高炉铁水硅含量预报模型的研究

摘要

高炉铁水中硅的含量，不仅是衡量产品质量的一个重要标志，而且反映了高炉能量利用的程度。因此，在冶炼过程中,如果能及时地掌握铁水中硅含量及其变化的趋势，并做出比较准确的估计，便于及时采取调节措施，对于稳定热工制度、减少炉况波动、降低铁水含硅量以及提高生铁质量和降低焦比等，都是非常有利的。开发铁水硅含量实时在线预报系统，对于指导高炉操作，提高高炉过程控制水平，有十分重要的意义。 本研究应用人工神经网络方法进行建模。确定了三层前向网络结构。针对基于梯度下降法的BP网络存在的学习效率低、收敛速度慢、易陷于局部极小状态、网络的泛化及适应能力较差等缺陷，采用了附加动量法及自适应学习率、合理选择激励函数等策略对算法中的缺陷给出了改进措施,取得了较好的应用效果。 结合MATLAB与VC++各自的优点，用MATLAB与VC++的混合编程，在vC++中调用MATLAB的矩阵库。根据面向对象的编程思想，采用基于ODBC的数据库编程技术实现了高炉铁水硅含量的预报。应用湘潭钢铁公司炼铁厂的实际生产数据进行建模，模型的预报命中率达到85％以上，为实现高炉过程铁水硅含量的在线控制奠定了基础。

目录

文摘

英文文摘

第一章文献综述

第二章高炉铁水硅含量的预报方法与控制策略

第三章铁水硅含量预报模型的研究

第四章预报模型的建立

第五章系统的实现与应用

第六章结论与展望

参考文献

致谢

攻读学位期间主要的研究成果