基于神经网络的转炉炼钢终点控制

转炉炼钢是一种非常重要的炼钢方法,终点控制是转炉炼钢后期的重要操作.由于冶炼过程温度极高,很难进行准确及时地测量,无法形成通常意义下的反馈控制.采用RBF神经网络预报转炉炼钢终点温度和碳含量,在此基础上提出了基于神经网络的动态终点控制方法来确定在补吹阶段需要的吹氧量和加入的冷却剂量,克服了传统控制方法中基于热平衡和氧平衡控制模型不准确的缺点,提高了终点命中率.     

基于多任务学习的炼钢终点预测方法

钢水质量通常根据终点命中率来判断,但炼钢过程影响因素众多,机理分析难以准确预测终点温度和含碳量,鉴于此,提出一种由数据驱动的多任务学习（MTL）炼钢终点预测方法。首先,分析并提取炼钢过程的输入和输出要素,结合炼钢两阶段吹炼特点选择多个子学习任务;其次,根据子任务与终点参数的相关性选择合适的子任务,提升终点预测的准确度并构建多任务学习模型,再对模型输出结果进行二次优化;最后,通过近端梯度算法对处理后的生产数据进行模型训练,获取多任务学习模型的过程参数。以某钢厂为案例,该方法相比神经网络在终点温度12℃误差范围内和终点含碳量0.01%误差内的准确度提升了10%,误差范围6℃和0.005%的预测准确度分别提升了11%和7%。实验结果表明,多任务学习在实际中能够提升终点预测的准确性。     

一种转炉炼钢过程中的软测量方法（英文）北大核心CSCD

基于实际工业数据的分析,针对氧气顶吹转炉炼钢过程,提出一种软测量建模方法。该方法的主要思想是为了实现转炉炼钢过程中的终点预测。为了更准确地预测终点温度和终点碳含量,结合最小二乘支持向量机和改进的粒子群算法被用来建立预测模型。改进的粒子群算法被用来优化模型的参数,使得模型具有一个更好的适应性。同时,采用基于事件驱动的策略,以加强模型的普适性。实验结果表明该软测量方法是有效的,并且能成功地应用于实际工业领域。     

转炉音频监控化渣及冶炼参数计算机管理系统

本文介绍了通过检测转炉炼钢过程中特征频带的信号,组成以计算机为中心的转炉造渣监控系统。该系统用图像的方法,比较完整地记录下吹炼过程的工艺参数及造渣过程,并对炼钢过程中发生的喷溅和反干现象及时作出预报,利用最佳化渣区指导炉前造渣操作。     

微机在线应用中的实用通讯技术

<正> 随着计算机的迅速发展,控制系统也发生了很大的变化,逐渐从离线转为在线化,由单机控制发展到计算机分级控制。分级控制中最基本的要求就是计算机之间的数据通讯问题。以氧气顶吹转炉炼钢为例。此种炼钢技术在生产中已充分显示其重要作用。由于氧气顶吹转炉吹炼周期很短,必须准确地判断吹炼终点,提高终点的命中率,炉龄和质量。由自由炼钢转向科学炼钢,必须采用计算机进行控制和管理。计算机可根据静态/动态模型,按附加料模型,枪位模型来控制附加料的加人数量和时间,控制变枪和枪位并对检测到的过程信息进行修正,以达到终点目标有较高的命中率。在这个系统中,牵涉到在线检测和收集数据及对     

电弧炉终点温度的GASVR_GM预报模型研究

电弧炉终点温度是炼钢过程中的重要指标之一,决定了钢水的质量和整体成本.电弧炉终点温度预报模型的建立是实现炼钢自动化的重要环节,为了得到高精度的终点温度预报值,提出了一种GASVR_GM的钢水终点温度预报模型.该模型以定量因素为主,采用遗传算法优化的支持向量回归机预报终点温度;再运用灰色模型进行预报误差的补偿,解决非定量因素的影响,实现滚动预报.试验仿真表明,与智能软测量方法相比,GASVR_GM预报模型具有更高的精度和鲁棒性.     

转炉炼钢智能动态终点控制

针对转炉炼钢过程复杂,影响终点因素多,而且难以进行连续准确针测量,提出了基于副枪检测信息的智能动态终点控制方法。采用灰色模型并通过神经网络进行补偿对转炉炼钢终点温度和碳含量进行预报,在此基础上,以RBF神经网络作为预设定模型,通过模糊调整确定补吹阶段需要的氧气量和加入的冷却剂量,并对一座180吨转炉进行仿真计算,结果表明了该方法的有效性。     

电弧炉炼钢中终点控制的机理及应用

应用碰撞理论对电炉炼钢脱碳过程和温度上升过程分析,建立终点控制静态模型,利用matlab进行模型仿真,最后应用控制模型进行终点预测并提出控制策略。     

模糊预测控制及其应用研究*

本文提出一种新的模糊预测控制算法。它将预测控制与模糊控制相结合,应用于一类复杂的工艺过程的终点控制,获得了优良的控制效果,如抗干扰性和模型失配等。本算法在对电弧炉炼钢的氧化过程控制的仿真研究中取得十分满意的效果,它对培养训练操作人员十分有效。     

基于混合禁忌搜索算法的随机车辆路径问题

转炉炼钢过程中碳温连续实时预报是终点控制的关键,针对过程数据波动影响炉次样本相似性度量进而造成建模困难、通用性差的问题,同时考虑炼钢过程数据存在的时间序列特性,提出一种自动聚类和计算待测样本后验概率的即时学习方法.首先,采用灰色关联度加权的模糊C聚类策略将历史库样本进行自动聚类;然后,利用混合高斯模型计算待测样本的后验概率确定关联度最大的样本集合;最后,度量出待测样本的最佳小样本子集,进而采用LSTM网络预测终点碳温.通过该方法对钢厂转炉炼钢生产过程数据进行验证,实验结果表明,按照炼钢的工艺要求,温度预测误差在$\pm 10^\circ$C的精确率为93.3%,碳含量预测误差在pm0.02的精精确率为90.0%.     

