铁水硅含量相关论文
铁水是高炉生产的主要产品，在高炉炼铁工艺中，通常以铁水硅含量反映高炉炉缸的物理温度，简称炉温，把它作为冶炼过程控制的主要指标。由......
近年来，CIMS(Computer Integrated Manufacturing Systems，计算机集成制造系统)在离散行业中的应用越来越广泛。与此同时，国际市场的......
在炼铁过程中,保持合理的炉温水平是达到炉况稳定顺行、实现高炉生产“优质、高产、长寿、低耗”的直接保证。由于高炉过程的复杂......
高炉炉温是衡量高炉运行状态的重要参数,常指高炉内铁水及渣铁的温度,其高低直接影响高炉冶炼过程是否稳定顺行及生产铁水是否优质......
高炉的稳定顺行是高炉冶炼过程中保证高质量液态铁的基础。由于高炉冶炼过程具有非线性、高维、大噪声等特性,大多数影响高炉稳定......
喷煤冶炼是当前阶段我国高炉炼铁的主要方法。鉴于高炉冶炼的过程异常复杂、有些关键性的工艺指标不能实现动态的监测，并且各过程变......
高炉炼铁是生铁冶炼的主要方法，但是冶炼过程复杂，导致其优化控制面临许多困难：首先由于炼铁过程涉及诸多物质与能量间的变换传送过程......
在高炉冶炼过程中,合理的炉温是保持高炉生产稳定顺行的关键因素之一。由于高炉冶炼过程的复杂性及受当前技术水平的限制,难以精确......
铁水硅含量是炉缸热制度的化学热表示方式,也是表征炉温和铁水质量的重要参数.选取某钢铁厂4号高炉实时数据库和检化验数据库2019......
钢铁工业是国民经济的支柱产业，高炉炼铁是钢铁工业的重要组成部分。高炉炉温是高炉顺行、稳定以及产品质量的保证，也是判断高炉炉况......
钢铁工业是国民经济的支柱产业,高炉炼铁是钢铁工业的重要组成部分。如何控制高炉安全、稳定、均衡、顺行从而达到炼铁界提出的“......
高炉是一个巨大的反应器,炉内进行着一系列复杂的物理化学反应,而温度是保证这些反应顺利进行的关键。在正常的冶炼条件下铁水含硅......
炉况顺行是保证高炉铁水产量与质量的关键所在,炉缸热状态则是表征高炉顺行的重要指标。由于高炉过程的复杂性,精确掌握炉内温度分......
高炉铁水硅含量是高炉生产过程中需要控制的重要因素之一，它不但是反映生铁质量的重要指标，而且还可以反映高炉的炉温水平，同时也是表......
钢铁工业是国民经济的支柱产业，高炉炼铁是钢铁工业的重要组成部分。如何控制高炉安全、稳定、均衡、顺行从而达到炼铁界提出的“优......
高炉炼铁是钢铁工业的上游主体工序,作为国民经济支柱产业的重要组成部分,它对钢铁工业的发展与节能降耗都起重要的作用。高炉冶炼......
高炉炼铁是钢铁工业的上游主体工序，作为国民经济支柱产业的重要组成部分，它对钢铁工业的发展与节能降耗都有重要的地位。高炉冶炼过......
在高炉炼铁生产过程中,铁水硅含量反映高炉炉温,预测和控制炉温对高炉生产的节能、降耗、顺行至关重要.基于包钢6号高炉生产数据,......
本文对影响炉温预测的数据进行了深入分析,利用粗糙集理论能够有效地降低特征的维数,同时采用模块化神经网络能将复杂问题分解为相......
本文以炉料装入情况、高炉综合煤气成分分析和渣铁温度作为基本参数,建立铁水硅含量预报模型,导出生铁硅含量的计算公式,并采集现......
建立了基于BP神经网络的高炉铁水硅含量预测模型，给出了学习参数的确定方法，BP网络的学习算法和步骤，并利用湘钢4#高炉一段连续时期内......
文章针对BP网络收敛速度慢和易于陷入极小值的问题，应用RBF网络模型对高炉铁水硅含量进行了预测，通过对高炉一段连续时期内正常生产......
随着钢材市场竞争的日趋激烈，降本增效已成为企业发展的重要战略目标。转炉冶炼作为钢铁企业生产中的重要组成部分，在降本增效的各个......
