發(fā)布時間：2020-11-12 04:28

　　 LF爐的設(shè)備簡單、投資較少、冶煉工藝靈活、精煉后的鋼水中氣體含量低、有害雜質(zhì)少,成分穩(wěn)定等優(yōu)點,所以LF精煉一直在鋼鐵企業(yè)中應(yīng)用廣泛。同時,使用LF爐精煉技術(shù)可以增加鋼的品種、提高鋼的質(zhì)量。本文以福建三鋼有限責(zé)任公司1OOtLF爐為研究對象,優(yōu)化鋼包精煉過程中的操作參數(shù),可以提高鋼的質(zhì)量,節(jié)約生產(chǎn)成本,縮短冶煉周期。本文的主要研究內(nèi)容和研究成果歸納如下:通過分析LF爐冶煉過程鋼水溫度的影響因素,提出一種適用于LF爐鋼水溫度預(yù)報,且具有增量學(xué)習(xí)功能的AdaBoost.RS集成軟測量建模算法。該算法引入松弛變量和遺忘因子兩個參數(shù),可以提高預(yù)測精度,克服大噪聲數(shù)據(jù)帶來的干擾。同時,增量學(xué)習(xí)可以降低早期生產(chǎn)數(shù)據(jù)對模型的影響。分別用靜態(tài)數(shù)據(jù)和動態(tài)數(shù)據(jù)對鋼水出站時的終點溫度進行預(yù)報。實驗結(jié)果表明預(yù)測結(jié)果的絕對誤差小于10℃的樣本數(shù)量超過了樣本總數(shù)的90%。本文提出一種改進的和聲搜索算法。該算法引入解的多樣性引導(dǎo)解的搜索方向,并且減少了傳統(tǒng)算法的參數(shù),使應(yīng)用更為簡單。通過四個測試函數(shù)驗證改進后算法的收斂速度,證明算法的有效性。同時使用該算法求解LF爐鋼包精煉多目標(biāo)魯棒優(yōu)化模型,優(yōu)化精煉過程參數(shù),使其具有魯棒性,可以保證系統(tǒng)的穩(wěn)定,提高鋼的質(zhì)量,節(jié)約成本,降低能源損耗等。
【學(xué)位單位】：天津工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2017
【中圖分類】：TF769
【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題研究的背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 軟測量技術(shù)研究現(xiàn)狀
        1.2.2 多目標(biāo)魯棒優(yōu)化研究現(xiàn)狀
    1.3 本課題研究內(nèi)容
第二章 LF爐鋼包精煉過程分析
    2.1 LF精煉爐的結(jié)構(gòu)和作用
        2.1.1 LF精煉爐的結(jié)構(gòu)
        2.1.2 LF精煉爐的功能及作用
    2.2 LF爐鋼包精煉過程分析
    2.3 LF爐精煉過程能量守恒分析
        2.3.1 電極加熱
        2.3.2 合金渣料熔化
        2.3.3 鋼包包襯的熱損失
        2.3.4 渣面的熱量損失
        2.3.5 吹氬熱量損失
        2.3.6 影響鋼水終點溫度主要因素
    2.4 本章小結(jié)
第三章 LF爐鋼水終點溫度預(yù)報軟測量模型
    3.1 軟測量技術(shù)介紹
        3.1.1 機理分析和輔助變量的選擇
        3.1.2 軟測量數(shù)據(jù)采集和處理
        3.1.3 軟測量模型建立
        3.1.4 軟測量模型校正
    3.2 基于機理分析方法的鋼水溫度預(yù)報
    3.3 基于軟測量方法的鋼水終點溫度預(yù)報
        3.3.1 BP神經(jīng)網(wǎng)絡(luò)
        3.3.2 AdaBoost集成算法
        3.3.3 AdaBoost.RS算法
    3.4 實驗仿真與分析
        3.4.1 測試函數(shù)實驗仿真
        3.4.2 鋼包精煉的鋼水溫度預(yù)報模型
    3.5 本章小結(jié)
第四章 LF爐鋼包精煉過程多目標(biāo)魯棒優(yōu)化
    4.1 LF精煉過程多目標(biāo)優(yōu)化模型
        4.1.1 多目標(biāo)優(yōu)化方法
        4.1.2 建立多目標(biāo)優(yōu)化模型
    4.2 LF爐鋼包精煉過程多目標(biāo)魯棒優(yōu)化模型
        4.2.1 魯棒優(yōu)化概述
        4.2.2 單目標(biāo)魯棒優(yōu)化
        4.2.3 多目標(biāo)魯棒優(yōu)化
        4.2.4 建立多目標(biāo)魯棒優(yōu)化模型
    4.3 基于和聲搜索算法的改進
        4.3.1 標(biāo)準(zhǔn)的和聲搜搜算法
        4.3.2 改進的和聲搜索算法
    4.4 實驗仿真與分析
        4.4.1 測試函數(shù)實驗仿真
        4.4.2 鋼包精煉的優(yōu)化仿真
    4.5 本章小結(jié)
第五章 總結(jié)與展望
參考文獻
發(fā)表論文和參加科研情況說明
致謝