超高功率直流电弧炉的建模与智能复合控制

由于超高功率直流电弧炉（ＵＨＰＤＣＥＡＦ）炼钢过程是一人极为复杂的物理变化和化学反应过程,同时,在炼钢过程中存在的着较强的非线性,不确定性时变性和强耦合,对于这样一个复杂的过程,要建立它的精确数学模型是非常困难的,甚至是根本不可能的,根据大量的炼钢实践经验和统计数据,本文提出了一种基于常规控制和智能控制相结合的智能复合控制策略,这种方法已经成功的应用于ＵＨＰＤＣＥＡＦ炼钢过程之中,且该方法对于其它     

转炉炼钢智能控制方法及应用

将模糊推理、自适应、自学习、专家系统等技术与转炉炼钢动态控制方法相结合,提出了转炉炼钢智能动态控制的新方法.该控制方法由动态吹炼过程补吹氧量与冷却剂量预设定模型、熔池碳含量和温度预测模型及停吹专家系统等组成,并成功应用于某钢厂转炉炼钢过程,大大提高了转炉炼钢过程熔池命中率.     

炼钢-连铸中作业时间冲突的协调优化方法

炼钢-连铸生产过程中可能因时间扰动导致调度过程出现时间冲突,动态调度后会使得连铸过程出现断浇,从而需要进行拉速与调度的协调优化。针对这2个问题,以断浇时间最小,冗余等待时间最小,连铸机拉速调整时间最小和拉速调整尽量平缓为目标,以生产工艺要求为约束建立数学模型。将模型分为2个部分求解:上层动态调度和连铸机拉速调整。调度部分通过求解简单的线性规划问题可得,拉速优化部分利用极大值原理求得精确解,从实验结果看出该协调优化方法的有效性和优越性。     

基于S7—400PLC和-FIX5．1组态软件的炼钢转炉煤气柜控制系统

炼钢转炉15万m3煤气柜用于回收炼钢过程产生的间断的转炉煤气，用15万m？橡胶膜密封，可把间断产生的转炉煤气储存起来，经除尘、加压后再均匀稳定地供应给各用户使用，从而大大降低了炼钢工序的能耗。由有关自动化系统控制煤气的回收、除尘、加压，以及相应的连锁控制。     

Minitab质量控制在炼钢车间的应用研究

以某炼钢车间车轴钢品种为对象,考虑工序统计质量控制、工序能力调查分析及抽检方案设计三个方面,设计了应用Minitab软件完成工序质量指标分布状况分析,班组质量水平一致性评估,工序受控状况判断,工序能力分析及调整效果分析,产品批抽检方案设计及实施等相关质量控制任务的方法。应用结果表明方法在工序质量控制方面的有效性。     

基于副枪控制技术的转炉模型炼钢

安阳钢铁股份有限公司第二炼轧厂150t转炉采用副枪及模型炼钢控制技术,在不中断吹炼情况下从转炉中获取钢液成分和温度信息,实现转炉自动控制炼钢。     

Dynamic control model of BOF steelmaking process based on ANFIS and robust relevance vector machine

This study concerns with the control of basic oxygen furnace (BOF) steelmaking process and proposes a dynamic control model based on adaptive-network-based fuzzy inference system (ANFIS) and robust relevance vector machine (RRVM). The model aims to control the second blow period of BOF steelmaking and consists of two parts, the first of which is to calculate the values of control variables, viz., the amounts of oxygen and coolant requirement, and the other is to predict the endpoint carbon content and temperature of molten steel. In the first part, an ANFIS classifier is primarily constructed to determine whether coolant should be added or not, then an ANFIS regression model is utilized to calculate the amounts of oxygen and coolant. In the second part, a novel robust relevance vector machine is presented to predict the endpoint. RRVM solves the problem of sensitivity to outlier characteristic of classical relevance vector machine, thus obtaining higher prediction accuracy. The key idea of the proposed RRVM is to introduce individual noise variance coefficient to each training sample. In the process of training, the noise variance coefficients of outliers gradually decrease so as to reduce the impact of outliers and improve the robustness of the model. Simulations on industrial data show that the proposed dynamic control model yields good results on the oxygen and coolant calculation as well as endpoint prediction. It is promising to be utilized in practical BOF steelmaking process.     

Energy recovery and abatement potential of CO_2 emissions for an integrated iron and steel making enterprise

The typical features for an integrated iron & steelmaking industry are high energy consumption and CO2 emission.The traditional BF-BOF process in an integrated Iron and steelmaking enterprise produces a large amount of residual heat and energy,which has great potential for recovery and abatement potential of CO2 emissions.In this paper,for an integrated Iron & steelmaking enterprise of 10 million tons per year in capacity,the residual heat and energy recovery analysis was conducted.It is indicateded that th...