导读:本文包含了终点锰预报论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:转炉,神经网络,终点,在线,含量,命中率,测量。
终点锰预报论文文献综述
林晓梅,刘永利,吕熠栋,李慧然[1]（2010）在《利用炉气分析预报AOD炉终点锰磷含量》一文中研究指出采用以飞行质谱仪为核心构造的炉气分析系统所测得的一氧化碳、二氧化碳、氧气、氮气等气体的体积分数,依据反应平衡和质量守恒定律并结合炉气分析模型所得到的炉内的氧的积累,分别建立了预测吹炼终点的锰和磷含量的数学模型,并对模型预测值和实测值进行了分析比较。此模型能很好地预测终点的锰、磷含量,为AOD炉终点的锰和磷含量的预报提供了一种参考方案。(本文来源于《冶金丛刊》期刊2010年03期）
林晓梅,刘永利,吕熠栋,李慧然[2]（2010）在《利用炉气分析预报AOD炉终点锰磷含量》一文中研究指出基于测得的一氧化碳、二氧化碳、氧气、氮气等气体的体积分数,依据反应平衡和质量守恒定律,并结合炉气分析模型所得到的炉内氧的积累,分别建立了预测吹炼终点锰、磷含量的数学模型。通过对模型预测值和实测值进行分析比较,该模型可以预测终点的锰、磷含量,为AOD炉终点锰、磷含量的预报提供了有用的参考。(本文来源于《长春工业大学学报(自然科学版)》期刊2010年02期）
甄云璞,冯聚和[3]（2007）在《基于神经网络的转炉冶炼终点锰、磷静态预报模型》一文中研究指出我国钢铁企业所使用的转炉多为中小型转炉,因容量小无法采用动态控制技术。而传统的静态控制模型计算精度差,终点命中率低,实际生产中的应用效果不好。所以本文充分利用最近发展起来的人工神经网络技术,以Visual Basic编程语言为工具,建立了基于神经网络的转炉冶炼终点锰、磷静态预报模型。(本文来源于《河北理工学院学报》期刊2007年02期）
甄云璞[4]（2005）在《基于神经网络的转炉冶炼终点锰、磷静态预报模型》一文中研究指出对于绝大多数钢种来说磷是有害元素,冶炼过程中需要将其去除到尽可能低的限度;终点余锰高,可以减少合金化的锰铁用量。准确控制终点成分对于提高钢水质量降低炼钢成本具有重要意义,因此要对转炉终点的磷、锰含量进行准确的预报和控制。文章分析了转炉冶炼终点控制技术的发展及概况,考虑到我国钢铁企业所使用的转炉多为中小型转炉,因容量小无法采用动态控制技术。而传统的静态控制模型计算精度差,目标命中率低,实际生产中的应用效果不好。所以本文充分利用最近发展起来的人工神经网络技术,以Visual Basic 编程语言为工具,建立了基于神经网络的转炉冶炼终点静态预报模型。根据现场冶炼过程和数据,研究了转炉冶炼终点锰、磷含量的影响因素,确定了预报模型的控制变量,对常用的BP 算法进行改进,分别建立了基于神经网络的终点锰、磷预报模型。模型选取邢钢转炉车间现场200 炉实际生产数据为样本,分别以影响转炉冶炼终点锰、磷的30 个影响因素为输入变量,取0.01 为学习速率,0.8 为动量因子,建立叁层30-33-1 结构的BP 算法神经网络模型,对终点锰、磷含量进行预报。使用预报模型对转炉冶炼终点锰、磷含量进行预报,均能达到较理想的控制效果。[%P]在目标误差值±0.003%范围内,命中率达到85%。[%Mn]在目标误差值±0.03%范围内,命中率达到80%。模型的控制结果已接近于采用副枪技术的动态控制模型的预报精度。(本文来源于《河北理工大学》期刊2005-04-30）
杨立红,刘浏,何平[5]（2003）在《转炉冶炼终点锰成分的预报模型》一文中研究指出研究了转炉冶炼终点锰成分的影响因素,确定了预报模型的控制变量,建立了基于神经网络和自适应模糊神经网络的两种终点锰成分的预报模型,并对其进行了比较。研究发现,基于自适应模糊神经网络的预报模型能够很好地实现对终点锰成分的预报,在w([Mn])偏差值为±0.025％的控制精度范围内,预报命中率达到85.29％;在w([Mn])的偏差率为±25％范围内,预报的终点命中率达到70.59％。该模型接近基于副枪的终点锰成分动态预报模型的控制水平。(本文来源于《炼钢》期刊2003年01期）
