基于神經(jīng)網(wǎng)絡(luò)的高爐鐵水硅含量建模.pdf

1、鋼鐵冶金行業(yè)作為我國基礎(chǔ)性原材料的源頭產(chǎn)業(yè)，一直是我國國民經(jīng)濟(jì)的支柱產(chǎn)業(yè)。高爐煉鐵作為鋼鐵制造主體的上游工序，是鋼鐵工業(yè)的重要構(gòu)成環(huán)節(jié)，對(duì)行業(yè)整體的降耗節(jié)能與發(fā)展都起到至關(guān)重要的作用。爐況是否順行直接關(guān)系到整個(gè)煉鐵過程的節(jié)能減排，而高爐爐溫則是鑒別高爐爐況，保證高爐爐況順行的一個(gè)重要指標(biāo)。鐵水硅含量作為爐熱狀態(tài)的表征指標(biāo)，建立其可靠的預(yù)報(bào)模型以指導(dǎo)高爐煉鐵人員進(jìn)行爐溫控制不僅具有重要的理論研究?jī)r(jià)值，而且對(duì)關(guān)鍵的生產(chǎn)實(shí)踐具有重要的指導(dǎo)意義

2、。然而，高爐冶煉的過程異常復(fù)雜，在建模方面的主要難點(diǎn)表現(xiàn)在運(yùn)行機(jī)制時(shí)常伴有非線性、大噪聲、分布參數(shù)等特征。而神經(jīng)網(wǎng)絡(luò)作為自學(xué)習(xí)網(wǎng)絡(luò)的一種，能夠比較很好地解決非線性、大噪聲的問題。到目前為止，神經(jīng)網(wǎng)絡(luò)已經(jīng)在模式識(shí)別、預(yù)測(cè)控制、函數(shù)逼近等領(lǐng)域得到廣泛的應(yīng)用。本文針對(duì)鐵水硅含量建模這一關(guān)鍵問題，利用神經(jīng)網(wǎng)絡(luò)方法進(jìn)行建模研究，具體研究?jī)?nèi)容如下。
　　首先，針對(duì)高爐冶煉過程中的相關(guān)數(shù)據(jù)進(jìn)行分析處理。利用專家經(jīng)驗(yàn)和數(shù)據(jù)統(tǒng)計(jì)分析相結(jié)合的方法確定

3、鐵水硅含量的相關(guān)輸入變量，進(jìn)而利用多元線回歸法確定滯后時(shí)間序列的相關(guān)系數(shù)。所有數(shù)據(jù)均進(jìn)行了一次和二次處理，且進(jìn)行了歸一化處理。
　　其次，針對(duì)BP神經(jīng)網(wǎng)絡(luò)算法容易陷入局部最優(yōu)的缺點(diǎn)，提出了改進(jìn)方案。仿真數(shù)據(jù)按照所提出的方案進(jìn)行了分析處理，其對(duì)比仿真驗(yàn)證了改進(jìn)BP神經(jīng)網(wǎng)絡(luò)在鐵水硅含量建模上的優(yōu)勢(shì)。
　　最后，提出了新的基于正則化方法的極值學(xué)習(xí)機(jī)算法，本算法可以克服常規(guī)極限學(xué)習(xí)機(jī)的缺點(diǎn)。進(jìn)而利用該算法對(duì)對(duì)高爐爐溫進(jìn)行建模。實(shí)驗(yàn)仿