高炉铁水硅含量的神经网络时间序列预报

利用ＢＰ网络实现了高炉铁水硅含量的时间序列预报，并以高炉铁水硅含量的历史数据对下一炉铁水的硅含量进行离线预报。结果表明，本模型具有较好的预报效果。     

高炉铁水硅含量的神经网络预报

通过神经网络对韶钢8号高炉的部分生产数据进行了铁水[Si]含量的预报,确定了w（Si）的主要影响因素,构建了较好的神经网络结构,并根据预报结果提出了判定炉热变化趋势的符合率的标准。     

铁水硅预报神经网络专家系统的遗传优化生成

利用遗传算法所固有的全局搜索性能,进化多层前馈神经网络连接权,结合ＢＰ学习算法和符号主义专家系统,建立了高炉铁水硅含量预报遗传算法神经网络专家系统。该系统解决了神经网络局部的收敛、学习时间过长的问题。实际应用表明该系统可以提高硅预报命中率,并能清楚解释推理过程,提供高炉操作指导。     

BP神经网络在高炉铁水硅预报中的应用

随着现代科技的发展和计算机技术的不断提高,高炉自动化操作显得越来越重要。高炉铁水硅预报能很好地反映高炉内热状态和高炉的成分,对高炉运行状态的判断起到至关重要的作用。在总结前人预报模型的基础上,综合考虑了各种影响因素,建立了BP神经网络模型,并结合现场数据进行计算,模拟结果和实际相符。     

梅山3号高炉（1250m^3）铁水硅含量在线预报

通过对影响高炉铁水硅含量的各变量分析和分类,在初步判断炉热发展趋势的基础上预报高炉铁水硅含量.用本模型在线预报梅山三号高炉铁水硅含量,预报结果表明当允许误差为±0.1%时的命中率达到81.67%,在没有炉顶煤气连续分析装置的条件下取得了较好的效果.     

铁水含硅量预报神经网络模型

针对我国高炉的检测水平,采用人工神经网络的方法建立了一种用于铁水含硅量预报的神经网络模型。该模型具有良好的适应性和自学习功能。     

神经网络模型与时差方法结合预报铁水硅含量

针对以ＢＰ算法为代表的监督学习神经网络在直接多步预测中不能渐进计算的问题,建立了一个三层简单反馈递归的神经网络模型,提出了将神经网络模型与时差方法相结合在高炉铁水硅含量预报中应用的策略。结合现场采集的实时数据进行实验,并与采用ＡＲＭＡＸ模型的预测结果相比较,具有较高的命中率。     

基于神经网络的高炉铁水硅和硫含量预报模型

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。     

六西格玛技术在铁水硅含量稳定性分析中的应用

通过收集唐钢2500 m3高炉生产数据,结合六西格玛管理技术对铁水硅含量与高炉操作参数的相关性进行回归分析,确定了影响铁水硅含量主要因素。通过稳定热风压力、炉内压差、热风温度、铁水温度等操作条件,显著提高了唐钢高炉铁水硅含量的稳定性。     

石钢高炉铁水含硅量神经网络预报模型

本文按照现代控制理论，把高炉视为多输入——单输出系统，利用人工神经网络方法，结合高炉生产实际建立了石钢高炉铁水含硅量BP神经网络模型。通过引入动态步长和“惯性项系数”提高了网络收敛速度。采用“修正式”预报模式提高了铁水含硅量预报的命中率。结果表明：在允许误差为0．1％时，命中率达到了86．67％，可以为高炉操作提供指导。     

石钢高炉铁水含硅量神经网络预报模型

按照现代控制理论,利用人工神经网络方法,把高炉视为多输入—单输出系统,结合高炉生产实际建立了石钢高炉铁水含硅量神经网络预报模型。通过引入动态步长和惯性项系数提高了网络收敛速度。采用不断更新学习样本集的方法提高了铁水含硅量预报的命中率。结果表明:在允许误差为0.1%时,命中率达到了86.67%,可以为高炉操作提供指导。     

石钢控制高炉炉料中TiO2含量的生产实践

分析了石钢0号高炉入炉原料中TiO2含量升高对高炉操作产生的不利影响，采取有效措施，确保了高炉炉况的稳定顺行。     

低硅高炉锰铁冶炼实践

分析了锰铁高炉内硅还原机理，冶炼低硅高炉锰铁的基本条件、途径和工艺措施，指出了高炉冶炼低硅锰铁的技术经济优势。     

高炉炉顶温度分布模式识别神经元网络的研究

高炉煤气流的控制是高炉操作的重要方面,本文开发了自动识别炉喉温度分布模式的自组织神经元网络,利用大量炉顶十字测温数据归纳整理出25种温度分布模式,并自动将当前的温度分布归类为其中的某一种模式。将模型识别的温度分布模式与炉体热负荷等检测信息进行综合分析,能够对高炉的煤气流分布做出更准确的判断,为工长调整装料制度提供有意义的指导。     

高炉炉壁侵蚀状态预测的神经网络分析法

采用二维简化的炉壁模型，用ANSYS软件进行热传导仿真计算，同时在MATLAB环境中建立BP网络模型，并利用炉壳外部测点的温度值识别炉壁侵蚀线，从而证明了神经网络方法在高炉炉壁侵蚀状态预测中应用的可行性。     

高炉用微孔铝碳砖显微结构研究

运用显微结构研究方法，研究高炉用微孔铝碳砖的显微组成结构，探讨了组成结构对使用性能的影响。