铝镇静钢的成本最优化合金配料模型研究

当前使用的转炉出钢—LF精炼过程的合金配料方法对成本考虑不足,为此,基于钢—渣之间的热力学平衡反应机理,在满足钢种成分要求的前提下,采用单纯形法建立了铝镇静钢的成本最优化合金优化配料模型,开发了一套转炉出钢—LF精炼过程的合金化软件包。选用船板钢生产数据对模型进行离线调试,结果表明,按照模型计算结果来配加合金,吨钢成本平均可降低5元,具有可观的推广应用价值。     

不锈钢精炼配料优化模型开发

介绍了根据某不锈钢企业精炼材料及工艺参数,采用C++编程开发了网页版的不锈钢精炼配料优化模型。模型包括基础数据模块、性价比分析模块和精炼配料优化模块。模型兼具手动配料和自动配料两种模式,在满足目标产品成分和原料配比等限制条件下,以成本最低为目标进行优化配料。模型界面简洁、操作简单。精炼产品理论成本较现有人工方案低3.0元/t以上,经济效益显著。     

基于RBF神经网络的中厚板轧机的温降模型

 基于Matlab神经网络工具箱,采用改进的径向基函数(RBF)网络优化计算4200中厚板轧机的轧制温度。通过径向基层散布常数的人工调整以及神经元的自适应调整,提高了收敛速度,确定了最佳的网络结构形式。网络预测结果与在4200中厚板轧机上实测的轧件温度进行了对比,预测精度很高,表明了该网络模型的优越性。该模型可为以温度参数为主要控制对象实行自动化生产的4200轧机提供可靠的参数,也可为人工神经网络在其它自动控制方面的应用提供参考。     

基于Delta学习规则的改进型单神经元自适应PID控制器设计

介绍了基于Delta学习规则的单神经元自适应PID控制器的控制算法,提出利用径向基函数(RBF)神经网络对其中未知部分进行辨识,构成单神经元和RBF网络组合控制器,并利用带有纯滞后环节的二阶模型进行仿真研究,结果显示改进型算法比原算法响应速度快、抗干扰能力强,具有更好的动、静态特性。     

油井管用镍基耐蚀合金的两种冶炼工艺比较

介绍了镍基耐蚀合金的两种冶炼工艺:真空感应炉—电渣重熔和电弧炉—炉外精炼。真空感应炉冶炼中的脱氧和脱硫操作对提高耐蚀合金的纯净度有重要作用。电渣重熔可以显著提高镍基耐蚀合金的耐蚀性和热塑性,还可以降低硫含量。电弧炉—炉外精炼可以降低生产成本,获得纯净度较高的组织。以油井管用028镍基耐蚀合金为例,其冶炼采用真空感应炉—电渣重熔冶炼工艺,生产成本较高;采用电弧炉—AOD冶炼工艺,生产成本低,适合于大批量生产。     

基于维度缩减的合金加料智能预测模型的研究

合金加料预测模型作为炼钢精炼环节重要的工艺模型,其准确性对合金加料以及精炼环节的进一步自动化起着非常重要的作用.在实际数据的基础上,运用维度缩减同RBF神经网络相结合的方法建立合金加料智能预测模型,结果证明维度缩减后的合金加料模型具有较好的预测效果.     

专利名称：钒基固溶体储氢合金及其制备方法

一种钒基固溶体储氢合金及其制备方法，涉及金属功能材料及其制备方法，主要解决钒基固溶体储氢合金制备的低成本化问题。适用于钒基固溶体储氢合金和钛基储氢合金的制备。本发明制备包括：原料的选择与处理，配料与混料，制作反应器，     

镍基高温合金真空感应熔炼碳氧反应数值模拟

为了探究镍基高温合金真空感应熔炼(VIM)过程中碳氧反应动力学规律，基于电磁场-流场-溶质场多物理场耦合技术，建立了考虑电磁搅拌和坩埚分解作用的真空感应熔炼脱氧动力学模型，研究了电流强度、压强以及精炼温度对镍基高温合金熔体脱氧反应的影响。结果表明，模拟得到的熔池氧含量随时间的变化规律与试验结果吻合较好；电磁搅拌加速了熔池中氧的传质速率，对熔池中氧的分布有显著影响；增大电流强度、降低压力或降低精炼温度均能有效促进熔池脱氧反应的进行。当电流强度从55 A增加到75 A时，熔池氧平均质量分数从0.001 373%下降到0.001 298%。当压强从1.5 Pa降低到0.5 Pa时，熔池氧平均质量分数从0.001 960%下降到0.001 338%。当精炼温度从1 873 K降低到1 773 K时，熔池氧平均质量分数从0.001 855%下降到0.001 339%。所得结果将为改进镍基高温合金的VIM精炼过程提供有效依据。     

网络自动化系统在炉外精炼中的应用

介绍了济钢第三炼钢厂炉外精炼系统中网络自动化系统的应用。网络自动化系统由一级基础自动控制系统和二级过程模型控制系统两级网络构成,采用Ethernet工业以太网和Modbus Plus两种通讯技术,完成生产管理和动态冶金模型的功能,实现了炉外精炼的网络自动化控制。     

碳化硅高温换热器在我厂熔炼炉上的应用

一、前言铝熔炼是利用重熔过程,将不同品位的电解铝锭或铝的废料熔炼成质量均匀,并获得正确的化学成份的金属材料;通过熔炼向纯铝中再加入合金配料,配制成各种铝合金;为除去原料、废料和中间合金内所掺杂的氧化物、夹杂物及气体等,进行精炼获得高质量的压力加工需要的产品。铝和铝合金     

