基于RBFNN的烧结矿氧化亚铁含量实时检测系统的研究

论文摘要

当前,随着经济建设的加快,对钢材的需求量与日俱增,这就在客观上促进了我国钢铁产业的蓬勃发展,而炼铁的原料是铁矿石,这就决定了对铁矿石的需求也在不断增加。我们知道铁矿石基本有两种,第一是天然铁矿石,第二是人工把劣质铁矿石进行烧结后所得的烧结矿。天然优质富矿铁矿石是不可再生资源,可以直接入炉炼铁,但随着开采越来越少,产量逐年降低。而品质比较低劣的铁矿石(贫铁矿),不能直接入炉炼铁,必须先用烧结的方法造块,先炼成烧结矿,提高其品质,然后才可以入炉炼铁。所以现在用于入炉炼铁的铁矿石大部分都是烧结矿。烧结矿的质量直接影响高炉炼铁的各项指标,而决定烧结矿质量的一个重要参数就是烧结矿的氧化亚铁含量。用化学检验的方法来检测烧结矿氧化亚铁含量的方法是指在烧结矿生产完成,并冷却后对烧结矿取样进行化学分析,然后检测出氧化亚铁含量,再根据氧化亚铁含量的情况调节烧结过程参数,从而达到调节氧化亚铁含量的目的。该方法检测的氧化亚铁含量是最精确的,但是它对于烧结过程的调节具有滞后性,我们知道,从混合料烧结成烧结矿,再等烧结矿冷却加上化学分析,大概需要2到3个小时,所以某时刻检测出的氧化亚铁含量是前2到3个小时的烧结过程参数决定的。现在还有采用人工在烧结机尾处,直接观察烧结矿断面图像特征,凭借经验定性给出氧化亚铁含量,然后反馈到烧结起点,来调节烧结过程参数,达到控制氧化亚铁含量的目的。但是该方法因人的主客观因素,往往偏差较大。因此开发一套基于计算机的烧结矿氧化亚铁含量自动实时检测系统是非常有必要的。论文运用径向基函数神经网络网络(RBFNN)和模糊C均值聚类相结合的方法来实时预报烧结矿氧化亚铁含量。RBFNN网络的特点是结构简单并且收敛速度快,而C均值聚类的特点是聚类精度高。首先对烧结矿断面图像样本特征参数进行聚类,进而把氧化亚铁含量样本划分成4类,对于4个不同类别的样本集,用相应的烧结过程参数集来训练RBFNN网络,从而获得4个参数散布率相对较小的RBFNN网络模型。烧结矿氧化亚铁含量预报步骤如下：第一,运用C均值聚类初步判定该断面氧化亚铁含量等级,第二,把各烧结过程参数输进相应的RBFNN网络模型,给出氧化亚铁含量。

论文目录

• 摘要
• Abstract
• 第1章 引言
• 1.1 选题研究背景
• 1.2 当前研究现状
• 1.3 论文创新点
• 1.4 论文研究的基本思路
• 第2章 最佳机尾断面的获取
• 2.1 烧结过程介绍
• 2.2 最佳机尾断面图像
• 2.3 基于差分的最佳机尾断面图像选取算法
• 2.3.1 断面图像序列的差分研究
• 2.3.2 基于差分的最佳机尾断面选取算法实现
• 2.4 本章小结
• 第3章 机尾断面图像特征参数的提取
• 3.1 数字图像处理
• 3.1.1 数字图像处理简介
• 3.1.2 图像的采样和灰度分级
• 3.1.3 烧结机尾断面图像灰度化处理
• 3.1.4 数字图像增强方法
• 3.1.5 数字图像的分割
• 3.2 提取断面图像特征参数
• 3.2.1 提取红火率
• 3.2.2 提取气孔率
• 3.3 本章小结
• 第4章 氧化亚铁含量实时预测模型设计
• 4.1 实时预测原理介绍
• 4.2 FCM算法简介
• 4.2.1 数据样本集的C划分
• 4.2.2 目标函数的聚类
• 4.2.3 聚类准则
• 4.2.4 FCM算法
• 4.2.5 确定最佳分类数
• 4.2.6 FCM算法分级结果
• 4.3 径向基函数神经网络
• 4.3.1 径向基函数神经网络原理
• 4.3.2 选择数据样本
• 4.3.3 数据样本归一化处理
• 4.3.4 网络的建立
• 4.3.5 RBF网络模型更新
• 4.4 本章小节
• 第5章 系统设计及实验数据分析
• 5.1 硬件设计
• 5.1.1 CCD工业摄像机的选择
• 5.1.2 选取相机镜头
• 5.1.3 选择图像采集卡
• 5.1.4 确定图像传送方式
• 5.1.5 其它系统硬件配置
• 5.2 系统软件设计
• 5.2.1 程序组件化设计
• 5.2.2 组件接口和功能说明
• 5.3 系统试验
• 5.4 系统实验数据分析
• 5.5 本章小结
• 第6章 结论与展望
• 参考文献
• 致谢
• 攻读学位期间发表的学术论文目录