基于粒度聚类的转炉炼钢氧气消耗量预测

转炉炼钢是钢铁企业的主要耗氧工序, 预测转炉炼钢的氧气消耗量对氧气系统合理调度、保证生产安全具有重要意义. 考虑到转炉冶炼工况多、钢种数据粒度不统一, 提出一种基于粒度聚类的转炉炼钢氧气消耗量预测方法. 首先, 利用孤立森林异常检测法剔除历史数据库中的异常数据; 接着, 采用皮尔逊相关性分析和互信息相关系数选取相关影响因子, 对不同钢种数据进行信息粒化, 实现数据特征提取和维度统一, 使用模糊C均值(Fuzzy C-means, FCM) 划分工况并建立不同工况下的氧气消耗量预测子模型; 最后, 利用企业的实际生产数据进行实验, 验证所提方法的准确性和有效性.     

基于PSO优化的SVM预测应用研究*

支持向量机参数对支持向量机的性能有着重要影响,参数选择问题是支持向量机的重要研究内容。针对此问题,提出一种基于粒子群优化算法的支持向量机参数选择方法。实验结果表明,经粒子群优化算法优化的支持向量机回归模型具有较高的预测精度,粒子群优化算法是选取支持向量机参数的有效方法。     

基于互信息案例推理的氧气脱碳效率预测模型

提出基于互信息案例推理的氧气脱碳效率预测模型,并依据预测结果计算转炉炼钢静态和动态阶段吹氧量.首先提出一种新的吹氧量预测方法,将氧气脱碳效率作为案例推理的解属性;然后将互信息引入属性权重的确定过程中,解决了传统案例检索方法忽略问题属性与解属性之间信息量的不足.将所提方法用于一座150t转炉的实际生产数据中,仿真结果表明该模型预测精度较高.该方法能够实现对转炉炼钢吹氧量的准确计算,满足实际生产的要求.     

基于PLC的转炉吹氧限压控制器

氧压自动控制是保证转炉炼质量的理想方案,笔者设计了一套转炉吹氧压力限压及信号联锁控制器。详细介绍自动限压的基本工作过程,控制器的软件、硬件设计。     

基于神经网络的转炉炼钢终点控制

转炉炼钢是一种非常重要的炼钢方法,终点控制是转炉炼钢后期的重要操作.由于冶炼过程温度极高,很难进行准确及时地测量,无法形成通常意义下的反馈控制.采用RBF神经网络预报转炉炼钢终点温度和碳含量,在此基础上提出了基于神经网络的动态终点控制方法来确定在补吹阶段需要的吹氧量和加入的冷却剂量,克服了传统控制方法中基于热平衡和氧平衡控制模型不准确的缺点,提高了终点命中率.     

基于Quantum PLC的炼钢转炉自动化系统

本文介绍了基于施耐德Quantum PLC的150t炼钢转炉自动化系统，从该转炉的工艺流程、技术要求和控制策略、系统解决方案和评价以及运行效果等方面进行了较为详细的描述。     

基于副枪控制技术的转炉模型炼钢

安阳钢铁股份有限公司第二炼轧厂150t转炉采用副枪及模型炼钢控制技术,在不中断吹炼情况下从转炉中获取钢液成分和温度信息,实现转炉自动控制炼钢。     

基于神经网络预测控制的转炉终点优化控制

基于转炉静态模型控制的终点优化控制,可为后期冶炼提供更精准的入炉主辅料配给信息,进而提高终点碳温的一次倒炉命中率。以神经网络预测控制理论为指导,采用BP网络作为转炉系统的辨识预测模型,并利用改进的粒子群算法(PSO)作为网络预测控制器的最优化算法,对影响转炉终点碳温的入炉主控量——吹氧量和废钢加入量进行寻优,从而实现对终点碳温的优化控制。最后,采用某钢厂的实际生产数据进行验证,结果表明所建立的优化控制模型可有效快捷地实现终点碳温的优化控制。     

基于粒子优化神经网络算法的股票价格预测方法

为了提高股票价格预测的准确性并降低预测耗时,文章引入了粒子优化神经网络算法。通过融合神经网络和粒子群优化算法,构建了一个更有效的预测模型,以更好地反映股票价格的动态变化。同时,引入混沌干扰因子和变异因子增加算法多样性,进一步提高预测的精确性和稳定性。这种基于粒子优化神经网络的方法为股票价格预测领域的研究和应用提供了一种新的解决方案。     

基于支持向量机碱度偏差估计的石灰加入量模型

提出碱度偏差估计模型,进而提出一种转炉炼钢石灰加入量计算方法.首先,使用支持向量机建立碱度偏差估计模型,预报输入碱度与炉渣碱度之间的偏差;然后,利用碱度偏差估计模型预报的偏差值修正传统公式中的碱度参数,再消除白云石加入量对石灰加入量的影响,得到改进的石灰加入量模型.应用该方法对一座150t转炉的实际生产数据进行计算,结果显示对碱度偏差的预报有着较高的精度,由此计算的石灰加入量可以满足实际生产的要求.     

