基于神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的高爐噴煤操作模式優(yōu)化.pdf

1、碩士學(xué)位論文論文題目論文題目：基于神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的高爐噴煤操作模式優(yōu)化英文題目英文題目：OperationalpatternOptimizationinBlastFurnacePCIBasedonPredictionModelofNeuralwk學(xué)位類學(xué)位類別：工學(xué)碩士研究生姓研究生姓名：胡登飛學(xué)號(hào)學(xué)號(hào)：201102201學(xué)科學(xué)科(領(lǐng)域領(lǐng)域)名稱名稱：控制理論與控制工程指導(dǎo)教指導(dǎo)教師：崔桂梅職稱職稱：教授協(xié)助指導(dǎo)教協(xié)助指導(dǎo)教師：職稱職

2、稱：2014年6月6日分類號(hào)分類號(hào)：TP273TP273密級(jí)：公開公開UDC：學(xué)校代碼學(xué)校代碼：1012710127內(nèi)蒙古科技大學(xué)碩士學(xué)位論文I摘要噴煤冶煉是當(dāng)前階段我國(guó)高爐煉鐵的主要方法。鑒于高爐冶煉的過(guò)程異常復(fù)雜、有些關(guān)鍵性的工藝指標(biāo)不能實(shí)現(xiàn)動(dòng)態(tài)的監(jiān)測(cè)，并且各過(guò)程變量之間存在著強(qiáng)烈的耦合，因此，這就給冶煉過(guò)程的相關(guān)研究與探索造成了非常大的阻礙。同時(shí)，生產(chǎn)過(guò)程中也會(huì)產(chǎn)生海量的過(guò)程數(shù)據(jù)，篩選出所需要的條件變量、狀態(tài)變量和操作變量，同時(shí)，

3、將它們以高爐噴煤冶煉操作模式的形式描述?；诂F(xiàn)場(chǎng)高爐專家標(biāo)準(zhǔn)挑選出的優(yōu)良操作模式庫(kù)依舊很大，采用遍歷匹配的方式直接搜索滿足期望綜合工藝指標(biāo)的優(yōu)良操作模式依然費(fèi)時(shí)費(fèi)力。為解決這個(gè)難題，論文給出了高爐噴煤冶煉過(guò)程的操作模式分級(jí)匹配與智能演化的方案在理論上完成了高爐噴煤冶煉過(guò)程的操作優(yōu)化。高爐鐵水中的[si]含量是高爐冶煉過(guò)程中的重要控制變量之一，其不僅是衡量產(chǎn)品質(zhì)量的一個(gè)重要指標(biāo)，而且還反映了高爐能量利用的好壞，同時(shí)也是高爐操作者在實(shí)際生產(chǎn)

4、過(guò)程中對(duì)爐況進(jìn)行判斷的一個(gè)比較直接的參數(shù)，對(duì)維持高爐的穩(wěn)定、順行、高產(chǎn)尤為重要。然而，實(shí)際冶煉過(guò)程中，鐵水[si]含量不能實(shí)時(shí)的監(jiān)測(cè)到，這就對(duì)操作模式的優(yōu)化與演化過(guò)程造成比較大的困難。為了實(shí)時(shí)獲取當(dāng)前時(shí)刻高爐鐵水[si]含量的值，本文在對(duì)影響高爐鐵水[si]含量各因素進(jìn)行收集、分析的基礎(chǔ)上，并結(jié)合高爐現(xiàn)場(chǎng)專家經(jīng)驗(yàn)，建立了[si]含量的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。通過(guò)實(shí)際生產(chǎn)數(shù)據(jù)仿真驗(yàn)證表明，該模型可有效的對(duì)高爐噴煤冶煉過(guò)程中鐵水[si]含量進(jìn)

5、行實(shí)時(shí)的預(yù)測(cè)。針對(duì)優(yōu)良操作模式庫(kù)龐大而引起的模式匹配速度慢，且匹配精度低等問(wèn)題，本文提出了一種基于改進(jìn)的歐幾里得距離的方法，它以相似性度量為基礎(chǔ)，有效的解決了匹配過(guò)程的精度問(wèn)題；隨后，本文還提出了一種操作模式多級(jí)匹配的策略，具體步驟為：對(duì)已篩選初的模式庫(kù)完成。2次聚類分析，最終得到5個(gè)優(yōu)良操作模式集子類；然后通過(guò)比較當(dāng)前輸入模式與各個(gè)操作模式集子類聚類中心之間的距離，以確定當(dāng)前輸入模式所屬的子類；最后，在已確定的子類中，再次以最小距離為