基于自適應神經(jīng)網(wǎng)絡模糊推理系統(tǒng)的轉爐終點預測研究.pdf

1、提出了爐口光譜數(shù)據(jù)結合自適應神經(jīng)網(wǎng)絡模糊推理系統(tǒng)用于轉爐終點預測的新方法。構建了基于光纖光學光譜儀及虛擬儀器的光譜數(shù)據(jù)的在線實時采集、數(shù)據(jù)分析處理系統(tǒng)。對所設計的數(shù)據(jù)采集處理系統(tǒng)進行了調試并在轉爐煉鋼現(xiàn)場實驗驗證可以使用。通過對采集的煉鋼光譜數(shù)據(jù)分析，得出吹煉過程中，光譜數(shù)據(jù)隨著爐內成分及溫度的變化存在明顯的變化特征規(guī)律：特征波長589nm，765nm，769nm對應的光強值變化規(guī)律極為明顯。鑒于上述規(guī)律，將特征光譜數(shù)據(jù)及依據(jù)煉鋼工人經(jīng)

2、驗而設定碳含量變化的進度值作為模型訓練數(shù)據(jù)，利用MATLAB模糊邏輯工具箱分別建立基于網(wǎng)格劃分的初始化FIS模型、基于減法聚類的初始化FIS模型以及基于模糊C均值聚類的初始化FIS模型，然后使用anfis函數(shù)分別生成基于網(wǎng)格劃分的轉爐終點預測模型、基于減法聚類的轉爐終點預測模型和基于模糊C-均值聚類的轉爐終點預測模型。最后用采集的21爐煉鋼光譜數(shù)據(jù)對三個預測模型進行模擬運算。仿真實驗結果表明，這三個終點預測模型的預測偏差均在6s以內，滿