高炉铁水硅质量分数的模糊预测函数控制

在模糊预测函数控制的基础上，建立了一种新型算法来预测高炉铁水硅质量分数.基于莱钢1号高炉在线采集的数据，并结合专家语言规则生成模糊规则.控制参数作为模型的输入参数，主要有：料速、透气性指数、喷煤量、风温、风量，计算得到了各个参数的时滞.应用该算法对高炉铁水硅质量分数进行了局部预测控制，结果表明,改变喷煤量对控制铁水硅质量分数的波动起到明显作用，当喷煤量控制在区间［10 t/h,15.5 t/h］时，铁水硅质量分数在［0.36,0.58］区间内波动，且铁水硅质量分数的波动逐渐变小.     

高炉铁水硅质量分数的非线性检验

为检验硅质量分数w(Si)的非线性特征，以邯郸钢铁公司7号高炉在线采集的2000炉铁水的w(Si)数据作为母体样本空间，首先运用替代数据法对w(Si)时间序列做非线性定量检验；针对替代数据法容易受系统噪声和时间序列自相关程度影响的缺点，根据信息论冗余图像法进一步对w(Si) 序列做非线性定性判别；通过与典型的线性自回归模型和混沌Lorenz模型的冗余图像的比较，指出w(Si)序列的非线性并非是噪声引起的平凡非线性，而是高炉冶炼内在机理决定的本质非线性，为应用非线性模型对炉温做预测和控制建立理论了依据     

TGARCH模型预测高炉铁水硅质量分数

为了更好地反映高炉铁水硅质量分数序列的高波动特性,利用门限广义自回归条件异方差（TGARCH）模型对硅质量分数序列进行预测.应用Portmantea Q检验、拉格朗日乘子检验以及非对称项系数显著性检验,验证了高炉铁水硅质量分数序列存在异方差性和非对称性.在此基础上将TGARCH模型应用于高炉铁水硅质量分数预测,采用极大似然估计法确定参数,建立TGARCH(1,1,1)预测模型,并采用命中率和误差率2种评价准则对预测结果进行分析.这种方法克服了以往模型没有考虑序列非对称性影响的缺陷,更加适合于高炉铁水硅质量分数的预测.将预测模型应用于包钢6号高炉,取得了较好的预测效果.     

隐Markov模型互信息率存在定理

引入隐Markov模型及其互信息率的定义,利用Cesaro平均收敛给出隐Markov模型的Cesaro平均收敛定理,证明可列隐Markov模型的互信息率存在定理,结合文献[7]中的方法,得到一个有限隐Markov模型的互信息率存在定理.     

小波域隐Markov树模型的图像去噪快速算法

小波域隐Markov树模型(Hidden Markov Tree Model，简称HMT)能充分表现小波系数的统计特征，但模型训练算法计算量大。文中以图像去噪为应用背景，提出了基于HMT粗分类的多树训练算法。该算法通过对不同类型的纹理建立不同的HMT，对小波系数进行粗分类，在此基础上，不同类别的小波系数被分别建模，并将粗分类HMT的参数作为最终模型训练的初始化参数，从而提高了模型的精度，同时减小了训练算法的计算量。对于含复杂场景或纹理的图像，提出了基于方差粗分类的训练算法，也能有效地提高模型精度。对自然图像和SAR图像的去噪实验表明，采用粗分类训练算法的HMT去噪模型的去噪效果在客观指标上优于现有的HMT去噪模型。     

高炉铁水快速定硅传感器的研究

研究了SiO2辅助电极型快速定硅传感器的性能，试验结果表明：传感器插入铁液10－20s，即可获得稳定的电动势，稳定电动势持续时间为30－60s，能够实现铁水硅含量的快速测定，另外，对快速定硅传感器的工业应用前景也进行了探讨。     

基于隐Markov过程的网络信任评估模型

为了能快速精确地刻画实体行为的高动态性,提出了一种基于连续时间隐Markov过程的信任评估模型。不同于离散时间隐Markov信任模型,该模型充分考虑到信任的时间相关性,结合交互记录之间的时间间隔,将实体信任评估问题归结为连续时间隐Markov过程的学习问题。进而利用改进的和声搜索算法,给出了求解隐Markov过程最佳参数的算法,该算法有效地保证了全局搜索空间,能够获得更好的解。在此基础上,利用已有交互结果序列和最优参数组,对实体的信任度进行预测。仿真实验表明,该模型能够快速地反映出实体行为的动态性,具有较高的精确度,且能抵抗部分恶意攻击。     

隐Markov模型的基本原理及其在基因识别中的应用

隐Markov模型(Hidden Markov model，HMM)用于基因识别研究是生物信息学研究的新领域，剪接位点的识别是基因识别中的一个重要环节。本文中作者主要介绍了隐Markov模型的基本原理，讨论了HMM在生物信息学中的应用以及HMM用于识别基因的模型。HMM用于识别剪接位点的实验结果表明，该方法可以很好的提取剪接位点附近保守序列的统计特征．对剪接位点的识别率达到90％以上。     

