混合料正交试验参数测定及神经网络预测研究

论文摘要

外滚煤造球较传统的一次混合造球有了很大进步,其造球效果的好坏直接通过烧结过程中的垂直烧结速度、料层透气性以及烧结料层厚度等参数来检验,是烧结工艺中重要的一环。首先,本文针对该钢厂目前的制粒情况,结合相似性原理在小型制粒机上设计了关于混合料造球的正交试验,用来观察混合料运动规律以及测定其制粒率和混合度。主要工作是通过在制粒机内安装监控器的方式研究了转速对混合物料运动规律的影响,然后讨论了含水量、填充率等因素对混合料制粒率和混合度的影响。试验结果分析得出了含水量是影响混合料制粒率和混合度的主要因素,转速、填充率和煤粉添加深度是次要因素；综合两次测定试验结果,研究表明：最佳制粒和混合参数组合是含水量7.1%、转速17r/min、填充率11%、煤粉添加深度是5m。其次,详细阐述了本文选择的BP人工神经网络,包括网络结构和学习算法。以正交试验数据为样本,利用Matlab7.0软件编程建立了混合料的BP神经网络模型,而后对其进行训练、预测。最后,基于VC++强大的集成开发环境,利用Matlab与VC++的应用程序接口,通过调用Matlab引擎库函数和神经网络工具箱的方式,进行了两者的混合编程。编程实现的基于神经网络的滚筒混合料制粒率及混合度预测系统,可以在设置的列表框中输入或选择参数,运行后得到输出结果的显示。通过本论文的研究方法,可以在试验之前对其进行初步的结果预测,节省了人力物力,提高了效率。因此,对该钢厂的生产实际具有较大的指导意义。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题研究背景
• 1.2 国内外发展现状
• 1.2.1 混合造球发展概况
• 1.2.2 神经网络发展概况
• 1.3 本论文的主要任务
• 第2章 混合料造球理论
• 2.1 细磨物料的造球过程
• 2.2 造球理论数学模型
• 2.3 宏观因素对造球效果的影响
• 2.3.1 含水量
• 2.3.2 填充率
• 2.3.3 转速
• 2.4 造球在工程中的实现
• 2.4.1 现场圆筒造球机
• 2.4.2 试验用小型混合制粒机
• 2.5 本章小结
• 第3章 混合正交试验
• 3.1 试验目的
• 3.2 评价指标
• 3.3 正交试验方法
• 3.3.1 试验准备
• 3.3.2 试验方法
• 3.4 制粒率测定
• 3.4.1 测定步骤
• 3.4.2 数据记录
• 3.4.3 结果分析
• 3.5 混合度测定
• 3.5.1 测定步骤
• 3.5.2 数据记录
• 3.5.3 结果分析
• 3.6 正交试验结果综合分析
• 3.7 本章小结
• 第4章 基于Matlab的BP神经网络预测
• 4.1 BP神经网络
• 4.1.1 BP神经网络概述
• 4.1.2 BP神经网络结构及算法
• 4.2 基于Matlab7.0的BP网络模型
• 4.2.1 数据初始化
• 4.2.2 神经网络函数的创建及传递函数
• 4.2.3 神经网络的训练
• 4.2.4 神经网络仿真函数
• 4.3 正交试验制粒率与混合度预测
• 4.3.1 样本数据的预处理
• 4.3.2 神经网络模型建立
• 4.3.3 程序编制及预测结果分析
• 4.4 本章小结
• 第5章 Matlab与VC++混合编程开发
• 5.1 Matlab与VC++应用程序接口设计
• 5.2 混合编程环境配置
• 5.2.1 Matlab引擎与接口调用
• 5.2.2 Matlab配置与编译
• 5.2.3 VC++接口环境设置
• 5.3 预测系统的混合编程
• 5.3.1 Matlab程序调入
• 5.3.2 VC++系统编程设计
• 5.3.3 混合编程结果仿真
• 5.4 本章小结
• 第6章 结论与展望
• 6.1 研究结论
• 6.2 展望
• 参考文献
• 致谢
• 附录