欢迎来到天天文库
浏览记录
ID:32477056
大小:1.67 MB
页数:68页
时间:2019-02-07
《铁水脱硫智能控制模型的研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、辽宁科技大学硕士论文擅要摘要硫元素是绝大多数钢种中的有害元素。随着经济的发展,国内外钢铁市场对钢材质量的要求越来越高。因此众多钢铁企业把如何降低钢材中的硫含量、提高钢材质量、降低脱硫成本,开发新品种视为钢铁生产的一个核心任务。铁水脱硫过程是一个非常复杂的多元非线性反映过程,目前国内的铁水预脱硫处理控制水平不高,难以保证脱硫操作的稳定性。铁水硫含量波动大,脱硫粉剂消耗大,脱硫成本高。经济效益不理想。因此本文以鞍钢二炼钢铁水脱硫过程为背景,采用粗糙集理论、RBF神经网络技术、遗传算法及反馈补偿方法来建立铁水脱硫智能控制模型,从而稳定脱硫生产过程.降低
2、脱硫成本,提高经济效益。本文通过对铁水脱硫生产过程的分析得出了总体控制方案:应用RBF神经网络技术建立脱硫剂用量控制模型;应用反馈补偿方法解决脱硫剂品质突变引起模型失效的问题。首先针对数据建模的缺点,应用聚类分析方法和粗糙集理论对样本数据进行处理,获得优质的神经网络建模数据;其次针对RBF神经网络中心和径向基函宽度难以确定的缺点,采用遗传算法确定网络中心数目和径向基函数宽度,优化网络结构;然后针对神经网络训练易出现过拟合现象,将泛化误差引入到网络训练过程中,提高模型的精度。最后使用二分法寻找最佳的反馈补偿系数,解决脱硫剂品质突变引起的模型失效问题
3、。工业过程控制系统一般使用PLC和组态软件。由于组态软件不利于编写复杂的控制模型,而且数据管理功能不强。本文采用VB和MATLAB混合编程的方法编写了智能控制模型。并且开发了基于OPC技术的WINCC.VB通信程序,实现了PLC监控系统与控制模型间的通信。最终实现了铁水脱硫智能控制方案。关键词:铁水脱硫,粗糙集,RBF神经网络,遗传算法,OPC辽宁科技大学硕士论文Ab鲥BlctAbstractSulfurisaharmfulelementinmostkindsofsteel.Withthedevelopmentofeconomic,thedema
4、ndtothequalityofsteelinthedomesticandforeignsteelmarketismoreandmorehigh.SomostironandsteelenterprisesseeingreducingSulfurelementofthesteelproducts,enhancingthesteelproductsquality,reducingthedesulphurizationcost,developingnewproductionasacoreduty.Moltenironpre·desulphurizati
5、onisaverysophisticatedreactionwhichisnotonlydiversebutalsonor-linear.Atpresentindomesticthecontrollevelofmoltenironpre—desulphu“zationprocessingislow,itisdifficultytostablethedesulphurizationoperation.Proportionofsulfurinthemoltenironisunstable,consumesofthedesulphurizationpo
6、wderislarge,costofthedesulphurizationishigh,economicefficiencyisnotideal.Thereforeinordertostablethedesulphurizationprocess,reducethecostofdesulphurization,enhanceeconomicefficiency,thispapertakethemoltenirondesuJphurizatiOnprocessofAnshanIronandSteelCompanysecondsteelfactory
7、asabackground,USeSRoughSettheory,RBFnervenetwork,GeneticAlgorithmandFeedbackcompensationmethodtoestablishintelligentcontrolmodelofthemoltenirondesulphurizationpowder.Thispapergetstheoverallcontrolmethodthroughstudyingtheproductionprocessofhotmetaldesulphurization:Applicationo
8、fRBFneuralnetworktechnologytoestablishdesuIphurizationpowdercontrolm
此文档下载收益归作者所有