导读:本文包含了烧结终点论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:终点,算法,神经网络,模型,在线,智能,向量。
烧结终点论文文献综述
汪森辉,李海峰,张永杰,邹宗树[1]（2019）在《基于改进的AdaBoost.RS算法的烧结终点预报分析》一文中研究指出烧结终点的稳定控制是提高烧结机利用效率及烧结矿产量和质量的前提,因此获得准确的烧结终点位置是优化烧结过程的基础。通过分析烧结过程参数对烧结终点位置的影响,提出一种适用于烧结终点预测的集成算法。在AdaBoost.RS算法的基础上,自适应调整松弛变量的阈值,以极限学习机为弱学习器建立烧结终点位置预报集成算法模型。以宝钢烧结面积为495m~2的烧结机为例,利用实际生产数据进行模型检验。结果表明,当绝对误差小于1.6m时,模型的预报结果命中率为97.4%,均方根误差为0.58,预报值序列与实际目标值序列的相关系数为0.78。对各影响因素定量分析结果表明,影响烧结终点位置的前叁因素依次为料层厚度、台车速度与配水量。(本文来源于《中国冶金》期刊2019年10期）
吴连军[2]（2019）在《基于排放烟气分析的烧结矿烧结终点预测研究》一文中研究指出烧结矿是高炉炼铁的重要原料之一,由粉状含铁原料烧结生成。烧结生产过程具有大滞后性、强耦合性、非线性等的特点。烧结工艺中,烧结终点是工艺参数调整的重要依据,但由于现场工艺复杂,生产条件恶劣,涉及参数多,没有相关仪器可以直接测得烧结终点的具体位置。传统的烧结终点预测模型都是基于水分、风量、料层厚度等参数,应用支持向量机回归或神经网络建立,存在预测精度不够、时间较长、实时性差等缺点。针对上述烧结过程存在的问题,提出基于烧结生产排放烟气定量分析的烧结终点预测方法,通过实时检测并分析烧结过程中排放的SO_2、O_2、NO_x气体的浓度,采用随机森林算法,建立烧结终点预测模型,实现对烧结终点的准确预测。主要研究工作如下:1.构建排放烟气连续在线监测系统基于某钢厂450m~2烧结机的工艺流程,构建烧结排放烟气在线监测系统。在大烟道除尘器的取气孔处设置烟气分析采样探头,并通过气体分析仪、烟气流量检测仪实时在线分析包括SO_2、O_2、NO_x气体在内的浓度、流量、温度等参数,实现烧结烟气的实时在线分析,为后续分析和建模提供数据基础。2.排放烟气数据预处理采集得到18210组数据,采用小波分析对数据进行消噪处理,采用箱型图法剔除7478组异常数值,最后剩余10732组数据。结果表明,预处理过程提高了数据质量,为数据信息的挖掘和提取提供基础。3.基于随机森林算法和排放烟气建立了烧结终点预测模型应用关联热图和平行坐标法评估了各参数的重要性,确定了SO_2、O_2、NO_x气体的浓度以及烟气温度和压强作为建模数据,然后划分训练样本和检验样本数据,以SO_2、O_2、NO_x的浓度、温度、压力等参数作为输入,以其相应过程烧结终点为输出,采用随机森林算法,建立了基于排放烟气的烧结终点预测模型;通过均方误差分析,对决策树数量、特征变量等模型参数进行优化,完成了烧结终点预测模型的构建。应用已确定烧结终点预测模型对2683组测试集数据进行烧结终点预测,结果表明,相较同等数据建立的支持向量机、BP神经网络建立的烧结终点模型,基于随机森林算法建立的烧结终点预测模型具有更高的预测精度和更高的处理效率,分别为96.95%和16.77s;此外,相较于传统的利用水分、料层厚度、风量等参数建立的模型,随机森林模型的预测精度至少提高0.0171。基于排放烟气的烧结终点预测为提高烧结终点的预测精度,改善烧结矿的生成效率提供了一种新的解决方法。(本文来源于《太原理工大学》期刊2019-06-01）
