应用遗传算法求解AOD全铁水冶炼和电炉钢水冶炼不锈钢混合流程的最优调度问题

 研究了AOD全铁水冶炼和电炉钢水冶炼两种不锈钢冶炼流程,结果表明,AOD全铁水冶炼不锈钢可以弥补电炉钢水冶炼流程中电炉产能小于连铸产能的缺陷。提出了一种结合AOD全铁水冶炼和电炉钢水冶炼的混合流程。提出了各个工序间钢包最长传搁时间最短为调度目标是更加合理的调度方式,应用遗传算法求解混合流程最长钢包传搁时间最小为60min,小于单纯以连铸机为中心的组织生产调度,既保证了钢包正常的运输,又有足够的时间进行必要的调度和调整。最后,给出混合流程最优调度的甘特图,并基于最优调度并采用统计分析的方法得出工序间传搁过程温降的经验公式,由此给出混合流程最优调度的温度制度。     

基于GA-PSO-BP神经网络的LF终点温度预测

针对LF冶炼特点和现有钢水温度预报方法存在的不足,提出了一种新的预测LF终点温度的BP神经网络模型。用遗传算法(GA)和粒子群算法(PSO)混合优化BP神经网络的权值和阈值,提高BP神经网络的预测精度。混合模型既克服了传统机理模型难以准确实现的困难,也弥补了传统BP算法的不足,结合了2种算法的优点,改善了预测模型的收敛性能。开发了基于Java语言的现场应用软件。仿真结果表明,该算法可以提高预测精度和速度,预测误差在5℃以内的炉次达到了88%。     

BOF→LF→CC流程钢水温度预报

针对炼钢连铸流程的工艺特点和生产数据,建立了基于BP神经网络的"BOF→LF→CC"流程钢水温度预报模型。通过相关性分析筛选模型变量,利用五数概括法筛选数据,采用LM优化算法改进BP神经网络,利用生产数据对模型进行了训练和测试。并用Java语言开发了钢水温度预报模型的程序,在某钢厂进行了应用。结果表明,各区段钢水温度预报模型的预报命中率基本可以满足生产的要求。     

钢包烘烤器燃烧特性的数值模拟与优化研究

利用商业软件Fluent,采用有限差分方法和修正的速度一压力耦合算法Simplec,对钢包烘烤过程的流动、燃烧、传热现象进行数值模拟与优化研究,定量分析了空燃比、空气预热温度、煤气流量等烘烤工艺参数对钢包内温度分布的影响。结果表明,保持空燃比4：1,增加煤气流量和空气预热温度是提高钢包烘烤温度的有效措施,这将对指导现场生产有重要的意义。模拟计算结果与现场工况实测结果基本吻合。     

薄板坯连铸连轧流程连续化程度的分析

将连续化程度概念引入薄板坯连铸连轧流程,结合多条生产线实际数据,分别计算出Z厂、T厂、M厂薄板坯连铸连轧流程的连续化程度.并给出了薄板坯连铸连轧流程连续化程度实际可达值的计算公式,由此分析了影响连续化程度的主要因素.     

用检修车轨道作施工平台的轨道梁进行鹤洞大桥上部结构施工研究

鹤洞大桥为双塔二索面叠合梁斜拉桥，施工平台是主桥钢结构安装最主要的施工措施，施工平台的安全、平稳是大桥安全生产的关键，而确保施工平台的安全，轨道梁是关键。实践证明，利用检修车轨道作施工平台的轨道梁是本次工程的成功之举。     

地下连续墙套铣接头工艺施工中一期槽段内的钢筋笼定位技术研究

近年来套铣接头工艺在地下连续墙施工领域内逐渐兴起,为保证二期槽段施工的顺利实施,需对一期槽段内钢筋笼的位置严格控制,否则极有可能造成铣削钢筋的现象.结合工程实例,对套铣接头工艺施工中钢筋笼的定位技术进行研究,取得了一定的效果,为类似工程积累了经验.     

基于Kmeans–BP神经网络的KR工序终点铁水硫含量预测模型

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。      

宝钢炼钢厂连铸中间包钢水温度的研究

对宝钢炼钢厂中间包钢水进行了连续测温试验,分析了连续测温和点测温度测试结果及中间包钢水温度变化规律,点测温度不能真实反映包换浇时中间包钢水温度的变化规律,可采用连续测温加解决。