转炉炼钢终点优化控制模型的研究

摘要

本论文课题选自浙江省重点科研攻关项目──“转炉炼钢专家系统”下面的一个子项目课题，针对江苏永钢集团二厂2座50吨转炉目前存在炼钢自动化程度不高，吹炼完全依靠人工经验，吹炼终点命中率不高的情况进行研究。通过对现场吹炼工艺、吹炼流程以及大量的生产数据的分析，在此基础上结合神经网络的应用技术，建立小型转炉的终点优化控制模型，来实现对吹炼操作的优化。
　　 论文在大量阅读国内外文献的基础上，介绍了国内外转炉终点控制技术的现状和发展趋势，特别着重介绍了神经网络技术在转炉炼钢终点控制方面的成功应用。通过对江苏永钢集团转炉吹炼目前现有的状况和存在问题的研究与分析，建立了在针对一倒不成功的情况下的以熔池终温度和碳含量为研究内容的终点对象模型。该对象模型包括两部分：预报模型和控制模型。论文重点介绍了预报模型和控制模型的建模原理与过程。
　　 论文对建模数据的来源进行了分析，然后对这些数据进行了预处理，在这基础上分别采用了三种方法建立了转炉炼钢终点温度和碳含量的预测模型：线性回归，RBF神经网络，基于混沌免疫粒子算法优化的BP神经网络。前两种方法都是传统的建模方法，不过在RBF预测模型建立的过程当中，本文尝试了使用最近邻聚类的方法选取径向基函数的中心，隐层中心可以随精度变化，从而避免了陷入局部极小值的危险。而第三种方法则利用混沌免疫粒子算法能够高速“飞行”和种群较多样性的优点对常规的BP算法进行了改进。在进行后两种方法建模的过程当中，选取了江苏永钢集团转炉车间现场60炉的实际生产数据为样本，以影响后期吹炼终点碳和温度的9个影响因素为输入变量，分别建立了三层的RBF神经网络结构和三层的BP神经网络结构，对转炉炼钢的终点温度和碳含量进行预报。实验表明，基于三种算法分别建立的转炉终点温度和终点碳含量预报模型中，基于混沌免疫粒子算法优化的BP神经网络转炉终点温度或者终点碳含量预报模型能够较快的收敛，预报精度也相对较高。所以本文最终选定它作为控制模型的预报模型基础。
　　 在预报模型的基础上，论文采用了区域寻优的方法对传统的基于热平衡和氧平衡的控制模型进行了改进，建立了基于区域寻优的终点控制模型。实验表明，该方法克服了传统控制方法中基于热平衡和氧平衡控制不准确的特点，提高了终点的命中率。
　　 论文的最后对本论文课题所做的工作进行了总结，指出了其中的不足之处，同时展望了论文课题下一阶段所要做的工作。