导读:本文包含了炉况预测论文开题报告文献综述及选题提纲参考文献，主要关键词:高炉炼铁,高炉铁水温度,高炉炉况分类,分类预测模型
炉况预测论文文献综述
赵德涛[1]（2018）在《高炉冶炼关键参数预测及炉况分类方法的研究》一文中研究指出钢铁冶炼是一个高耗能、高污染产业,在产业转型中,将“绿色制造”的理念贯彻到烧结、炼焦、炼铁、炼钢等各个主要环节中,利用先进的控制技术提高生产效率,减少污染排放,具有重要理论意义和实际应用价值。本文首先对高炉炼铁的基本流程、复杂性及其异常炉况进行了全面分析,结合机理分析方法和定量分析方法,并为避免粒子群算法快速陷入局部最优的特点对粒子群进行改进,加强其搜索能力,并应用改进后的粒子群算法,建立了以LSSVM为主体的高炉铁水温度预测模型,达到了对髙炉铁水温度的正确预测,提高了预测的精度,同时,凭借髙炉铁水温度这一参变量来侧面体现髙炉炉温变化。其次,针对高炉生产及操作数据的复杂性,利用深度学习优秀的处理数据和提取特征的能力,将深度学习方法引入到高炉冶炼工艺流程中,并使用改进的PSO算法,对深度置信网络的两个关键参数进行跌代寻优,建立了以DBN为主体的髙炉炉况分类预侧模型。最后,通过仿真程序证明了所提出的髙炉铁水温度预测模型、髙炉炉况分类预测模型的可靠性和准确性。对髙炉冶炼生产过程的操作及调节具有重要的借鉴意义。同时,根据髙炉冶炼过程中的操作参数、状态参数及深度置信网络炉况分类诊断模型,设计了髙炉炉况综合监控软件。利用Visual Studio2010搭载软件平台,通过对实际生产参数的监测,可以及时的预测炉况情况,有利于高炉炼铁工序的控制管理及节能减排具有重要的指导意义。(本文来源于《天津理工大学》期刊2018-03-01）
张利民[2]（2015）在《高炉煤气流预测算法研究及其在炉况分析中的应用》一文中研究指出高炉炼铁是钢铁生产过程的关键环节,长期顺行的炉况是高炉操作的先决条件。高炉煤气流作为高炉操作的重要依据,具有携带信息量丰富、时效性好的优点。因此,合理利用高炉煤气流信息对高炉运行状况进行分析,对炉况的合理调整具有重要的应用价值。本文针对高炉炼铁生产中炉况分析问题,综合考虑高炉煤气流的各项指标,结合柳州钢铁集团(柳钢)#2高炉数据,运用贝叶斯技术、群优化算法、回声状态网络(ESN)、专家知识推理等方法对“高炉煤气流预测及炉况辅助分析系统”进行了研究。该系统已在柳钢#2高炉上进行了现场验证。运行结果表明,系统能较准确地预测高炉煤气流的变化趋势,进而为高炉炉况分析提供实时准确的指导,确保高炉稳顺运行。本文的主要研究工作和成果如下:首先,通过深入研究煤气流各指标数据及炉况分析资料,建立煤气流与炉况的关系;利用灰色度关联算法计算了各指标之间的关联度,以从中选取对炉况影响较大的指标,并建立其与煤气流失常型异常炉况的关系,为后面章节建立煤气流指标预测模型奠定基础。其次,针对ESN模型在高炉炉腹煤气量指数预测中易陷入病态的问题,提出了两种改进的ESN模型。在较小训练样本条件下,提出基于贝叶斯技术的粒子群优化(BPSO)算法,并将其应用于ESN模型输出权重的求解;在较大训练样本条件下,将L-曲线法应用于病态ESN模型输出权重的求解。两种方法都有效缓解了ESN模型的病态性。对炉腹煤气量指数的预测结果表明了所提算法在预测精度上的优势。再次,针对ESN在预测中难以分析模型内部结构的弊端,提出了改进的Hammerstein模型。利用贝叶斯技术对该模型的参数和阶次进行同时辨识,并把可逆跳马尔可夫链蒙特卡罗方法(RJMCMC)算法应用于模型参数的近似求解中。所提算法大大减少了模型参数求解的计算量,降低了计算复杂度。