基于BP神经网络的烧结终点预测模型

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。     

基于ANFIS的烧结终点预测

提出了一种基于ANFIS的烧结终点预测模型,该模型采用减法聚类来确定隶属度函数的中心,接着采用正交最小二乘参数辨识对神经网络进行训练.由于影响烧结终点的因素较多,若要全部考虑到可能会引起神经网络输入的维数灾,文中首次采用了主成分分析法来减小ANFIS输入维数,避免出现维数灾.通过现场采集的数据,对该模型进行了仿真.实验...     

BP算法的模糊神经网络及烧结终点辅助预测模型

烧结终点状态是烧结过程非常重要的参数之一.目前烧结终点的预测模型多采用人工神经元网络.本文介绍了一种模糊神经元网络结构及算法,可以处理不完全的、模糊的信息,并将这种模糊神经元网络应用到烧结终点辅助预测模型.文章最后给出了详细的仿真结果.     

基于神经网络的烧结终点预测模型

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。     

基于遗传神经网络的烧结终点预测系统

本文提供一种遗传神经网络来预估烧结终点的方法，利用遗传算法离线收索网络的连接权值和阈值，用增强型神经网络进行网络自适应在线学习。实际应用表明该网络具有较强的鲁棒性和泛化能力，并能对烧结工长提供操作指导。     

基于烧结过程各带迁移规律的烧结终点预报方法

提出利用最小二乘法拟合烧结废气温度曲线,求曲线方程的二阶导数计算出烧结废气温度的四个拐点.结合烧结过程各带的迁移情况,计算得出拐点所对应的各带前沿到达料层底部的温度.根据拐点出现的时间,求出烧结过程中各带前沿平均速度.利用多元线性回归法和F检验进一步考察烧结工艺参数对各带前沿平均速度的影响规律,并给出了它们之间的关系式.利用该关系式,可以在节能和提高烧结矿平均粒度的原则下,定量地调整工艺参数以稳定烧结终点.     

基于软测量技术的模糊烧结终点控制研究

建立了利用风箱温度求取烧结点（BTP）位置的软测量模型。在深入研究烧结终点控制特点的基础上，提出利用专家经验与知识，按照采样控制方式工作的模糊采样控制方法进行BTP的控制，根据上述控制方法建立的自动控制系统，在所有操作条件下，都能准确地控制BTP，证明了了模糊采样控制方法对于BTP，控制是切实可行的。     

基于数值模拟的烧结终点在线控制

实际烧结生产是一个复杂的物理化学过程,其中主要包括碳的燃烧,矿石的分解、还原和再氧化,液相的形成与冷凝.本文以国内某钢铁厂烧结机为研究对象,以流体计算软件Fluent6.3为平台,利用内热源放热简化燃烧模型,采用用户自定义函数的UDS构建多孔介质局部非热力学平衡的能量双方程模型,模拟烧结过程中固体与气体间的换热过程,得...     

基于DNN的烧结终点预报及智能调节系统开发

烧结工序作为传统长流程钢铁生产过程中的重要环节之一,其烧结矿产、质量直接影响炼铁生产的效益,而烧结终点作为检测烧结生产状态的重要指标,对其进行准确预报将对生产产生有效的推动作用。设计了基于Python语言的深度神经网络(DNN)预报模型,将训练好的模型应用于烧结终点预报,建立最终模型的均方差损失达到了0.375,精确度高,可满足现场要求。同时,从影响烧结终点的重要参数出发,构建烧结终点模糊控制器调节烧结终点,并构建点火温度智能化调节模型、混合水分优化模型和烧结矿化学成分区间优化控制方式来辅助调节烧结终点。最终使用Python语言完成烧结终点预报及操作指导系统的开发工作,实现了烧结终点的准确预报与烧结终点异常后的全方位、多角度智能化处理,构建了在线监测、终点预报、终点预报模型优化、异常报警、异常处理于一体的智能控制系统,为烧结生产人员实现烧结终点全流程优化提供有利指导。     

基于机器视觉和SVM的AOD炉终点预测方法

针对AOD炉冶炼中低碳铬铁合金工艺过程终点判别依靠人工看火操作的难题,提出了利用机器视觉技术模拟传统人工看火过程进行终点判别的方法。利用灰度级提取AOD炉口火焰特征,采用支持向量机（SVM）算法实现图像特征的训练和测试,对比了3种核函数的测试精度。实验结果表明,采用机器视觉技术提取火焰图像特征并与支持向量机结合的方法能够有效识别冶炼终点,并具有较好的识别精度。     

