頂吹轉(zhuǎn)爐煉鋼輔助決策系統(tǒng)研究.pdf

1、本文研究的課題是浙江省公益技術(shù)應(yīng)用研究項(xiàng)目-“基于數(shù)據(jù)驅(qū)動(dòng)的鋼鐵生產(chǎn)流程仿真技術(shù)研究與系統(tǒng)開發(fā)”項(xiàng)目。針對(duì)江蘇永鋼集團(tuán)煉鋼分廠5座50噸轉(zhuǎn)爐目前存在煉鋼自動(dòng)化程度不高,吹煉完全依靠人工經(jīng)驗(yàn),吹煉終點(diǎn)命中率不高等情況進(jìn)行研究。對(duì)現(xiàn)場(chǎng)吹煉工藝、吹煉流程以及大量的生產(chǎn)數(shù)據(jù)進(jìn)行分析,在此基礎(chǔ)上結(jié)合神經(jīng)網(wǎng)絡(luò)的應(yīng)用技術(shù),建立轉(zhuǎn)爐煉鋼輔助決策系統(tǒng),來(lái)輔助煉鋼操作員進(jìn)行終點(diǎn)控制決策。終點(diǎn)預(yù)測(cè)功能和終點(diǎn)控制參數(shù)優(yōu)化功能是轉(zhuǎn)爐煉鋼輔助決策系統(tǒng)的核心功能。<

2、br>　　 在實(shí)現(xiàn)系統(tǒng)的終點(diǎn)預(yù)測(cè)功能時(shí),本文在研究RBF神經(jīng)網(wǎng)絡(luò)的建模理論的基礎(chǔ)上,按照網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)、數(shù)據(jù)預(yù)處理、學(xué)習(xí)算法選取等幾個(gè)步驟建立了轉(zhuǎn)爐靜態(tài)終點(diǎn)預(yù)測(cè)模型。選取量子微粒群優(yōu)化算法作為RBF網(wǎng)絡(luò)的學(xué)習(xí)算法,與傳統(tǒng)學(xué)習(xí)算法相比,量子微粒群優(yōu)化算法全局搜索能力更強(qiáng),不易陷于局部最優(yōu),提高網(wǎng)絡(luò)泛化能力,同時(shí)控制參數(shù)較少,簡(jiǎn)化了算法過(guò)程。預(yù)測(cè)模型采用參數(shù)自適應(yīng)的方法,用最新的數(shù)據(jù)及時(shí)更新模型參數(shù),提高模型的預(yù)測(cè)命中率。
　　 在

3、實(shí)現(xiàn)系統(tǒng)的終點(diǎn)控制參數(shù)優(yōu)化功能時(shí),本文分析了轉(zhuǎn)爐煉鋼控制參數(shù)分布特點(diǎn),進(jìn)而提出基于成本最優(yōu)的控制參數(shù)尋優(yōu)算法,幫助操作員找到成本最少的控制參數(shù)方案。該方法將控制參數(shù)的解空間劃分成若干成本區(qū),對(duì)于一個(gè)特定的區(qū)域,選取量子微粒群算法進(jìn)行解的搜索。
　　 系統(tǒng)軟件部分的實(shí)現(xiàn)結(jié)合了C＃、Oracle數(shù)據(jù)庫(kù)和matlab,其操作界面簡(jiǎn)單易用。對(duì)于系統(tǒng)的預(yù)測(cè)功能和控制參數(shù)優(yōu)化功能,本文分別進(jìn)行了離線的matlab仿真實(shí)驗(yàn)和在線的性能測(cè)驗(yàn)。實(shí)