基于神经网络的电弧炉炼钢终点预报方法的研究

摘要

电弧炉炼钢是利用电能作热源来进行冶炼的，可冶炼力学性能和化学成分要求严格的钢种，如特殊工具钢、航空用钢和不锈钢等。同转炉炼钢相比较，电炉炼钢具有投资少、基建速度及资金回收快、热效率较高、钢液温度提高灵活、钢的成分易于调整与控制、适应性强等优点，加上可以全部用废钢做金属原料，因此在炼钢生产中更具有竞争力。有效地操作、高效、优质、节能降耗、低成本的运行对钢铁企业是至关重要的。冶炼过程的自动控制系统是电弧炉的重要组成部分，直接影响着产品的质量和产量。电弧炉的终点预报是过程优化控制的重要组成部分，它对操作人员选择最优控制策略非常有帮助。
　　本文在查阅了大量国内外相关文献的基础上，对电弧炉终点预报方法做了详细的研究。在对各种预报方法了解的基础上，结合实际工艺和目前研究的实际条件决定采用人工神经元网络作为终点预报的基本方法。其基本思想为:在对以往的现场数据进行分析和了解及已有的人工神经网络模型基础上，结合炼钢的实际工艺特点，确定模型的各种参数，从而确定预报模型，再根据确定的模型对现场的其它数据进行预报。人工神经网络具有较强的非线性问题处理能力，可实现实时应用和在线响应。针对电炉炼钢过程复杂，影响终点因素多，且难以进行连续准确测量的特点，本文采用RBF神经网络建立电弧炉终点工艺指标与各影响因素之间的数学模型，对炼钢终点进行预报。仿真结果表明，该模型具有较强的自学习能力，有着比传统算法更好的收敛特性，预报结果具有较高的精度和实用性。

目录

声明

摘要

第1章 绪论

1．1 引言

1．2 电弧炉简介及发展概况

1．3 电弧炉炼钢设备

1．4 电弧炉炼钢工艺及冶炼原理

1．5 电弧炉炼钢的优点

1．6 本课题的研究背景

1．7 本课题研究的目的及意义

1．8 本课题的主要工作

第2章 炼钢终点预报方法研究

2．1 概述

2．2 各种终点预报方法的研究和应用

2．2．1 机理模型

2．2．2 统计模型

2．2．3 增量模型

2．2．4 人工智能技术

2．2．5 其他预报方法

2．3 综合评价

第3章 神经网络预 报方法研究

3．1 生物神经元网络

3．2 人工神经网络原理

3．2．1 人工神经网络基本概念

3．2．2 人工神经元

3．2．3 人工神经网络的类型

3．2．4 人工神经网络的拓扑结构

3．2．5 人工神经网络的学习

3．2．6 RBF神经网络

3．3 神经网络方法的研究

3．3．1 RBF神经网络的学习算法

3．3．2 混合递阶遗传算法优化RBF网络模型

3．4 建模与方法研究

3．4．1 模型结构的确定

3．4．2 输入量的选择

3．4．3 输入输出数据预处理

3．4．4 隐含层数与节点数的选择

3．4．5 样本的确定

第4章 终点预报方法的仿真研究

4．1 MATLAB简介

4．2 预报结果

4．3 误差分析

4．4 终点预报方法的展望

第5章 总结与展望

参考文献

致谢