基于模糊神经网络的漏钢预报系统的研究

论文摘要

漏钢事故是连铸过程中最典型的事故,它损坏设备,降低作业率,破坏生产组织的均衡。为了避免或减少漏钢事故的发生,国际上目前主要研究的方向有两个,即漏钢机理的研究和漏钢预报技术的研究。本文首先阐述了连铸漏钢事故的产生机理,并由此引出进行漏钢预报的必要性。国内外漏钢预报系统的现状表明,神经网络漏钢预报系统替代早期的逻辑判断系统已成为一种趋势。基于此,作者对国际上普遍应用的神经网络方法进行模型及算法上的改进,以获得精确、快速的漏钢预报系统模型。经过对某钢厂现场的实地调研以及资料检索,本人建立了设备及工艺参数经验数据库和温度数据库以便于预报系统学习和决策。针对于结晶器上热电偶所采集的温度训练样本数据中,不可避免地存在噪声数据、空缺数据和不一致数据等情况,文中提出了一种新的数据预处理方法,其中,二值数据窗前置处理法,不但实现了数据的归一化,而且利用数据窗技术仅仅截取发生漏钢时温度变化异常的8个采样点,大大减少了网络的输入个数,提高了网络运算速度。利用减法聚类技术对数据进行组织与分类,进而优化模糊神经网络系统的结构和参数,最大限度的降低了由输入变量的增多而带来的规则数“数据爆炸”的问题,提高了预报系统的精度和速度。在Windows的操作平台上,作者采用简单、实用、编程方便的VB软件进行界面的设计、数据库的调用、图形的显示等技术;采用强大的MATLAB软件对基于减法聚类的模糊神经网络进行编程,并离线训练单偶、多偶网络的预报模型。本系统综合运用了模糊神经网络技术、减法聚类技术以及作者提出的二值数据窗技术。不仅具有直观、清晰、友好的界面,而且简单、实用,具有在线帮助功能。动态的连铸过程仿真让我们对连铸过程各个部分的功能与运行情况有了更直观的了解。实际应用表明,该连铸漏钢智能预报系统可直接用于生产现场,并对工人的岗前培训以及大中专院校相关专业的教学实践具有很强的指导作用。

论文目录

• 摘要
• Abstract
• 引言
• 1 文献综述
• 1.1 漏钢概述
• 1.1.1 漏钢的种类
• 1.1.2 粘结漏钢的机理分析
• 1.1.3 解决粘结漏钢的主要途径
• 1.2 漏钢征兆检测方法
• 1.2.1 结晶器热传递测量分析法
• 1.2.2 摩擦力（拉坯阻力）测量法
• 1.2.3 铸坯短边凹度测量法
• 1.2.4 热电偶测量法
• 1.2.5 超声波测量法
• 1.3 粘结漏钢预报方法
• 1.3.1 逻辑漏钢预报方法
• 1.3.2 神经网络漏钢预报方法
• 1.4 国内外研究现状
• 1.4.1 国外
• 1.4.2 国内
• 1.5 该领域目前存在的问题
• 2 模糊神经网络的研究
• 2.1 模糊神经网络概述
• 2.1.1 模糊逻辑系统
• 2.1.2 人工神经网络
• 2.1.3 模糊神经网络
• 2.2 基于Takagi-Sugeno模型的模糊神经网络
• 2.2.1 模糊系统的Takagi-Sugeno模型
• 2.2.2 网络结构
• 2.2.3 学习算法
• 2.3 补偿模糊神经网络（CFNN）
• 2.3.1 网络结构
• 2.3.2 学习算法
• 2.4 基于减法聚类的模糊神经网络
• 2.4.1 减法聚类
• 2.4.2 自适应神经模糊网络
• 2.4.3 基于减法聚类的模糊神经网络
• 2.4.4 应用举例
• 3 模糊神经网络在漏钢预报系统中的应用
• 3.1 技术方案的选择
• 3.1.1 技术评价指标
• 3.1.2 技术方案的确定
• 3.2 预报系统的网络模型
• 3.2.1 网络模型的建立
• 3.2.2 数据预处理技术
• 3.2.3 网络模型的离线测试
• 4 漏钢预报系统的软件开发
• 4.1 开发环境
• 4.1.1 VB语言概述
• 4.1.2 MATLAB概述
• 4.1.3 MATLAB与VB的接口
• 4.2 软件设计
• 4.2.1 系统功能框图
• 4.2.2 系统流程图
• 4.2.3 软件实现
• 结论
• 参考文献
• 致谢
• 作者简介