基于遗传算法优化BP神经网络的烧结能耗预测

对钢铁行业的烧结工序以及工序中影响能耗的因素进行分析,确立了主要影响因素,并通过灰色关联分析法验证了其合理性。基于matlab.r2019a中的代码编辑器进行编码,建立了基于遗传算法的BP神经网络(GA-BP)烧结能耗预测仿真模型,以遗传算法对BP神经网络的权值和阀值进行优化,使其具有较强的全局寻优能力。仿真模型分析结果表明,GA-BP对烧结能耗进行预测是有效可行的,为烧结工艺的能源合理利用及节能潜力开发提供了新的思路。     

铁矿石烧结工艺参数优化模型的设计与应用

在分析配矿方案、工艺参数、产、质量指标三者相互关系的基础上,提出了两种优化烧结工艺参数的数学逻辑模型,即网络输出参数优化模型和网络输入参数优化模型.通过神经网络建模,比较建模结果,网络输入参数优化模型的效果更好.在神经网络模型的基础上结合遗传算法求解网络输入参数优化模型,计算出最佳的工艺参数.模型通过应用,不仅降低了烧结能耗,而且提高了烧结矿的产、质量,验证了模型的有效性和实用性.     

铁矿石烧结工艺参数优化模型的设计与应用

在分析配矿方案、工艺参数、产、质量指标三者相互关系的基础上，提出了两种优化烧结工艺参数的数学逻辑模型，即网络输出参数优化模型和网络输入参数优化模型．通过神经网络建模，比较建模结果，网络输入参数优化模型的效果更好．在神经网络模型的基础上结合遗传算法求解网络输入参数优化模型，计算出最佳的工艺参数．模型通过应用，不仅降低了烧结能耗，而且提高了烧结矿的产、质量，验证了模型的有效性和实用性．     

基于MIV-GA-BP模型预测烧结矿FeO含量

工艺绿色化、装备智能化、产品高质化已成为当前钢铁行业主要发展目标。作为影响烧结矿性能的重要指标之一,FeO的含量不仅影响烧结矿还原性的高低和烧结过程的能耗,而且在一定程度上影响高炉间接还原、燃料比等指标。针对目前研究过程中存在的数据量少、工艺结合不紧密、特征选择方法针对性不强等问题,提出了基于MIV-GA-BP算法的烧结矿FeO含量预报模型。以承钢3号烧结机1年的生产数据作为研究基础,首先选取BP神经网络作为深度学习模型,然后利用遗传算法的特点解决了网络调参难等问题,成功构建了基于遗传算法优化的BP神经网络模型。在特征选取阶段将MIV算法的优越性与工艺理论相结合,选取了拥有更好解释性的参数作为模型的输入,此方法提高了模型预测准确率,成功实现了烧结矿FeO含量的预测。上线测试结果表明,误差允许范围内模型命中率达到87.9%,对现场烧结生产具有更好的指导性。     

基于MIV-GA-BP模型预测烧结矿FeO含量

工艺绿色化、装备智能化、产品高质化已成为当前钢铁行业主要发展目标。作为影响烧结矿性能的重要指标之一,FeO的含量不仅影响烧结矿还原性的高低和烧结过程的能耗,而且在一定程度上影响高炉间接还原、燃料比等指标。针对目前研究过程中存在的数据量少、工艺结合不紧密、特征选择方法针对性不强等问题,提出了基于MIV-GA-BP算法的烧结矿FeO含量预报模型。以承钢3号烧结机1年的生产数据作为研究基础,首先选取BP神经网络作为深度学习模型,然后利用遗传算法的特点解决了网络调参难等问题,成功构建了基于遗传算法优化的BP神经网络模型。在特征选取阶段将MIV算法的优越性与工艺理论相结合,选取了拥有更好解释性的参数作为模型的输入,此方法提高了模型预测准确率,成功实现了烧结矿FeO含量的预测。上线测试结果表明,误差允许范围内模型命中率达到87.9%,对现场烧结生产具有更好的指导性。     

遗传小波神经网络在钢铁企业能耗预测中的应用

冶金企业能源消耗量是一个与多种因素有关的复杂非线性问题.鉴于传统预测方法的缺陷,利用遗传算法来优化小波神经网络,建立基于遗传算法的小波神经网络模型对鞍山钢铁公司能源消耗进行预测.该模型结合了遗传算法的全局优化搜索能力以及小波神经网络良好的时频局部性质.通过实验将其与传统的神经网络进行比较,证实前者具有更优的网络结构,更高的逼近精度.     

基于RBF-BP混合神经网络的烧结烟气NOx预测

摘要：对烧结烟气NOx生成量进行预测,能为烧结NOx源头和过程减排提供有效指导。利用BP神经网络模型和RBF神经网络模型对烧结烟气NOx进行了预测,在此基础上结合BP模型自适应学习能力强和RBF模型快速收敛的特性,采用优化模型结构、设立连接层的方法,构建RBF BP混合神经网络模型进行了NOx预测研究,并对3种模型的预测结果进行了对比分析。研究表明,3种神经网络模型中,RBF-BP混合模型的均方根误差为11.37mg/m3,平均绝对误差为7.14mg/m3,最大绝对误差为35.47mg/m3,最小绝对误差为0.0083mg/m3,各评价指标均为3种模型中最优,混合神经网络模型的预测数据稳定性更好,结果拟合程度更高且收敛速度最快。采用混合模型预测NOx能有效消除烟气NOx生成量反馈延迟。     

基于250t转炉的工序能耗分析与预测系统

在建立转炉能耗计算模型的基础上开发了能耗分析与预测系统,该系统具有转炉工序能耗管理的统计、分析、预测管理等各项功能.在宝钢250 t转炉的应用表明,该系统功能完善,提高了能源管理的科学化和信息化水平.     

钢铁企业基于能耗指标分解模型的情景分析

在钢铁厂能耗指标分解模型的基础上运用情景分析法,对钢铁厂的主工序吨钢能耗情况进行分析和预测.为评价国内某钢铁厂2009年和2012年的能耗水平,构建了先进工序能耗、近期可行及远期可能余热回收情景,其中近期可行余热回收情景只涉及烧结烟气、热轧烟气和冷轧高温烟气的余热回收,远期可能余热回收情景则包括各工序排放的高温烟气和固体废弃物的余热回收.通过对各情景的比较,得出节能效果最好的是先进工序能耗情景,近期可行余热回收节能效果并不显著,远期可能余热回收可较大幅降低能耗,最后提出了应用先进电炉预热技术、发展高温固体余热回收技术及提高轧钢工序余热回收等进一步节能的建议.     

炼铁系统能耗和成本的集成优化及分析

炼铁系统是钢铁生产流程中至关重要的一环.基于物质与能量守恒规律和反应动力学,结合系统节能的理论和混合整数线性规划方法,建立了炼铁系统(烧结、球团、高炉工序)能耗-生产成本集成优化模型,采用企业实际数据验证了其有效性,并获得了目标下各工序最优配料和操作参数.结果表明,综合考虑能耗和成本进行多目标优化时,铁水能耗和成本分别...