共查询到19条相似文献,搜索用时 125 毫秒
1.
2.
良好的铁水质量是铸铁性能可靠性和稳定性的保证,而铁水中硫(S)含量和硅(Si)含量是衡量铁水质量的主要指标,因此在出铁前精准获取铁水S含量和Si含量具有非常重要的意义。实验提出一种结合主成分分析(PCA)和最小二乘支持向量机(LS-SVM)模型的铁水S含量和Si含量的预测方法。将某钢厂大型高炉的在线采集数据作为研究对象,首先对影响铁水中S含量和Si含量变化因素的数据做主成分分析,求取主成分作为模型的输入变量,其次建立最小二乘支持向量机预测模型对铁水S含量和Si含量进行预测。在S含量预测过程中,正则化参数gam和核函数参数sig分别取20、700时,预测误差最小,其均方根误差为0.0012,仿真时间为0.423105s;Si含量预测过程中正则化参数gam和核函数参数sig分别取40、500时预测误差最小,均方根误差为0.0238,仿真时间为0.079522s。最后将实验结果与传统最小二乘支持向量机(LS-SVM)和结合PCA的BP神经网络预测模型(PCA+BP神经网络)的结果对比,后两组对比实验关于S含量预测的均方根误差分别为0.0015和0.0014,仿真时间分别为1.320842s和2.245967s;后两种对比实验关于Si含量预测的均方根误差分别为0.0316和0.0325,仿真时间分别为0.459671s和2.061576s。实验结果表明,实验方法更加全面地考虑了所有因素对铁水中S含量和Si含量变化的影响,具有训练时间短、预测精度高等优点。 相似文献
3.
基于WA SVM模型的高炉铁水含硅量预测 总被引:1,自引:0,他引:1
基于小波在处理非线性、非平稳随机信号和支持向量机在解决非线性、高维数、小样本等问题的优点,提出了一种二者组合的预测模型。先用小波变换将铁水含硅量的时间序列分解成不同的高频和低频层次,对不同层次构建支持向量机模型进行预测,然后通过序列重构得到原始时间序列的预测结果。利用山东莱钢1号高炉在线采集的数据作为应用案例,WA SVM组合模型与工程常用的AR模型和单一的最小二乘支持向量机模型的预测结果比较,预测精度有明显提高。 相似文献
4.
针对高炉炼铁过程的关键工艺指标——铁水硅含量[Si]难以直接在线检测且化验过程滞后的问题,提出一种基于稀疏化鲁棒最小二乘支持向量机(R-S-LS-SVR)与多目标遗传参数优化的铁水[Si]动态软测量建模方法.首先,针对标准最小二乘支持向量机(LS-SVR)的拉格朗日乘子与误差项成正比导致最终解缺少稀疏性的问题,提取样本数据在特征空间映射集的极大无关组来实现训练样本集的稀疏化,降低建模的计算复杂度;其次,标准最小二乘支持向量机的目标函数鲁棒性不足的问题将IGGⅢ加权函数引入稀疏化后的最小二乘支持向量机模型进行鲁棒性改进,得到鲁棒性较强的稀疏化鲁棒最小二乘支持向量机模型;最后,针对常规均方根误差评价模型性能的不足,提出从建模误差与估计趋势评价建模性能的多目标评价指标.在此基础上,利用非支配排序的带有精英策略的多目标遗传算法优化模型参数,从而获得具有最优参数的铁水[Si]在线软测量模型.工业实验及比较分析验证了所提方法的有效性和先进性. 相似文献
5.
6.
针对高炉关键异常炉况悬料难以预测的问题,基于D-S证据理论,提出一种综合模糊专家推理和后验概率最小二乘支持向量机的悬料预测方法.首先,结合高炉生产过程和悬料现象,分析悬料形成的内在机理;其次,通过模糊专家推理提取基于专家规则的主观证据,再通过建立后验概率最小二乘支持向量机模型提取基于数据内在客观规律的客观证据;最后,基于D-S证据理论完成主客观证据融合,实现悬料预测.该方法充分利用专家经验和最小二乘支持向量机的自学习能力,能够提高预测精度.仿真结果表明本文提出的方法有效、准确. 相似文献
7.
