基于人工神經(jīng)網(wǎng)絡(luò)的鐵水預(yù)處理終點(diǎn)硫含量預(yù)報(bào)模型.pdf

1、隨著冶金工業(yè)的發(fā)展和鋼質(zhì)量的不斷提高，鐵水預(yù)脫硫成為鋼鐵生產(chǎn)工藝流程中的一項(xiàng)重要任務(wù)。為了實(shí)現(xiàn)鐵水預(yù)處理工藝過(guò)程快節(jié)奏、高效率化的生產(chǎn)發(fā)展需求，前人提出了利用計(jì)算機(jī)模型進(jìn)行鐵水預(yù)處理終點(diǎn)硫含量預(yù)報(bào)的方法。但預(yù)報(bào)終點(diǎn)硫含量的過(guò)程是一個(gè)非常復(fù)雜的工藝過(guò)程，應(yīng)用傳統(tǒng)的工藝?yán)碚摻Ｒ央y以適應(yīng)其多參數(shù)、非線性和高度不確定對(duì)象的特點(diǎn)，因此近年來(lái)多采用人工智能的方法來(lái)進(jìn)行預(yù)報(bào)。 課題以梅山鋼鐵公司(以下簡(jiǎn)稱梅鋼)和本溪鋼鐵公司(以下簡(jiǎn)稱本鋼)

2、的鐵水預(yù)處理生產(chǎn)工藝為研究背景，采用改進(jìn)的BP算法，應(yīng)用VisualBasic6.0高級(jí)程序語(yǔ)言進(jìn)行程序設(shè)計(jì)，建立鐵水預(yù)處理終點(diǎn)硫含量預(yù)報(bào)模型。模型建立過(guò)程中，針對(duì)BP網(wǎng)絡(luò)迭代次數(shù)多、收斂速度慢等問(wèn)題對(duì)標(biāo)準(zhǔn)BP算法進(jìn)行了分析和改進(jìn)，得到了適于本模型的改進(jìn)型BP算法。對(duì)模型中各個(gè)參數(shù)的選擇做了較詳細(xì)的選擇分析，從熱力學(xué)和動(dòng)力學(xué)的角度出發(fā)，結(jié)合現(xiàn)場(chǎng)數(shù)據(jù)情況，深入考察了影響鐵水預(yù)處理終點(diǎn)硫含量的各種因素，確定了模型的網(wǎng)絡(luò)結(jié)構(gòu)及輸入、輸出參數(shù)。

3、 用梅鋼的1154爐數(shù)據(jù)和本鋼的1900爐數(shù)據(jù)作為模型的訓(xùn)練樣本，另外，再分別隨機(jī)選取100爐數(shù)據(jù)作為模型測(cè)試樣本，分別對(duì)模型進(jìn)行了訓(xùn)練和測(cè)試。然后，對(duì)產(chǎn)生誤差的原因以及模型各個(gè)輸入?yún)?shù)與終點(diǎn)硫含量的關(guān)系進(jìn)行了分析和討論。 課題得到的主要結(jié)論如下： (1)提出了采用自適應(yīng)調(diào)整學(xué)習(xí)率、增加動(dòng)量項(xiàng)和最大誤差學(xué)習(xí)法的適合本課題使用的改進(jìn)BP算法。其中，新提出的自適應(yīng)調(diào)整學(xué)習(xí)率改進(jìn)方法如下： {η(t)=η(t-

4、1)·(1+b/Y)，α=α；△E＜0η(t)=η(t-1)·(1-b/Y),α=0;△E＞0(2)確定模型輸入?yún)?shù)為：鐵水溫度、鐵水重量、鎂粉耗量、石灰粉耗量、初始硫含量；模型的輸出參數(shù)為：終點(diǎn)硫含量； (3)改進(jìn)的BP算法比標(biāo)準(zhǔn)BP算法預(yù)報(bào)誤差≤0.003％的精度提高28％； (4)梅鋼模型的網(wǎng)絡(luò)結(jié)構(gòu)為5-14-1結(jié)構(gòu)，動(dòng)量項(xiàng)為0.6。本鋼模型的網(wǎng)絡(luò)結(jié)構(gòu)為5-10-1結(jié)構(gòu)，動(dòng)量項(xiàng)為0.7。輸入輸出數(shù)據(jù)歸一化范圍均為[