資源描述：
《基于粗糙集的轉(zhuǎn)爐煉鋼知識(shí)發(fā)現(xiàn)及終點(diǎn)控制模型研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、基于粗糙集的轉(zhuǎn)爐煉鋼知識(shí)發(fā)現(xiàn)及終點(diǎn)控制模型研究重慶大學(xué)博士學(xué)位論文學(xué)生姓名：胡燕指導(dǎo)教師：鄭忠教授專業(yè)：冶金工程學(xué)科門類：工學(xué)重慶大學(xué)材料科學(xué)與工程學(xué)院二O一三年四月StudyonBasicOxygenFurnaceSteelmakingKnowledgeAcquisitionandEndpintControlModelBasedonRoughSetAThesisSubmittedtoChongqingUniversityinPartialFulfillmentoftheRequirementfor
2、theDoctor‘sDegreeofEngineeringByHUYanSupervisedbyProf.ZhengZhongSpecialty:MetallurgicalEngineeringCollegeofMaterialScienceandEngineeringofChongqingUniversity,Chongqing,ChinaApril,2013中文摘要摘要轉(zhuǎn)爐煉鋼是一個(gè)化學(xué)反應(yīng)速度快、影響因素多、過(guò)程復(fù)雜的多元多相高溫物理化學(xué)過(guò)程，其控制核心是對(duì)冶煉終點(diǎn)鋼水的溫度和碳含量進(jìn)行準(zhǔn)確
3、控制。在轉(zhuǎn)爐煉鋼生產(chǎn)過(guò)程中，提高轉(zhuǎn)爐冶煉終點(diǎn)控制的準(zhǔn)確性可以有效縮短冶煉周期，提高爐襯壽命，減少鋼鐵料消耗，進(jìn)而顯著改善和穩(wěn)定鋼水質(zhì)量，降低生產(chǎn)成本，提高轉(zhuǎn)爐生產(chǎn)率，是煉鋼生產(chǎn)過(guò)程中增強(qiáng)企業(yè)競(jìng)爭(zhēng)力的一個(gè)重要途徑。目前，國(guó)內(nèi)大多數(shù)鋼鐵企業(yè)的轉(zhuǎn)爐煉鋼終點(diǎn)控制還是依據(jù)現(xiàn)場(chǎng)操作人員的生產(chǎn)操作經(jīng)驗(yàn)進(jìn)行的，而生產(chǎn)操作經(jīng)驗(yàn)知識(shí)的獲取是通過(guò)現(xiàn)場(chǎng)生產(chǎn)總結(jié)和對(duì)生產(chǎn)控制數(shù)據(jù)的簡(jiǎn)單統(tǒng)計(jì)分析得到。由于轉(zhuǎn)爐煉鋼生產(chǎn)現(xiàn)場(chǎng)技術(shù)人員、操作人員之間素質(zhì)參差不齊，實(shí)際生產(chǎn)中的工況條件又很復(fù)雜，使得僅靠人工經(jīng)驗(yàn)和簡(jiǎn)單統(tǒng)計(jì)分析得到的轉(zhuǎn)爐冶煉
4、知識(shí)進(jìn)行的終點(diǎn)控制穩(wěn)定性、準(zhǔn)確性不能滿足生產(chǎn)要求。目前，基于人工智能方法的知識(shí)發(fā)現(xiàn)已廣泛用于知識(shí)發(fā)現(xiàn)的各個(gè)領(lǐng)域，并取得了比較明顯的應(yīng)用效果，但在轉(zhuǎn)爐煉鋼領(lǐng)域的研究尚處于起步階段。轉(zhuǎn)爐煉鋼生產(chǎn)具有過(guò)程冶煉機(jī)理復(fù)雜、反應(yīng)影響因素眾多，冶煉過(guò)程采集的數(shù)據(jù)信息具有多變量、非線性、高噪音的特征，因此，探索一種能夠適應(yīng)轉(zhuǎn)爐煉鋼生產(chǎn)過(guò)程的復(fù)雜性特征，實(shí)現(xiàn)轉(zhuǎn)爐煉鋼生產(chǎn)知識(shí)的發(fā)現(xiàn)方法，并在此基礎(chǔ)上，形成一套適用于轉(zhuǎn)爐煉鋼過(guò)程知識(shí)發(fā)現(xiàn)和冶煉終點(diǎn)控制的模型系統(tǒng)，在理論和應(yīng)用方面都具有重要的意義。針對(duì)轉(zhuǎn)爐煉鋼知識(shí)發(fā)現(xiàn)和終點(diǎn)
