基于灰色RBF神經(jīng)網(wǎng)絡(luò)的轉(zhuǎn)爐終點預(yù)測模型研究.pdf

1、轉(zhuǎn)爐煉鋼是當(dāng)今世界上最主要的煉鋼方法，我國一些先進的鋼鐵企業(yè)的轉(zhuǎn)爐已采用動態(tài)控制技術(shù)。轉(zhuǎn)爐煉鋼是一種極其復(fù)雜的工業(yè)過程，影響終點溫度和碳含量的因素很多，由于爐內(nèi)的溫度過高，對終點溫度和碳的含量不能及時、準(zhǔn)確地測量，因此建立精確的溫度和碳的預(yù)報模型就顯得十分重要。針對這個問題本文建立了轉(zhuǎn)爐煉鋼神經(jīng)網(wǎng)絡(luò)終點預(yù)測模型，根據(jù)預(yù)報結(jié)果可以對補吹氧氣量及冷卻劑加入量進行合理調(diào)整，從而提高終點命中率，以提高轉(zhuǎn)爐煉鋼產(chǎn)量和質(zhì)量，減少能源消耗，降低煉鋼成

2、本。
　　本文在鞍鋼信息產(chǎn)業(yè)公司的冶金全流程仿真項目的基礎(chǔ)上進行深入的理論研究和延伸。主要研究工作如下：
　　由于轉(zhuǎn)爐煉鋼神經(jīng)網(wǎng)絡(luò)模型的核心是其終點預(yù)測模型，由于其工藝復(fù)雜，影響因素多，首先利用粗糙集屬性約簡的方法，對轉(zhuǎn)爐輸入屬性進行約簡，再結(jié)合實際的現(xiàn)場數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，從而得到更好的預(yù)測模型。
　　RBF神經(jīng)網(wǎng)絡(luò)與BP神經(jīng)網(wǎng)絡(luò)相比學(xué)習(xí)時間短，具有很好的非線性預(yù)測效果。但是由于轉(zhuǎn)爐煉鋼工藝復(fù)雜，數(shù)據(jù)繁多，因此本文對傳