炼铜转炉吹炼终点预报研究

提出了一种高效的ＢＰ神经网络学习算法,首次对神经网络输出结果进行自适应残差补偿,基于此提出炼铜转炉吹炼终点组合预报模型．经实践检验．本预报模型的预测结果具有较高的精度和较强的实时性,而且本模型具有较好的自学习能力,能有效指导生产实践。     

铜铳吹炼终点预报的简便新方法

本文通过理论,建立了铜铳吹炼造铜期出炉了温度的数学模型,提出一种对造铜期终点进行预报的简便新方法,并将之应用至工业生产上,烟气温度信号预报值与生产经验相比,念头约为２～３分钟显然要比经验法更科学,而且具有成本低、操作简单的优点,值得其它有条件的铜冶炼厂推广应用。     

铜锍吹炼终点预报的简便新方法

本文通过理论计算,建立了铜锍吹炼造铜期出炉烟气温度的数学模型,提出一种对造铜期终点进行预报的简便新方法,并将之应用到工业生产上,烟气温度信号预报值与生产经验相比,偏差约为2～3分钟,显然要比经验法更科学,而且具有成本低、操作简单的优点,值得其它有条件的铜冶炼厂推广应用．     

炼钢转炉吹炼终点预防研究

提出了一种高效的ＢＰ神经网络学习算法,首次对神经网络输出结果进行自适应残差补偿,基于此提出炼铜转炉吹炼终点组合预报模型,经实践检验,本预报模型的预测结果具有较高的精度和较强的实时性,而且模型具有较好的自学习能力,能有效指导生产实践。     

金隆转炉铜锍吹炼的操作制度

介绍了金隆转炉生产的工艺流程及特点,重点介绍了现行的转炉吹炼操作制度的优点和要求.实践表明,该操作制度合理,充分发挥了设备的潜能.     

铜锍吹炼过程操作参数优化决策模型研究

在分析了铜转炉的生产工艺特点的基础上 ,提出了基于经验公式、热量和物料衡算以及计算智能的铜转炉优化操作决策模型。在该模型中 ,本文推导了最佳入炉铜锍量的公式 ;以铜转炉的热量衡算模型来确定冷料的加入制度 ;提出一个以神经网络和遗传算法为基础的参数寻优模型来确定熔剂加入制度和鼓风制度。最后 ,以该模型为基础 ,开发了一套铜转炉优化操作决策支持系统。工业现场运行结果表明 ,转炉产量提高了 6 % ,冷料处理量提高了 7.8%。     

铜锍底吹连续吹炼的运行实践

从铜锍品位、冷热态铜锍、氧浓、废杂铜品位及加入量、"三相"厚度、杂质元素对铜锍底吹连续吹炼的影响进行分析探讨,总结了试产一年来不同条件下铜锍底吹连续吹炼的运行实践。     

温度控制对大型转炉铜锍吹炼的影响

转炉铜锍吹炼是个自热过程,温度过高、过低对炉龄、单炉产量及产品质量控制有至关重要的影响。通过对大型转炉铜锍吹炼过程造渣和造铜阶段的温度统计,结合现场实际炉况表现,总结得出温度控制对铜锍吹炼的影响及温度控制的具体措施。实验结果表明:造渣初期、中期及末期温度温度分别控制在1110~1160℃、1150~1210℃和1195~1260℃时,造渣效果最佳;造铜前期和末期温度控制在1160~1210℃和1180~1200℃时,造铜效果最好。同时为转炉铜锍吹炼更好的利用自身余热增加冷料处理量、保护炉衬及确保渣型提高粗铜质量提供借鉴意义。     

铜终点在线监测系统对于转炉吹炼终点判断的应用

转炉吹炼终点判断对整个火法冶炼过程至关重要,过吹、欠吹都会对产品质量、周期控制造成重大影响,前期的终点判断完全由炉长个人经验判断。研究开发一套铜终点在线监测系统,通过对造渣期炉内PbO和PbS强度采集和分析、造铜期内烟气中SO_2浓度采样分析、吹炼过程中熔体温度监测以及吹炼过程仿真预测,帮助炉长判断造渣期及造铜期终点,避免了转炉过吹、欠吹对生产的影响,保证生产安全,提高生产效率,初步实现了铜转炉吹炼过程智能控制。     

基于L-M算法BP神经网络的转炉炼钢终点磷含量预报

转炉炼钢过程是一个非常复杂的物理化学变化过程,人工控制很难一次达到终点目标值,通常需要经过多次补吹才能出钢.通过研究影响转炉冶炼终点磷含量的主要因素,确定了影响转炉终点磷含量的参数,建立了基于Levenberg-Marquardt(LM)算法BP神经网络转炉终点磷含量的预报模型.结果表明:在预报误差目标精度为土0.00...     