在高炉炼铁过程中,常用铁水硅含量[Si]来衡量铁水的质量和表征高炉的热状态,即用铁水硅含量反映高炉炉温.将偏最小二乘回归方法应......
本研究应用人工神经网络方法对高炉炉温进行预测，确定了三层前向网络结构。针对基于梯度下降法的BP网络存在的学习效率低、收敛速度......
在运用RBF神经网络进行预测的基础上，建立了一种应用小波理论对时间信号进行去噪，根据去噪处理对RBF神经网络作相应处理的预测模型，并......
针对铁水硅含量无法直接在线检测的问题,本文提出了一种基于优化极限学习机(ELM)的高炉铁水硅含量预报方法.该方法利用复合差分进......
局部加权最小二乘支持向量机回归模型（LocalWeighted Least Squares Support Vector Machines,LW-LSSVM）是一种在线学习模型,该类模......
根据RBF神经网络具有收敛速度快和全局优化的特点，建立了RBF网络模型，并将其应用对高炉铁水硅含量预报。监于铁水硅含量与炉缸温度之......
针对所建立的具有仿人智能和机器学徒特征的自组织经验进化预测模型,运用软件工程方法学系统分析了预测软件的性能要求与模块组成,......
文章利用RBF神经网络的全局搜索能力,结合梯度学习算法和专家系统,建立了高炉铁水硅含量预报RBF神经网络模型.该系统解决了BP神经......
目的提出基于模块化神经网络的铁水硅含量预测方法，改善系统控制性能指标．方法采用模块化神经网络预测控制策略，建立模块化神经网络预......
提出将BP神经网络与遗传算法（GA）相结合，建立了三层GA—BP神经网络模型，模型利用遗传算法来修改网络的连接权值，构筑进化型的神经网络模......
应用小波分析方法对高炉铁水硅含量进行预测.通过小波变换将铁水硅含量的时间序列依三重尺度分解成不同的层次,并对不同层次上的序......
研究应用人工神经网络方法对高炉炉温进行预测,确定了三层前向网络结构。针对基于梯度下降法的 BP 网络存在的学习效率低、收敛速......
优质数据集是实现高炉铁水硅含量准确预报的基础。针对铁水硅含量数据记录不均衡,特别是部分样本周期内存在多个硅含量值且波动较......
针对高炉铁水硅含量难以在线检测的问题,本文提出一种基于改进灰狼算法(IGWO)优化的多核极限学习机(MKELM)高炉铁水硅含量预测建模......
高炉冶炼过程作为钢铁生产过程的上游工序,其CO2的直接和相关排放占钢铁工业总排放量的90%,能耗则占钢铁工业总能耗的70%。所以,高......
炉温的实时预测技术对高炉运转具有重要意义。在高炉炼铁过程中,通常以铁水硅含量来表征高炉热状态。针对硅含量预测效率和精度不......
采用基于自学习的参考炉次法,建立了反应高炉炉温和铁水质量的预报模型,对炼铁过程铁水硅含量和硫含量进行预报,建立了基于BP神经......
为了实现高效率、低能耗、长寿命、低污染的综合目标,现代炼铁工艺在生产方式上已经逐渐趋于大型化和高效化。高炉内部是一个非线......
高炉铁水硅含量预测对调控炉温和稳定炉况具有重要作用。基于粗糙集理论与神经网络模型对铁水硅含量进行预测。采用粗糙集理论对输......
高炉冶炼过程中,铁水硅含量是评定高炉炉况稳定性和生铁质量的重要指标,其预测和控制对高炉的稳定顺行有重要意义.基于包钢6号高炉......
高炉炼铁过程的控制意味着控制高炉铁水温度及成份在指定的范围.本文以高炉炉内热状态的重要指示剂—高炉铁水硅含量为研究对象,针......
应用贝叶斯网络对高炉铁水硅含量进行预测.首先阐述了贝叶斯网络的数学描述,在此基础上给出贝叶斯网络预测公式的一种简化形式.然......
高炉炼铁要严格控制硅的还原过程,掌握铁水硅含量的变化。本文针对高炉炼铁过程的非线性和动态性,以Elman神经网络和Adaboost算法......
