LF精炼炉温度预估模型与合金化模型的研究和实现

论文摘要

钢水温度是炼钢过程的重要控制指标,由于钢水温度过高和钢液、钢渣对测温枪的腐蚀,钢水温度的测量只能用热电偶进行消耗式点测,而无法得到钢水温度的连续变化的信息。如何建立合理的温度制度、精确控制钢液温度,是一个迫切需要解决的课题。而对LF炉钢水温度的准确预测,是合理组织生产、提高钢水质量、降低炼钢成本、实现钢水温度控制的重要前提。本文研究将BP神经网络与专家系统相结合,根据生产工艺,建立精炼炉温度预估模型。深入考察了影响LF钢水温度的因素。从能量平衡的角度出发,将整个钢包体系作为一个系统,确定加热功率、钢水重量,钢包温度、包龄、渣厚、氩气吹入量、阶段7个主要因素作为网络的输入量。应用BP神经元网络进行初步预报,再根据专家工艺知识对一些特殊情况进行补正。与机理法和统计法相比,钢水温度预报的适应性和准确性都得到了改善。期望预报误差在±5℃之内的炉次占总炉次的85%。钢水的合金化是一个比较复杂的过程,它不仅关系到钢的质量、合金的消耗量,而且关系到钢水的加热制度。在考虑元素收得率的基础上,根据合金添加公式准确地计算出追加合金的重量,从而改善钢水的质量。以C#语言编写程序,开发了功能完备、具有友好人机交互界面的软件,软件具有数据输入,温度预报等功能。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 LF炉简介
• 1.1.1 LF炉功能
• 1.1.2 LF炉作用
• 1.1.3 LF炉优点
• 1.1.4 现代LF炉的发展特点
• 1.2 课题背景及意义
• 1.2.1 课题背景
• 1.2.2 温度预估模型的意义
• 1.2.3 合金化模型的意义
• 1.3 本文所作的主要工作
• 2 国内外主要的测温方法
• 2.1 热电偶温度计
• 2.2 利用温度传感器实现连续测温
• 2.3 辐射测温方法
• 2.4 机理分析法
• 2.5 统计计算方法
• 2.6 粒子群优化BP神经网络算法
• 3 BP神经网络与专家系统
• 3.1 人工神经网络
• 3.1.1 人工神经网络的发展
• 3.1.2 人工神经网络的特点
• 3.2 BP神经网络的构成
• 3.3 BP神经网络的学习过程
• 3.3.1 输入样本的正向传播过程
• 3.3.2 误差反向传播过程
• 3.3.3 更新权阵过程
• 3.3.4 判断过程
• 3.4 设计BP神经网络需考虑的因素
• 3.4.1 设定网络结构
• 3.4.2 初始权值的选择
• 3.4.3 学习样本归一化
• 3.4.4 神经元的激活函数
• 3.5 BP神经网络模型的实现
• 3.5.1 BP神经网络模型实现的流程图
• 3.5.2 BP神经网络模型的界面及功能
• 3.5.3 BP神经网络模型的验证
• 3.6 BP神经网络的优缺点
• 3.6.1 BP神经网络的优点
• 3.6.2 BP神经网络的缺点
• 3.7 BP算法的改进
• 3.7.1 引入动量项
• 3.7.2 变步长法
• 3.8 专家系统
• 3.8.1 专家系统的定义
• 3.8.2 建立专家系统的目的和意义
• 3.9 BP神经网络与专家系统的结合
• 4 SQL语言与Oracle 9i数据库
• 4.1 Oracle 9i数据库简介
• 4.1.1 高可靠性
• 4.1.2 可伸缩性
• 4.1.3 高性能
• 4.1.4 高安全性
• 4.1.5 智能管理功能
• 4.1.6 Oracle 9i的工作模式
• 4.2 SQL语言
• 4.2.1 INSERT语句
• 4.2.2 UPDATE语句
• 4.2.3 DELETE语句
• 4.2.4 SELECT语句
• 4.3 ADO.NET
• 4.4 使用ADO.NET访问ORACLE 9I数据库
• 5 温度预估模型的实现
• 5.1 建模对象
• 5.2 影响温度的主要因素
• 5.3 温度预估方案
• 5.3.1 BP神经元网络输入量的确定
• 5.3.2 BP神经元网络隐层的确定
• 5.3.3 BP神经元网络学习精度的确定
• 5.3.4 BP神经元网络权阵的训练
• 5.3.5 专家系统
• 5.4 钢水温度预估模型的建立
• 5.4.1 钢水温度预估模型的结构
• 5.4.2 钢水温度预估模型的工作原理
• 5.5 钢水温度预估模型的应用
• 5.5.1 钢水温度预估模型的界面
• 5.5.2 钢水温度预估模型用到的数据表
• 5.6 钢水温度预估模型中存在的问题
• 5.6.1 模型输入量的采集
• 5.6.2 神经元激活函数
• 5.6.3 阶段问题
• 5.6.4 样本问题
• 6 合金化模型
• 6.1 合金化模型的功能
• 6.2 合金加入量的计算方法
• 6.2.1 单纯形法
• 6.2.2 补加系数法
• 6.2.3 拉配法
• 6.3 合金化模型的数据表
• 6.3.1 合金配方表
• 6.3.2 选择合金表
• 6.3.3 合金化学成份表
• 6.3.4 钢种元素厂标表
• 6.3.5 实验室采样结果表
• 6.3.6 元素收得率表
• 6.3.7 合金计算表
• 6.3.8 合金类型表
• 6.3.9 合金元素累加表
• 6.3.10 钢种成份含量的详单表
• 6.4 合金化模型的实现
• 6.4.1 合金化模型的计算方法的确定
• 6.4.2 数据表之间的关系
• 6.4.3 合金化模型的计算过程
• 6.4.4 合金化模型的操作界面
• 6.5 合金化模型中存在的问题
• 6.5.1 参考炉次法
• 6.5.2 线性回归统计
• 6.5.3 神经元网络优化算法
• 7 结论与展望
• 7.1 结论
• 7.2 展望
• 致谢
• 参考文献