高炉热状态模糊预报系统的研究

将模糊控制理论应用于高炉热状态的预报中，分析了影响高炉热状态的主要因素，给出了模糊预报系统的基本结构及具体实现方法，建立了高炉热状态模糊预报系统，从而实现了高炉炉热水平的精确预报。     

神经网络在高炉铁水含硫量预报中的应用

将TD方法与人工神经元网络方法有机地结合起来 ,提出了一种在高炉铁水含硫量预报中的应用策略。并基于鞍钢 10 # 高炉操作过程 ,建立了高炉铁水含硫量预报专家系统     

天气系统的建模与预报

本文讨论了天气系统预报模型的建模和预报问题,说明了由于有了多层递阶预报方法,所以使得具有时变参数的线性预报模型在预报问题中具有一定的普遍性,并给出了应用效果的报告。     

结构随机变化系统的多层递阶预报

本文考虑了模型结构和参数都可能时变的系统的预报问题,应用了结构时变的动态系统 在它的每种结构中逗留时间的概念,给出了模型结构改变的统计检验方法,并把多层递阶预报 方法推广到结构时变的系统.     

一类时变参数预报的周期变量法

本文讨论了一类具有较明显周期特点的时变参数序列的分析与预报问题,介绍了一种有效的确定周期的功率谱方法,提出了相适应的时变参数周期变量预报方法。     

多模型自适应预报及其在电力规划负荷预报中的应用

本文提出一种多模型自适应预报方法,预报系统由几个并行的多步预报器组成,最终预报由Bayes决策律决定。本法适用于随机快时变参数动态过程的预报,在我国工业用电量长期预报中应用此法获得了良好的效果。     

神经网络在高炉铁水含硫量预报中的应用

将TD方法与人工神经元网络方法有机地结合起来,提出了一种在高炉铁水含硫量预报中的应用策略。并基于鞍钢10^#高炉操作过程,建立了高 炉铁水含硫量预报专家系统。     

动态系统时变参数预报的一种途径

对于动态系统进行控制的前提是对于系统的状态进行估计和预报。直接做这项工作往往比较困难,因为系统的数学模型中含有未知时变参数。对于未知的时变参数进行估计已有许多方法。本文采用古典函数逼近方法,即用多项式函数来估计和预报时变参数。这种方法简便易行,如果能取得大量的观测数据,多项式函数的阶数又取得较高,就即保证了时变参数的预报精度,又减少了工作量。如果采用样条函数来逼近,效果会更佳。对于线性及非线性系统本文均做了讨论,并用模拟例子说明了这种方法是实用的。     

基于Bootstrap的高炉铁水硅含量二维预报

高炉铁水硅含量的实时准确预报对调控高炉炉温和稳定炉况具有重要作用, 但其预报结果一直存在准确度不高和缺乏可信度表征等问题, 特别是在炉况不稳、运行数据波动较大时, 预报结果的准确度和可信度急速下降, 不利于现场操作人员根据预报结果进行生产操作. 为此本文融合神经网络和Bootstrap预报区间方法, 构建高炉铁水硅含量的二维预报模型, 实现在预报硅含量值的同时给出了该预测值的可信度.应用实例表明, 本文提出的方法提高了硅含量点预测结果的准确度, 且预测区间宽度能正确地表征点预测结果的可信度, 对实际生产操作具有较好的指导意义.     

非平稳APMA模型自校正预报器及其应用

本文介绍了在具有时变均值和时变方差的随机干扰序列作用下,ARMA模型的在线辨识 与自校正预报.用简单的ELS方法实现模型的在线辨识.对指数平滑预报器一步预报误差 序列进行实时建模和实时修正的基础上,实现对未来值的自校正预报. 应用于雷达测量飞机低空飞行数据的短期预报,仿真和对实测数据的处理结果表明,此 方法简单且精度较高,适用于微型机对一类非平稳过程的实时建模和短期预报.     

