基于预测模型的转炉炼钢辅助决策系统 模式识别与智能系统专业论文.docx

分类号 密级 UDC 注1  学 位 论 文 基于预测模型的转炉炼钢辅助决策系统 （题名和副题名） 张 琦 唯 （作者姓名） 指导教师姓名 康 波 副教授 电子科技大学 成 都 （职务、职称、学位、单位名称及地址） 申请专业学位级别 硕士 专业名称 模式识别与智能系统 论文提交日期 2009.4 论文答辩日期 2009. 5 学位授予单位和日期 电子科技大学 答辩委员会主席 评阅人 2009 年 月 日 注 1：注明《国际十进分类法 UDC》的类号。 独 创 性 声 明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作 及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方 外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为 获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与 我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的 说明并表示谢意。 签名： 日期： 年 月 日 关于论文使用授权的说明 本学位论文作者完全了解电子科技大学有关保留、使用学位论文 的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘， 允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文的全 部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描 等复制手段保存、汇编学位论文。 （保密的学位论文在解密后应遵守此规定） 签名： 导师签名： 日期： 年 月 日 I I 摘 要 摘 要 转炉炼钢过程是一个周期性的升温、降碳、去杂质过程，包含非常复杂的多 元、多相、高温反应。对转炉炼钢终点进行准确预测，用优化的炼钢工艺参数进 行控制是合理组织生产、提高钢水质量和降低炼钢成本的重要前提。神经网络是 解决非线性系统问题的有效途径，将神经网络用于转炉炼钢终点控制是一个值得 研究的方向。 本文参考某钢厂转炉的炼钢工艺并用这些转炉的数据为背景，开发了基于转 炉静态预测模型的炼钢辅助决策系统，旨在帮助工人在冶炼前确定合适的冶炼方 案。 在实现系统的终点预测功能时，本文根据 BP 神经网络的建模理论，按照数据 处理、网络结构设计、训练算法选取等几个步骤建立了转炉静态预测模型。针对 数据源的特点，加大了数据处理的力度。在充分分析数据统计特性的基础上，对 数据源进行了交叉分段，建立了针对不同类别钢种终点预测的分类终点碳温预测 模型；分析了标准 BP 算法收敛速度慢的原因，采用了改进的 LM 算法，并针对该 算法的缺陷，采用多种方法改善了预测模型的泛化能力。 在实现系统的终点控制变量优化功能时，本文基于转炉预测模型建立了多目 标转炉炼钢终点优化控制模型。在充分分析控制变量极值区域特点及数据特征的 基础上，采用了批量计算的方法，提高了搜索速度。 本系统分别对历史数据和现场数据进行了离线测试和在线测试，测试结果表 明，系统性能良好，对确定转炉炼钢的冶炼方案起到了辅助决策的作用，能够提 高终点碳含量和终点温度的命中率。 关键字：转炉炼钢，BP 神经网络,交叉分段、分类预测模型、LM 算法 II II ABSTRACT ABSTRACT LD-process is a very complex process with multi-element 、 multi-phase 、and high-temperature reaction.It includes periodically warming 、 carbon reducing and impurities eliminating.It is very important to forecast the carbon content and temperature at end point accurately,for it is the prerequisite of reasonable production organization、the quality of the molten steel improvement and the cost reducing of steelmaking.Neural network is an effective way to solve the problem of nonlinear systems.It worth to make the research with neural network on the control of carbon content and temperature at end point. This paper is based on the productive practice and the datas of the co