基于RBF神经网络的转炉炼钢终点碳温预测模型

摘要

转炉炼钢终点碳温控制是转炉炼钢后期的重要环节。由于冶炼过程温度极高，很难进行准确及时的测量，无法形成通常意义下的反馈控制。国内大多数中小型转炉因受其结构尺寸限制、设备投资及维护等原因，并未装备副枪及炉气分析等设备，仍然处于相关检测设备不够完善，自动化控制水平普遍较低的状况。中小型转炉依靠人工经验或传统静态模型的终点控制仍是普遍现象。从鞍钢的中型转炉炼钢实际来看，其终点控制目前仍大部分采用倒炉取样的方式，终点命中率较低，这对提高钢水质量存在很大制约。转炉炼钢是一个极其复杂的物理化学反应过程，如何更加精准、实时、有效、经济地实现转炉炼钢的终点碳温预测，是一项具有现实意义的课题。 本文将终点碳含量和终点温度作为研究对象，完成以下主要研究工作: (1)根据热力学、动力学等相关知识，依据物料平衡和热平衡原理，在一定的假设条件下，详细分析转炉冶炼过程，建立转炉炼钢终点预测机理模型，从配料阶段来提高冶炼模型的精度。 (2)将RBF神经网络引入该转炉炼钢终点控制预测过程中，采用最近邻聚类算法与具有遗忘因子的递归最小二乘法对RBF神经网络进行改进，提出基于滑动窗口矩阵的样本选取方法，研究建立在中型转炉上利用现有数据资源实现经济性要求条件下的转炉炼钢终点预测模型。 (3)考虑到冶炼机理、现场实际情况及该模型对数据的要求，对冶炼数据进行了相关数据处理，主要是对离群值的处理与数据的标准化处理。 (4)在MATLAB环境下对该预测模型进行仿真;搜集鞍钢某转炉炼钢的历史数据，对仿真系统进行训练学习，并应用该模型对转炉炼钢终点含碳量和终点温度进行预测。 仿真研究表明，在精度为±0.019％时，C终点命中率达到92％;在精度为±15℃下，终点温度命中率达到79％。碳温双命中率为71％。通过与当前鞍钢采用的经验预测法比较来看，该模型碳温预测结果均有显著提高，该模型被证明是有效的，可为工况条件下的冶炼操作提供指导。

目录

声明

摘要

第1章绪论

1．1课题研究的背景

1．2转炉炼钢的发展

1．3转炉炼钢终点控制技术发展

1．4人工神经网络及其在转炉炼钢中的应用

1．5本文主要研究内容

第2章转炉炼钢工艺

2．1转炉炼钢工艺

2．1．1 概述

2．1．2转炉炼钢主要设备

2．1．3转炉炼钢炉内主要反应

2．1．4脱碳反应原理

2．2顶吹转炉的冶炼工艺

2．2．1顶吹转炉的冶金特点

2．2．2吹炼工艺流程

2．2．3 吹炼过程中金属成分的变化规律

2．2．4吹炼过程中熔渣成分的变化规律

2．2．5吹炼过程中熔池温度的变化规律

2．2．6顶吹转炉炼钢制度

2．2．7温度控制

2．2．8终点控制

2．3本章小结

第3章物料平衡及热平衡机理模型

3．1物料平衡分析

3．2物料平衡计算

3．2．1 物料平衡计算准备及假设

3．2．2炉渣量及各成分计算

3．2．3烟尘中的铁及氧含量计算

3．2．4炉气成分及重量计算

3．2．5氧气消耗量计算

3．2．6钢水量计算

3．2．7物料平衡终算

3．3热平衡分析

3．3．1 热量收入

3．3．2热量支出

3．3．3富裕热量

3．4热平衡计算

3．5加入废钢后原料加入量的确定

3．6鞍钢某转炉目前采用的终点控制方法

3．7本章小结

第4章基于RBF神经网络的终点碳温预测模型

4．1人工神经网络

4．1．1生物神经元

4．1．2人工神经元模型

4．1．3神经网络的结构

4．2 RBF神经网络

4．2．1径向基函数

4．2．2 RBF神经网络结构

4．2．3 RBF网络的优缺点

4．3 RBF神经网络预测模型

4．3．1 RBF神经网络结构确定

4．3．2神经元个数的选取

4．3．3基函数的选取

4．3．4基于最近邻聚类算法的RBF基函数中心选取

4．3．5基于带遗忘因子递推最小二乘法的权值调整

4．3．6滑动窗口矩阵选取样本方法

4．4相关数据处理

4．4．1离群值的处理

4．4．2数据标准化处理

4．5本章小结

第5章预测模型的仿真研究

5．1仿真软件工具的选择

5．2仿真流程

5．3模型中关键算法的数据流程图及MATLAB实现

5．3．1最近邻聚类算法流程

5．3．2带遗忘因子的递归最小二乘法流程

5．4仿真结果分析

5．4．1 采用RBF神经网络模型得出的终点含C量预测结果

5．4．2采用RBF神经网络模型得出的终点温度预测结果

5．4．3 采用RBF神经网络模型得出的终点碳温双命中率预测结果

5．4．4与目前鞍钢转炉现场终点控制预测结果的对比

5．5本章小结

6．1 总结

6．2 展望

参考文献

致谢