提出了一种基于最小二乘支持向量机在单桩竖向极限承载力预测方法,建立了单桩竖向极限承载力预测的最小二乘支持向量机模型。 相似文献
8.
9.
影响高炉铁水硅含量的因素往往复杂多变,影响程度不一。采用鱼骨分析法收集所有可能对硅含量产生影响的因素,经过相关分析和特征选择,最终选取6个参数作为模型的输入参数。采用改进的粒子群优化算法对支持向量机(SVM)中的参数进行优化,提出基于变邻域粒子群(VNPSO)优化SVM的铁水硅含量预测模型。通过钢厂的实际生产数据进行验证,平均相对误差达到0.69%,平均绝对误差达到3.4×10~(-3),模型具有很高的预测精度。同时,绘制铁水中硅含量控制图,分析硅含量波动情况,并依此模型给出硅含量稳定性控制措施。 相似文献
10.
11.
ABSTRACTControlling the molten iron temperature plays an important role in the iron and steelmaking industry. The change of silicon content is adopted to reflect the temperature, however , the prediction of silicon content has been one of the hot and difficult problems. In this paper, a new model based on gray relational analysis (GRA) and extreme learning machine (ELM) is developed. Firstly, the GRA is used to get the high correlation indexes with the silicon content. Then the relevant indicators are taken as input and the silicon content is taken as output. The ELM model is constructed and the model is trained. Based on this, the silicon content is predicted. The results show that the hit rate reaches 87%(the error is less than 0.10). Compared with the traditional backpropagation or radial basis function neural network , this model has higher hit rate and faster running speed. 相似文献
12.
13.
14.
15.
应用小波分析方法对高炉铁水硅含量进行预测。通过小波变换将铁水硅含量的时间序列依三重尺度分解成不同的层次,并对不同层次上的序列分别运用合适的自回归模型进行预测,然后通过序列重构得到原始时间序列的预测结果。利用山东莱钢1号高炉在线采集的数据作为实际预测案例,与原始时间序列的自回归模型预测结果比较,小波预测方法显著提高了预测命中率。 相似文献
16.
Effect of FeO in the slag and silicon in the metal on the desulfurization of hot metal 总被引:1,自引:0,他引:1
Work has been conducted to investigate the effects of FeO in the slag and silicon in the metal on hot metal desulfurization.
Laboratory experimental results show that FeO decreases and silicon increases the rate of desulfurization. Silicon in the
metal is consumed by the reduction of FeO and also by the desulfurization reaction. A mathematical kinetic model was developed
to describe both the effects of silicon and FeO on desulfurization for the laboratory scale. The model predicts the sulfur
and silicon content in the metal and the FeO and sulfur content in the slag as a function of time. It is based on four-component
simultaneous mass transfer: sulfur and silicon in the metal and FeO and sulfur in the slag. Experimental results, the development
of the kinetic model, and a comparison of the model and experimental results are presented. 相似文献
17.
氢是光纤中最有害的杂质,光纤中的含氢量主要取决于光纤原料高纯SiCl4中的总氢含量。本文运用红外光谱谱图工出了我厂生产的高纯SiCl4中主要的含氢基团,并在实验的基础上建立了这些含氢基团对氢的贡献的红外测试方法。 相似文献
18.
以CaF2+SiO2作为硅传感器辅助电极材料,将其均匀涂覆于ZrO2(MgO)固体电解质表面,在高纯Ar气保护下,1400℃焙烧30min制备得到定硅传感器.利用X射线衍射仪、扫描电子显微镜以及能量色散谱仪系统研究了制备条件对于焙烧后形成的辅助电极膜层组成、物相和微观形貌的影响.膜层中不存在CaF2,而是以SiO2固体颗粒、CaO·MgO·2SiO2固溶体及ZrSiO4为主.另外,探讨了辅助电极膜层中物相的变化对于膜层黏结性以及定硅性能的影响.在1450℃下对铁液中硅含量进行测试,传感器响应时间在10s左右,稳定时间在20s以上,而且传感器的重复性也很理想.当铁液中硅质量分数在0.5%~1.5%时,硅传感器测量值与化学分析法分析值相吻合. 相似文献