通过对炉顶煤气流4个指标的实验结果进行分析可以看出,所提算法具有较好的预测精度和稳定性。进一步,针对改进ESN和Hammerstein两种模型对训练数据结构信息利用不充分的弊端,提出了改进的T-S模糊系统模型,并将其应用于风压预测。首先提出自适应块结构正交追踪(AOMP)算法,该方法能合理的计算规则数。在T-S模糊系统的后件参数辨识中应用离散的贝叶斯技术,在保证预测准确性的基础上降低了模型的复杂度。从对两个经典实际数据集合和高炉风压的预测中可以看出,该模型具有较好的预测精度和抗噪声能力。最后,通过对以上3个模型的理论研究,开发了“高炉煤气流预测及炉况辅助分析系统”,并将其应用于柳钢#2高炉现场。实验结果表明该系统可以对高炉煤气流各指标进行实时预测,预测精度不仅得到了技术部门的肯定,而且对进一步分析高炉炉况有重要的实用价值。(本文来源于《燕山大学》期刊2015-12-01）
杜楠[3]（2014）在《高炉炉况预测和煤气流分布关系建模方法研究》一文中研究指出摘要：高炉炼铁是钢铁生产过程的关键环节,长期顺行的炉况不仅是高炉操作的先决条件,也是高炉长寿的必要保证。同时,高炉操作在很大程度上就是调整煤气流的分布。但是由于实际生产中的高炉具有高温、粉尘、密闭、生产流程复杂等特性,导致其内部状态难以直接检测,从而无法对高炉炉况和煤气流分布进行有效的判断。首先,本文针对高炉炉况难以有效预测的问题,提出了一种综合模糊专家推理、后验概率最小二乘支持向量机和D-S证据理论的炉况预测方法。该方法在分析高炉冶炼机理和专家经验的基础上,一方面通过模糊专家推理,提取基于专家规则的主观证据；另一方面,通过建立后验概率最小二乘支持向量机模型,提取基于数据内在客观规律的客观证据。进而基于D-S证据理论完成主客观证据融合,实现高炉炉况预测。其次,本文针对缺乏有效的高炉生产指标与煤气流分布关系建模方法的问题,建立基于最小二乘支持向量回归机的高炉CO利用率与煤气流分布关系模型。通过机理和灰色关联性分析,确定煤气流分布关系建模的关联因素；同时结合各关联因素的特点,分别基于图像处理、布料模型和统计分析提取各关联因素的特征参数,作为关系模型的输入。在此基础上,基于最小二乘支持向量回归机建立了高炉CO利用率与煤气流分布的关系模型,并利用交叉验证法确定模型参数。最后,基于某钢铁企业1#高炉(1080m3)生产现场的实际数据,对本文所提出的炉况预测方法和煤气流分布关系模型进行了仿真。仿真结果证明了本文所提高炉炉况预测方法的适应性,以及CO利用率与煤气流分布关系模型的有效性,从而为高炉操作和生产指标优化提供理论支撑,进而促进高炉节能降耗,提高钢铁企业的经济效益。(本文来源于《中南大学》期刊2014-05-01）
张学飞,胡宾生,贵永亮[4]（2012）在《高炉炉况预测模型的研究现状及展望》一文中研究指出高炉炉况对高炉冶炼过程具有至关重要的影响,炉况的好坏直接影响生铁成本。高炉炉况预测模型分为基于知识和基于数据两大类,基于知识的预测模型难以应用于在线系统,但加深了人们对高炉冶炼过程的理解;基于数据的预测模型大多可在线应用,但缺少对高炉知识的应用。高炉炉况预测模型的发展方向是建立基于知识与基数据相结合的高炉炉况预测模型。(本文来源于《河北联合大学学报(自然科学版)》期刊2012年04期）
崔桂梅,鄢常亮,关英辉[5]（2011）在《基于支持向量机的高炉向凉、向热炉况预测》一文中研究指出高炉冶炼过程中炉温是影响技术经济指标的关键参数,保持合理的炉温是高炉稳定顺行的关键因素。采用某炼铁厂在线采集的数据,通过核主元分析对建模数据进行预处理,根据相关系数选定模型参数,确定参数对炉温的滞后时间,基于支持向量机建立了高炉向凉、向热预测诊断模型。通过实例验证,该模型具有很高的精度。(本文来源于《钢铁研究学报》期刊2011年07期）