周纪平[3]（2019）在《基于体积模型的烧结终点预测及模糊控制研究》一文中研究指出基于宝武集团梅山钢铁公司5#烧结机实际,设计基于体积(volume)模型的烧结终点位置自适应模糊控制器。首先,采用最小二乘法对烧结机两侧风箱废气温度进行拟合,建立烧结终点volume预测模型,通过计算两条曲线顶点与预设点之间构成的体积确定烧结终点位置。在此基础上,设计自适应模糊控制器,引入加权因子实现模糊规则自调整,并通过Matlab仿真验证。结果表明:烧结终点volume预测模型相比于传统模型更加准确;相比于传统PID控制器,基于volume模型的自适应模糊控制器不仅在快速性及超调量等方面表现更优,且具更强的鲁棒性。(本文来源于《安徽工业大学学报(自然科学版)》期刊2019年01期）
王丹丹[4]（2019）在《基于GA-FWA在烧结终点预测中的应用研究》一文中研究指出钢铁行业作为中国发展最快并且占有重要社会地位的行业,其广泛应用于社会生活的各个方面,是支撑社会发展的重要产业。然而,由于钢铁产业的飞速发展,导致我国铁矿石被大量开采,富铁矿日渐减少,为了解决原料短缺问题,不影响钢铁工业的生产,烧结矿便应运而生,成为我国高炉生产过程的主要原料,烧结过程也成为了高炉炼铁中的一个重要的环节。烧结终点(BTP)的稳定与否是判断烧结过程是否正常的标志之一,其不仅影响烧结矿的质量和产量,而且对烧结成本有很大影响。由于烧结过程是一个复杂多变、非线性、大时滞的问题,采用传统的机理模型或控制理论很难实现对烧结终点的预测和控制,所以本文采用了一种新的方法:通过新提出的智能优化算法——基于遗传算法的烟花优化算法(GA-FWA)来优化支持向量机模型参数从而实现烧结终点的预测。基于遗传算法的烟花优化算法结合了烟花算法和遗传算法的优点,可以更迅速准确的找到全局最优值,并且支持向量机(SVM)方法是建立在统计学和结构风险最小原理基础上的,有严格的理论和数学基础,可以很好的解决算法复杂度与输入向量密切相关的问题,所以将GA-FWA算法与支持向量机相结合可以训练出一个精度较高的预测模型,从而实现烧结终点的精确预测。通过查阅了大量的国内外相关文献,本文首先介绍了烧结终点预测的国内外研究现状,然后具体分析了烧结工艺的基本原理以及智能优化算法的基本理论,采用GA-FWA算法对支持向量机中的参数进行优化,获取最优参数组合,并使用MATLAB软件编程实现支持向量机模型的训练和预测,得到预测结果。最后,本文将新算法的实验效果与粒子群算法,遗传算法,烟花算法的实验效果作对比,实验结果表明GA-FWA算法不论是在实验精度方面还是在运行时间方面都明显优于其他算法,可以准确的预测烧结终点,对烧结生产过程有良好的指导意义。(本文来源于《辽宁科技大学》期刊2019-03-11）
张宗旺,伯飞虎,周凡,李庆洋[5]（2018）在《基于时间序列的烧结终点自适应预报模型》一文中研究指出本文首先用数学和工艺分析的方法,确定终点位置的影响因素;建立基于时间序列的终点预报模型;找到自适应的方法,使终点预报模型能满足未来生产条件调整。结果表明,使用自适应动态预报模型,提前15min预测烧结终点的位置,并且专家知识库不断进行自学习,大大提高了预测的命中率,误差为个风箱的命中率达到100%。(本文来源于《世界有色金属》期刊2018年18期）
周卫,云东[6]（2018）在《双模式烧结终点智能控制系统在柳钢的应用》一文中研究指出烧结终点是烧结生产过程中的一个重要参数,而在烧结终点控制方面,国内外的控制系统往往采用不同的思路,本文提出了双模式的烧结终点控制方法,即定产模式和优化模式,并在柳钢3~(#)360m~(2)烧结机上得到成功应用。根据目标终点要求,综合考虑料厚、风量等诸多(本文来源于《世界金属导报》期刊2018-03-13）
