基于Fluent二次开发地铁通风系统日志文件

空调设计工程师应用Fluent软件对地铁空调通风系统进行数值分析仿真过程中遇到了诸多问题,如：重复性工作多、对使用者的流体专业知识要求过高等,通过Visual Basic高级编程语言编译仿真平台,调用Journal参数化日志文件,可以解决此类问题.参数化日志文件的应用是对Fluent软件进行二次开发的重要方法,不仅能够提高工作效率而且降低使用者门槛.本文研究内容：1)重点研究了Gambit与Fluent软件的命令流文件(Journal日志文件)的编写方法.2)Gambit与Fluent软件能够根据输入的参数对车体模型自动参数化建模、自动进行数值仿真计算并保存后处理结果.3)Journal日志文件在计算过程中能灵活地实现CFD分析中的相关功能,并且能够对计算结果与实验数据进行对比.因此, Fluent二次开发在实际工程上有着非常广阔的应用前景.     

应用有限差分法模拟高炉炉缸侵蚀

现有有限元、边界元方法模拟高炉炉缸侵蚀状况需要对炉缸进行网格划分的前处理,对于自由变动边界问题,这类模型计算十分复杂。应用基于适体坐标的有限差分方法模拟高炉炉缸侵蚀状况：通过求解Possion微分方程建立适体坐标系,将炉缸的不规则边界变换到规则的计算平面上,利用有限差分方法在计算平面上离散并数值求解热传导方程,给出高炉炉缸等温线的数值模拟。该方法计算简单,运行时间短,适合在线实时监测,邯钢7号高炉在线运行表明模型可以动态地跟踪炉缸侵蚀状况。     

Petri Net在宝钢铁水运输仿真系统中的应用

宝钢铁水运输仿真系统针对仿真系统的各个实体,包括高炉出铁口、高炉出铁线、脱硫间、倒罐站、前、后扒渣间、倒渣间、电炉、锭模、铸铁机、炉窑、TPC、机车和铁路,利用Petri网建立了模型.应用宝钢铁水运输计算机仿真系统,对宝钢2号高炉易地大修工程区域的20种方案进行仿真试验,通过不同方案下仿真结果的比较,得出了2高炉易地大修区域铁路布局和铁水运输调度方式的优化方案.     

基于高炉炉况评价和反馈补偿的喷煤量决策优化

高炉炼铁过程操作者根据炉况设定喷煤量,针对在增减量的大小和时机上存在盲目性、粗糙性、滞后性难题,将高炉冶炼机理与专家经验、过程信息相结合,建立基于煤气流分布和炉缸热状态评价的喷煤反馈补偿模型.首先,分析提取表征高炉煤气流分布和炉缸热状态的重要参数,利用熵权法确定评价模型的输入参数权重,依据专家经验与数据统计分析相结合的方法划分参数等级,分别建立煤气流分布和基于炉温预测的炉缸热状态评价模型;其次,建立与炉缸热状态和煤气流分布相适应的喷煤量反馈补偿模型,消除喷煤设定值不确定性、滞后性影响,提高煤粉的燃烧效率,实时、准确地为现场操作人员提供喷煤设定值.     

复杂高炉炼铁过程的数据驱动建模及预测算法

高炉炼铁过程的控制意味着控制高炉铁水温度及成份在指定的范围. 本文以高炉炉内热状态的重要指示剂---高炉铁水硅含量为研究对象, 针对机理建模难以准确预测、控制高炉铁水硅含量的发展变化, 利用数据驱动建模的思想, 建立了基于多元时间序列的高炉铁水硅含量数据驱动预测模型. 实例分析表明, 建立的数据驱动预测模型能够很好地预测高炉铁水硅含量, 连续预测167炉高炉铁水硅含量, 命中率高达83.23%, 预测均方根误差为0.07260. 这些指标均优于基于单一硅时间序列所建立的数据驱动模型, 对实际生产具有很好的指导作用.     

基于最优工况迁移的高炉铁水硅含量预测方法

高炉铁水硅含量是铁水品质与炉况的重要表征,冶炼过程关键参数频繁波动及大时滞特性给高炉铁水硅含量预测带来了巨大挑战.提出一种基于最优工况迁移的高炉铁水硅含量预测方法.首先,针对过程变量频繁波动问题,提出基于邦费罗尼指数的自适应密度峰值聚类算法,实现对高炉冶炼过程变量的工况划分,并建立不同工况硅含量预测子模型.其次,针对冶...     

宣钢高炉长寿辅助监测系统国产化改造实践

宣钢1#高炉自2005年的高炉建设开始引入高炉炉缸炉底内衬烧蚀状况自动化诊断系统,即WEIYE-FK系统为监测高炉的炉底及炉缸的烧蚀状况起到了关键的作用。2013年因硬盘损坏、软件安装不成功、且与厂家乌克兰联系不通等原因,决定进行国产化改造。     

基于CEEMDAN-RVM-EC的还原冶炼温度预报

针对高炉炼铁还原过程中非线性和大时滞等特点造成温度监测难度大的困境, 提出一种融合数据分 解、机器学习和误差修正的高炉铁水温度组合预测新模型. 首先, 引入带自适应白噪声的完备集合经验模态分解方 法对铁水温度序列进行分解处理, 通过提取不同频率的规律特征, 使复杂的非线性序列转化为规律性较强的子序 列; 随后, 采用相关向量机对子序列进行学习, 充分挖掘铁水温度序列的信息, 获得精度较高的预测结果; 最后, 将对 铁水温度影响较大的硅含量和富氧率等相关因素作为辅助参数, 使用经主成分分析处理后的辅助参数序列对预测 结果进行修正, 提高模型的预测准确性. 结果表明: 相较于整合移动平均自回归模型等传统模型, 所提出的新模型 综合性能更优, 即平均绝对误差百分比减小53.57%, 铁水温度为±10 ?C范围内的预测命中率提高25%. 所提出的模 型为实现高炉温度实时精细化调控提供了理论支撑, 对保证炉况稳定、提升产品质量和降低冶炼能耗具有重大实 际意义.     

