论文部分内容阅读
高炉铁水硅含量是高炉生产过程中需要控制的重要因素之一，它不但是反映生铁质量的重要指标，而且还可以反映高炉的炉温水平，同时也是表征高炉内热状态的一个重要指标，对维持高炉的稳定、顺行、高产尤为重要。本研究即是针对目前硅含量的预报和控制方法不能满足实际高炉生产过程控制需要，在对高炉铁水硅含量影响因素及控制知识进行收集、分析的基础上，结合铁水硅含量控制过程中的诸多不确定因素，提出了将神经网络、专家系统共同作用于高炉铁水硅含量的预报、控制模型。实现了模型的软件开发，并从理论与实践的角度对该模型进行了分析和研究。高炉铁水硅含量预报、控制神经网络、专家系统主要由神经网络模块、专家系统模块以及人机接口所组成。其中神经网络模块主要被用于对高炉铁水硅含量以一定的时间间隔进行预测并对铁水硅含量及其影响因素间的关系进行学习，以作为专家系统定量化计算的依据。专家系统模块主要是利用所收集的大量的专家知识对铁水硅含量预报神经网络的输出结果进行分析，根据各个参数之间的关系进行计算，并向高炉操作者提出定性的操作指导和定量的操作建议，以确保高炉铁水硅含量保持在正常范围。人机接口主要用于操作者与程序进行交流和对程序进行管理。本系统的开发采用了面向对象的设计方法，系统软件结构合理、界面友好、可操作性强，并且由于专家系统中定量计算规则来源于神经网络对参数的学习，所以本系统同时还具有很强的可移植性。利用生产现场获得的71组高炉连续生产的数据通过归一化、去除噪声等处理后建立数据库。利用数据库中30组数据对系统进行输入以训练神经网络，当显示训练完毕后，将数据库中剩余的27组数据输入以对神经网络对高炉铁水硅含量预测结果的命中率进行检测。实验结果为：当预测准确度为80%时，系统命中率96.29%；当准确度为85%时，系统命中率85.18%、当准确度为90%时，系统命中率66.66%、当准确度为95%时，系统命中率37.37%。此时，在选定的神经网络训练误差精度下，一旦铁水硅含量预报值偏离了实际生产过程硅含量的控制范围时，专家系统将会被激活，其提出的定性和定量的操作建议与富有经验的高炉现场操作者在同等情况下所采取地操作策略能够较好吻合。最后，作者还提出了对系统将来的研究提出了进一步的改进意见。