丁园,王斌,鄢进冲,潘昪[7]（2017）在《基于二维区间自回归模型的烧结终点预测》一文中研究指出炼铁烧结生产过程中,烧结终点位置难以确定,建立二维区间自回归模型对烧结终点进行预测。在阐述模型原理的基础上,设计基于运动模式的二维区间自回归预测建模流程,包括构建自回归预测模型得到计算空间的模式类别变量,利用K近邻算法分类得到模式运动空间中的模式类别变量。采用实际烧结终点废气温度数据验证模型,包括采用主成分分析法对多个废气温度时间序列得到进行降维并形成二维数据空间;利用四叉树粒子群优化算法划分废气温度时间序列二维模式运动空间;引入二维区间数来度量模式类别变量;建立二维带输入的区间自回归模型(IARX)实现炼铁烧结终点预测。结果表明,与传统的一维区间自回归模型相比,所建模型预测准确度更高。(本文来源于《烧结球团》期刊2017年03期）
汪春鹏[8]（2017）在《烧结终点预报神经网络样本优选与系统建模》一文中研究指出烧结终点预报对于提高烧结矿强度和产量、降低能耗具有重要意义,但是烧结终点状态受多种因素影响,无法直接检测,只能由操作工依据经验进行判断,严重影响了烧结生产的稳定运行。本系统运用K均值聚类分析的样本优选方法对海量数据进行处理,选择具有代表性的样本,从而有效缩小样本空间、改善样本质量。使用风箱温度曲线计算废气温度上升点和烧结终点软测量值,以台车速度和点火温度作为输入,采用BP神经网络模型,对烧结终点位置进行预报。在实际应用中,该模型预报结果较准确地反映了烧结终点位置的变化,起到了稳定生产、节约能源的作用。(本文来源于《测控技术》期刊2017年03期）
王子兵,常建,赵涛,张遵乾,张浩[9]（2016）在《基于反应带触底映像的烧结终点预报模型》一文中研究指出基于废气温度的烧结终点预报、调节方法预报准确性差、调节震荡性高,严重影响余热发电指标。研究各反应带料层厚度及垂直烧结速度的综合作用效果与反应带触底映像位置及长度的一一对应关系,建立基于烧结反应带触底映像位置及长度的烧结终点预报模型。新模型修正了现有预报模型关于烧结终点定义存在的根本性错误,采用反应带触底映像长度作为烧结终点预报指针,提出全程参与、分区预报、分级校正、补偿调节的烧结终点预报及自动调节新方法,并建立相应的烧结终点预报及调节动力决定模型。新模型采用数值模拟与实体数据关联相结合的方法面向生产实用,具有较高的可操作性。(本文来源于《烧结球团》期刊2016年06期）
石炜,孙永涛,秦波,龚志华[10]（2016）在《基于粒子群优化径向基神经网络的烧结终点预测研究》一文中研究指出针对烧结生产过程中多变量、强耦合的特点和RBF神经网络结构参数选取依据经验的问题,为提高烧结终点预报模型的精度,提出粒子群算法优化RBF神经网络的烧结终点预测方法。在标准PSO算法的基础上,优化RBF神经网络隐层节点中心和宽度2个结构参数,并建立烧结终点预测模型;在此基础上利用UCI数据库中的Computer Hardware和Concrete Slump Test标准数据,验证了方法的有效性,并以某钢厂265 m2烧结机的实际生产数据,建立烧结终点的预报模型。结果表明,与标准BP,RBF相比,基于PSO优化RBF的烧结终点预测模型精度高、泛化能力强。(本文来源于《铸造技术》期刊2016年11期）
烧结终点论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
