基于新变量选择方法的FNN预报转炉终点

考虑到机理模型能较准确给出转炉吹炼过程的定性规律，而难以给出可靠的定量关系，首先利用冶金机理模型和PLS方法分析影响转炉终点碳的因素，然后建立基于模糊推理神经网络的转炉终点碳预报模型。结果表明，此法能有效提高对转炉终点碳预报的命中率和网络的训练速度。在w(C)绝对误差±0.02%控制精度下命中率达94.12%，相对误差±10%控制精度下命中率达56.86%。     

应用改进的神经网络模型预报转炉冶炼终点

准确预报转炉冶炼终点的钢水温度与碳含量对提高转炉终点命中率具有重要意义。针对现有多层前馈网络学习算法的不足,基于BP模型提出一种改进算法,建立了复吹转炉冶炼终点的预报模型,并与BP模型的预测结果进行了统计比较。研究表明,改进后的模型能够对冶炼终点进行良好的预报。采用单节点输出模型对终点钢水碳含量与温度分别进行预报,预测误差w(Δ[C])<±0.03%的命中率达97.22%,Δt<±12℃的命中率为94.44%。还建立了神经网络双节点输出模型对转炉终点钢水碳含量及温度同时进行预报,误差Δt<±15℃、w(Δ[C])<0.03%的双命中率为76.92%。     

基于减法聚类的模糊神经网络转炉终点温度预报模型

分析了对转炉终点温度的影响因素,利用减法聚类自动确定模糊规则的数目,建立了模糊神经网络系统预报转炉终点温度.结果表明,该方法建立的模型能够对终点温度进行较好的预报,误差在±4℃以内的命中率可达25.49%;预报误差小于±20℃的炉数可达84.31%.     

基于神经网络的转炉冶炼终点硫含量预报模型

通过研究转炉冶炼终点硫含量的影响因素,确定了预报模型的控制变量,对常用的BP算法进行改进,建立了基于神经网络的终点硫含量预报模型.模型的预报结果接近动态控制模型的预报精度.     

影响转炉终点碳氧积的因素分析

为了提高转炉终点碳氧质量分数的控制水平,通过对某厂两座转炉现场生产数据的统计,分析了转炉终点碳氧质量分数的分布状态,研究了炉龄、碳质量分数、终点温度等因素对终点碳氧积的影响规律,对完善生产工艺提出了相应建议。     

300t转炉自动化炼钢应用实践

介绍了Danieli Corus公司研究开发的自动化炼钢系统的基本原理、功能及马鞍山钢铁股份有限公司300t转炉自动化炼钢技术的应用情况,在生产应用中,通过原辅料管理、提高基础数据精度、完善数据采集功能、优化动静态模型参数等,进一步提高了转炉炼钢过程和终点控制水平。     

InTouch在转炉自动化中的应用

介绍美国Wonderware公司开发的产品Factory Suite2000的核心组件InTouch在转炉自动化中的应用．     

应用炉气分析预测转炉吹炼终点碳含量

应用炉气分析预测转炉吹炼过程中熔池碳含量的变化,并对吹炼终点时的碳含量和脱碳速率、氧枪枪位的关系进行了研究,得出如下结论:(1)碳积分模型只适合入炉原料数据准确的情况下,对终点碳含量进行预测;(2)吹炼末期,碳含量和脱碳速率的关系可用三次方函数描述;(3)为排除枪位对数据拟合的影响,对于恒压变枪位吹炼,在不同的枪位下调整三次方模型参数,即可实现对终点高、中、低碳含量进行预测.     

模糊神经网络技术在矿山安全生产目标管理中的应用

矿山企业职工工伤事故频率是矿山安全生产目标管理的重要指标之一,反映了矿山生产系统的安全状态,其变化是个随机过程,具有典型的非线性特征．简述模糊神经网络预测模型的特点及其建模过程,并针对矿山企业安全状态的复杂性,将其应用于企业职工工伤事故频率预测中．经检验,模型的精度良好,预测结果可靠,有利于矿山企业发现和掌握安全生产规律,以及对生产的未来状态做出科学的定量预测．通过一个实例,计算并分析计算结果,验证了该模型的有效性和可行性．     

转炉吹炼温度预报人工神经网络模型的开发

采用人工神经元网络技术开发了转炉冶炼终点钢水温度预报模型.利用宝钢的实际生产数据对模型进行训练,并编制了相应的应用软件.软件运行结果表明,钢水温度预报模型验证精度误差在±12℃范围内的占60%以上,建立的模型精度可以满足现场工艺要求.     

基于AP聚类的RBF神经网络研究及其在转炉炼钢中的应用简

 针对RBF神经网络学习算法不能很好地确定其隐含层节点数、隐含层节点中心及其半径的问题,利用AP聚类算法无需事先确定聚类数的特点,提出了一种基于AP聚类的RBF神经网络算法。将该算法应用于120t转炉Q235B钢种冶炼过程的终点碳含量和温度预报,预测结果与实际结果比较,表明该算法具有预测精度高等优点,可为类似应用提供借鉴。     

BOF-LF-VD冶炼非调质N80钢工艺

对鞍钢采用氧气顶吹转炉(BOF)冶炼、非调质工艺开发的N80级油井管用钢进行了系统的工艺设计、实验室研究、工业实验及工业生产研究.提出了V、N微合金化取代常规淬火和回火工艺,设计了非调质N80的化学成分,确定了符合鞍钢氧气转炉大规模生产非调质N80的冶炼工艺以及各工序的工艺控制要点,特别是确定了实际工况下氧气转炉终点碳、氧、温度的回归公式以及VD底吹增氮动力学模型等关键工艺要点.连续生产的实测数据分析结果表明:非调质N80冶炼工艺稳定可行,化学成分、冶炼工艺设计合理,力学性能和使用性能均满足API Spec 5CT及油井管生产的特殊要求.     

