多级网络连铸漏钢预报系统的研究

论文摘要

漏钢预报系统的开发,大大减少了漏钢事故,降低了经济损失,减少了人员伤亡,但并不能消除漏报、误报的发生。本文从防止粘结发生和提高预报系统性能两方面进行了研究。分析了粘结性漏钢机理,得出弯月面破损是粘结发生的根本原因。对影响弯月面的诸多因素进行了分析,并提出了改善措施,防止粘结的产生。在对现有各种漏钢预报系统深入研究的基础上,利用BP神经网络、逻辑判断和T-S模糊神经网络构建了一套多级网络连铸漏钢预报系统。采用了BP网络来对单偶的温度波形进行识别。提出了利用极大熵函数的曲线拟合技术对网络的输入数据进行处理,简化了网络结构,降低了不良数据的干扰,提高了网络的性能。根据粘结坯壳破裂线扩展规律,结合热电偶的实际埋设情况,得出了横向测温优于纵向测温,采用横向网络代替以往的纵向网络,缩短了预报时间。热电偶的温度模式经常受到一些因素影响,造成系统的误报。为了降低误报率,提出了利用模糊神经网络对这些因素进行建模,系统的误报率大大降低,提高系统预报的准确性。整个系统在WINDOWS平台上,由MATLAB语言开发,系统可视化界面实现了热电偶温度云图的动态显示,并能及时给出预报结果,自动或手动采取相应的措施,避免漏钢的发生,实现了良好的人机交互。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题背景
• 1.2 漏钢预报系统现状
• 1.3 本文主要研究内容
• 第2章 连铸粘结漏钢的形成机理与对策
• 2.1 粘结漏钢的形成
• 2.2 钢水弯月面行为对粘结产生的影响
• 2.2.1 弯月面的表面张力
• 2.2.2 钢渣的界面张力
• 2.3 防止粘结性漏钢产生的措施
• 2.4 本章小结
• 第3章 BP 神经网络在漏钢预报中的应用
• 3.1 神经网络简介
• 3.2 BP 神经网络
• 3.3 漏钢预报系统
• 3.3.1 漏钢预报系统的组成
• 3.3.2 漏钢预报系统的缺陷及改进
• 3.3.3 单偶温度模式识别网络
• 3.3.4 组偶漏钢判断
• 3.4 网络性能测试
• 3.5 本章小结
• 第4章 模糊神经网络的应用
• 4.1 模糊理论
• 4.2 T-S 模糊神经网络模型
• 4.3 网络模型的建立
• 4.3.1 网络输入量和输出量的确定
• 4.3.2 前件网络
• 4.3.3 后件网络
• 4.3.4 网络的训练
• 4.3.5 T-S 模型中存在的问题
• 4.4 漏钢预报系统性能测试
• 4.5 本章小结
• 第5章 漏钢预报系统的开发软件
• 5.1 MATLAB 语言
• 5.2 漏钢预报界面
• 5.3 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间承担的科研任务与主要成果
• 致谢
• 作者简介