轉(zhuǎn)爐煉鋼終點(diǎn)優(yōu)化控制模型的研究.pdf

1、本論文課題選自浙江省重點(diǎn)科研攻關(guān)項(xiàng)目──“轉(zhuǎn)爐煉鋼專家系統(tǒng)”下面的一個(gè)子項(xiàng)目課題，針對(duì)江蘇永鋼集團(tuán)二廠2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)命中率不高的情況進(jìn)行研究。通過(guò)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)的分析，在此基礎(chǔ)上結(jié)合神經(jīng)網(wǎng)絡(luò)的應(yīng)用技術(shù)，建立小型轉(zhuǎn)爐的終點(diǎn)優(yōu)化控制模型，來(lái)實(shí)現(xiàn)對(duì)吹煉操作的優(yōu)化。
　　 論文在大量閱讀國(guó)內(nèi)外文獻(xiàn)的基礎(chǔ)上，介紹了國(guó)內(nèi)外轉(zhuǎn)爐終點(diǎn)控制技術(shù)的現(xiàn)狀和發(fā)展趨勢(shì)，

2、特別著重介紹了神經(jīng)網(wǎng)絡(luò)技術(shù)在轉(zhuǎn)爐煉鋼終點(diǎn)控制方面的成功應(yīng)用。通過(guò)對(duì)江蘇永鋼集團(tuán)轉(zhuǎn)爐吹煉目前現(xiàn)有的狀況和存在問(wèn)題的研究與分析，建立了在針對(duì)一倒不成功的情況下的以熔池終溫度和碳含量為研究?jī)?nèi)容的終點(diǎn)對(duì)象模型。該對(duì)象模型包括兩部分：預(yù)報(bào)模型和控制模型。論文重點(diǎn)介紹了預(yù)報(bào)模型和控制模型的建模原理與過(guò)程。
　　 論文對(duì)建模數(shù)據(jù)的來(lái)源進(jìn)行了分析，然后對(duì)這些數(shù)據(jù)進(jìn)行了預(yù)處理，在這基礎(chǔ)上分別采用了三種方法建立了轉(zhuǎn)爐煉鋼終點(diǎn)溫度和碳含量的預(yù)測(cè)模型：

3、線性回歸，RBF神經(jīng)網(wǎng)絡(luò)，基于混沌免疫粒子算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)。前兩種方法都是傳統(tǒng)的建模方法，不過(guò)在RBF預(yù)測(cè)模型建立的過(guò)程當(dāng)中，本文嘗試了使用最近鄰聚類的方法選取徑向基函數(shù)的中心，隱層中心可以隨精度變化，從而避免了陷入局部極小值的危險(xiǎn)。而第三種方法則利用混沌免疫粒子算法能夠高速“飛行”和種群較多樣性的優(yōu)點(diǎn)對(duì)常規(guī)的BP算法進(jìn)行了改進(jìn)。在進(jìn)行后兩種方法建模的過(guò)程當(dāng)中，選取了江蘇永鋼集團(tuán)轉(zhuǎn)爐車間現(xiàn)場(chǎng)60爐的實(shí)際生產(chǎn)數(shù)據(jù)為樣本，以影響后期吹

4、煉終點(diǎn)碳和溫度的9個(gè)影響因素為輸入變量，分別建立了三層的RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和三層的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，對(duì)轉(zhuǎn)爐煉鋼的終點(diǎn)溫度和碳含量進(jìn)行預(yù)報(bào)。實(shí)驗(yàn)表明，基于三種算法分別建立的轉(zhuǎn)爐終點(diǎn)溫度和終點(diǎn)碳含量預(yù)報(bào)模型中，基于混沌免疫粒子算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)爐終點(diǎn)溫度或者終點(diǎn)碳含量預(yù)報(bào)模型能夠較快的收斂，預(yù)報(bào)精度也相對(duì)較高。所以本文最終選定它作為控制模型的預(yù)報(bào)模型基礎(chǔ)。
　　 在預(yù)報(bào)模型的基礎(chǔ)上，論文采用了區(qū)域?qū)?yōu)的方法對(duì)傳統(tǒng)的基于熱平衡和