共查询到20条相似文献,搜索用时 125 毫秒
1.
LF精炼工序在炼钢过程起着调节温度的关键作用,准确预报LF精炼终点钢水温度对实际生产有重要意义.传统的LF精炼预报模型包括机理模型与黑箱模型.机理预报模型能够体现各工艺因素对终点钢水温度的影响,但由于LF精炼传热机理研究尚不完善,依靠机理模型预报终点钢水温度,难以达到预期效果;黑箱预报模型能够准确预报终点钢水温度,但不能反映精炼过程各工艺因素对钢水温度的影响,尤其当生产工艺条件发生改变时,黑箱模型在应用上会受到限制.本文以方大特钢LF精炼炉为研究对象,建立一种机理预报模型与黑箱预报模型(BP神经网络预报模型)相结合的LF精炼终点钢水温度灰箱预报模型.该模型既能反映各工艺因素对终点钢水温度的影响,又能准确预测终点钢水温度,其终点钢水温度预测误差在±5℃以内的命中率可以达到95%以上. 相似文献
2.
LF钢包炉精炼终点钢水温度的预报模型 总被引:1,自引:0,他引:1
采用多元回归分析方法建立了宝钢一炼钢厂LF钢包炉精炼终点钢水温度的预报模型,应用该模型对LF精炼终点钢水温度进行预测,对预测结果进行了统计分析,结果表示该模型对LF钢包炉精炼终点温度的预测误差在+10℃时的命中率达到95%。 相似文献
3.
采用多元回归分析方法建立了涟钢210转炉厂LF钢包炉精炼终点钢水温度的变化模型,应用该模型对LF精炼终点钢水温度进行预测,对预测结果进行了统计分析,结果表明该模型对LF钢包炉精炼终点温度的预测误差较小,能对现场产生指导意义。 相似文献
4.
5.
6.
7.
8.
针对LF冶炼终点温度影响因素的复杂性,提出以自组织数据挖掘原理为核心的GMDH神经网络对钢水终点温度进行预测,±5℃内误差的命中率为78.31%,±7.5℃内误差的命中率为92.77%;建立物料的热效应模型,通过不同物料加入钢水中的热效应计算,将LF精炼过程中加入的物料折算为一个输入因素,改进的GMDH神经网络对钢水温度预测,±5℃内误差的命中率为88.72%,±7.5℃内误差的命中率为98.44%,基于物料模型的GMDH神经网络不仅在命中率上有显著提高,而且对冶炼多钢种导致的物料结构改变有更好的适应能力. 相似文献
9.
10.
11.
12.
13.
14.
转炉炼钢是一个复杂的高温物理化学反应过程。在冶炼过程中不能连续检测钢的成分。所以,准确地预报终点的碳质量分数和温度对于提高终点命中率是非常有意义的。基于广西某钢厂80 t转炉炼钢实际生产数据,建立了终点碳质量分数和终点温度的孪生支持向量回归机(TSVR)预测模型,对100个炉次的实际生产数据进行了模型的训练,另外30个炉次的数据用于验证模型的精度。结果表明,预测误差Δω([C])≤ 0.01%的命中率为93.3%,Δt≤15 ℃的命中率为96.7%,双命中率为90%。与BP神经网络模型相比,TSVR模型的终点碳质量分数和终点温度命中率均比BP神经网络模型高。 相似文献
15.
16.
17.
18.
LF炉钢水温度的精准控制有利于缩短钢的冶炼时间,从而节约其生产成本。而获得准确的LF炉钢水温度预报是钢水温度控制的先决条件。通过分析LF炉冶炼过程对钢水温度的影响因素,提出一种适用于LF炉钢水温度预报同时具有增量学习功能的AdaBoost.RS集成建模算法。该算法引入松弛变量和遗忘因子2个参数,在提高预测精度的同时,可以克服大噪声数据带来的干扰,同时增量学习可以降低早期生产数据对模型的影响。以福建三钢有限责任公司100tLF炉为研究对象,采用5个测试函数验证算法的抗噪性能,分别用静态数据和动态数据对钢水出站的终点温度进行预报。实验结果表明,预测的绝对误差小于10℃的样本数量超过了样本总数的90%,算法精度较高,有利于实际生产应用。 相似文献
19.
转炉冶炼终点静态控制预测模型 总被引:4,自引:0,他引:4
基于天津天铁冶金集团30t转炉炼钢实际生产数据,首先建立了转炉炼钢终点静态控制的吹氧量及矿石用量统计模型,其预测100个炉次吹氧量和矿石用量平均相对误差分别为0.58%及10.4%。考虑到影响终点钢水温度和碳含量的因素比较复杂,设计了预测钢水终点温度和碳含量的人工神经网格模型,利用Levenberg-Marquardt算法和257个炉次的实际生产数据进行了模型训练,并对另外100个炉次的终点钢水温度及碳含量进行了预测,在终点钢水温度为1646-1698℃和终点碳质量分数为0.033%~0.128%的范围内,得到的终点碳温双命中率为55%。 相似文献