共查询到20条相似文献,搜索用时 0 毫秒
1.
2.
3.
基于FA-ELM的转炉终点磷含量预测模型 总被引:1,自引:0,他引:1
转炉终点磷含量的预测对实现转炉自动出钢、缩短冶炼周期具有重要意义,为了实现转炉终点磷含量的窄窗口控制,为操作工艺提供指导,需要建立更高精度的终点磷含量预测模型。通过对冶炼工艺以及脱磷热力学的分析,选取12项影响脱磷过程的可观测指标,构建了终点磷含量预测指标体系,然后借助因子分析法(FA)对数据进行降维处理,得到6个派生变量,将其作为模型输入,终点磷含量作为模型输出,建立基于超限学习机(ELM)的终点磷含量预测模型。并将ELM模型预测结果与BP神经网络的进行对比,研究发现,ELM模型拟合度更高,回归系数R2=0.778 7,平均误差MAPE=0.106 0,并且预测误差在±0.003 0%内的炉次所占比例为86.67%。因此,相比于BP神经网络模型,ELM模型具有较高的精度和较好的泛化能力。 相似文献
4.
高炉铁水的硅含量是描述铁水质量的一个重要指标。为了在出铁之前了解铁水中硅含量的高低,建立预测模型是必要的。结合遗传算法(GA)和BP神经网络,建立了优化的GA BP预测分析模型,从某高炉选取生产数据进行学习和预测。运行结果表明,模型具有较高的预测精度,当要求绝对误差为±005时,命中率可达70%;绝对误差为±008时,命中率可达923%。同时,应用该模型分析回归了高炉风量、热风压力、富氧量与铁间料批数等参数与铁水硅含量之间的相关关系,其结果与高炉冶炼理论基本吻合,可为高炉生产提供一定的指导。 相似文献
5.
连铸工艺参数对高碳钢小方坯中心碳偏析的影响 总被引:1,自引:0,他引:1
采用多元线性回归方法分析了在给定结晶器电磁搅拌条件下(230~245A),碳含量0.58%~0.83%,二冷比水量0.82~2.86L/kg,拉速1.90~3.0m/min,过热度17~60℃范围内,各参数对140mm×140mm和150mm×150mm小方坯中心碳偏析的影响,并采用BP神经网络进行预测计算。多元回归分析结果表明,影响中心碳偏析的显著因素是钢中碳含量,其次是连铸拉速和二冷比水量;随钢中碳含量、拉速和过热度增加,铸坯中心碳偏析增大,随二冷比水量增加,中心碳偏析减小。 相似文献
6.
7.
在生产SWRH82B过程中,电炉出钢后依次加入碳粉和硅锰合金,通过对实际生产过程中不同碳含量炉次中硅锰合金收得率进行分析,得出LF进站钢水中碳含量对后续硅锰合金收得率具有较大影响。钢液碳含量0.2%~0.7%不同炉次下,合金中Mn收得率从78%~87%波动,合金中硅收得率从65%~85%波动。结合冶金热力学基础理论,在不同碳含量条件下对合金在渣铁间的平衡进行分析,钢液碳含量升高可明显降低合金在渣铁间的分配比,这表明在电炉出钢过程中需要提高并精准控制碳粉的加入量,稳定钢包中钢液碳含量,可降低硅锰合金的消耗。 相似文献
9.
10.
通过110t电炉应用直接还原铁炼钢效果的对比分析,阐述了加入直接还原铁对电炉钢中的残余元素(Cr、Ni、Cu)及氮含量、冶炼时间、冶炼电耗、金属收得率、电炉钢水成本等产生的各种影响,认为直接还原铁可做为优良的电炉炼钢原料用于品种钢的生产。 相似文献
11.
提出使用BP神经网络算法建立烧结工艺终点预测模型,并使用仿真手段对网络进行验证。BP神经网络预测模型可以在较短的时间内完成训练,预测结果与期望值误差小。仿真结果表明,该方法可以用于解决烧结终点预测问题,对烧结生产过程有良好的指导意义。 相似文献
12.
基于BP神经网络的烧结终点预测模型 总被引:4,自引:0,他引:4
烧结终点是判断烧结过程正常与否的重要标志。我们在为涟钢280m^2烧结机开发的烧结终点(BTP)智能优化控制系统中,采用了基于BP神经网络预测的烧结终点智能控制策略。本文着重介绍了基于BP神经网络的烧结终点预测模型的建立、在线学习及修正,以及试验室调试和在线运行情况。 相似文献
13.
14.
在传统BP神经网络预测模型的基础上,依据灰色理论中的灰色关联度,提出了输出变量各个影响因素的灰色关联度权值,首次建立基于灰色理论的神经网络预测模型,并依据国内某钢厂300组实际生产数据进行仿真试验。试验结果表明:误差绝对值小于5%的炉数有39炉,占总炉数的65.00%;误差绝对值小于10%的炉数共有58炉,占到96.67%。与传统BP神经网络相比,基于灰色理论的神经网络模型的预测精度提高近12.5%,说明基于灰色理论的铁水预处理终点磷含量神经网络预测模型能更精确地反映现场实际水平。 相似文献
15.
16.
17.
针对KR工序终点铁水硫含量预测问题,提出一种基于Kmeans聚类分析和BP神经网络(BPNN)相结合的建模方法。首先,通过Kmeans聚类对KR工序生产数据进行模式识别和分类,构建不同工况特征的数据集;然后,基于BP神经网络,针对不同数据集训练预测模型;最后,将不同数据集的预测模型进行集成,形成最终的终点铁水硫含量预测模型,实现对不同铁水条件和工况条件的预测。利用某钢铁企业实际生产数据,分别用基于脱硫反应动力学、BP神经网络和Kmeans–BPNN方法建立的预测模型,对KR工序终点铁水硫含量进行预测。结果表明,Kmeans–BPNN的KR工序终点硫含量预测模型的精度显著高于脱硫反应动力学和BP神经网络的预测模型。 相似文献
18.
针对邯钢集团邯宝钢铁有限公司西区炼钢厂转炉的冶炼工艺特点和生产数据,建立了基于PCA-GA-BP神经网络的转炉终点磷含量预测模型。通过主成分分析(PCA)将终点磷含量的影响因素降维,并采用遗传算法(GA)对BP神经网络的初始权重进行优化。用Java语言开发了转炉终点磷含量预测模型的软件,在炼钢厂进行了现场使用。结果表明:转炉终点钢水w(P)控制精度在±0.007%时,命中率达到96.67%;控制精度在±0.005%时,命中率达到93.33%;控制精度在±0.004%时命中率达到86.67%。 相似文献
19.