基于神經網絡的轉爐煉鋼碳溫控制模型及智能專家系統(tǒng).pdf

1、鋼鐵行業(yè)是我國的支柱產業(yè)，而轉爐煉鋼在鋼鐵行業(yè)中又占有極其重要的地位。轉爐煉鋼的主要任務就是控制吹煉終點的碳含量和出鋼溫度，使其能夠達到出鋼標準。然而轉爐煉鋼是一個繁雜的工業(yè)進程，進程中包含著非常復雜的多元多相高溫反應，是一個周期性的升溫和降碳的過程。另外，因為冶煉進程的溫度極高，情況也非常惡劣，吹煉的時候難以持續(xù)的進行鋼水成份和溫度的檢測，于是很難應用普通過程控制的方式對其進行準確的控制。目前，我國絕大多數(shù)中小型轉爐的終點控制都是憑工

2、人的經驗來進行控制的，具有很大的主觀性，為此經常需要進行返工，從而造成了巨大的能源損耗。于是，準確地控制轉爐煉鋼終點意義重大。
　　智能控制的興起給轉爐煉鋼終點控制帶來新的研究方向，而神經網絡技術作為解決非線性系統(tǒng)智能控制的一個重要分支，由于其具有強大的非線性系統(tǒng)求解能力而在轉爐煉鋼終點控制中得到了廣泛的運用，并取得了滿意的結果。此外，理論模型是轉爐煉鋼終點控制的基礎，其精度直接地影響著神經網絡對終點的預測結果。因此，結合理論模型

3、與神經網絡模型是一個有價值的研究方向。
　　本文首先對轉爐煉鋼靜態(tài)控制模型中的理論模型進行了系統(tǒng)的論述，經過詳細分析轉爐煉鋼過程當中熱平衡和物料平衡之間的聯(lián)系而最后通過該模型給出轉爐煉鋼的各項初始參數(shù)。在獲得各項參數(shù)的基礎上運用多神經網絡和基于案例推理的專家系統(tǒng)來進行終點的碳含量和出鋼溫度預測，其中多神經網絡模型運用了聚類思想將用于訓練的樣本數(shù)據根據其相似性進行了劃分，從而可以使神經網絡能夠更加準確的學習它們之間的內在規(guī)律。通過實

4、驗仿真驗證該方法獲得了比普通單神經網絡更高的預測精度。基于案例推理的專家規(guī)則是專門用來異常樣本情況下的預測，它的建立使得預測模型更加全面和準確。
　　本文后半部分主要介紹了轉爐煉鋼的終點控制模型和軟件的實現(xiàn)，在控制模型中重要應用了蟻群算法來進行了轉爐煉鋼終點控制的多目標尋優(yōu)。軟件部分主要通過VisualStudio2005進行開發(fā)，后臺則使用了SQLServer數(shù)據庫，其主要功能就是對轉爐煉鋼的終點進行預測和控制。本文在最后對全文