张大志
,
叶海丽
,
项晓菲
,
许新超
,
陈冰
上海金属
doi:10.3969/j.issn.1001-7208.2010.03.012
卷取温度是热轧带钢生产中最重要的质量指标之一.为了克服传统卷取温度设定控制模型不够精确等缺陷,根据热连轧带钢生产过程的特点以及高温带钢在层流冷却区域的温度变化特性,采集并分析了大量实测数据,在此基础上,结合改进遗传算法的全局搜索能力和神经网络的非线性拟合能力,建立了基于改进遗传神经网络的带钢卷取温度优化设定控制模型.实际应用证明,该优化模型完全满足在线生产要求:带钢全长卷取温度偏差100%控制在目标值±20℃以内,93%控制在目标值±10℃以内.
关键词:
热连轧带钢
,
卷取温度
,
遗传算法
,
神经网络
,
智能优化
杨凯
,
金永龙
,
何志军
钢铁研究学报
doi:10.13228/j.boyuan.issn1001-0963.20160084
影响高炉铁水硅含量的因素往往复杂多变,影响程度不一.采用鱼骨分析法收集所有可能对硅含量产生影响的因素,经过相关分析和特征选择,最终选取6个参数作为模型的输入参数.采用改进的粒子群优化算法对支持向量机(SVM)中的参数进行优化,提出基于变邻域粒子群(VNPSO)优化 SVM的铁水硅含量预测模型.通过钢厂的实际生产数据进行验证,平均相对误差达到0.69％,平均绝对误差达到3.4×10－3,模型具有很高的预测精度.同时,绘制铁水中硅含量控制图,分析硅含量波动情况,并依此模型给出硅含量稳定性控制措施.
关键词:
炼铁
,
硅含量
,
智能优化
,
仿真