基于多参数灵敏度分析与遗传优化的铁水质量无模型自适应控制

铁水硅含量(化学热)和铁水温度(物理热)是高炉炼铁过程最重要的铁水质量指标, 其建模与控制对于整个高炉炼铁过程的运行优化意义重大. 针对高炉炼铁过程极复杂动态特性以及铁水质量难以进行常规机理建模与控制的难题, 基于直接数据驱动控制思想, 提出一种基于多参数灵敏度分析与大规模变异遗传参数优化的高炉铁水质量无模型自适应控制方法. 首先, 基于紧格式动态线性化(Compact form dynamic linearization, CFDL)无模型自适应控制(Model free adaptive control, MFAC)技术确定铁水质量的多变量数据驱动控制器结构; 然后, 针对CFDL-MFAC众多可调参数对控制器性能影响大, 同时对众多参数整体优化非常耗时且效果不理想的问题, 基于多参数灵敏度分析(Multi-parameter sensitivity analysis, MPSA)技术, 提出基于大规模变异与精英局部搜索遗传优化的CFDL-MFAC控制器参数整定方法; 最后, 将参数整定后的CFDL-MFAC控制器应用到高炉炼铁过程多元铁水质量控制, 并与基于递推子空间辨识的数据驱动预测控制进行比较研究, 验证所提控制方法的有效性和先进性.     

Oracle数据库日志文件损坏时修复方法的实验研究

Oracle数据库日志文件记录了对数据库进行的所有操作,而日志文件又分为重做日志文件和归档日志文件.重做日志可用于进行实例恢复,但如果数据文件意外丢失或损坏,则必须要用到归档日志.针对归档或非归档日志文件损坏或丢失时,数据库发生故障的情况,用模拟故障的方法研究了不同情况下的修复方法.     

基于Stacking的高炉铁水质量区间预测

高炉炼铁多元铁水质量的实时准确预报是高炉内部状态进行实时监测和有效控制的重要手段,但预报结果存在准确度不高和缺乏可信度表征的问题,特别是在炉况不稳定和高炉数据波动大的情况下,多元铁水质量的预报结果存在较大偏差和较低可信度,不能为高炉日常操作和调节提供指导.针对这一工程难题,提出一种基于Stacking的高炉铁水质量区间预测建模算法,用于建立铁水质量区间预报模型.首先,为了提高建模的准确度,建立基于Stacking的铁水质量模型;然后,为了表征预测结果的可信度,引入区间预测的方法,用于多元铁水质量值和预测区间的同时预报;最后,通过工业实验表明,所提出算法能够实现对高炉多元铁水质量的准确预报,并且预测区间拥有较高的可信度,对实际生产操作具有较好的指导意义.     

PCA和PSO-ELM在高炉铁水硅含量中的预测仿真

炉温的实时预测技术对高炉运转具有重要意义。在高炉炼铁过程中,通常以铁水硅含量来表征高炉热状态。针对硅含量预测效率和精度不足的问题,提出主成分分析和粒子群改进的极限学习机相结合的方法对高炉铁水硅含量进行预测。由于影响铁水硅含量的因素众多,且各因素之间相互影响,通过主成分分析对影响硅含量的输入变量进行降维处理。利用粒子群算法来优化极限学习机的权值和阈值,并以均方根误差作为适应度函数建立预测模型。将提取出的主成分作为模型输入,铁水硅含量作为模型输出。最后比较了极限学习机算法和粒子群改进的极限学习机,实验结果表明改进后的预测模型提高了硅含量预测的准确度,上述方法可为高炉的生产操作提供参考。     

钢铁企业铁水运输调度优化与仿真

以钢铁企业铁水铁路运输为对象,通过鱼雷罐车运输(TPC)满足铁水在高炉与炼钢厂之间供需关系。以厂区铁路为网络, 在铁水运输路径选择及自动避碰算法基础上,根据铁水供需和网络点之间的距离以及道岔、信号等现场因素,提出了利用鱼雷罐车运行柔性时间和动态规划来优化铁水调度的方法,最终形成智能化的铁水调度仿真系统,辅助工作人员来对机车和铁水罐车（鱼雷罐车）实现较优调配     

高炉铁水硅含量预报的ICA-SVM建模方法

提出了一种基于改进的动态独立分量分析（independent component analysis, ICA）和支持向量机(support vector machine, SVM)的高炉铁水硅含量预报模型建模方法．采用动态ICA方法对样本数据进行特征提取,消除生产工艺参数之间的相关性．在此基础上,再使用目前计算复杂性较小的最小二乘SVM算法建立高炉铁水硅含量预报的动态递推模型,并引入了遗传算法以优化模型性能．以某钢厂高炉实际生产数据进行了应用实验,并与现有的时间序列分析、人工神经网络和基本SVM建模方法进行了对比．实验统计结果表明,本文方法显著提高了铁水硅含量的预测命中率．