鄢常亮[6]（2010）在《基于支持向量机的高炉向凉向热炉况预测研究》一文中研究指出高炉炼铁是钢铁行业的上游主体工序,作为国民经济的支柱产业的重要组成部分,它对钢铁工业的发展和节能降耗都起到了重要的作用。高炉冶炼过程是一个非常复杂的过程,它的运行机制往往具有时滞性、非线性等特性。高炉炼铁过程的炉温预测模型研究,一直都是炼铁自动化中的难题。能对炉温变化趋势的做出准确判断,将有助于提高工长的操作水平,从而达到提高高炉利用系数和降低焦比的目的。支持向量机是源于统计学理论,发展起来的机器学习的一种算法,它能很好地解决高维数、小样本、非线性、局部极小点等实际问题。目前,它已被广泛应用于函数逼近、模式识别、数据挖掘等领域。论文从包钢6#高炉(2500m3)2009年1月6号至7月5号的生产日报中,选取数据,通过相关系数的计算,分析了高炉冶炼过程中的控制变量(风量、风温、热风压、喷煤量)和状态变量(炉顶压、综合负荷)与高炉铁水硅含量[Si](高炉铁水含硅量反映了高炉的化学热,可以用来表示炉温)的相关性,判断各个参数对炉温控制的滞后时间,并在此基础上,建立了基于核主元分析和支持向量机的高炉向凉向热预测模型。论文主要包括以下四个方面的内容:高炉炼铁、高炉专家系统的概述;高炉冶炼过程状态参数和控制参数的分析;核主元分析和支持向量机方法;基于核主元分析和支持向量机的高炉向凉向热分类模型。论文选取了120组数据作为样本数据,用60组作为学习样本,60组作为测试样本。用测试样本对通过学习样本建立的模型进行检验,结果表明:向凉预测模型的识别率为95%,向热预测模型的识别率为100%。证明模型选择参数合理,具有较高的精度。(本文来源于《内蒙古科技大学》期刊2010-05-25）
明菲[7]（2009）在《关联规则挖掘在高炉炉况预测中的应用研究》一文中研究指出长期稳定顺行的炉况是高炉高产低耗的先决条件,也是延长高炉寿命的基本保证条件。高炉炼铁过程在一个密闭的容器内进行,炉内物理、化学过程极其复杂,炉内状态无法直接观察。降低高炉能耗,实现炼铁生产稳定和优化,必须及时准确地预报高炉炉况,使运行人员能及时采取措施。因此,利用数据挖掘技术科学地分析和预测高炉炉况,已成为一个重要研究内容。鉴于高炉冶炼过程的复杂性,关联规则挖掘算法有其自身诸多优势,受到国内外学者的关注。因关联规则很少涉及时间性,本文提出时态关联规则的概念,用于解决高炉炉况预测问题。在此基础上,构造了一种体现数据时间价值的加权时态关联规则,以使规则的发现体现一种时间趋势,仿真试验表明了其有效性。其他成果如下:①对现有的高炉炉况预测问题进行介绍,针对其中规则制定方法缺乏相关性,提出了多维关联规则算法。②根据高炉实际运行情况,选取数据源,进行属性约减,选取炉况预测相关的属性构成数据表。降低关联规则维数,减少冗余记录数,高效产生有价值的规则。③利用加权的理论,在动态更新的时态数据库中给予较近发生的事务以较大的权重,体现时间的价值,尽可能地挖掘出最新最有用的时态关联规则。④针对传统算法挖掘效率低下、且忽视了数据时间价值问题,提出了一种基于属性约减的多维加权时态关联规则改进算法。其基本思路是:首先进行属性约减,组成数据表,然后引入时态加权算法来挖掘高炉炉况预测的关联规则。⑤本文基于Visual C++编程,选取准确率和覆盖率来衡量模型的预测效果,通过改变支持度和置信度的值,提高挖掘效率。对提出的算法进行了仿真试验及现场运行考核,与传统的多维关联规则算法相比,提高了高炉炉况预测的效率。(本文来源于《重庆大学》期刊2009-04-01）
