模型进行改进,使特征数据在进行回归建模之前对特征空间进行重构,保证对数据噪声的平滑处理,使回归模型对于大量存在噪声的高炉数据具有鲁棒性。并在第四章仿真实验中验证基于自编码改进的支持向量回归模型其模型精度由于经典支持向量回归模型。(3)使用聚类算法对高炉数据进行分簇预处理来应对高炉冶炼过程中存在的多冶炼炉况的问题。聚类算法将相似冶炼状态所生成的数据样本归为一簇,进而利用每个数据子集对冶炼过程中的喷煤量进行子模型建立,这样建立多个子模型的方法能够很好的抓住高炉冶炼过程多炉况的特征。最后的数据仿真验证了此方法的有效性和模型的高精度。(本文来源于《燕山大学》期刊2017-05-01）
刘建[5]（2016）在《迁钢转炉冶炼全过程自动控制模型》一文中研究指出本文主要介绍了转炉炼钢过程由手动倒炉炼钢到全自动炼钢过程发展中的几大模型控制。吹炼模型自动控制已成为目前国内转炉炼钢法的主要控制。首钢迁钢五座转炉"一键式"自动化炼钢控制过程,根据冶炼品种的提升,实现了转炉溅渣模型、合金化模型的自动控制。这对转炉自动化炼钢技术的发展具有一定的推动意义。(本文来源于《2016互联网+与钢铁工业智能制造高峰论坛论文集》期刊2016-06-24）
吴金花[6]（2016）在《高炉冶炼过程分析及其铁水硅含量预测模型研究》一文中研究指出高炉炉温是衡量高炉运行状态的重要参数,常指高炉内铁水及渣铁的温度,其高低直接影响高炉冶炼过程是否稳定顺行及生产铁水是否优质。由于高炉生产过程中处于封闭状态,其炉内的温度不能直接检测,而出铁过程中,铁水温度下降,测量的铁水温度无法充分表征高炉内部炉缸的热状态。相反,铁水中硅含量不存在信息丢失问题,并且硅含量也是铁水质量的重要指标,因此,研究学者则通常把硅含量作为炉内的化学温度以及监测高炉炉温状态的指标。本课题以铁水硅含量为研究对象,以柳州钢铁2号高炉为背景,基于机理分析铁水硅含量的来源及影响因素,基于数据挑选硅含量影响因素并建立硅含量预测模型,并对高炉运行的特性做了详细分析,使该模型更符合高炉生产实际运行状况。具体研究工作如下:(1)融合机理分析、数据相关性分析选择铁水硅含量模型的输入变量。通过高炉铁水中硅的来源以及高炉内部含硅物质的物理化学反应等机理分析,确定影响铁水中硅含量的因素,作为模型的备选输入。再经过数学分析,从备选输入中挑选相关性较大的作为输入变量,并确定各输入变量对硅含量影响的滞后时间。(2)考虑高炉铁水硅含量检测时间的不确定性,提出改进不等时距灰色模型(IUGM(1,1))拟合整点时刻硅含量值。该算法将不等时距灰色模型加入扰动因子,并利用拟合时刻的前后数据计算该点硅含量值,进而完成了输入输出时间配准,为后续硅含量建模准备了可用的输出数据。(3)考虑高炉炉况生产运行时存在的波动特性,提出应用聚类算法对样本作分簇处理。聚类算法将炉况相似的样本聚为一类,进而利用每个子集中的样本进行硅含量建模。在引入模糊C均值的同时,首次提出通过设置模糊隶属度的阈值,剔除小于隶属度阈值的样本。该方法使得每个簇中,样本之间更加紧凑,即炉况更加类似。通过聚类以及样本剔除,提高了建模速度以及建模精度。(4)利用处理的输入输出数据,基于支持向量回归(SVR)算法建立铁水硅含量预测模型。支持向量回归可以有效地避免过拟合,比其他智能算法更适用于工业复杂系统建模。最后,采用MATLAB编写代码,仿真结果验证了模型的有效性(本文来源于《燕山大学》期刊2016-05-01）
朱正海,张鹤雄,赵国光,王建军[7]（2015）在《双渣冶炼过程炉渣成分在线预报模型系统的研究与开发》一文中研究指出建立了一种同时基于冶金热力学和冶金动力学的转炉炉渣成分实时计算模型,该模型用于"转炉双渣冶炼过程炉渣成分在线预报模型系统"的开发。模型可实现预测双渣冶炼过程的炉渣成分,以保证转炉冶炼在最佳的时间点完成倒渣操作,减少倒渣时机的判断失误,提高炼钢生产的经济效益。模型系统分为叁部分,分别安装在服务器、客户端、离线计算机中,供不同人员使用。(本文来源于《第十届中国钢铁年会暨第六届宝钢学术年会论文集II》期刊2015-10-21）