基于RBF-BP混合神经网络的烧结烟气NOx预测

摘要：对烧结烟气NOx生成量进行预测,能为烧结NOx源头和过程减排提供有效指导。利用BP神经网络模型和RBF神经网络模型对烧结烟气NOx进行了预测,在此基础上结合BP模型自适应学习能力强和RBF模型快速收敛的特性,采用优化模型结构、设立连接层的方法,构建RBF BP混合神经网络模型进行了NOx预测研究,并对3种模型的预测结果进行了对比分析。研究表明,3种神经网络模型中,RBF-BP混合模型的均方根误差为11.37mg/m3,平均绝对误差为7.14mg/m3,最大绝对误差为35.47mg/m3,最小绝对误差为0.0083mg/m3,各评价指标均为3种模型中最优,混合神经网络模型的预测数据稳定性更好,结果拟合程度更高且收敛速度最快。采用混合模型预测NOx能有效消除烟气NOx生成量反馈延迟。     

基于分布式神经网络模型的高炉炉温预测建模

高炉炼铁通常采用铁水Si含量间接反映炉温的变化,模型预测精度低。以影响炉温的6个变量为输入变量,采用基于自组织的分布式RBF神经网络模型分别对铁水温度和铁水Si含量建立预测模型,先用自组织神经网络划分输入输出样本空间,然后对每个子空间建立RBF神经网络子网模型,再使用子网模型对测试样本集的同一个样本点进行预测,并以测试样本点对每一子空间的隶属度为权值,对子网预测值进行加权求和,得到最终预测值。对比使用同一输入变量数据的铁水温度和铁水Si含量的预测模型命中率,研究表明,高炉铁水温度的命中率更高,具有更好的炉温预测效果。     

轧制力预测中RBF神经网络的组合应用

 传统的数学模型无法达到冷连轧控制的尺寸精度要求。针对传统轧制力模型的固有缺陷,为提高冷连轧机组轧制力计算精度,合理选择、更新和预处理训练样本,采用RBF神经网络预测冷轧带钢屈服应力并把它用于传统轧制力计算模型,获得较高的轧制力预测精度。而后使用RBF长期数据修正网络和RBF短期数据修正网络得到长期数据修正网络和短期数据修正网络的修正系数,对轧制力计算值进一步修正,从而进一步提高轧制力预报精度。上述方法直接用于某冷连轧机组,轧制力预测误差在±6%之内。这充分证明RBF网络可以成功用于轧制过程控制并满足实际生产的需要。     

基于模糊聚类及神经网络的连铸漏钢预报

在模糊RBF神经网络的基础上,通过融合基于贴近度的改进FCM和Conditional FCM算法,建立了改进的模糊RBF网络模型;并结合某钢厂连铸现场采集的历史数据将该模型应用于连铸漏钢预报的过程中。结果表明,改进的网络模型能更准确地辨识连铸粘结漏钢过程中典型温度模式1和模式2,对二者的预报率分别达到949%和983%,报出率均达到100%,其预报性能更佳,能更有效地预报拉漏事故。     

RBF神经网络在选矿生产指标预测模型中的应用

对RBF神经网络的结构和特性作了简要的概述，应用RBF神经网络建立了选矿生产指标预测模型，并进行了仿真试验，结果表明，RBF神经网络的应用是成功的。     

RBF神经网络在磨矿故障诊断中的应用

对 RBF神经网络的结构和特性进行了简要的概述 ,指出 RBF网络可避免网络训练局部最优问题 ,是一种分类能力较强的神经网络。应用该方法设计出神经网络故障诊断系统 ,并对磨矿设备进行的模拟验证 ,结果表明网络的应用是成功的。     

利用BP神经网络预测AOD炉冶炼含氮不锈钢氮含量

根据AOD炉吹氮气冶炼含氮不锈钢的生产条件,运用BP神经网络建立了含氮不锈钢氮含量预测模型和吹氩时间预测模型。模型可利用生产现场的实际操作数据预测钢中氮含量,并可预测冶炼过程中控制钢中氮含量所需要的吹氩时间。结果表明,预测结果准确率较高,模型适用性较强。     

宝钢2050热轧短行程控制模型研究

为提高热轧带钢短行程控制精度，将折线模型改进为光滑模型，研究了短行程控制的多项式模型和RBF神经网络模型，进行了仿真分析，并投入现场使用。     

基于神经网络的金属应力状态系数模型

 以4200 mm轧机轧制71块钢板的实测数据为基础,利用Matlab神经网络工具箱,分别建立了轧制变形区的应力状态系数与轧前厚度、轧后厚度及轧辊直径对应关系的Elman神经网络预测模型和RBF神经网络预测模型。结果表明,所建立的两种网络模型均建立了金属应力状态系数输入和输出关系,RBF神经网络模型比Elman网络模型数据稳定,性能更优,实现了与实测结果的高度拟合。并得出不同轧辊直径对神经网络模型精度的影响规律,对轧制工艺规程的制定提出了合理建议。     

基于RBF神经网络的黄金价格非线性预测

在对黄金市场进行分析时,通常根据黄金价格数据自身特点选取合适的模型进行建模预测,但因黄金价格数据本身的非线性特征比较明显,模型的选取往往较为困难,预测精度不高。利用神经网络的特性,建立了RBF神经网络,有效地解决了模型选择不当的难题。实证表明,RBF神经网络建立的非线性模型预测精度较高。