基于案例推理预测精炼开始钢水温度

针对BP神经网络训练时间长的问题,采用基于案例推理的方法预测精炼开始钢水温度.首先,应用层次分析法确定影响精炼开始钢水温度的各个因素的权值,并使用灰色关联度来计算案例的相似度,克服了传统相似度计算方法在案例信息不完整的情况下无法获取准确结果的缺点.然后,提出一个包含类选、粗选、精选和择优的四步检索方法,大大缩短了检索时间.最后,实验比较了人工神经网络和基于案例推理两种方法,结果表明基于案例推理比人工神经网络具有更高的命中率.     

基于集成案例推理方法的RH精炼钢水终点温度预测

针对RH工序终点钢水温度预测问题, 提出一种基于多元线性回归和遗传算法改进的集成案例推理方法.首先, 针对一般案例推理方法中缺少影响因素精选方法的问题, 利用多元线性回归进行属性约简;然后, 针对案例检索中相似度计算缺少权重计算方法的问题, 利用遗传算法进行权重优化;最后, 基于精简的影响因素和优化的权重, 利用改进灰色关联相似度进行案例检索, 实现RH终点钢水温度预测.利用某钢铁企业RH工序实际生产数据分别对多元线性回归、BP神经网络、一般案例推理方法和集成案例推理方法进行测试, 结果表明, 集成案例推理方法在多个温度区间比多元线性回归、BP神经网络和一般案例推理方法都有更高的预测精度.     

应用多元回归技术预测CAS终点钢水温度

以多元回归模型作为CAS过程的预测模型,实现了对CAS处理终点温度的预测。在建模中,对影响CAS终点温度的主要因素进行了分析和探讨,为生产合格钢水及CAS的动态控制提供了理论依据。本模型能较好地预测CAS终点的钢水温度,预测误差在±5℃、±10℃以内的正确率分别为85%和92%。     

基于数据驱动的转炉二吹阶段钢水温度动态预测模型

转炉钢水温度是转炉终点控制的工艺参数之一,精确的钢水温度预测对转炉终点控制具有重要的指导意义。然而,以往的大多数转炉终点预测模型属于静态模型,只能够实现对转炉吹炼终点钢水温度的预测,无法实现动态预测,导致模型的作用有限。针对该问题,提出了一种基于数据驱动的转炉二吹阶段钢水温度动态预测模型。模型先通过新案例主吹阶段的工艺参数,基于案例推理算法找到历史案例库中相似案例。再利用相似案例的二吹阶段工艺参数并基于长短期记忆网络（Long short-term memory,LSTM）算法训练工艺参数与钢水温度的变化关系。然后利用训练好的LSTM模型,计算新案例二吹阶段的钢水温度变化。最后,利用某钢厂实际生产数据,研究了不同重用案例个数及神经元个数对模型预测精度的影响,实验结果表明:模型在重用案例个数为4,神经元个数为10时模型的预测精度最高,此时模型对钢水温度的预测误差在[?5 ℃, 5 ℃]、[?10 ℃,10 ℃]和[?15 ℃,15 ℃]的命中率分别达到40.33%、68.92%和88.33%,模型的性能高于传统二次方模型和三次方模型。      

钢包精炼过程中钢水成分微调及温度预报

开发了钢包精炼（ＬＦ）过程钢水成分微调模型并应用于现场。计算了不同合金加入钢包后引起钢水温度的变化,为ＬＦ钢水温度的精确控制提供了依据。     

钢包在线加热试验

简述了红包出钢试验过程及试验方法，得出了试验结果，具有较高的经济效益。     

基于BP神经网络的钢水温度预定模型

针对目前钢水温度预定方法存在不足,在分析钢水温度预定原理的基础上,在邯钢邯宝炼钢厂建立了基于BP神经网络的精炼终点目标温度和转炉终点目标温度的动态预定模型。利用邯宝炼钢厂的历史生产数据对模型进行了训练和测试,并进行了现场应用试验。结果表明,预定模型对转炉和精炼终点目标温度进行了优化,应用预定模型后,LF开始温度命中率提高到75%,中间包温度命中率提高到96.7%。     

