基于RBF神经网络和模糊理论的连铸漏钢预报系统的研究

摘要

漏钢是连铸生产中的灾难性事故，是由多种工艺因素偏离稳定状态综合作用的结果，导致大量的钢水外流，不但危害人身和设备安全，而且严重影响铸坯质量，造成巨大的经济损失。因此研究漏钢事故的形成机理进而开发出能准确进行漏钢预报的关键技术，对避免或减少这类恶性事故的发生具有重要的理论研究价值和重大的社会经济意义。
　　本文首先介绍了连铸工艺流程，分析了漏钢事故的种类及粘结漏钢的形成机理，并提出了预防措施。在此基础上，采用RBF神经网络和T-S模糊神经网络构成的多级网络模型进行漏钢预报。
　　接着，采用RBF神经网络模型对单个热电偶的温度波形进行识别。改进了动态最近邻聚类算法，使得RBF网络有更好的逼近能力，且能获得较好的网络性能。根据热电偶的实际埋设位置，采用不同的空间组合方式，实现了以横向网络为主的区域判别法，用来识别粘结坯壳破裂线在空间上的扩展。鉴于热电偶的温度波形易受到铸造工艺参数的影响，将其作为漏钢诊断预报的一个重要因素，采用T-S模糊神经网络对其进行建模。仿真结果表明，本文所建立的漏钢预报系统能进一步降低系统的误报率，提高预报精度。
　　最后，在WINDOWS平台上，采用MATLAB语言实现了漏钢预报系统的离线仿真，对于危险情况能及时给出报警。同时开发了该系统的可视化界面，直观反映热电偶的温度变化情况及显示危险热电偶所处的位置，实现良好的人机交互。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 引言

1.2 漏钢预报的现状和发展趋势

1.3 本文主要研究工作

第2章 漏钢的形成机理及预报方法

2.1 连铸工艺流程

2.2 漏钢事故及预防措施

2.3 粘结性漏钢的预报方法

2.4 本章小结

第3章 RBF网络应用于漏钢预报

3.1 神经网络简介

3.2 RBF神经网络

3.3 RBF网络算法的改进

3.4 RBF神经网络模型的建立

3.5 RBF神经网络模型的性能评价

3.6 本章小结

第4章 T-S模糊神经网络应用于漏钢预报

4.1 模糊神经网络

4.2 T-S模糊神经网络

4.3 T-S模糊神经网络模型的建立

4.4 漏钢预报系统的性能评价

4.5 本章小结

第5章 漏钢预报系统仿真软件的开发

5.1 MATLAB环境下的诊断仿真

5.2 漏钢预报界面

5.3 本章小结

结论

参考文献

攻读硕士学位期间承担的科研任务与主要成果

致谢

作者简介