基于模糊神经网络的炼钢炉静态建模

根据炼钢转炉的实际采集数据,利用1种新型模糊神经网络(FNN),对其进行了静态建模。从理论上论证了该FNN的推理及非线性逼近能力。用新建模型对钢水终点温度,终点含碳量进行计算,其结果与相应的实测值基本一致。     

Prediction of Endpoint Phosphorus Content of Molten Steel in BOF Using Weighted K-Means and GMDH Neural Network

 The hybrid method composed of clustering and predicting stages is proposed to predict the endpoint phosphorus content of molten steel in BOF (Basic Oxygen Furnace). At the clustering stage, the weighted K-means is performed to generate some clusters with homogeneous data. The weights of factors influencing the target are calculated using EWM (Entropy Weight Method). At the predicting stage, one GMDH (Group Method of Data Handling) polynomial neural network is built for each cluster. And the predictive results from all the GMDH polynomial neural networks are integrated into a whole to be the result for the hybrid method. The hybrid method, GMDH polynomial neural network and BP neural network are employed for a comparison. The results show that the proposed hybrid method is effective in predicting the endpoint phosphorus content of molten steel in BOF. Furthermore, the hybrid method outperforms BP neural network and GMDH polynomial neural network.     

A BP neural network based mathematical model for predicting Si content in hot metal from COREX process

The high and fluctuation property of ??Si?? content in hot metal (HM) is always a problem in COREX process. The precise prediction of ??Si?? content in HM from COREX process can provide a theoretical basis and technical reference for stabilizing and reducing the ??Si?? content in HM. A back propagation (BP) neural network was established to predict the ??Si?? content in HM from COREX process. The input parameters of the model were determined by correlation analysis, and the hysteretic heats corresponding to each parameter were determined by calculating the Deng??s relevancy. The results show that when the prediction error is ??0. 1%, the hit rate is 80%. The method of continuous updating the training samples was used to improve the prediction accuracy of the model. The prediction results show that the hit rate is 90% in absolute error range of ??0. 1%, and the prediction accuracy has been greatly improved compared with previous model. The improved model can provide a theoretical basis for judging the change of ??Si?? content in HM and subsequent operations.     

运用BP人工神经网络方法构建碳钢区域土壤腐蚀预测模型

通过测量大庆地区区域土壤的理化性质以及碳钢的短期腐蚀数据,分析土壤传质过程的逻辑关系,构建了碳钢短期土壤腐蚀预测模型.通过用该模型在BP人工神经网络中进行学习、训练及模拟,并与现场碳钢埋片腐蚀实验结果对比,进一步验证了腐蚀模型的合理性.结果表明:含水量、空气容量、pH、Cl^-含量、SO₄^2-含量和可溶盐总量六种土壤环境参数为影响区域土壤中碳钢腐蚀的主要因素;运用基于Matlab平台的人工神经网络,通过不断地积累土壤腐蚀信息,多次训练后可以建立起稳定性好、泛化能力强的土壤腐蚀预测模型,能较好地预测了大庆地区碳钢在土壤中的腐蚀速率.     

基于改进VMD和GA-BP神经网络的砂岩破裂过程预测方法

为提取有效的砂岩破裂声发射信号特征, 提高砂岩破裂过程预测精度, 提出一种基于改进变分模式分解算法(VMD)和GA-BP神经网络的预测方法。首先, 开展单轴压缩实验进行砂岩破裂试验, 并采集破裂过程的声发射信号; 其次, 为取得有效声发射信号, 从中提取出有效特征参数进行预测, 引入相关系数改进VMD算法并对原始声发射信号进行预处理, 提取信号能量特征参数作为模型的输入以便区分破裂过程; 最后构建GA-BP预测模型, 通过遗传算法(GA)优化BP神经网络的权值和阈值, 将信号能量作为样本用于预测模型的训练。结果表明, 通过引入相关系数可有效解决VMD算法中K值难以选取的问题, 对采集到的声发射信号进行有效去噪; 此外, 经GA算法改进后的BP神经网络预测模型能够准确预测破裂状态, 相较于改进前传统的BP神经网络模型稳定性更高, 收敛能力更好, 预测准确率提高17.5%。      

基于神经网络对铁水硫含量的优化和分析

高炉铁水中的硫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硫含量的高低,建立预测模型是必要的.本文利用遗传算法(GA)和BP神经网络构造了高炉铁水硫含量的预测分析模型,从某高炉选取117组数据进行学习和预测.运行结果表明,模型预测精度较高,当要求绝对误差为±3×10-6时,命中率可达61.54%;绝对误差为±4×10-6时,命中率可达84.69%.在此基础上,应用该模型回归分析了高炉风量、热风压力、富氧量、铁间料批数与铁水硫含量之间的相关关系,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.