资料下载
×
基于灰色关联分析的烧结矿碱度应用研究
消耗积分:5 |
格式:rar |
大小:184 |
2009-08-15
张杰
分享资料个
在现代钢铁企业中，高炉原料的烧结过程是其中重要的生产工序。烧结矿碱度稳定性直接影响到烧结矿的质量和产量，但由于烧结生产过程非常复杂，很难用一组较为准确的数学模型进行描述。加之过程所具有的大时滞性和动态时变性，采取一些依赖于对象数学模型的传统控制理论和方法难以解决烧结矿碱度的波动问题。因此长期以来，烧结矿碱度的控制一直是钢铁企业中的一个难点。据此提出利用灰色关联分析和BP 神经网络建立烧结矿碱度的预报模型。通过对现场实际数据进行仿真，表明该方法鲁棒性强，准确性高，泛化能力广，具有很强的实用性和推广价值。
烧结矿碱度的稳定直接影响高炉生产的稳定。实验数据表明，烧结矿碱度波动范围由±
0.1％降到±0.05％，高炉利用系数可提高2.5％，焦比可降低1.3％。因此，稳定烧结矿碱
度，对强化高炉冶炼和增铁节焦有着十分重要的意义。目前，我国烧结厂对烧结矿碱度的控制，主要是通过每两小时一次的烧结矿采样分析，根据分析结果和质量指标要求，调整混合料中的有关成分来实现的。然而，原料经过下料、混合、布料、点火烧结到成品冷却、整粒、取样等工序，待观察到调节效果一般需3～4小时之久。如此大的时间滞后，采用传统的控制方法，很难实现烧结矿碱度的准确控制。本文建立了基于BP网络神经网络的烧结矿碱度的预报模型。应用神经网络的BP算法对烧结矿的碱度进行预测，可以大大提高预测精度，而且模型具有较好的鲁棒性和泛化能力。
烧结矿碱度的稳定直接影响高炉生产的稳定。实验数据表明，烧结矿碱度波动范围由±
0.1％降到±0.05％，高炉利用系数可提高2.5％，焦比可降低1.3％。因此，稳定烧结矿碱
度，对强化高炉冶炼和增铁节焦有着十分重要的意义。目前，我国烧结厂对烧结矿碱度的控制，主要是通过每两小时一次的烧结矿采样分析，根据分析结果和质量指标要求，调整混合料中的有关成分来实现的。然而，原料经过下料、混合、布料、点火烧结到成品冷却、整粒、取样等工序，待观察到调节效果一般需3～4小时之久。如此大的时间滞后，采用传统的控制方法，很难实现烧结矿碱度的准确控制。本文建立了基于BP网络神经网络的烧结矿碱度的预报模型。应用神经网络的BP算法对烧结矿的碱度进行预测，可以大大提高预测精度，而且模型具有较好的鲁棒性和泛化能力。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
