轉(zhuǎn)爐煉鋼終點(diǎn)碳溫預(yù)報(bào)與控制關(guān)鍵技術(shù)研究.pdf

1、轉(zhuǎn)爐煉鋼在鋼鐵工業(yè)中占有重要地位,其生產(chǎn)過(guò)程的主要任務(wù)是冶煉出成分和溫度均合格的鋼水。由于在目前技術(shù)條件下,鋼水成分和溫度的檢測(cè)不能連續(xù)進(jìn)行,且影響因素較多,冶煉過(guò)程控制的邊界條件變化頻繁,這些因素給冶煉過(guò)程中鋼水成份和溫度的準(zhǔn)確控制帶來(lái)了極大的困難。目前我國(guó)多數(shù)中小轉(zhuǎn)爐對(duì)轉(zhuǎn)爐煉鋼的終點(diǎn)控制還處于手動(dòng)操作狀態(tài),工人憑借經(jīng)驗(yàn)進(jìn)行操作,具有很大的不確定性。在實(shí)際生產(chǎn)過(guò)程中,由于難以對(duì)終點(diǎn)碳溫進(jìn)行準(zhǔn)確控制,經(jīng)常出現(xiàn)“返工”現(xiàn)象,給企業(yè)帶來(lái)了極

2、大的經(jīng)濟(jì)損失。因而,提高轉(zhuǎn)爐煉鋼終點(diǎn)控制水平具有重要意義。對(duì)轉(zhuǎn)爐煉鋼終點(diǎn)進(jìn)行準(zhǔn)確預(yù)報(bào),用優(yōu)化的煉鋼工藝參數(shù)進(jìn)行控制是合理組織生產(chǎn)、提高鋼水質(zhì)量和降低冶煉成本的重要前提。理論模型和神經(jīng)網(wǎng)絡(luò)在轉(zhuǎn)爐煉鋼終點(diǎn)控制領(lǐng)域各具有自己的優(yōu)勢(shì),因此研究理論模型+神經(jīng)網(wǎng)絡(luò)的轉(zhuǎn)爐煉鋼模型是一個(gè)值得探索的方向。
　　 本文首先根據(jù)熱平衡和物料平衡理論建立物料配給模型,此模型可由煉鋼專(zhuān)家進(jìn)行設(shè)定,以便從配料階段提高模型的準(zhǔn)確性。鐵水、廢鋼、輔料等各種物質(zhì)

3、加入轉(zhuǎn)爐,冶煉結(jié)束后將產(chǎn)生鋼水、爐渣等物質(zhì),加入轉(zhuǎn)爐物質(zhì)與出爐物質(zhì)之間將保持物質(zhì)守恒定律,冶煉前的總熱量與結(jié)束冶煉時(shí)的總熱量也是一種平衡關(guān)系。
　　 人工智能技術(shù)的發(fā)展為轉(zhuǎn)爐煉鋼終點(diǎn)控制提供了新的思路。本文將對(duì)經(jīng)典的基于K均值聚類(lèi)算法的RBF神經(jīng)網(wǎng)絡(luò)做深入研究并進(jìn)行改進(jìn)?；贙均值聚類(lèi)算法的RBF神經(jīng)網(wǎng)絡(luò)是現(xiàn)在應(yīng)用最多的神經(jīng)網(wǎng)絡(luò),具有結(jié)構(gòu)簡(jiǎn)單、易于實(shí)現(xiàn)、學(xué)習(xí)能力強(qiáng)等優(yōu)點(diǎn)。但其也存在K均值聚類(lèi)算法的固有特性:K值需用戶(hù)設(shè)定和初始聚

4、類(lèi)中心不確定。本文研究了隱藏層節(jié)點(diǎn)數(shù)對(duì)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)能力的影響,并對(duì)隱藏層基函數(shù)中心選取不當(dāng)所帶來(lái)的RBF神經(jīng)網(wǎng)絡(luò)性能問(wèn)題進(jìn)行了改進(jìn)。改進(jìn)后的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)能力更強(qiáng),預(yù)測(cè)精度更高,且避免了由于初始聚類(lèi)中心的不確定所帶來(lái)的RBF神經(jīng)網(wǎng)絡(luò)性能不穩(wěn)定的問(wèn)題。然后,利用改進(jìn)的RBF神經(jīng)網(wǎng)絡(luò)對(duì)終點(diǎn)碳溫進(jìn)行了預(yù)測(cè)。
　　 在預(yù)報(bào)模型的基礎(chǔ)上,本文嘗試將遺傳算法與RBF神經(jīng)網(wǎng)絡(luò)結(jié)合對(duì)終點(diǎn)碳溫進(jìn)行控制。在轉(zhuǎn)爐煉鋼中,吹氧量和廢鋼加入量是對(duì)終點(diǎn)碳溫影