資源描述：
《基于爐口輻射和改進(jìn)神經(jīng)網(wǎng)絡(luò)的轉(zhuǎn)爐終點(diǎn)預(yù)測(cè)模型.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。
1、第28卷第11期光學(xué)學(xué)報(bào)Vol.28,No.112008年11月ACTAOPTICASINICANovember,2008文章編號(hào):025322239(2008)1122131205基于爐口輻射和改進(jìn)神經(jīng)網(wǎng)絡(luò)的轉(zhuǎn)爐終點(diǎn)預(yù)測(cè)模型溫宏愿趙琦陳延如周木春張猛許凌飛(南京理工大學(xué)電子工程與光電技術(shù)學(xué)院,江蘇南京210094)摘要針對(duì)國(guó)內(nèi)外轉(zhuǎn)爐煉鋼終點(diǎn)控制的現(xiàn)狀,建立了一種用于終點(diǎn)預(yù)測(cè)的神經(jīng)網(wǎng)絡(luò)模型。以爐口輻射信息獲取系統(tǒng)為實(shí)驗(yàn)平臺(tái),運(yùn)用光纖譜分復(fù)用和顏色空間模型轉(zhuǎn)換技術(shù),分析發(fā)現(xiàn)了光譜與圖像信息特征量在吹煉過(guò)程中呈現(xiàn)出中
2、前期類(lèi)似、末期相反的規(guī)律。從得到的特征規(guī)律曲線中選用一些關(guān)鍵特征量,在改進(jìn)的修正系數(shù)算法基礎(chǔ)上,進(jìn)行了模型的訓(xùn)練和預(yù)測(cè)分析。實(shí)驗(yàn)結(jié)果表明:響應(yīng)時(shí)間在2s以?xún)?nèi),滿(mǎn)足快速判定的時(shí)間要求;改進(jìn)算法的模型預(yù)測(cè)精度高于常規(guī)算法,該系統(tǒng)可以正常工作在轉(zhuǎn)爐煉鋼的惡劣環(huán)境下,達(dá)到了預(yù)期效果。關(guān)鍵詞信號(hào)處理;預(yù)測(cè);神經(jīng)網(wǎng)絡(luò);輻射信息;轉(zhuǎn)爐;終點(diǎn)中圖分類(lèi)號(hào)TN911.7文獻(xiàn)標(biāo)識(shí)碼Adoi:10.3788/AOS20082811.2131Basic2Oxygen2FurnaceEndpointForecastingModelBased
3、onRadiationandModifiedNeuralNetworkWenHongyuanZhaoQiChenYanruZhouMuchunZhangMengXuLingfei(SchoolofElectronicEngineeringandOptoelectronicTechnology,NangjingUniversityofScienceandTechnology,Nanjing,Jiangsu210094,China)AbstractConsideringthepresentsituationofthe
4、basicoxygenfurnace(BOF)steelmakingendpointcontrol,aneuralnetworkmodelwasestablishedtojudgethesteelmakingendpoint.Basedonthefurnacemouthradiationinformationacquisitionplatform,thespectrumandimagecharacteristicswereanalyzedusingthefiberspectrumdivisionmultiplex
5、ingtechnologyandthecolorspaceconversionmethod.Theresultsindicatethattheyaresimilaratearly2middlestagebutinverseatthesteelmakinglatestage.Someappropriatevariableswereselectedfromthelawcurveastheneuralnetworkmodelparametersandthemodelwastrainedandforecastedonth
6、ebasisofanimprovedbackpropagation(BP)neuralnetworkcorrectioncoefficientalgorithm.Theexperimentalresultsshowtheresponsetimeislessthan2swhichmeetstherequirementsofonlineendpointjudgment,andthepredictionaccuracyoftheproposedalgorithmisbetterthanthatoftheconventi
7、onalalgorithm.Thesystemworksstablyandtheanticipatedeffectisachieved.Keywordssignalprocessing;forecasting;neuralnetworks;radiationinformation;basicoxygenfurnace;endpoint[1]1引言法,以物料平衡和熱平衡為基礎(chǔ)的靜態(tài)控制,卻不終點(diǎn)控制是轉(zhuǎn)爐吹煉末期的重要操作,對(duì)煉鋼能在線實(shí)時(shí)修正,難以保證較高的命中率,工藝中經(jīng)終點(diǎn)的精確控制直接關(guān)系到最終鋼鐵的質(zhì)量。
8、目前常要回爐吹煉,造成了資源浪費(fèi),效率低下。當(dāng)今國(guó)我國(guó)中小型轉(zhuǎn)爐的產(chǎn)量占全國(guó)鋼產(chǎn)量的大多數(shù),而內(nèi)外新型的轉(zhuǎn)爐終點(diǎn)控制方法主要分為以下幾種方這些占多數(shù)的轉(zhuǎn)爐鋼廠普遍采用的是經(jīng)驗(yàn)煉鋼式:國(guó)外出現(xiàn)了一種用紅外激光穿透爐氣時(shí)發(fā)生的收稿日期:2008201202;收到修改稿日期:2008205225基金項(xiàng)目:國(guó)家自然科學(xué)基金(50176020)、國(guó)家863計(jì)劃(2007AA04Z1