毛丽娟[8]（2008）在《基于单位时间锌产量预测的密闭鼓风炉炉况研究》一文中研究指出密闭鼓风炉铅锌熔炼过程冶金反应机理复杂,具有变量多、非线性、时变、藕合严重的特点,难以用传统的数学模型描述熔炼生产过程。维持炉况稳定是提高锌产量和质量的基本保证。将现有的炉况诊断理论应用于鼓风炉熔炼过程,进行基于炉况诊断的研究,对做好密闭鼓风炉熔炼优化控制是至关重要的,由此可以进一步提高密闭鼓风炉的生产率,减少污染,增加企业的市场竞争力。单位时间锌产量是反映密闭鼓风炉炉况稳定的主要指标,本文研究了基于单位时间锌产量预测的密闭鼓风炉炉况诊断问题。通过对来自生产现场监测参数的历史数据进行过滤处理,应用机理分析和粗糙集方法选择建模变量,建立了基于BP神经网络的单位时间锌产量预测模型;在运用粗糙集方法数据进行处理的过程中,采用基于高斯混合模型的连续数据离散化方法,用SPSS统计软件验证了此离散化方法是行之有效的;基于机理分析和可拓评价方法建立铅锌熔炼密闭鼓风炉炉况诊断模型。在理论研究的基础上,开发了铅锌熔炼密闭鼓风炉炉况诊断系统。系统软件采用Visual C++编程,实现了炉况主要参数在线监视、炉况诊断、数据查询和帮助等功能。现场运行情况表明该系统具有较高的故障诊断准确率和工作可靠性,具有很好的实用特性。(本文来源于《中南大学》期刊2008-06-30）
李启会,刘祥官[9]（2007）在《高炉异常炉况的模糊预测模型》一文中研究指出将神经网络和模糊数学理论相结合,建立了一种新型的炉况预报模型,利用模糊神经网络的并行处理特性进行模糊推理。模糊神经网络的并行数学计算过程取代了专家系统中传统的参数处理,具有更高的推理效率;且神经网络的学习能力实现了隶属函数和模糊规则的自学习,从而满足了高炉专家系统知识库的动态特征,有效提高了炉况预报模型的自适应能力。最后,应用莱钢1号高炉在线采集的数据动态模拟了高炉炉况的变化趋势。(本文来源于《中国冶金》期刊2007年04期）
李瑞娟[10]（2005）在《基于锌产量预测模型的密闭鼓风炉炉况优化研究》一文中研究指出密闭鼓风炉熔炼过程是一个反应机理复杂,非线性、时变、耦合严重,难以用传统的数学模型描述的复杂系统。将现有的控制理论应用于鼓风炉熔炼过程,进行基于锌产量的鼓风炉熔炼过程炉况优化的研究,对提高密闭鼓风炉的生产率,减少污染,增加企业的市场竞争能力有重要意义。 在分析熔炼过程中存在问题的基础上,本文提出了基于锌产量预测模型的密闭鼓风炉优化方法。通过对来自生产实践的原始样本进行白标准化和噪音样本过滤处理,运用机理分析和主元分析(PCA)选择建模变量,建立了多元线性回归的锌产量预测模型;再利用专家规则对炉况进行判断;最后基于机理分析和模糊聚类技术建立了密闭鼓风炉过程操作参数优化决策模型。 在此研究的基础上,开发了密闭鼓风炉炉况判断和优化系统,论文描述了系统的结构、功能和系统软件设计。系统软件采用Visual C++编制,实现了炉况主要参数监视、炉况判断、炉况优化、数据查询和帮助。现场运行情况证实系统具有较好的可靠性和实用性,满足现场要求的精度。(本文来源于《中南大学》期刊2005-06-30）
炉况预测论文开题报告
（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：