基于遗传算法的多机多阶段的Flow Shop问题

讨论了多阶段多机的Ｆｌｏｗ Ｓｈｏｐ问题（Ｆｌｏｗ Ｓｈｏｐ ｗｉｔｈ Ｍｕｌｔｉｐｌｅ Ｐｒｏｃｅｓｓｏｒｓ总是），问题的目标是使工件的提前／拖期总成本最小。这是一个ＮＰ－难题。为此，首先给出了问题的数学模型，然后构造了一个有效的遗传算法。在本文的最后给出了实验结果和结论。     

分段线性回归和动态加权神经网络融合的高炉料位预测

针对高炉料位难以连续高精度测量的问题,提出了一种基于分段线性回归和动态加权神经网络的高炉料位信息预测方法.首先,通过分析高炉布料机制和料位检测数据特点,提出了一种面向雷达和机械探尺检测数据时间序列的联合划分方法,用于提取高炉料位的周期性变化特征;然后,利用该变化特征构建分段线性回归模型,获得能准确描述料位变化的回归曲线;最后,以回归统计指标为权重调节系数,利用动态加权径向基神经网络对料位信息进行预测.实例验证表明,该方法融合了机械探尺检测数据精度高以及雷达检测数据连续性好的特点,实现了高炉料位信息的实时有效预测.     

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...     

高炉煤气流分布过程的多算法融合预测模型

在高炉生产中,准确的预测高炉煤气流分布状况将有助于保证高炉的稳定顺行.针对传统高炉煤气流预测模型的缺陷,本文提出了一种将带遗传因子的自回归移动平均模型(FF-ARMAX)和基于限定记忆的正则化极限学习机(RFMLS-RELM)相结合的高炉煤气流多步预测模型.在数据预处理方面,建立FF-ARMAX模型消除原始数据中的测量误差,同时采用傅里叶变换法消除数据中叠加的环境噪声.最后采用RFMLS-RELM算法进行多步预测,对比试验表明,该算法在应用于煤气流预测时,预测精度更高,适用于对煤气流分布状况的多步预测.多步预测实验结果表明,该模型虽然仍旧无法完全解决预测误差随预测步数的增加而不断叠加的问题,但相较于其他传统预测模型能够实现更好的预测效果和更高的预测精度,为高炉操作人员分析炉况提供了有效的帮助和支持.     

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...     

高炉透气性指数的核超限学习机预测模型

高炉透气性指数反映了高炉内煤气流运动受到阻碍的大小,是操作人员判断高炉运行状态的重要依据.本文针对超限学习机的缺点,提出了基于核超限学习机的高炉透气性指数预测模型.首先选取了适当的高炉参数作为模型的输入.其次采用小波变换对生产数据降噪处理.然后建立基于核超限学习机的高炉透气性指数预测模型.在建模过程中,探索了不同的核函数对模型性能的影响,并对相关参数寻优.最后进行仿真实验,同其他算法对比.实验结果表明,相比于传统算法,基于核超限学习机的高炉透气性指数预测模型训练速度更快,预测精度更高,预测结果更稳定.     

基于分数阶的多向微分算子的高炉料面轮廓自适应检测

高炉料面图像含有丰富的高炉炉况信息,高炉料面轮廓能直接反映料面的凹凸起伏、煤气流分布以及炉况等信息,但高炉料面图像具有对比度低、细节不明显和有强亮斑等特点,使得高炉料面轮廓检测十分困难.本文提出一种新型的高炉料面轮廓检测方法:1）对高炉料面图像进行预处理,增强图像动态范围和图像边缘信息;2）采用分数阶的多向微分算子提取一组料面轮廓可行域;3）用自适应方法确定最佳分数阶阶次,获得可行域中最优的料面轮廓曲线;4）用改进的Canny算子对其进行修正和补偿,得到连续准确的料面轮廓曲线.理论研究和实验结果表明,该方法可准确获取平滑的高炉料面轮廓,对高炉操作人员及时有效调控布料具有很好的参考价值.     

复杂生产过程实时故障诊断专家系统

本文以高炉炼铁过程为例介绍了复杂生产过程故障检测实时专家系统（ＢＦＤＥＳ）。该系统综合运用了面向对象方法，知识编译，产生式及框架方法。提高高炉传感器的数据，ＢＦＤＥＳ系统可对高炉炉况作出实时判断，并可预测高炉运动的故障，该专家系统以实际在线运行表明，其性能良好并已取得显著的经济与社会效益。     

SLC500 PLC在高炉INBA法渣处理自控系统中的应用

高炉INBA法渣处理工艺是一种先进的渣处理方法。本文结合2#高炉INBA渣处理工程项目,从生产工艺、系统组成、解决方案、应用总结等方面详细阐述了罗克韦尔SLC500PLC在INBA渣处理生产过程中的应用。