基于智能蚂蚁算法优化的脱硫静态模型研究

基于智能蚂蚁算法优化的脱硫静态模型研究

ID:32705060

大小:1.98 MB

页数:58页

时间:2019-02-14

基于智能蚂蚁算法优化的脱硫静态模型研究_第1页
基于智能蚂蚁算法优化的脱硫静态模型研究_第2页
基于智能蚂蚁算法优化的脱硫静态模型研究_第3页
基于智能蚂蚁算法优化的脱硫静态模型研究_第4页
基于智能蚂蚁算法优化的脱硫静态模型研究_第5页
资源描述:

《基于智能蚂蚁算法优化的脱硫静态模型研究》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、重庆大学硕士学位论文中文摘要摘要随着最近几年经济的突飞猛进,国内外钢铁市场对钢的质量尤其是纯净钢的质量要求越来越高、越来越苛刻。但是硫的存在却给这带来了很大的难度,因此以质量取胜的钢铁企业纷纷把如何降低钢材中的硫含量、提高钢材质量和开发新品种视为钢铁生产的一个核心战略任务,以增强企业的市场竞争力。然而目前广泛应用的铁水预脱硫主要采用人工控制,这导致对生产过程的判断和操作调剂的主观性很大,难以保证脱硫操作的稳定性,导致钢产品质量波动大,脱硫成本增加。本文以大型钢铁生产基地攀钢集团为背景,采用神经网络来建立脱硫静态模型

2、,自动寻找脱硫过程的规律和知识,从而对脱硫过程进行决策支持,降低脱硫成本,为全自动脱硫创造了良好的条件。本文采用RBF神经网络作为建模工具。针对建模过程中出现的RBF中心和宽度难以确定的难点,在分析蚂蚁算法机理的基础上,提出了使用智能蚂蚁算法对RBF神经网络模型的中心和宽度进行自适应选择,从而达到模型训练精度和范化能力的一个最优的平衡,从而提高模型的预报糖度。文中首先详细介绍了基本蚂蚁算法的思想和特点,然后在分析其发展现状和局限性的基础上,采众家之长,决定采用智能蚂蚁算法来优化RBF神经网络的中心和宽度。文中针对基

3、本蚂蚁算法容易出现停滞、参数难以确定的局限性,对其进行了一定的改进——智能蚂蚁算法:(1)引入蚁群优化算法中对转移概率公式、信息素更新规则的修改:(2)引入Max—Min蚂蚁算法中对轨迹强度t,设置上下限‘。。和靠.。;(3)在蚂蚁算法中加入局部优化,从而进~步缩短解路线的长度,以加快蚂蚁算法的收敛速度;(4)对参数进行了一定的选择。最后通过程序仿真证明了智能蚂蚁算法与基本蚂蚁算法相比具有明显的优越性。本文在分析脱硫工艺原理的基础上,通过有效的数据预处理,最后进行仿真分析,基于智能蚂蚁算法优化的脱硫静态模型与传统的

4、RBF神经网络脱硫静态模型相比较,其模型的预报精度好于传统脱硫静态模型,具有一定的实用性和推广一

5、生。关键词:铁水预脱硫,径向基函数神经网络,蚂蚁算法,信息素,智能蚂蚁算法重庆大学硕士学位论文英文摘要ABSTRACTWiththerapiddevelopmentofeconomy,especiallyrecentyears,thedomesticandoverseasmarketsofsteel—ironrequirethequalityofsteel,inparticularthepuresteel,hi【ghe

6、randhigher.However,theexistenceofsulfurbringsaboutthelargehiddentrouble.So,itisakeystrategyformanysteel—iron—makingenterpriseswhichgetvictoryrelyingonthequalitytoremovethesulfurefficiently,improvethequalityofsteelanddesignthenewproductsinordertOwinmoreshareins

7、teel—ironmarket.However,presentlythepopularironwaterpre—desulfurationmethodismostlybasedonmanualcontrolwhichistoosubjectivetomakearightdecisionforprocessandmanipulationsometimes,whichresultsintheinstabilityoftheprocess,harmsthequaIityofsteelandincreasestheprod

8、uctioncost.Onthebackgroundofpanzhihuasteel—ironcorporationwhichisoneofthebignationalsteel—ironcorporation,astaticmodelofdesulfurationisdesignedinthisdissertation.ThemodelingprocessisbasedonNeuralNetwork,whichCanautomaticallydiscovertherulesandknowledgeindesulf

9、urationprocess,andthenprovidethedecisionsupport,improvethedesulfurationeriectanddecreasethecost.TheSuccessfuluseofthisstaticmodelwillbeasolidprerequisiteforfullautomaticdusulfurati

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。