基于多模型集成的高炉专家系统研究

论文摘要

高炉冶炼是在高温下发生的包含许多物理、化学变化及传输过程的一个复杂过程,在其长期的发展过程中,人们逐渐意识到,利用专家系统实现对高炉的控制,是高炉计算机控制的发展方向,旨在实现高炉冶炼过程闭环控制的专家系统在实践中体现了极大的价值。本文介绍了一种基于多模型集成的高炉专家系统,阐述了其各个重要组成部分的原理和方法,在此基础上给出了一个完整的高炉专家系统架构,并重点介绍了高炉炉况诊断子系统。炉况诊断推理系统是专家系统重要组成部分,只有在保证高炉顺行稳定的条件下才可能对高炉冶炼过程进行优化和预测控制。目前已建立的高炉异常炉况判断专家系统仍有缺陷,如实时性较差,学习能力较差等。而将模糊专家系统和神经网络结合起来的模糊神经网络它充分吸收了模糊逻辑理论和神经网络技术的优点,既能处理专家知识和经验,又能通过自学习增强系统的判断能力,具有传统专家系统不具备的优点。把模糊神经网络引入到专家系统中,是高炉专家系统研究的重要方向。本文较详细的阐述了基于模糊神经网络的炉况诊断子系统的理论基础、系统结构及软件流程,最后通过实验仿真,验证了该方法的可行性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 概述
• 1.2 高炉生产过程及特点
• 1.2.1 高炉生产过程
• 1.2.2 高炉生产过程特点
• 1.3 高炉过程控制技术的发展
• 1.4 国内外高炉专家系统的开发应用现状
• 1.4.1 国外的高炉专家系统开发应用
• 1.4.2 国内高炉专家系统的开发与应用
• 1.5 国内外高炉专家系统的特点及发展趋势
• 1.5.1 国内外高炉专家系统的特点
• 1.5.2 高炉专家系统发展趋势
• 第二章 高炉专家系统理论分析
• 2.1 人工智能的出现
• 2.2 高炉专家系统的结构及特点
• 2.3 专家系统知识的获取与表达
• 2.3.1 专家知识的获取
• 2.3.2 专家系统知识的表达
• 2.4 专家系统的推理机
• 2.5 模糊神经网络与专家系统的结合
• 2.5.1 模糊神经网络
• 2.5.2 模糊神经网络和专家系统的融合
• 第三章 基于多模型集成的高炉专家系统
• 3.1 “高炉专家系统”的多模型智能化集成
• 3.2 高炉冶炼混合动力学机理模型
• 3.3 工艺机理模型
• 3.4 炉况诊断的逻辑推理模型
• 3.5 系统优化模型
• 3.6 炉温预测控制方程及控制策略
• 第四章 模糊神经网络的理论研究
• 4.1 人工神经网络
• 4.1.1 人工神经网络的神经元模型
• 4.1.2 神经网络的拓扑结构
• 4.1.3 神经网络的学习规则
• 4.1.4 神经网络的反向传播学习算法
• 4.2 模糊系统概述
• 4.2.1 模糊集合与隶属函数
• 4.2.2 语言变量与模糊逻辑
• 4.2.3 模糊推理与模糊规则
• 4.3 模糊神经网络模型
• 4.3.1 模糊神经网络的常用结构
• 4.3.2 模糊神经网络结构确定
• 4.3.3 模糊神经网学习算法
• 4.4 对比仿真分析
• 4.4.1 网络仿真
• 4.4.2 仿真结果分析
• 第五章 基于模糊神经网络的炉况推理子系统
• 5.1 推理网络的建立
• 5.1.1 参数选取
• 5.1.2 网络设计
• 5.1.3 网络训练
• 5.1.4 网络裁剪
• 5.2 系统构成
• 5.3 系统软件结构设计
• 第六章 结论
• 参考文献
• 攻读学位期间参与的科研项目及发表的论文
• 致谢
• 详细摘要