许娜[6]（2002）在《转炉炼钢智能终点锰、磷预报模型的开发》一文中研究指出转炉炼钢是一种非常重要的、占统治地位的炼钢方法。转炉炼钢过程是一个非常复杂的高温物理化学工业过程。正是因为转炉炼钢过程的复杂性,使得转炉炼钢终点的预报尤为重要。在转炉炼钢的过程中,有经验的操作工要对钢水终点成分中的[Mn]、[P]进行分析,并与副枪终点测温和定碳相结合,决定是等待取样分析,还是进行快速出钢。本文以国家经贸委技术创新项目“新一代炼钢过程模型库开发及其工业应用”为背景,以宝钢转炉的实际生产数据为依据,并采用人工智能技术,对转炉炼钢的终点锰、磷预报模型进行了研究与开发。开发了转炉炼钢的终点锰预报模型。根据冶金学、统计学等原理知识,选取模型的变量参数,分别建立了回归模型和神经网络模型。回归模型虽然简单、可视,但是仿真结果并不理想。人工智能技术中的神经网络有很强的非线性映射和容错能力,而转炉炼钢又是一个复杂的非线性过程,在选取适当参数的基础上,采用神经网络技术建模,能取得很好的仿真效果:当预报误差精度|△Mn|≤0.025%时,预报命中率超过98%。最终确定了终点锰神经网络预报模型为现场应用模型。开发了转炉炼钢的终点磷预报模型。借鉴终点锰预报模型的建模经验,对终点磷预报建立了回归及神经网络两种模型。神经网络的终点磷预报模型取得了较好的效果,当预报误差精度为|△P|≤0.003%时,预报命中率为83%,但该模型仍没有达到现场应用的要求,需要进一步研究。为配合神经网络预报模型的现场应用,并解决现有仿真软件中无法处理的一些实际问题,开发了基于Levenberg-Marquardt优化算法的BP神经网络C语言源程序。该源程序以动态内存的使用为基础,易于维护,能够在现场的过程机上运行。由于终点锰神经网络预报模型达到了工业现场应用要求,因而结合现场应用的实际环境,开发了终点锰神经网络预报模型的工业应用微机版。该微机版模型与应用环境的接口都采用与现场过程机完全相同的形式,现场条件允许时即可移植到过程机上运行。(本文来源于《江苏大学》期刊2002-01-01）
许娜,赵不贿,杜斌,洪新[7]（2001）在《转炉终点锰预报模型的开发》一文中研究指出探讨转炉炼钢终点锰预报模型的建模技术 模型分为两种 :代数学模型和人工神经网络模型 代数学模型采用多元线性回归方法建模 ,该模型简单、可视 ,但仿真结果并不理想 人工神经网络模型在选取适当输入参数的基础上 ,通过对转炉生产的历史数据进行训练 ,求得合理优化的网络权重 ,可对转炉终点锰含量进行离线预报 ,该模型的仿真结果很好 ,当预报误差精度|ΔMn|≤ 0 .0 2 5 %时 ,预报命中率超过 95 % ,为今后转炉的在线锰预报和快速出钢模型的研制提供依据和技术支持(本文来源于《江苏理工大学学报(自然科学版)》期刊2001年05期）
终点锰预报论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
基于测得的一氧化碳、二氧化碳、氧气、氮气等气体的体积分数,依据反应平衡和质量守恒定律,并结合炉气分析模型所得到的炉内氧的积累,分别建立了预测吹炼终点锰、磷含量的数学模型。通过对模型预测值和实测值进行分析比较,该模型可以预测终点的锰、磷含量,为AOD炉终点锰、磷含量的预报提供了有用的参考。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
终点锰预报论文参考文献
[1].林晓梅,刘永利,吕熠栋,李慧然.利用炉气分析预报AOD炉终点锰磷含量[J].冶金丛刊.2010
[2].林晓梅,刘永利,吕熠栋,李慧然.利用炉气分析预报AOD炉终点锰磷含量[J].长春工业大学学报(自然科学版).2010
[3].甄云璞,冯聚和.基于神经网络的转炉冶炼终点锰、磷静态预报模型[J].河北理工学院学报.2007
[4].甄云璞.基于神经网络的转炉冶炼终点锰、磷静态预报模型[D].河北理工大学.2005
[5].杨立红,刘浏,何平.转炉冶炼终点锰成分的预报模型[J].炼钢.2003
[6].许娜.转炉炼钢智能终点锰、磷预报模型的开发[D].江苏大学.2002
[7].许娜,赵不贿,杜斌,洪新.转炉终点锰预报模型的开发[J].江苏理工大学学报(自然科学版).2001
论文知识图