炼钢厂连铸钢水温度预报模型

应用神经网络建立连铸钢水温度预报模型,重点研究了转炉出钢到中间包浇铸区间的温度变化,确定钢水温降与其影响因素之间的非线性映射关系.本模型能较准确地预报连铸钢水温度     

新钢包热状态对钢水温度的影响

 以210t未加绝热层的无碳新钢包为研究对象,建立数值模拟模型进行计算,并利用实际生产数据进行验证。计算结果显示新钢包蓄热到第10周期达到热饱和状态;新钢包阶段由于蓄热所造成的钢水最大温降为183℃,据此建立了新钢包阶段的钢水温度补偿模型。实际应用结果表明,该温度补偿模型的应用提高了中间包的钢水温度命中率,对炼钢厂的生产具有一定指导意义。     

钢包钢水温降及其影响因素的模拟

通过有限元方法建立了120 t钢包的传热模型,计算分析了钢包在使用过程中的传热行为,研究了钢包内衬及厚度对钢水温降的影响.结果表明:使用导热系数较低的保温材料,在传统钢包内衬中添加绝热层能显著提高钢包的保温效果,减低钢水温降速率;改变工作衬厚度对钢水温降速率的影响较小.     

冶炼过程钢包温度场和钢水温降的研究

采用有限差分法,建立了钢包的传热物理模型和耐火材料层的温度分布模型,研究炼钢过程中钢包包衬温度场分布和钢水温降的影响.结果表明热态空包每多停留1 min,后续钢水温降增加约0.26℃;空包停留1 h后进行1 h的离线烘烤,后续出钢阶段钢水降温约12℃;永久层导热系数越小,永久层的温度梯度会越大,隔热效果会越好,工作层宜...     

提高中间包钢水温度合格率的措施

针对韶钢第三炼钢厂钢水中间包温度波动大、中间包温度合格率偏低等的情况,在钢包精炼、连铸、生产组织等影响温度的各个控制环节进行了优化,钢水中间包温度控制合格率由80%左右提高到95%以上.     

中间包内钢水温度预测模型

采用多元回归分析建立了60t中间包内钢水温度的预测模型.对中间包内预测温度统计分析结果表明,该模型的钢水温度预测值与实测值非常吻合.     

RH—TOP精炼终点钢水温度的预报模型

采用多元回归分析方法分别建立了未吹氧和吹氧工艺条件下RH-TOP精炼终点钢水温度的预测模型。对预测温度统计分析结果表明：未吹氧条件下,模型对RH—TOP精炼终点温度的预测误差在±5℃和±10℃时的命中率分别为83％和99％;吹氧条件下,模型对RH精炼终点温度的预测误差在±5℃和±10℃时的命中率分别为79％和96％。     

智能钢水测温定氧仪

本文介绍一种采用高性能１６位单片机设计的智能钢水测温定氧仪，应用曲线拟合的方法解决了复杂的含氧量计算。     

RH-MFB精炼过程中钢水温度预测模型

建立了RH—MFB精炼过程中钢水温度的数学模型,通过Delphi程序计算了精炼过程中钢水的温度．结果表明,RHMFB精炼开始阶段,钢水温度急剧下降,前10min降温速率约为3℃·min^-1．加Al吹氧、加合金和真空室内壁初始温度对钢水温度影响较大．采用该模型预测了精炼结束时刻的钢水温度,与生产中钢水温度平均误差在±5℃以内的占80%．     

中间包钢水温度控制研究及优化

为了提高中间包温度合格率,减少连铸机拉速波动,根据首秦现有工装设备条件,分析了中间包温度合格率较低的原因,研究了精炼周期、浇铸断面、工艺路线以及钢包状况对钢水温降的影响,同时总结出连铸中间包烘烤、开浇钢水温度变化以及浇钢过程钢水温度变化规律。通过提高优质钢包的周转数量、规范操作并精确控制精炼吊包温度、保持连铸中间包钢水温降稳定,使钢水中间包温度合格率达到92%以上,铸坯内部质量也得到一定改善。