LF精炼过程钢水温度预报模型的设计
The Design on Temperature Prediction Model of Molten Steel during LF Refining Process
LF炉在冶金行业应用广泛,而LF电加热是一种广泛应用的完成调温功能的方式之一,因为连铸与炼钢之间的重要工序就是钢水的加热与调温.钢水的温度一般都在1520~1650℃之间,然而以目前我们开发的检测元件要在这样恶劣的条件下工作基本是不可能的.那么对钢水温度的控制就是生产出合格钢水重中之重的条件之一了.所以检测,特别是连续检测就显得至关重要.人们在探求能够连续测量钢水温度材料的同时也在放眼于研究不同的测量方式.这时开篇提到的LF电加热慢慢为人们所注意.所谓LF精炼过程,就是选择钢水、合金和炉渣为研究的对象,根据能量的热平衡原理进行分析,进入钢包的能量减去损耗的能量就是钢水吸收的能量,这样就可以预测钢水的温度.但此种方法在预测非线性温度变化的时候就存在一定的局限性.然而智慧的人们不会停止探索的脚步,随着计算机计算的广泛发展,各种应用系统层出不穷.人工智能技术产生并逐渐完善而且被冶金人采纳.人工智能技术被融入到冶金行业中,用以解决问题,也得到了冶金技术人员的重视.人工智能能够模拟人脑行为,对复杂的行为有很好的辨析和拟合.本文就是在分析某钢厂现场的工艺流程和实际操作情况的基础上,确定了网络结构并建立了钢液温度的预测模型.本文模型网络选有7个输入和一个输出.采用的就是T-S型模糊神经网络以热平衡为数学依据对LF内温度建模的.将现场采集到的数据通过此模型进行在线和离线的预先检测时发现,虽然还是有一定的误差,但误差的分布基本还是在3~5℃之间,预测的精度还是比较高的.设其它因素不变的情况下,当电流电压和功率增大时,通过网络模型所预测的温度升高;当冷却水流量和吹氩量变大时,通过模型所预测的温度降低等.所以在设某些因素不变的情况时对模型进行验证的话,网络模型还是可以很好的反映工艺的真实情况的.另外,模型利用VB语言实现编程,在工控机上安装程序对LF整个过程预报温度.
- 作者：
- 张宏志
- 学位授予单位：
- 辽宁科技大学
- 专业名称：
- 电力电子与电力传动
- 授予学位：
- 硕士
- 学位年度：
- 2012年
- 导师姓名：
- 于政军
- 中图分类号：
- TF769；TP18
- 关键词：
- LF；神经网络；人工智能；模糊技术
- LF；nerve-network；artifical-intellgence；fuzzy-technique