基于Markov模型的城市土地利用预测

以某县土地利用变更统计表为数据源,建立了土地利用及其预测的Markov模型。首先应用Markov链理论,讨论了该模型的遍历性和平稳分布,得到了该县土地利用的规律。预测结果表明:该县正面临耕地保护和城镇化建设用地需求的难题,各级土地管理部门应该对城镇建设用地做出科学合理的规     

高炉硅含量预测控制的时间序列混合建模

根据时间序列原理，对铁水硅质量分数w(Si)序列的动态特性进行了分析，找出了其主体成分.综合炼铁工艺理论和6号高炉炼铁现场的实际情况，对影响铁水硅质量分数w(Si)的各个因素进行了典型相关分析，确定了w(Si)的主要影响因素为：料速、风量、喷煤、透气性、富氧率、铁水物理温度和渣碱度.建立了由AR(2)、状态变量和控制变量混合构成的w(Si)预测控制的传递函数模型.使用包钢6号高炉生产数据验证表明，此模型克服了以往炉温控制模型把炼铁理论和统计知识分离的缺点，炉温预报的命中率高达84%，预测控制取得了较好的效果.     

神经网络方法在高炉铁水硅含量预报中的应用

将神经网络方法引入高炉铁水硅含量预报模型,并在BP算法的基础上根据实际情况进行改进.用此模型对梅山3号高炉1998年的生产数据离线预报结果表明:用神经网络方法预报效果良好,在未使用煤气连续分析数据的条件下,当允许误差为(±0.1)%时命中率达到85%.     

高炉炉温预测控制的变系数回归模型

为更好地预测与控制高炉炉温的发展趋势，从高炉炉温控制的混合动力学方程出发，在将其差分离散的基础上，运用变系数回归的相关理论，建立了高炉炉温预测控制的变系数回归模型.同时运用加权最小二乘法对模型的参数进行估计，得到每一炉下具体的高炉炉温预测控制的回归模型.结合包钢6#高炉的数据进行预测控制模拟，取得了90%命中的预测效果.此外，还给出了每一预测时刻下控制变量、状态变量与铁水硅质量分数w(Si)之间的数量关系，为预测之后的控制奠定了模型基础.     

基于改进BP网络的高炉煤气发生量预测模型

针对高炉煤气发生量波动对煤气调度和优化影响的问题,提出一种基于改进BP网络的高炉煤气发生量预测模型.由于影响高炉煤气发生量的因素很多,采用机理和现场实际数据相结合方法分析影响高炉煤气发生量的因素,确定模型输入,采用炼铁高炉现场数据对模型进行训练,利用贝叶斯正则化算法来提高神经网络泛化能力.仿真结果表明,该模型能够准确预测高炉煤气发生量的变化趋势,为制定煤气管网平衡调度策略提供科学的依据和决策支持,有利于减少煤气排放,提高煤气利用率和企业的信息化水平.该预测模型已经成功应用到杭州钢铁集团煤气调度系统中,运行结果验证模型的有效性.     

钢包吹氩时钢液循环流动过程数学模型研究

应用已开发的三维柱坐标系统体系流动计算模拟软件，研究了首都钢铁公司第二炼钢厂钢包吹氩过程中钢液的循环流动过程，结果表明，在中心吹氩的条件下，钢液的循环流动呈现二维流动的特证，回流中心大致位于距底部4／5H，距中心2／3R处。     

基于HS算法的Markov模型及收敛性分析

通过给出和声算法（HS）音调状态的转移概率,建立了基于和声算法（HS）的Markov模型．利用Markov链是有限齐次的,证明HS算法的全局收敛性．进一步通过3个不同模式性能的测试函数对和声算法的全局收敛性进行数值验证．     

Preparation of CaO-Al2O3-SiO2 system glass from molten blast furnace slag

To use the potential heat of molten blast furnace slag completely, a CaO-Al2O3-SiO2 system glass （MSG） was prepared from the molten industrial slag. The corresponding method proposed in this study utilized both slag and its potential heat, improving the production rate and avoiding the environmental pollution. Using appropriate techniques, an MSG with uniform color and superior performances was produced. Based on the experimental results and phase diagram, the chemical composition of MSG by mass is obtained as follows：CaO 27%-33%, SiO2 42%-51%, Al2O3 11%-14%, MgO 6%-8%, and Na2O＋K2O 1%-4%. Thermodynamic processes of MSG preparation were analyzed, and the phases and microstructures of MSG were investigated by X-ray diffraction （XRD） and scanning electron microscopy （SEM）. The results show that alkali metal oxides serve as the fluxes, calcium oxide serves as the stabilizer, and alumina reinforces the Si-O network. XRD and SEM analyses show that, the prepared MSG displays the glass-feature patterns, the melting process is more complete, and the melt viscosity is lowered with an increase in calcium oxide content;however, a continuous increase in slag content induces the crystalli-zation of glass, leading to the formation of glass subphase. The optimum content of molten slag in MSG is 67.37wt%. With respect to bend-ing strength and acid/alkali resistance, the performance of MSG is better than that of ordinary marble.