高炉炼铁是钢铁生产过程的关键环节,长期顺行的炉况是高炉操作的先决条件。高炉煤气流作为高炉操作的重要依据,具有携带信息量丰富、时效性好的优点。因此,合理利用高炉煤气流信息对高炉运行状况进行分析,对炉况的合理调整具有重要的应用价值。本文针对高炉炼铁生产中炉况分析问题,综合考虑高炉煤气流的各项指标,结合柳州钢铁集团(柳钢)#2高炉数据,运用贝叶斯技术、群优化算法、回声状态网络(ESN)、专家知识推理等方法对“高炉煤气流预测及炉况辅助分析系统”进行了研究。该系统已在柳钢#2高炉上进行了现场验证。运行结果表明,系统能较准确地预测高炉煤气流的变化趋势,进而为高炉炉况分析提供实时准确的指导,确保高炉稳顺运行。本文的主要研究工作和成果如下:首先,通过深入研究煤气流各指标数据及炉况分析资料,建立煤气流与炉况的关系;利用灰色度关联算法计算了各指标之间的关联度,以从中选取对炉况影响较大的指标,并建立其与煤气流失常型异常炉况的关系,为后面章节建立煤气流指标预测模型奠定基础。其次,针对ESN模型在高炉炉腹煤气量指数预测中易陷入病态的问题,提出了两种改进的ESN模型。在较小训练样本条件下,提出基于贝叶斯技术的粒子群优化(BPSO)算法,并将其应用于ESN模型输出权重的求解;在较大训练样本条件下,将L-曲线法应用于病态ESN模型输出权重的求解。两种方法都有效缓解了ESN模型的病态性。对炉腹煤气量指数的预测结果表明了所提算法在预测精度上的优势。再次,针对ESN在预测中难以分析模型内部结构的弊端,提出了改进的Hammerstein模型。利用贝叶斯技术对该模型的参数和阶次进行同时辨识,并把可逆跳马尔可夫链蒙特卡罗方法(RJMCMC)算法应用于模型参数的近似求解中。所提算法大大减少了模型参数求解的计算量,降低了计算复杂度。通过对炉顶煤气流4个指标的实验结果进行分析可以看出,所提算法具有较好的预测精度和稳定性。进一步,针对改进ESN和Hammerstein两种模型对训练数据结构信息利用不充分的弊端,提出了改进的T-S模糊系统模型,并将其应用于风压预测。首先提出自适应块结构正交追踪(AOMP)算法,该方法能合理的计算规则数。在T-S模糊系统的后件参数辨识中应用离散的贝叶斯技术,在保证预测准确性的基础上降低了模型的复杂度。从对两个经典实际数据集合和高炉风压的预测中可以看出,该模型具有较好的预测精度和抗噪声能力。最后,通过对以上3个模型的理论研究,开发了“高炉煤气流预测及炉况辅助分析系统”,并将其应用于柳钢#2高炉现场。实验结果表明该系统可以对高炉煤气流各指标进行实时预测,预测精度不仅得到了技术部门的肯定,而且对进一步分析高炉炉况有重要的实用价值。
（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。
炉况预测论文参考文献
[1].赵德涛.高炉冶炼关键参数预测及炉况分类方法的研究[D].天津理工大学.2018
[2].张利民.高炉煤气流预测算法研究及其在炉况分析中的应用[D].燕山大学.2015
[3].杜楠.高炉炉况预测和煤气流分布关系建模方法研究[D].中南大学.2014
[4].张学飞,胡宾生,贵永亮.高炉炉况预测模型的研究现状及展望[J].河北联合大学学报(自然科学版).2012
[5].崔桂梅,鄢常亮,关英辉.基于支持向量机的高炉向凉、向热炉况预测[J].钢铁研究学报.2011
[6].鄢常亮.基于支持向量机的高炉向凉向热炉况预测研究[D].内蒙古科技大学.2010
[7].明菲.关联规则挖掘在高炉炉况预测中的应用研究[D].重庆大学.2009
[8].毛丽娟.基于单位时间锌产量预测的密闭鼓风炉炉况研究[D].中南大学.2008
[9].李启会,刘祥官.高炉异常炉况的模糊预测模型[J].中国冶金.2007
[10].李瑞娟.基于锌产量预测模型的密闭鼓风炉炉况优化研究[D].中南大学.2005