范佳,王彦杰,李建文,巩彦坤,刘红艳[8]（2014）在《基于少渣冶炼工艺下的转炉冶炼过程炉渣成分预报模型的开发》一文中研究指出本文根据少渣冶炼工艺的特点,以转炉炉渣为研究体系,通过对转炉冶炼过程中的物料平衡分析,分别分析了冶炼过程中转炉渣内的CaO、SiO2、MnO、FeO、P2O5、MgO、Al2O3成分的含量以及碱度的实时变化,开发出了相应的预报模型,实现了转炉生产过程中的炉渣成分及碱度的连续预报功能。应用结果表明,该模型的预报结果与炉渣实测值的吻合度较好,能够作为现场炉渣检测的"软仪表"。(本文来源于《第十八届（2014年）全国炼钢学术会议论文集——S04：氧气转炉炼钢与电炉炼钢》期刊2014-05-21）
赵新宇,张炯明,罗衍昭,肖超,吴炼[9]（2012）在《超低碳钢RH冶炼脱碳过程的数学模型》一文中研究指出在充分考虑RH平衡碳氧浓度的前提下,建立脱碳反应数学模型.以210 t超低碳钢RH冶炼工艺为背景,详细给出数学模型的建立原则与过程.将模拟结果与实际测量数据进行对比发现,数学模型与实际测量数据有很好的吻合度.碳元素在钢液内存在一定的不均匀性,真空室自由液面下降管上方碳元素质量分数最小,钢渣界面处上升管右侧碳元素质量分数最大,循环20 min后,二者相差0.0025%左右.(本文来源于《北京科技大学学报》期刊2012年08期）
冯晓会[10]（2012）在《高炉冶炼过程模型与计算机应用》一文中研究指出介绍了过程模型与计算机在高炉冶炼中的主要功能及人工智能控制等。计算机技术的发展和在冶金过程中的广泛应用,将起着推动冶金工业生产技术不断进步的重要作用。(本文来源于《甘肃科技》期刊2012年13期）
冶炼过程模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
工艺流程和原料比在炼钢过程中起着决定性作用,并且是关键部分。因此,科学和有计划的设计可以使其满足实际生产需求并降低生产成本。本文首先对所收集的数据进行标准化和归一化处理,以便可以直接用于我们的模型处理分析。同时,这种处理还可以避免尺寸的影响,使计算结果更准确,更符合实际生产需要。首先建立了熵权法模型,并将影响产率的指标分为转换器终点C,转换器终点Mn,转换器终点S,转换器终点P,转换器终点Si,并给出了实际意义。权重用于获得每个指数的权重,最终计算C和Mn的历史收益率。然后,根据原始数据,我们可以计算出C和Mn的历史产量分别为13.22%和16.76%。同时,我们可以发现,在影响历史产量的因素中,转换器末端S和Si的影响更大,其重量分别达到0.1398和0.1423。通过建立了灰色系统模型来预测C和Mn元素的产量,从而以更高的精度进行估算,以便根据实际发展更准确地了解可能的需求,采取措施使其适应生产需要。我们最终计算出C和Mn的预测产率分别为16.23%和15.44%。并且,通过分析建立的模型结果的残差结果,我们可以发现误差很小,均在5%以内,因此我们认为建立的模型科学可靠,符合实际生产需要。最后,对于本文所建立的模型进行分析与推广。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
冶炼过程模型论文参考文献
[1].周叶刚,李江涛,李汝云,梁小军.铜冶炼过程及成本控制数学模型的建立与应用[J].中国有色冶金.2019
[2].周含方,刘云帆,程若楠,姜皓月,陈照奇.铁冶炼过程脱氧合金化配料方案优化模型[J].数码世界.2019
[3].李云涛,宋文刚,毛晓明.基于CFD方法的宝钢1号高炉冶炼过程模型[J].宝钢技术.2018
[4].胡海洋.基于数据驱动的高炉冶炼过程喷煤决策模型研究[D].燕山大学.2017
[5].刘建.迁钢转炉冶炼全过程自动控制模型[C].2016互联网+与钢铁工业智能制造高峰论坛论文集.2016
[6].吴金花.高炉冶炼过程分析及其铁水硅含量预测模型研究[D].燕山大学.2016
[7].朱正海,张鹤雄,赵国光,王建军.双渣冶炼过程炉渣成分在线预报模型系统的研究与开发[C].第十届中国钢铁年会暨第六届宝钢学术年会论文集II.2015
[8].范佳,王彦杰,李建文,巩彦坤,刘红艳.基于少渣冶炼工艺下的转炉冶炼过程炉渣成分预报模型的开发[C].第十八届（2014年）全国炼钢学术会议论文集——S04：氧气转炉炼钢与电炉炼钢.2014
[9].赵新宇,张炯明,罗衍昭,肖超,吴炼.超低碳钢RH冶炼脱碳过程的数学模型[J].北京科技大学学报.2012
[10].冯晓会.高炉冶炼过程模型与计算机应用[J].甘肃科技.2012