基于遗传算法和神经网络的高炉参数预报模型.pdf

摘要行。而高炉生产自动化的核心部分——高炉控制模型——一直为人们所关注,并得为了实现高炉生产的“优质、高产、长寿、低耗”,高炉生产的自动化势在必到了不断的发展。其发展经历了有高炉数学模型、高炉专家系统到高炉神经网络模型以及神经网络与其他优化算法相结合模型的过程。本论文根据高炉实际生产情况和技术水平,分别采用了神经网络、遗传算法与神经网络相结合的两种方法建立了高炉焦比预报模型、高炉铁水硫含量预报模型和高炉铁水硅含量预报模型。模型结构都为三层,即输入层、隐含层和输出层,分别经过鲅镜难把盗芬约耙糯惴ǘ猿跏既ㄖ档挠呕钪杖范ǜ自的网络权值矩阵,并分别用组数据采用“固定式”和“修正式”两种预报模式对高炉参数进行了离线预报,都具有良好的预报准确率。预报结果表明“修正式”预报命中率要高于“固定式”预报,遗传算法与神经网络相结合模型的预报命中率和训练次数都要优于神经网络预报模型。本论文的各个模型还吸收了“修正式”预报的思想,并建立了数据库,能够完成数据的动态存储,实现高炉参数的在线预测。并能够通过不断的对新样本学习,使模型适应生产条件的变化,使其在生产条件变化的情况下,仍具有很好的预报准确率。在软件的制作过程中,本研究结合工程心理学,注重界面设计,利用语言强大的多媒体功能,开发出一套集声音、动画、图片和文字为一体的全汉化交互式软件系统。图表参关键词:神经网络;遗传算法;高炉参数;预报模型分类号:
咖綾锄鷓啪鷈詄譶礶“,鰋帆百琱鷓,,,.Ⅵ蛳猘诅曲如鴌琣鴈”,,,甌:.血ⅱ鬿.Ⅱ甀—.,縧出瑃
啪:摘要;;,篢.
签名:盎塞壶、日期:世立月丝日签名:巍,塞塞.、导师签名:‘笻期:型堕年蝴鱼目关于论文使用授权的说明独创性说明本人完全了解河北理工大学有关保留、使用学位论文的规定,即:学校有权保留送交论文的复Ъ市砺畚谋徊樵暮徒柙模谎校可以公布论文的全部或部分内容,可以采用影印、缩印或其他复制手段保存论文。奉人郑重声明:所旱交的论文是我个人在导师指导卜械难芯抗作及取得研究成果。尽我所知,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的研究成果,也不包含为获得河北理工大学或其他教育机构的学位或证书所使用过的材料。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做了明确的说明并表C艿穆畚脑诮饷芎笥ψ裱斯娑示了谢意。
引言程,因此这给高炉生产控制带来了一定难度,但随着监测手段的提高以及电子计算合爆炸”和“无穷递归”而导致推理速度慢、效率底。为此,人们丌始考虑人工神是神经网络推理机制在根本上还是属于数值计算,这使得它在很大程度上受到所选高炉生产历史悠久,高炉技术源远流长。高炉炼铁同许多其他工业一样,也经历了一个由经验到理论,由低级到高级的发展过程。进入年代以后,监测手段和计算能力的不断提高为炼铁牛产的理论研究注入了新的活力。同时,随着科学技术的不断进步,以及自动化、计算机技术的发展,炼铁理论的日趋完善,高炉自动化得到了不断发展,并用于实际生产,并取得了良好效果,对高炉的“优质、高产、长寿、低耗”起着巨大的推动作用。高炉冶炼过程是一个在高温条件下发生的包含了物理、,促进了对高炉内部状态的模拟和解析,从而发展了各种用于高炉过程控制的数学模型用以指导高炉生产,它们在高炉炉况稳定时,与生产实际甚为一致。但由于高炉冶炼生产极为复杂,很难控制输入条件恒定不变,且各种因素的变化影响具有很长的延迟特性。这样,高炉数学模型力图定量精确描述高炉的冶炼反应状态,已存在着很大的局限性,已无法满足复杂工业过程控制的要求。随着研究工作者对高炉内部状态模糊信息的进一步认识,以及人工智能技术的发展,专家系统和神经网络先后被引入到高炉控制领域,这给高炉控制带来了新的思维和方法。专家系统依靠由优秀高炉冶炼专家提供的经验和知识所建立的知识库,凭借系统的推理机进行逻辑推理和判断,去模拟高炉冶炼专家解决高炉冶炼过程中出现的各种复杂问题的能力,从而对高炉生产进行操作指导。自八十年代以来,专家系统技术进入高炉操作领域,并取得了长足发展。但专家系统的知识库不易维护,知识自动获取困难,最重要的是它对规则知识不具备自学习能力,以及它对领域的边缘性问题和域外问题的“窄台阶效应”,同时由于“匹配冲突”、“组经网络的自学习能力和模糊识别功能。神经网络模型可以较好的识别高炉的炉内数据,能解决知识自动获取问题,并且利用其并行分布处理的特性快速推理知识。但择训练样本集的限制,训练样本集的正交性和完各性如果不好,就会使模型的性能劣化或恶化。具体的对于神经网络来说,就表现在模型学习训练时问过长,甚至可能达不到学习的目的,从而大大削弱了模型的性