轉(zhuǎn)爐煉鋼終點控制系統(tǒng)建模研究.pdf

1、轉(zhuǎn)爐煉鋼作為鋼鐵生產(chǎn)的重要環(huán)節(jié)，其主要目標是冶煉出溫度和成分(主要指熔池碳含量)均合格的鋼水。由于鋼水的溫度和碳含量不能連續(xù)檢測，同時冶煉過程的邊界條件變化頻繁，這給冶煉過程的終點控制帶來困難，在實際生產(chǎn)過程中，難以準確控制熔池碳、溫而多次拉碳重吹，所以提高轉(zhuǎn)爐煉鋼終點命中率具有重要意義。由于轉(zhuǎn)爐煉鋼是一個非常復雜的多元多相高溫物理化學過程，其機理的解析尚不透徹，輸入輸出間的非線性關(guān)系十分嚴重，常規(guī)建模方案始終不太理想。 本文闡

2、述了轉(zhuǎn)爐冶煉終點控制技術(shù)的發(fā)展及概況，簡要介紹了幾種人工神經(jīng)網(wǎng)絡轉(zhuǎn)爐煉鋼終點預報模型。本文在原有靜態(tài)控制方法的基礎(chǔ)上，結(jié)合副槍檢測信息，將智能控制應用到轉(zhuǎn)爐煉鋼過程的建模和控制中，提出轉(zhuǎn)爐煉鋼智能預報方法。并根據(jù)現(xiàn)場冶煉過程和數(shù)據(jù)，研究了轉(zhuǎn)爐冶煉終點溫度和碳含量的影響因素，確定了預報模型的輸入變量，對常規(guī)的BP算法進行改進，利用Levenberg-Marquardt(LM)算法收斂速度最快，而且學習性能好的特點，分別建立了基于神經(jīng)網(wǎng)絡的

3、終點碳、溫預報模型。并與幾種快速BP算法的特點及性能作了歸納和對比，結(jié)果表明LM算法具有比較高的預報精度。 所提出的模型有嚴格的理論基礎(chǔ)，經(jīng)過了理論與試驗的雙重驗證。模型選取某企業(yè)轉(zhuǎn)爐車間現(xiàn)場60爐實際生產(chǎn)數(shù)據(jù)為樣本，分別以影響轉(zhuǎn)爐冶煉終點碳、溫度的9個影響因素為輸入變量，建立三層結(jié)構(gòu)的BP神經(jīng)網(wǎng)絡模型，對終點碳、溫度進行預報，并在此基礎(chǔ)上確定補吹階段需要的吹氧量和加入的冷卻劑量，仿真研究結(jié)果表明了該方法效果較好，可以用于實際轉(zhuǎn)