崔桂梅
,
李静
,
张勇
,
李仲德
,
马祥
钢铁
针对高炉炉温与铁水硅含量呈正相关而非严格的线性关系和机制建模的主观性以及其难以建立各变量之间隐含的数学关系等的不足,在数据挖掘理论的基础上,对海量的样本数据进行预处理和特征提取,然后以高炉铁水温度为研究对象,建立了基于TS模糊神经网络的高炉铁水温度预测模型.最后,应用某高炉数据进行模型验证,并将该模型与T-S模糊多元回归模型以及BP神经网络模型进行比较研究,仿真结果表明T-S模糊神经网络模型的有效性和优越性.
关键词:
高炉铁水温度
,
T-S模糊回归
,
T-S模糊神经网络
崔桂梅
,
李静
,
张勇
,
卢俊慧
,
马祥
钢铁研究学报
针对高炉炉温铁水硅含量为预测对象的不确定性和高炉炉温单变量时间序列模型所含炉温输入信息量少、难以揭示各个变量之间的相互关系及变化规律的特点,以高炉铁水温度为研究对象,建立BP神经网络多元时间序列模型和T-S模糊神经网络多元时间序列模型.应用高炉实际数据做模型检验,结果表明,T-S模糊神经网络多元时间序列模型取得更好的命中率和预测精度.
关键词:
高炉铁水温度
,
多元时间序列
,
BP神经网络
,
模糊神经网络
潘志文
,
崔桂梅
物理测试
为了提高电力电容器的使用率,延长其寿命,对电力电容器进行失效分析是十分必要的。与传统的电压、电流表法和双电压表法相比,现在测量电容器电容值大多采用数字电容表如：AI-6600,测量范围宽,准确度高。通过对一组12个滤波电容器在2003～2011年期间运行中所积累的电容值数据进行比较、分析和讨论,指出在轧制生产线上谐波电流大、环境温度高是造成电力电容器失效的主要原因;并提出了切实可行的预防措施,以抑制谐波、改善环境温度、实现对电力电容器的实时监测。
关键词:
电力电容器
,
电容值
,
失效分析
崔桂梅
,
程史
钢铁
高炉炼铁通常采用铁水Si含量间接反映炉温的变化,模型预测精度低.以影响炉温的6个变量为输入变量,采用基于自组织的分布式RBF神经网络模型分别对铁水温度和铁水Si含量建立预测模型,先用自组织神经网络划分输入输出样本空间,然后对每个子空间建立RBF神经网络子网模型,再使用子网模型对测试样本集的同一个样本点进行预测,并以测试样本点对每一子空间的隶属度为权值,对子网预测值进行加权求和,得到最终预测值.对比使用同一输入变量数据的铁水温度和铁水Si含量的预测模型命中率,研究表明,高炉铁水温度的命中率更高,具有更好的炉温预测效果.
关键词:
铁水温度预测
,
铁水Si含量预测
,
分布式建模
,
自组织神经网络
,
RBF神经网络
崔桂梅
,
顾东洋
,
张轩
钢铁研究
doi:10.13228/j.boyuan.issn1001-0963.20130315
高炉冶炼受生产过程运行规律和生产技术人员操作方式支配,由于对高炉的认识还不充分,在高炉冶炼操作过程中有时忽略了工艺指标与参数之间的相互关系,造成能源的消耗.寻求高炉冶炼喷煤过程的操作规则对生产节能降耗就显得尤为重要.选取蕴含有客观规律和生产技术人员操作决策模式等重要信息的生产历史数据,选出满足优化标准的数据,运用模糊C均值聚类将数据分成子集,分别建立相应的支持向量机子模型,将输入对应每一类的隶属度值再作为权值进行加权求和得到模型最终的输出值,从而建立起高炉冶炼喷煤的操作规则模型.通过规则挖掘实现对高炉现场冶炼过程的指导,达到优化高炉生产操作模式的目的.
关键词:
高炉
,
喷煤
,
支持向量机
,
规则挖掘
崔桂梅
,
冯小东
,
李伟明
物理测试
棒材连轧过程对各连轧机的协调能力要求极高,其中任一轧机的波动都会影响其前后轧机状态及轧件形变.传统棒材轧制虽采用直流电机和活套装置,实现无张无扭轧制,但这并不能保证每道次轧件的变形和断面形状都合理、正确.通过对工程法轧制压力的综合分析以及对轧制过程中影响棒材直径的各相关量的全面考虑,建立了基于BP网络的椭圆-圆孔型轧制压力预测模型,再结合AGC系统共同实现棒材的高精度轧制.试验结果表明该模型具有较高的计算精度.
关键词:
BP神经网络
,
AGC系统
,
棒材连轧
李爱莲
,
赵永明
,
崔桂梅
钢铁
doi:10.13228/j.boyuan.issn1001-0963.20140297
针对传统高炉温度模型的固有缺陷,提出了一种基于灰色关联分析的ELM(极限学习机-extreme learning machine)温度预报模型.由于炼铁工艺的多变量、非线性、强耦合等特点,所以传统建模方法已经不能满足要求的高精度预报高炉温度.首先通过灰色关联分析对输入变量进行相关性分析,提高模型的性能,然后结合分析后的变量采用ELM学习算法训练神经网络,最后运用现场数据对该网络进行训练和测试,并与传统的模型相比较.结果表明该模型能快速、准确地预报高炉温度,并且能满足指导现场工人操纵高炉的要求.
关键词:
灰色关联
,
极限学习机
,
高炉
,
铁水温度预报
,
神经网络
崔桂梅
,
赵继威
,
李仲德
钢铁
针对轧机轧辊反复正反转咬钢抛钢受到突然强有力的冲击时扭振现象极为严重的情况,研究采用扭矩无线传感器实时采回负载干扰值,解决了现有的扭振抑制方法中采用扭振预估器计算扭振时容易出现偏差的问题；利用前馈能在扰动发生时提前做出干扰补偿的原理,在大型轧机交交变频调速系统定子转矩电流与转速双闭环的基础上,在转矩控制器的输入端加入负载扭矩扰动补偿,提前控制定子电流转矩分量而达到控制扭振的目的,并用Simulink对上述过程进行仿真.结果表明:基于无线传感的扭振前馈抑制方式对扭振的控制效果非常明显,几乎可以彻底消除扭振,更贴近实际.
关键词:
轧机
,
扭矩检测
,
扭振
,
前馈控制
,
无线传感器
崔桂梅
,
胡登飞
,
马祥
钢铁研究学报
doi:10.13228/j.b0yuan.issn1001-0963.20130265
针对高炉冶炼过程中喷煤量通常根据炉长经验总结而出、过程建模困难、生产过程工艺指标波动较大的问题,提出了一种喷煤量操作模式匹配的智能优化方法.该方法以高炉喷煤量为研究对象,以某钢厂高炉大量的实际工业运行数据为基础,首先对不可实时检测变量[Si]含量建立了BP神经网络预测模型,以对当前[Si]含量进行预测;然后基于专家标准挑选出优良模式集,采用模糊C均值聚类的方法对优良模式集进行分类;最后以综合工艺指标评判为前提,对当前输入条件采用基于相似度的方法,从优良操作模式库中寻出与当前输入条件距离最小的操作模式,从而完成模式匹配,进而实现喷煤过程优化控制,对高炉冶炼喷煤过程具有很好的指导作用.
关键词:
模式匹配
,
高炉喷煤量
,
聚类
,
工艺指标
,
相似度
