基于时间序列预报的高炉热状态预报系统研究

来源 :东北大学 | 被引量 : 0次 | 上传用户:lequ123123
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
钢铁工业是国民经济的支柱产业,高炉炼铁是钢铁工业的重要组成部分。如何控制高炉安全、稳定、均衡、顺行从而达到“优质、低耗、高产、长寿”的炼铁目标具有重要的生产实际价值。本文结合我国高炉生产现状及炉热预报水平,针对高炉炉热预报中需要解决的实际问题,应用时间序列预报及人工神经网络等方法,对高炉炉热预报问题进行了深入的研究和探讨。 本文介绍了人工神经网络模型的基本特点,并阐述了动态递归神经网络在高炉复杂非线性系统建模和预报中应用的优点;简要介绍了高炉控制的特点,同时回顾了高炉预报系统的发展进程及其面临的主要问题;较系统地介绍了神经网络和专家系统在国内外高炉炉热预报中的应用现状及存在的问题。 本文针对高炉工艺参数众多且存在相关性和强耦合性以及利用神经网络进行炉热预报建模输入数据维数较高的问题,提出采用主成分分析法(PCA)对原始数据样本进行分析处理。对采用PCA方法进行高炉数据处理的主成分提取原理及算法等核心问题进行了详细深入地讨论。同时还以宝钢某高炉数据为例,对数据样本进行数据预处理、插值处理、主成分提取及滞后时间确定等处理和研究,将处理后的数据样本作为本文模型的输入。 针对目前常用铁水含硅量静态神经网络预报方法及标准Elman网络预报复杂非线性系统中存在的问题,本文提出一种具有动态递归特性的改进型Elman网络结构及算法,提高了网络动态适应性及非线性映射能力;本文在阐述组合预报原理的前提下,讨论了将ARMAX模型与改进型Elman网络模型结合建立组合预报模型的可行性,同时对不同炉况条件下组合预报的加权向量进行了讨论和选择。 最后,采用宝钢某高炉数据样本对本文所建模型进行铁水含硅量预报实验,取得了较好的效果。对改进型Elman网络模型进行预报实验时,预报误差按±0.05计,预报命中率达到88.17%;当炉况波动较大时,预报误差按±0.05计,组合预报模型的预报命中率最高可达到92.56%(权值向量为(0.25,0.75));当炉况波动较小时,预报误差按±0.05计,组合预报模型的命中率最高可达到93.49%(权值向量为(0.65,0.75));同时,对实验结果的可信度分析也证明了采用本文所建模型进行高炉铁水含硅量预报的实际值和预报值不存在显著性差异,预报结果是可信的。
其他文献
本文对临港新城城市级景观照明及其监控系统进行了总体规划,制定了可行的实现方案及系统各部分详细设计方案,并进行了具体系统构建。文章在J2EE平台上,采用Java、JSP、XML等技术
本文以自建英语报刊社论语料库中高频词为意核,在分析共现词、类联接、语义趋势和语义韵的基础上,基于评价理论和概念整合理论详细地阐释其典型类联接结构内隐含的词汇和小句
数控技术是先进制造技术的核心,是制造业实现自动化、网络化、柔性化、集成化的基础。数控机床是以数控系统为代表的新技术对传统机械制造产业的渗透形成的机电一体化产品。本
本文以人工智能理论为基础,对板形模式识别、板形预测和基于神经网络的板形智能控制策略进行了深入的研究,取得了一定的成果。 首先,采用粒子群优化(PSO)算法和BP(back-propa
智能控制理论是具有某些仿人智能的工程控制和信息处理的理论方法。机器人学集中了机械工程、电子工程、计算机工程、自动控制工程以及人工智能等多种学科的最新科研成果,是