10.13228/j.boyuan.issn0449-749x.20220667
高炉铁水硅含量变动量调控决策的智能推荐模型及应用
为了保证高炉炉况顺行,提高高炉热制度调控质量,深刻理解铁水硅含量变动量的动力学,以冀南地区某钢铁联合公司3号高炉为研究对象,研究铁水硅含量变动量的波动机理.量化表征降低铁水硅含量变动量的6大决策空间,通过单变量估计方法和复相关系数联合估计方法的对照分析,优选可以兼顾决策变量间耦合协同性的联合估计方法,确定铁水硅含量变动量调控决策变量的响应时间,消除变量间的时滞性;通过Hopfield神经网络、Boltzmann神经网络与Elman神经网络算法的对照分析,优选具有记忆功能的Elman神经网络算法,兼顾变量时序特征,确定变量间的耦合非线性关系,构建高炉铁水硅含量变动量智能预报模型.基于铁水硅含量变动量最小为目标,构建调控决策智能推荐模型;通过遗传算法(GA)和进化策略算法(ES)的对照分析,优选变异程度自适应变化的ES算法,智能求解推荐模型,快速获取最优的维持铁水硅含量变动量最小的调控决策.研究结果表明,响应时间估计算法对照验证了多决策变量联合估计响应时间,产生的样本集兼顾了决策变量间的耦合协同性;预报算法对照验证了 Elman神经网络的优越性,目标算法构建的预报模型命中率达到94.10%;智能寻优算法对照验证了 ES算法对推荐模型的求解速度和结果显著优于对照算法,并且模型在工业应用的实践中保持了离线测试的优良特性.
铁水硅含量变动量、调控决策、响应时间、反馈网络、进化策略
58
F224;F403;TP391.4
国家自然科学基金;国家自然科学基金;唐山市市级科技计划资助项目
2023-04-27(万方平台首次上网日期,不代表论文的发表时间)
共9页
30-38