应用优化BP神经网络建立铁水硅含量的预测模型

 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±005时,命中率可达70%;绝对误差为±008时,命中率可达923%。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。     

H2含量对冶炼过程影响的实践与理论分析

  以喷煤后高炉内H2含量变化的生产数据和变化规律为基础,利用相关理论,着重分析H2含量变化对高炉冶炼过程影响的机制,从而确定了高炉内一定含量的H2有利于高炉操作过程的稳定和指标优化。另外,通过对高炉冶炼过程氢、碳等元素的物料平衡计算,分析高炉冶炼过程由于燃料结构优化而用H2取代CO还原和降低燃料比所达到的降低CO2排放的实际效果。     

BP网络在烧结矿质量预测中的初步应用

烧结矿质量指标包括FeO含量、转鼓强度、还原性、低温还原粉化以及软化和熔滴性能等多方面，寻求烧结矿质量指标分析的新方法和有效途径是极为必要的。本文通过建立烧结矿质量指标预测的神经网络模型，利用实际烧结生产数据对模型进行训练，对烧结矿低温还原粉化性能(RDI)和转鼓强度(TI)进行预测。     

熔剂添加对烧结过程中有害气体排放规律影响的研究

在定碱度前提下改变生石灰和石灰石配比进行烧结杯实验,通过测试烧结过程有害气体成分的变化,得到石灰石和生石灰熔剂添加对烧结过程废气排放规律的影响.实验结果证明,生石灰和石灰石有效成分配加比例为3:7时,烧结矿冶金性能较好,SO2和NOx排放量减少,SO2产生更加集中,熔剂中配加一定比例的石灰石有利于在烧结过程的高温条件下发生固硫反应,从而降低烧结烟气中的SO2排放量.     

准颗粒中烧结用燃料燃烧特性

摘要：为探究准颗粒中烧结用燃料燃烧特性及相关因素的影响，采用拉曼光谱和TG DTG法对烧结现场所用无烟煤和焦粉的碳素结构和燃烧特性进行了检测，并建立了能够准确描述准颗粒中燃料燃烧过程的反应 扩散混合控制方程。同时利用非等温热重法探究了粒径和氧气体积分数对准颗粒燃料燃烧特性的影响。实验表明，焦粉中缺少了无烟煤拥有的含氢侧链，使得无烟煤的燃烧性能明显优于焦粉。低温条件下，燃烧速率、着火稳定性和燃烧性能都随着燃料粒径的减小而增大，但会在粒径小于01mm时达到峰值；而反应气体中的氧气体积分数与燃料燃烧速率呈明显的线性关系。     

外测数据比对分析技术及应用

比对分析是分析和判断数据及处理方法可靠性常用处理方法。文章结合航天靶场外测数据处理工作的实际，构建了一组分别适用于不同情况的数值比对算法，建立了比对残差平稳性的统计检验与趋势项分离方法，并利用实测数据验证了方法的有效性。     

保温制度对表层烧结矿质量的影响

为寻找到保温制度对烧结过程表层烧结矿的影响规律,通过烧结杯实验,考查不同保温制度对表层烧结矿质量的影响。实验结果表明,当保温温度控制在250～300℃时有利于提高表层烧结矿的强度,同时有利于烧结矿取得良好的冶金性能,增加烧结矿中还原性能良好的针状铁酸钙含量。     

基于聚类分析和神经网络的高炉焦比预测模型

为降低高炉生产焦炭的消耗,对高炉操作参数和燃料比指标进行关联性分析,提出了一种组合聚类分析与神经网络进行高炉焦比指标预测的方法。聚类分析将数据集聚划分为几类,数据的相似度比较高,分类训练相应的神经网络模型,实现高炉焦比指标的预测。结合聚类分析构建的神经网络模型,用某高炉生产数据进行仿真学习,并跟传统的神经网络模型进行比较。结果表明,加入聚类分析的神经网络模型平均绝对误差降低3．13kg／t,平均相对误差降低5．19％。     

一种新型逆变式感应钎焊电源频率自动跟踪技术

针对感应钎焊过程中谐振频率不断变化的问题，在常规以SG3525A为控制核心的逆变电源基础上，设计了一套基于PI调节的谐振频率自动跟踪技术。该技术充分利用了SG3525A芯片的功能，具有跟随速度快、频率跟踪准确、电路设计简单、工作可靠等优点，同时简化了串联谐振电源的起动方法，并对该技术的工作原理、电路设计以及实验结果等作了详细的分析和介绍。     

软开关弧焊逆变焊机的DSP控制

为了提高软开关弧焊机控制的灵活性，开发了基于DSP的控制系统，由软件对PWM波形移相控制，实现了开关管的零开关。简化了硬件电路，使焊机的可靠性得到提高，基本实现了焊机的数字化控制。