基于GA-BP神經網絡模式識別的連鑄機漏鋼預報模型研究.pdf

1、連鑄是現代煉鋼企業(yè)鑄造鋼坯最主要的方法，它具有簡化生產工序、鋼水利用率高、耗能低、鋼坯質量好、改善勞動條件、生產過程機械化和自動化程度高等優(yōu)點。連鑄技術的應用徹底改變了鑄造車間的生產工藝流程、人員分配和物流控制，為鋼鐵生產的自動化和信息化技術的應用，從而大幅改善環(huán)境和提高產品質量提供了有力的物質條件保障。
　　漏鋼是連鑄過程中極具危害性的重大生產事故，為避免連鑄漏鋼事故的發(fā)生，國際上通常從兩個方向上著手研究解決，一方面是改善連鑄設

2、備和工藝條件，從漏鋼形成的機理上杜絕事故的發(fā)生;另一方面是及時檢測識別出漏鋼的特征，采取減速拉坯等有效措施避免漏鋼。本文對粘結漏鋼的形成機理，漏鋼模式識別原理進行了分析，理解溫度的動態(tài)傳遞是漏鋼過程的物理特性的基本映射。把熱電偶的動態(tài)數據轉化為靜態(tài)數據，組合空間網絡結構以便于區(qū)域判別法的實現。在此基礎上尋求一種有效的基于GA-BP神經網絡模式識別的連鑄機漏鋼預報模型。
　　本文對結晶器粘結漏鋼時熱電偶溫度的變化進行了分析，將熱電偶

3、的溫度隨時間變化規(guī)律作為模式識別的特征，從而進行是否漏鋼的判定。本模型既建立了單個電偶的單偶時序網絡，又建立了多個電偶的組偶空間網絡，在組偶空間模型的建立中，區(qū)別之前的“l(fā)”字型二電偶空間網絡結構和“⊥”字型的四電偶空間網絡結構，建立了“T”字型的四電偶空間網絡結構，并對兩種四電偶空間網絡結構進行了比對，因而連鑄機漏鋼模式的識別將更準確、更及時。
　　本文對BP神經網絡和遺傳算法進行了探討，將遺傳算法與BP神經網絡結合，利用遺傳算

4、法對BP神經網絡的初始權值進行全局最優(yōu)搜索，其中使用了利用導數修正種群中個體數的參數，從而改善了遺傳算法局部搜索能力不強的缺點，加速了遺傳算法的收斂速度，搜索到條件最優(yōu)解后，將最優(yōu)解賦予BP網絡進行精確求解。這樣既避免了局部極小的問題，又達到了快速高效和全局尋優(yōu)的目的，使訓練結果得到極大的改善。BP神經網絡以最速下降法為學習準則，以誤差反向傳播算法進行連接權值的調整，將大量訓練樣本數據輸入到神經網絡中，得到最優(yōu)的權值解，進而獲得相對較優(yōu)