烧结矿是高炉炼铁的重要原料之一,由粉状含铁原料烧结生成。烧结生产过程具有大滞后性、强耦合性、非线性等的特点。烧结工艺中,烧结终点是工艺参数调整的重要依据,但由于现场工艺复杂,生产条件恶劣,涉及参数多,没有相关仪器可以直接测得烧结终点的具体位置。传统的烧结终点预测模型都是基于水分、风量、料层厚度等参数,应用支持向量机回归或神经网络建立,存在预测精度不够、时间较长、实时性差等缺点。针对上述烧结过程存在的问题,提出基于烧结生产排放烟气定量分析的烧结终点预测方法,通过实时检测并分析烧结过程中排放的SO_2、O_2、NO_x气体的浓度,采用随机森林算法,建立烧结终点预测模型,实现对烧结终点的准确预测。主要研究工作如下:1.构建排放烟气连续在线监测系统基于某钢厂450m~2烧结机的工艺流程,构建烧结排放烟气在线监测系统。在大烟道除尘器的取气孔处设置烟气分析采样探头,并通过气体分析仪、烟气流量检测仪实时在线分析包括SO_2、O_2、NO_x气体在内的浓度、流量、温度等参数,实现烧结烟气的实时在线分析,为后续分析和建模提供数据基础。2.排放烟气数据预处理采集得到18210组数据,采用小波分析对数据进行消噪处理,采用箱型图法剔除7478组异常数值,最后剩余10732组数据。结果表明,预处理过程提高了数据质量,为数据信息的挖掘和提取提供基础。3.基于随机森林算法和排放烟气建立了烧结终点预测模型应用关联热图和平行坐标法评估了各参数的重要性,确定了SO_2、O_2、NO_x气体的浓度以及烟气温度和压强作为建模数据,然后划分训练样本和检验样本数据,以SO_2、O_2、NO_x的浓度、温度、压力等参数作为输入,以其相应过程烧结终点为输出,采用随机森林算法,建立了基于排放烟气的烧结终点预测模型;通过均方误差分析,对决策树数量、特征变量等模型参数进行优化,完成了烧结终点预测模型的构建。应用已确定烧结终点预测模型对2683组测试集数据进行烧结终点预测,结果表明,相较同等数据建立的支持向量机、BP神经网络建立的烧结终点模型,基于随机森林算法建立的烧结终点预测模型具有更高的预测精度和更高的处理效率,分别为96.95%和16.77s;此外,相较于传统的利用水分、料层厚度、风量等参数建立的模型,随机森林模型的预测精度至少提高0.0171。基于排放烟气的烧结终点预测为提高烧结终点的预测精度,改善烧结矿的生成效率提供了一种新的解决方法。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
烧结终点论文参考文献
[1].汪森辉,李海峰,张永杰,邹宗树.基于改进的AdaBoost.RS算法的烧结终点预报分析[J].中国冶金.2019
[2].吴连军.基于排放烟气分析的烧结矿烧结终点预测研究[D].太原理工大学.2019
[3].周纪平.基于体积模型的烧结终点预测及模糊控制研究[J].安徽工业大学学报(自然科学版).2019
[4].王丹丹.基于GA-FWA在烧结终点预测中的应用研究[D].辽宁科技大学.2019
[5].张宗旺,伯飞虎,周凡,李庆洋.基于时间序列的烧结终点自适应预报模型[J].世界有色金属.2018
[6].周卫,云东.双模式烧结终点智能控制系统在柳钢的应用[N].世界金属导报.2018
[7].丁园,王斌,鄢进冲,潘昪.基于二维区间自回归模型的烧结终点预测[J].烧结球团.2017
[8].汪春鹏.烧结终点预报神经网络样本优选与系统建模[J].测控技术.2017
[9].王子兵,常建,赵涛,张遵乾,张浩.基于反应带触底映像的烧结终点预报模型[J].烧结球团.2016
[10].石炜,孙永涛,秦波,龚志华.基于粒子群优化径向基神经网络的烧结终点预测研究[J].铸造技术.2016
论文知识图
