共查询到20条相似文献,搜索用时 578 毫秒
1.
高炉铁水中的硫含量是描述铁水质量的一个重要指标.为了在出铁之前了解铁水中硫含量的高低,建立预测模型是必要的.本文利用遗传算法(GA)和BP神经网络构造了高炉铁水硫含量的预测分析模型,从某高炉选取117组数据进行学习和预测.运行结果表明,模型预测精度较高,当要求绝对误差为±3×10-6时,命中率可达61.54%;绝对误差为±4×10-6时,命中率可达84.69%.在此基础上,应用该模型回归分析了高炉风量、热风压力、富氧量、铁间料批数与铁水硫含量之间的相关关系,结果与高炉冶炼理论基本吻合,可为高炉生产提供一定的指导. 相似文献
2.
高炉铁水中的硫含量是描述铁水质量的一个重要指标。在出铁之前了解铁水中硫含量的高低,对于高炉实际生产具有重要作用,因此预测模型的建立非常必要。本文利用Catboost算法建立了高炉铁水硫含量的预测分析模型,采用国内某钢铁企业实际高炉生产数据进行学习和预测。运行结果表明,Catboost模型预测精度较高,计算时间较短,满足实际生产需求,同时模型的特征参量通过人工经验和相关性分析相结合的方法,相关关系结果与高炉冶炼理论基本吻合。测试结果表明,基于Catboost算法建立的高炉铁水硫含量预测模型在实际生产中能够起到很好的预测效果,对合理把控高炉铁水硫含量具有重要的参考意义。 相似文献
3.
4.
采用基于自学习的参考炉次法,建立了反应高炉炉温和铁水质量的预报模型,对炼铁过程铁水硅含量和硫含量进行预报,建立了基于BP神经网络的高炉铁水硅含量和硫含量预报模型。用国内某高炉的生产数据进行模型训练,经预报结果数据验证,想要通过现有直接获取的高炉参数很难准确同时预报铁水硅含量和硫含量,但基本能准确预报铁水硫含量的变化趋势。 相似文献
5.
焦炭中的硫含量以及高炉冶炼工艺决定了铁水中的硫含量。但是出铁时分析的铁水硫含量与倒入炼钢设备时的铁水硫含量不一致。在混铁炉中铁水硫含量的一些数据,比高炉出铁口处铁水硫含量高0.007~0.0014%,其他数据为0.006~0.009%(由于炉渣碱度降低,硫从渣中转移到铁中)。 相似文献
6.
7.
从理论上分析了影响铁水硫含量的因素,通过计算高炉硫负荷,分析造渣制度存在的不足,提出了降低杭钢高炉硫含量的措施。 相似文献
8.
9.
铁水钒含量作为冶炼钒钛磁铁矿高炉的重要经济指标,对其进行准确预测将对高炉后续提钒增效具有重要生产意义。利用小波-TCN组合时序模型对具有非线性、波动大等特点的高炉铁水钒含量进行预测。首先利用小波变换将原时间序列数据分解成多个噪声段和单个趋势段,然后选用TCN模型对小波变换后的噪声段和趋势段分别进行预测,最后将结果重构得到最终的预测结果。对于选取小波变换层数较复杂的问题,利用赫斯特系数能够表征数据可预测性的特点,提出小波变换后的平均赫斯特系数(公式)用于降低模型建立过程中小波变换层数选取的复杂度,从而改进小波-TCN组合时序模型。结果表明,改进后的预测模型对单一变量预测高效且准确,相对非改进模型运算时间减少150%左右。对于赫斯特系数大于0.5的预测数据,利用改进小波-TCN组合时序模型对铁水钒含量进行预测,预测结果数据的R2达到0.967,均优于LSTM、LSTM with Attention和TCN单一预测模型的预测效果;对铁水硅、硫含量和铁水温度数据进行单变量预测,其R2分别为0.953、0.942和0.933。该预测模型可高效准确地对高炉铁水质量单变量进行预测,并可为高炉冶炼过程中所产生的其他波动较大数据的单变量准确、高效预测提供参考方案。基于预测模型进行预测系统功能应用开发,能使操高炉操作人员直观了解高炉出铁质量各参数状况,对高炉出铁质量数据进行提前掌握,促进高炉稳定顺行。 相似文献
10.
11.
分析了铁水脱硫时铁水温度、铁水量、初始硫含量、脱硫后硫含量对镁粉耗量的影响,表明:随铁水温度增加镁粉耗量随之增加;随脱硫后硫含量的降低,镁粉耗量明显增加且增幅逐步扩大,为降低成本,脱硫深度应控制合理。为确定合适的粉剂用量,建立了基于BP神经网络和回归的铁水脱硫粉剂预报模型,其中BP神经网络模型是粉剂模型的主输出,回归模型用于限定输出范围。铁水脱硫粉剂预报模型已实现了在线控制,无需人工干预,达到了较好的应用效果。当偏差区间为[-0.001 5%,0.001 5%]时,脱硫后硫含量的符合率为90.85%,可有效实现脱硫后硫含量的控制。 相似文献
12.
13.
14.
在计算加热炉烟气露点温度的过程中,确定SO2转化为SO3的转化率是比较关键的一步.通过理论计算和分析文献上的经验数据,说明了反应温度、过剩空气系数、燃料硫含量等因素对转化率的影响.在此基础上,编制了计算烟气露点温度的Excel表格,并与成熟的露点温度线算图结果进行比较,认为此计算表格在工程上可用. 相似文献
15.
16.
本文利用回声状态网络建立了转炉终点钢水碳含量和温度预测模型,并应用遗传算法优化其主要参数。选用某钢厂3座120t转炉的实测数据对该网络模型进行离线训练和仿真测试,结果表明回声状态网络模型比BP神经网络模型在预测精度上有所提高。这为开展转炉实时预测工作提供了方法指导。 相似文献
17.
18.
以神经网络为基础开发出一套转炉冶炼终点控制模型。模型以转炉炼钢基础理论为依据,采用误差后向传播网络——BP网络为原形,对其算法进行改进,建立两个三层BP预测神经网络,选用29个输入参数,分别对终点温度和终点碳含量进行预报。通过采集现场操作数据和实际应用,碳温双命中率达到80%以上。 相似文献
19.
20.
ZHANGChun-xia WANGBao-jun ZHOUShi-guang LIULiu XUJing-bo LINLi-ping ZHANGCheng-fu 《钢铁研究学报(英文版)》2004,11(1):12-16
A hybrid neural network model, in which RH process (theoretical) model is combined organically with neural network (NN) and case-base reasoning (CBR), was established.The CBR method was used to select the operation mode and the RH operational guide parameters for different steel grades according to the initial conditions of molten steel, and a three-layer BP neural network was adopted to deal with nonlinear factors for improving and compensating the limitations of technological model for RH process control and end-point prediction. It was verified that the hybrid neural network is effective for improving the precision and calculation efficiency of the model. 相似文献