论文部分内容阅读
链篦机-回转窑-环冷机系统具有焙烧均匀、质量好、能耗低等优点，正日益发展为现代冶金氧化球团矿的主要生产工艺。特别是其原料适应性强，且可以使用煤粉喷射燃烧作为燃料来源的特点，符合中国原材料供给国情，从而使得该工艺在中国有着不可比拟的经济和社会效益。
该工艺的主要特点是生球的干燥预热、预热后的焙烧固结，以及最终成品球的冷却分别在三个不同的设备中进行(链篦机、回转窑、环冷机)。这一突出特点在工艺上可以将不同的工艺控制参数分开到三个不同设备中，并且可以根据前面工艺的特点和中间产品的质量，对后续工序的参数作出调整，以对质量的偏差作一定修正。
但实际生产中，却由于上述特点造成了质量测试的长时滞和控制参量的多分布，为实际生产中质量的追踪和自动控制带来了很大的问题。因此，如何对球团生产质量作出即时准确的预测，从而作为质量管理和自动控制的依据，成为了目前球团生产自动化过程中最为迫切的需要。
本文通过对首钢二系列球团生产线近两年的生产数据的分析和处理，采用BP神经网络方法，建立了单隐层结构的球团生产质量预测模型，分别对成品球抗压强度、干球抗压强度和生球落下强度进行预测。使用Levenberg-Marquardt优化算法对采集的生产数据进行学习训练，训练后的模型平均预测误差小于3％，预测精度高，泛化效果好。可以满足生产实际质量预测要求。
本文还根据该模型通过给定输入参数变化，计算输出参数变化曲线的方法，对球团质量与不同输入参数之间的关系进行了分析，并得出了不同输入参数与球团质量的关系曲线，对生产有重大的指导意义。