转炉炼钢智能控制方法及应用

将模糊推理、自适应、自学习、专家系统等技术与转炉炼钢动态控制方法相结合,提出了转炉炼钢智能动态控制的新方法.该控制方法由动态吹炼过程补吹氧量与冷却剂量预设定模型、熔池碳含量和温度预测模型及停吹专家系统等组成,并成功应用于某钢厂转炉炼钢过程,大大提高了转炉炼钢过程熔池命中率.     

基于鲁棒相关向量机的转炉炼钢终点预报模型

针对传统相关向量机在训练过程中易受异常点影响的问题,提出了一种鲁棒相关向量机模型,并将其应用于转炉炼钢终点碳含量和温度的预报.通过为每一个训练样本设定独立的噪声方差系数,并使其在训练过程中随模型预测误差的增大而逐渐减小来降低异常点的影响,同时依据贝叶斯证据框架给出了模型超参数的迭代计算公式,进行参数的优化.使用标准测试数据和转炉炼钢实际生产数据进行仿真,结果表明本文模型具有较好的预报精度和鲁棒性.     

Bofy-fuzzy logic control for the basic oxygen furnace (BOF)

In this paper, fuzzy modeling for the control of basic oxygen furnace (BOF) processes is proposed. BOF is a widely preferred and effective steel making method due to its higher productivity and considerably low production cost. Therefore, today almost 65% of the total crude steel production in the world is met by using the BOF method. Higher steel output at lower cost is one of the main objectives of modern steel making methods. In order to accomplish this objective, fuzzy modeling was employed in this study in order to control some variables related to the BOF process. Fuzzy modeling and control in BOF promise a solution to the strongly non-linear problems associated with the process, which have so far proven extremely difficult to be solved by conventional control methods. Data set was selected as inputs from the real empirical BOF data in an integrated steel plant based in Turkey. Although there were negligible deviations from the target values, most of the fuzzy results obtained using MATLAB-Fuzzy Logic Toolbox version 5.0 were found to be acceptable. As a result of the application of the proposed modeling, acceptable levels of compatibility were achieved compared to the empirical BOF data and targeted steel composition. The paper indicates how fuzzy logic would be effectively used for improved process control of BOF furnace in steel making industry.     

转炉炼钢智能动态终点控制(英文)

针对转炉炼钢过程复杂,影响终点因素多,而且难以进行连续准确针测量,提出了基于副枪检测信息的智能动态终点控制方法。采用灰色模型并通过神经网络进行补偿对转炉炼钢终点温度和碳含量进行预报,在此基础上,以RBF神经网络作为预设定模型,通过模糊调整确定补吹阶段需要的氧气量和加入的冷却剂量,并对一座180吨转炉进行仿真计算,结果表明了该方法的有效性。     

贪婪核主元模糊神经网络在转炉炼钢终点预报中的应用

本文提出基于核思想和贪婪算法的主元模糊神经网络模型,用来进一步提高转炉终点碳含量和温度预报模型的精度．采用核函数把输入变量向高维特征空间映射以充分挖掘变量的隐藏信息,经贪婪算法优化选取主元,除去变量的冗余信息,降低输入维数．将提取的主元输入自适应神经模糊推理系统后,网络以规则的形式来反映数据间蕴含的关系;以此模拟操作工经验,减少经验差异带来的影响．对转炉生产实测数据进行了仿真,结果表明该模型是有效的．     

转炉炼钢终点磷的智能预报

提出了一种用于预报转炉炼钢终点磷含量的智能方法, 在该方法中, 采用模糊推理和遗传算法, 其中模糊推理用于估算转炉熔池的磷含量, 而模糊推理模型中的各个系数则由遗传算法辨识与优化. 为了提高熔池磷的估算精度, 同时还设计了一种神经网络以补偿来自模糊推理过程的误差. 仿真结果表明了该方法的有效性.     

遗传程序设计用于工业调优--炼钢转炉炉龄预测

提出了炼钢转炉炉龄问题预测的遗传程序设计方法,并选取一组标样进行了研究.结果表明,该方法性能良好,可望成为钢铁工业预测、调优的一种有效辅助手段.