导读:本文包含了转炉提钒静态模型论文开题报告文献综述及选题提纲参考文献，主要关键词:转炉提钒,BP神经网络,冷却效应,静态控制
转炉提钒静态模型论文文献综述
赵重阳[1]（2012）在《转炉提钒静态控制模型建立与优化的研究》一文中研究指出钒钛磁铁矿是生产钒及含钒产品的主要矿物资源，将其经高炉冶炼得到含钒铁水后，再通过转炉氧化吹炼得到半钢和钒渣，半钢进入转炉继续炼钢，而钒渣经过钠化焙烧、浸取、沉淀等步骤制取V_2O_5等含钒产品。其中，转炉提钒是提钒工艺的关键步骤，其冶炼终点钒渣和半钢的质量直接影响后续工艺中钒的提取率和炼钢工艺的顺行。控制转炉冶炼温度和元素的氧化程度，提高钒的提取率，并保证半钢质量，是转炉提钒终点控制的主要目的。为此，本论文通过研究转炉提钒工艺中冷却剂的冷却效应、无烟煤对终点的影响以及提钒物料平衡、热平衡和钒平衡，建立转炉提钒静态控制模型，为攀钢转炉提钒过程控制提供理论指导并应用于实际生产。本文以攀钢提钒工艺为研究对象，通过理论计算和DSC实验，研究各冷却剂在不同温度下的冷却效应，研究表明，冷固球团的冷却能力分别是生铁块、钒渣及绝废渣的3.6、1.8、1.7倍，结合成本以及冷却能力进行综合考虑，建议转炉氧化吹炼过程中采用冷固球团作冷却剂。通过理论分析和现场数据分析，得出转炉提钒过程中，在1t铁水中加入1kg无烟煤的增碳量为0.02%，增温效应为2.4℃，加入无烟煤对减少渣中TFe含量基本无影响，但会增高半钢残V含量和回硫。通过现场实验，研究转炉提钒过程的物料平衡、热平衡及钒平衡。转炉提钒的钒收率大约为66.10%，改善冶炼工艺，减少半钢残钒和出半钢过程中钒渣的流失有利于提高钒的提取率。提钒过程吹炼损失约为5.24%，较转炉炼钢的吹炼损失小。炉子的热效率为93.90%，提钒过程中应尽量采取两炉或叁炉出渣。本文采用MATLAB软件，结合提钒反应机理，运用BP神经网络技术建立了冷却剂加入量模型、供氧模型和终点预测模型，将冷却剂的冷却效应、无烟煤的热效应及物料平衡加入到模型的建立过程中，达到简化参数的目的，使模型的精度更高。就攀钢生产特点，对数据进行系统地分析，并运用聚类算法等方法对数据进行处理，然后对模型进行训练与检验。得到冷固球团模型检验样本的平均误差为13.7%，供氧量模型检验样本的误差为7.04%，所建立的吹氧量模型和冷却剂加入量模型具有易于控制、稳定性好的特点。预测模型的终点温度和终点C含量预测误差较小，分别为0.97%和2.61%，终点V含量的预测误差较大。通过分析训练结果及模型存在的问题，结合遗传算法，对模型参数进行了优化，达到网络权值全局寻优的效果。并且分别对叁个模型网络的中间层神经元数目进行优化。冷却剂加入量模型和吹氧量模型的中间层神经元数目最终的优化结果分别为15和24个，预测模型的中间层神经元数目最优为25个。(本文来源于《重庆大学》期刊2012-05-01）
尹锡军[2]（2006）在《转炉提钒静态模型及应用》一文中研究指出运用数理统计的方法以及基于最小二乘法的多元线性回归方法对攀钢转炉提钒生产工艺参数进行优化,通过数据分析,建立了攀钢转炉提钒生产的静态模型,经现场生产验证,该模型指导下的生产具有易于控制、稳定性好的特点,具有良好的应用前景。(本文来源于《四川冶金》期刊2006年02期）
任江洪[3]（2004）在《基于免疫的混合学习算法在转炉提钒静态模型中的应用研究》一文中研究指出钒作为一种贵重金属，在钢铁冶金、电子工业和国防工业等众多领域有着广泛的应用。我国目前的提钒采取的是转炉提钒的方式，但转炉提钒为人工操作模式，自动化控制水平低，产品质量波动大。随着“以信息化带动工业化”成为各个工业企业发展的核心战略任务，转炉炼钢过程的计算机应用是转炉发展的重要方向。计算机应用的一个重要方式就是建立转炉提钒过程的数学模型。数学模型能定量地描述系统运动的规律，对科学研究和指导生产都具有非常重要的意义。