5、控制的特點(diǎn)，本文通過(guò)對(duì)粗糙集理論方法和人工神經(jīng)網(wǎng)絡(luò)方法的分析研究，建立了基于粗糙集理論方法的轉(zhuǎn)爐煉鋼知識(shí)發(fā)現(xiàn)模型和粗糙集-神經(jīng)網(wǎng)絡(luò)終點(diǎn)控制模型，實(shí)現(xiàn)轉(zhuǎn)爐煉鋼生產(chǎn)知識(shí)的自動(dòng)獲取和轉(zhuǎn)爐煉鋼終點(diǎn)控制方法的優(yōu)化。其中，基于粗糙集方法的轉(zhuǎn)爐煉鋼知識(shí)發(fā)現(xiàn)模型通過(guò)對(duì)轉(zhuǎn)爐煉鋼生產(chǎn)數(shù)據(jù)進(jìn)行清洗、標(biāo)準(zhǔn)化、離散等方式的數(shù)據(jù)預(yù)處理，以轉(zhuǎn)爐煉鋼生產(chǎn)重要影響因素作為知識(shí)發(fā)現(xiàn)的條件屬性，以轉(zhuǎn)爐冶煉終點(diǎn)的鋼水碳含量和鋼水溫度作為知識(shí)發(fā)現(xiàn)的決策屬性，采用粗糙集理論方法實(shí)現(xiàn)轉(zhuǎn)爐煉鋼知識(shí)發(fā)現(xiàn)的有效屬性約簡(jiǎn)，并結(jié)合關(guān)聯(lián)規(guī)則提取算法實(shí)現(xiàn)轉(zhuǎn)爐
6、煉鋼知識(shí)的發(fā)現(xiàn)和規(guī)則提?。换诖植诩?神經(jīng)網(wǎng)絡(luò)的轉(zhuǎn)爐煉鋼終點(diǎn)控制模型是結(jié)合粗糙集理論和神經(jīng)網(wǎng)絡(luò)理論的方法特點(diǎn)，以粗糙集理論方法確定出對(duì)決策屬性集有重要影響的最小條件屬性集作為神經(jīng)網(wǎng)絡(luò)的輸入條件，有效簡(jiǎn)化網(wǎng)絡(luò)結(jié)構(gòu)，提高神經(jīng)網(wǎng)絡(luò)模型的適應(yīng)性、準(zhǔn)確性及計(jì)算效率。同時(shí)，運(yùn)用面向?qū)ο蠛蛨D形化建模、可視化技術(shù)，以適用性、靈活性及可靠性為設(shè)計(jì)原則，基于Windows開(kāi)發(fā)平臺(tái)，選用Microsoft的VisualBasic6.0編程實(shí)現(xiàn)基于粗糙集的轉(zhuǎn)爐煉鋼知識(shí)發(fā)現(xiàn)及終點(diǎn)控制模型系統(tǒng)的開(kāi)發(fā)。以新余210t轉(zhuǎn)爐煉鋼廠生
7、產(chǎn)工藝和數(shù)據(jù)信息進(jìn)行知識(shí)發(fā)現(xiàn)和終點(diǎn)控制的數(shù)值I重慶大學(xué)博士學(xué)位論文實(shí)驗(yàn)，結(jié)果表明：基于粗糙集方法的轉(zhuǎn)爐煉鋼知識(shí)發(fā)現(xiàn)模型可以實(shí)現(xiàn)知識(shí)發(fā)現(xiàn)屬性的有效約簡(jiǎn)，同時(shí)，采用最小規(guī)則支持度和信任度的規(guī)則提取算法，可以發(fā)現(xiàn)數(shù)據(jù)中隱藏的知識(shí)規(guī)則，實(shí)現(xiàn)轉(zhuǎn)爐煉鋼知識(shí)的自動(dòng)獲??；在轉(zhuǎn)爐煉鋼知識(shí)發(fā)現(xiàn)過(guò)程中，隨著訓(xùn)練數(shù)據(jù)集的增大，提取出來(lái)的知識(shí)規(guī)則數(shù)目相應(yīng)增多，但知識(shí)規(guī)則預(yù)測(cè)的命中率并不一定提高，且隨著訓(xùn)練數(shù)據(jù)集的增大，系統(tǒng)的運(yùn)算效率會(huì)降低，因此，訓(xùn)練集的數(shù)據(jù)量大小和訓(xùn)練集的代表性對(duì)粗糙集轉(zhuǎn)爐煉鋼知識(shí)發(fā)現(xiàn)有著重要的影響；粗糙集
8、轉(zhuǎn)爐煉鋼知識(shí)發(fā)現(xiàn)模型隨著規(guī)則支持度和信任度的增加，知識(shí)規(guī)則預(yù)測(cè)的精確性也越高，發(fā)現(xiàn)的有效知識(shí)規(guī)則數(shù)量會(huì)降低，但知識(shí)的覆蓋面會(huì)應(yīng)知識(shí)條件的約束范圍狹小而顯著降低，因此，應(yīng)在實(shí)驗(yàn)的基礎(chǔ)上選取較為合理的參數(shù)值，不能一味的追求較大的規(guī)則支持度和信任度；粗糙集-神經(jīng)網(wǎng)絡(luò)模型的輸入層結(jié)點(diǎn)屬性是由基于粗糙集模型確定的對(duì)轉(zhuǎn)爐冶煉終點(diǎn)鋼水的碳含量和溫度有重要影響的因素作為終點(diǎn)預(yù)測(cè)模型輸入?yún)?shù)，因此，相對(duì)于常規(guī)轉(zhuǎn)爐神經(jīng)網(wǎng)絡(luò)終點(diǎn)預(yù)測(cè)模型，減少了輸入層和隱含層的的結(jié)點(diǎn)數(shù)目，增加了模型網(wǎng)絡(luò)結(jié)構(gòu)