基于BP神经网络预测硬质合金硬度

通过BP神经网络，对WC-Co硬质合金硬度进行模拟和预测。结果表明，该方法能够比较精确地预测WC-Co硬质合金硬度与其成分变化的关系。     

基于改进BP算法的连铸板坯中心偏析预报模型

结合某厂连铸生产数据,采用带有附加动量项的改进BP算法,建立了连铸板坯中心偏析的BP人工神经网络预测模型。应用结果表明,其预测准确率为90%,可满足连铸生产中对铸坯中心偏析预报精度的要求。分析导致预报偏差的主要原因是,网络模型隐含层节点较多、网络结构复杂、中心偏析等级为1.0的样本学习次数较多和噪音样本剔除不彻底等。     

BP神经网络在莱钢卷取温度控制中的应用

在带钢热连轧中,卷取温度对带钢的品质有着重要的影响,因此,提高卷取温度的控制精度有着重要意义。卷取温度控制系统是一个具有非线性、时变性和大滞后的复杂控制系统,传统的基于精确模型的控制方法难以进一步提高控制精度。本文简要介绍BP神经网络在莱钢1500mm带钢热连轧卷取温度控制中的应用。     

基于BP神经网络的大方坯质量在线预报模型

在对铸坯质量缺陷类型及其主要影响因素分析总结的基础上,确定以特殊钢大方坯常见的中间裂纹、中心裂纹和中心偏析为研究对象,利用BP神经网络建立了该3种典型缺陷的预测模型.基于冶金理论和连铸生产大量历史数据的统计分析,提炼出影响以上3种内部缺陷的20个主要工艺参数,进而提出20-15-3的预测模型网络拓扑结构.采用生产现场数...     

神经网络法预测爆破震动速度初探

采用BP神经网络算法法对红透山爆破震动速度进预测；初步工程实践表明，它具有先进性和科学性，可以应用于处理复杂的采矿爆破工程问题。     

BP神经网络技术在钢铁工业中的应用

BP神经网络具有结构清晰、可操作性强等特点,在炼铁、炼钢、轧钢、钢材性能以及组织预报等领域得到了广泛的应用。介绍了BP神经网络的发展历程、基本原理和结构,对BP神经网络在钢铁工业中的应用现状进行了阐述,指出了其局限性,并对其发展前景进行了展望。     

镁基脱硫的人工神经网络预测模型

利用BP神经网络，建立了铁水预处理镁基脱硫的人工神经网络预测模型，预测脱硫率和镁的利用率。预测结果表明，模型能取得良好的预测效果，在一定程度上，可以用来指导实际生产。     

利用BP神经网络预测AOD炉冶炼含氮不锈钢氮含量

根据AOD炉吹氮气冶炼含氮不锈钢的生产条件,运用BP神经网络建立了含氮不锈钢氮含量预测模型和吹氩时间预测模型。模型可利用生产现场的实际操作数据预测钢中氮含量,并可预测冶炼过程中控制钢中氮含量所需要的吹氩时间。结果表明,预测结果准确率较高,模型适用性较强。     

基于BP神经网络和回归的脱硫粉剂预报模型

分析了铁水脱硫时铁水温度、铁水量、初始硫含量、脱硫后硫含量对镁粉耗量的影响,表明:随铁水温度增加镁粉耗量随之增加;随脱硫后硫含量的降低,镁粉耗量明显增加且增幅逐步扩大,为降低成本,脱硫深度应控制合理。为确定合适的粉剂用量,建立了基于BP神经网络和回归的铁水脱硫粉剂预报模型,其中BP神经网络模型是粉剂模型的主输出,回归模型用于限定输出范围。铁水脱硫粉剂预报模型已实现了在线控制,无需人工干预,达到了较好的应用效果。当偏差区间为[-0.001 5%,0.001 5%]时,脱硫后硫含量的符合率为90.85%,可有效实现脱硫后硫含量的控制。     

基于人工神经网络的热连轧参数预测模型

将BP神经网络的思想用于预测热连轧参数，研究并建立了基于BP神经网络的预测控制数学模型。以热连轧精轧自然宽展值为例，现场实测数据仿真验证表明，该模型明显优于传统的数学预测模型，具有很高的预测精度。