基于计算机视觉的烧结机尾断面图像研究进展

摘要：烧结机尾的断面可以最直接地反映烧结过程控制与烧结矿质量的丰富信息。如何利用计算机视觉技术对机尾断面的特征进行提取,并实现烧结矿质量的精准预报和控制,是智慧烧结的重点研究内容之一。首先对烧结机尾断面图像的去噪、分割和特征提取等图像预处理方式进行了全面的对比和分析,然后从烧结矿FeO含量、烧结终点、转鼓强度、布料均匀性和烧结混合料水分等方面剖析了烧结机尾断面图像分析技术在烧结矿质量预报和控制方面的应用情况。另外,以烧结矿FeO含量预报为例,揭示了基于计算机视觉的烧结机尾断面图像研究的发展和演变规律,并指明了当前研究的不足以及未来的发展趋势。     

Research progress of sinter tail sectional image based on computer vision

The section of the tail of sintering machine can directly reflect the rich information of sintering process control and sinter quality. How to use computer vision technology to extract the characteristics of the tail section and realize the accurate prediction and control of sinter quality is one of the key research contents of intelligent sintering. The image preprocessing methods such as denoising, segmentation and feature extraction of sinter tail section images were compared and analyzed comprehensively. Then the application situation of the image analysis technique for sintering machine tail section in the field of sinter quality prediction and control was analyzed from the aspects of FeO content in sintering ore, sintering end point, drum strength, distribution uniformity, sinter mixture moisture, etc. In addition, taking the prediction for FeO content in sintering ore as an example, the development and evolution rules of the study on sinter tail section image based on computer vision were revealed. The disadvantages of the current research and the development trend in the future were also pointed out.     

基于大数据技术的烧结终点优化控制

针对烧结终点优化控制问题,介绍了近年来关于烧结终点位置判断、烧结终点建模控制这两方面所取得的研究成果。基于大数据技术的兴起和国内外关于大数据技术的成功应用,提出了一种基于大数据技术的烧结终点优化控制策略,并给出了具体的实施方案。依据该实施方案,初步完成了烧结原始料层透气性预报模型的构建以及料层透气性核心操作参数最优控制范围的确定,用于指导现场操作人员改善透气性,保证烧结过程在稳定的原始料层透气性情况下运行生产,避免烧结过程后期因烧结终点偏差过大、对台车等操作参数异常调节而引起整个烧结过程发生更大的波动。     

韶钢105m~2烧结机过程控制系统的设计与应用

介绍了韶钢105 m2烧结机过程控制系统的构成及主要控制方式。以烧结生产中关键的自动配料、混合料水分、点火炉以及烧结终点控制为例,综合应用烧结理论和控制理论等多学科知识,对烧结过程控制系统及其控制方法进行了探讨,阐述了控制系统在烧结生产过程中的实际应用和效果。     

韶钢105 m2烧结机过程控制系统的设计与应用

介绍了韶钢105m^2烧结机过程控制系统的构成及主要控制方式。以烧结生产中关键的自动配料、混合料水分、点火炉以及烧结终点控制为例，综合应用烧结理论和控制理论等多学科知识，对烧结过程控制系统及其控制方法进行了探讨，阐述了控制系统在烧结生产过程中的实际应用和效果。     

基于智能方法的铁矿石烧结过程建模

针对铁矿石烧结过程控制复杂性问题,提出了一种将其分解为烧结矿化学成分控制和烧结终点控制的方案。根据不同模型的控制目标差异,分别采用人工神经网络,模糊控制算法建立控制模型。工业现场应用表明,这种方法切实可行,是解决烧结过程控制复杂性问题的一条有效途径。     

260t转炉终点磷含量预报模型的开发实践

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%。     

Simulation and prediction of the alkalinity in sintering process based on grey least support vector machine

 Prediction of the alkalinity is a difficult problem during the process of sintering .Whether the level of he alkalinity of it is successful or not direct relates to the quality of sinter.By now,there isn’t a very good method due to the high complexity ,high non-linear, strong coupling, high delay-time and etc.A grey support vector machine model was proposed on the basis of the models.The fluctuation of data sequence is weakened by the grey theory and the support vector machine is capable of processing non-linear adaptable information, and the grey support vector machine is a combination of those advantages. The results reveal, the alkalinity of sinter can be accurately predicted through this model by reference to small sample and information. It was concluded that the grey support vector machine model is effective with the advantages of high precision, less samples required and simple calculation.