【相似文獻】

相關(guān)期刊論文 前4條

1 何珊珊;朱文海;任晴晴;;不確定需求下應(yīng)急物流系統(tǒng)多目標(biāo)魯棒優(yōu)化模型[J];遼寧工程技術(shù)大學(xué)學(xué)報(自然科學(xué)版);2013年07期

2 童小嬌;文強;周任軍;王兆云;聶躍昆;;基于魯棒優(yōu)化的自發(fā)電計劃[J];長沙理工大學(xué)學(xué)報(自然科學(xué)版);2010年02期

3 王沖;邱志平;吳迪;王曉軍;;結(jié)構(gòu)-聲場耦合系統(tǒng)區(qū)間魯棒優(yōu)化設(shè)計[J];振動與沖擊;2013年17期

4 羅春鵬;榮岡;;不確定條件下汽油調(diào)和調(diào)度的魯棒優(yōu)化模型(英文)[J];石油學(xué)報(石油加工);2009年03期

相關(guān)博士學(xué)位論文 前10條

1 趙慶;基于魯棒優(yōu)化的若干投資組合模型研究[D];東北財經(jīng)大學(xué);2015年

2 姜冬青;基于魯棒優(yōu)化的應(yīng)急物資中心選址與應(yīng)急調(diào)度策略的研究[D];北京化工大學(xué);2015年

3 王昱;手術(shù)室能力分配與優(yōu)化調(diào)度問題的隨機規(guī)化和魯棒優(yōu)化方法研究[D];東北大學(xué);2015年

4 周伊佳;帶有共享不確定參數(shù)的魯棒優(yōu)化模型[D];大連理工大學(xué);2017年

5 高瑩;金融系統(tǒng)魯棒優(yōu)化問題研究[D];東北大學(xué);2007年

6 羅桂美;博弈論與投資組合中的魯棒優(yōu)化[D];湖南大學(xué);2009年

7 白巍;可置信性結(jié)構(gòu)魯棒優(yōu)化設(shè)計若干問題的研究[D];大連理工大學(xué);2009年

8 杜劍明;結(jié)構(gòu)可置信性魯棒優(yōu)化若干算法研究及其拓展[D];大連理工大學(xué);2011年

9 汪明;一類不確定條件下收益魯棒優(yōu)化問題的研究[D];中國科學(xué)技術(shù)大學(xué);2009年

10 孫華;基于魯棒優(yōu)化的城市交通網(wǎng)絡(luò)設(shè)計模型與算法研究[D];北京交通大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 郭曉燕;兩類不完備信息下的應(yīng)急車輛路徑問題的魯棒分析[D];山東大學(xué);2015年

2 程鳳璐;在線經(jīng)濟調(diào)度的魯棒優(yōu)化方法研究[D];山東大學(xué);2015年

3 黃娟;船舶建造生產(chǎn)計劃魯棒優(yōu)化調(diào)度研究[D];哈爾濱工業(yè)大學(xué);2015年

4 劉惠霞;不確定環(huán)境下電力的柔性采購決策研究[D];上海大學(xué);2015年

5 蔣璐;不確定QoS的Web服務(wù)選擇研究[D];西安郵電大學(xué);2015年

6 陳之華;基于魯棒優(yōu)化的動態(tài)定價與庫存控制聯(lián)合決策問題研究[D];北京化工大學(xué);2015年

7 趙曉芳;考慮載荷不確定性和剛度不確定性的魯棒優(yōu)化問題[D];大連理工大學(xué);2015年

8 周佳星;一類分布魯棒二次規(guī)劃問題[D];大連理工大學(xué);2015年

9 伍方凌;集裝箱班輪支線網(wǎng)絡(luò)魯棒優(yōu)化模型研究[D];大連海事大學(xué);2015年

10 周建力;魯棒優(yōu)化模型在投資組合中的應(yīng)用研究[D];電子科技大學(xué);2015年

本文編號：2880247