目前，在炼钢、炼铁的许多领域，都建立起了数学模型，在提高技术水平、稳定技术指标等方面取得了相当好的应用效果。 本论文对重庆大学自动控制研究所与某钢铁公司合作开发的“提钒过程静态模型及其控制决策计算智能研究”项目(以下简称项目)进行了深入的研究。对本项目的建模机制、模型算法、模型优化从免疫理论的角度作了新的探讨，将基于免疫的混合学习算法用于项目中径向基函数神经网络的建模，丰富了此项目的建模方法，进一步深化了对项目的理解。 在对基于免疫的混合学习算法的探讨过程中，我们对算法的免疫学背景，免疫网络的相关理论作了较详细的阐述，并从免疫系统的角度对RBF神经网络做了全新的解释，提出了RBF神经网络就是人工免疫系统的观点。对基于免疫的混合学习算法的两种子算法：通过克隆选择进行学习方法和通过内部亲和力进行学习方法，从算法原理、算法步骤和算法验证等多个方面进行了详细的阐述。并最终将其用到了我们的提钒静态模型的建模上：采用通过克隆选择进行学习的算法建立具有足够预报精度的模型，再采用通过内部亲和力进行学习这种减量算法对模型进行调整，以使模型结构最简。通过仿真实验，证明基于免疫的混合学习算法相对于传统算法有明显的优越性。(本文来源于《重庆大学》期刊2004-05-10）
杨旗[4]（2002）在《转炉提钒静态模型研究》一文中研究指出钒是一种极为重要的金属，广泛用于冶金、有色金属加工、化工、电子和航空航天等方面。我国有丰富的钒钛磁铁资源，是世界四大产钒国之一。转炉提钒是我国主要的生产方式。转炉提钒是一个多元多相的高温化学反应过程，反应机理复杂，影响因素众多，受原材料、工艺环境变化的影响较大，不便于人工控制。为提高提钒技术水平，改变生产过程中存在的指标波动大的缺点，需要对生产过程实现计算机控制，以减少提钒操作中人为因素的影响。论文从工程应用的角度出发，针对我国转炉提钒手工操作的现状，在开发提钒静态模型的过程中，以转炉提钒为特定研究对象，考虑了传统数学模型适应性差、难于移植的缺点，利用RBF神经网络和遗传算法等人工智能技术开发出具有较好自学习和自适应能力的静态模型。论文首先介绍了建立提钒静态模型的意义，讨论了国内外转炉模型的研究应用情况及发展趋势，深入分析了各种建模方法的优缺点。针对提钒过程的复杂性，提出转炉提钒建模应以神经网络为主要技术手段，结合其他人工智能技术，建立起比传统数学模型具有更高精度的模型。论文结合工艺原理和实际提钒过程的特点，找出提钒过程的内在影响因素和影响静态模型的主要因素。然后分别应用RBF神经网络建立吹氧时间子模型、冷却剂子模型，并结合遗传算法完成RBF神经网络本身其神经元个数、Spread等参数的优化，使模型具有较强的泛化能力。仿真结果表明该算法具有较快的收敛速度和较强的学习能力。最后，本文使用面向对象的可视化Visual C++ 6 .0编程语言，开发出提钒静态控制模型软件。(本文来源于《重庆大学》期刊2002-04-29）
转炉提钒静态模型论文开题报告
（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：
运用数理统计的方法以及基于最小二乘法的多元线性回归方法对攀钢转炉提钒生产工艺参数进行优化,通过数据分析,建立了攀钢转炉提钒生产的静态模型,经现场生产验证,该模型指导下的生产具有易于控制、稳定性好的特点,具有良好的应用前景。
（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。
转炉提钒静态模型论文参考文献
[1].赵重阳.转炉提钒静态控制模型建立与优化的研究[D].重庆大学.2012
[2].尹锡军.转炉提钒静态模型及应用[J].四川冶金.2006
[3].任江洪.基于免疫的混合学习算法在转炉提钒静态模型中的应用研究[D].重庆大学.2004
[4].杨旗.转炉提钒静态模型研究[D].重庆大学.2002