2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩80頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、高爐煉鐵是鋼鐵生產中的重要一環(huán),但其冶煉過程極其復雜,存在著諸多物質與能量間變換傳送過程,同時礦源復雜,工況多變,建立精確的數(shù)學模型十分困難。其次高爐冶煉過程中工藝參數(shù)和生產目標之間具有高度非線性、強耦合的特點,導致冶煉過程難以描述,優(yōu)化控制極其困難。目前,大部分鋼鐵企業(yè)的高爐冶煉過程控制常依靠爐長經驗,由于缺乏經驗、以及對高爐冶煉過程的復雜情況缺乏理解,使得高爐冶煉過程中爐況波動、焦炭消耗大,生產成本較高。為此,本文利用數(shù)據挖掘技術,

2、從生產過程積累的海量數(shù)據中挖掘出高爐冶煉過程的規(guī)律,快速有效地確定與當前工況條件相適應的最佳工藝參數(shù),進而指導實際生產。
  論文的研究工作主要包括以下兩個方面:
  (1)建立高爐煉鐵過程中噴煤量的預報模型。首先,對常用的數(shù)據挖掘方法 BP(Back Propagation)神經網絡、ELM(Extreme Learning Machine)網絡進行理論研究。利用極限學習機作為機器學習方法,對模型結構、基本原理、優(yōu)點進行詳

3、細研究;接著,利用UCI標準數(shù)據庫中Airfoil Self-Noise(翼型自噪聲)數(shù)據和Energy efficiency(能源效率)數(shù)據對兩種數(shù)據挖掘方法進行驗證;最后,在實際生產數(shù)據預處理的基礎上結合實際現(xiàn)場冶煉經驗,選取對噴煤量影響重大的5個輸入變量,建立起基于ELM的高爐冶煉過程噴煤量預報模型,并與BP神經網絡預報模型進行對比。
  (2)噴煤量優(yōu)化。在ELM預報模型的基礎上,采用PSO算法在經驗范圍內對影響噴煤量的工

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論