一、PROFIBUS网络在精炼炉的应用（论文文献综述）
李明,王岚潇[1]（2021）在《安钢100t电炉精炼炉控制系统升级与优化》文中研究指明介绍了安钢100t电炉精炼炉控制系统的组成及各系统的功能,针对系统存在的问题进行了分析,并提出了相应的升级与改造措施。通过实施使该系统运行更加优越,降低了能源的消耗,有效提升了精炼炉的生产效率。
涂芝润[2]（2021）在《基于LSTM的VOD精炼炉终点预报模型研究》文中认为近年来,不锈钢的需求与日俱增,对不锈钢的质量也提出了更高要求,作为冶炼不锈钢的主要方法,真空吹氧脱碳法（Vacuum Oxygen Decarburization,VOD）开始在钢材生产企业中投入使用。VOD精炼炉冶炼不锈钢过程是一个典型的多输入、多输出、非线性的时变过程,也是一个复杂的多相火法冶金过程。VOD终点参数的准确预测控制是冶炼的主要控制目标。其中,终点碳含量和温度作为最为关键的参数,它与多个变量存在非线性、耦合性非线性的关系,且存在大量参数无法实时测量的问题。建立准确的预报模型对VOD终点碳温进行预报,可以提高终点命中率,提高生产效益。本文首先通过分析VOD冶炼工艺流程,以及对精炼机理过程进行简要分析,对各个阶段发生的物理化学反应和体系热量收支进行简要分析,确定出对终点碳温有影响的输入参数。其次,针对VOD冶炼过程参数众多、参数之间非线性、冗余性的特点,深入学习特征选择理论相关知识,采用基于最大相关最小冗余（Max Relevance Min Redundancy,mRMR）的互信息（Mutual Information,MI）特征选择方法,对输入参数进行选择,不仅能衡量变量之间的相关性也考虑了变量之间的非线性和冗余性,从而减少模型参数和冗余特征。然后,分别对神经网络和循环神经网络的工作原理进行了深入学习,针对循环神经网络目前存在的梯度消失和梯度爆炸问题,引出本文采用的算法模型长短时记忆网络（Long Short Term Memory Networks,LSTM）,并对其工作原理进行了深入研究,并在燃气轮机上对CO和NOx的排放量对LSTM算法进行了仿真实验。结果表明,与极限学习机和随机森林算法的结果相比,LSTM在处理具有时序特点的工业参数预测控制中有着较强的预测效果和泛化能力。最后,基于互信息的特征选择方法得到VOD终点碳温预报模型的输入参数,并对LSTM网络模型训练参数的设置进行了研究,包括损失函数的选择和模型泛化能力的提升方法。然后分别建立了支持向量回归机（Support Vector Regression,SVR）预报模型、未经特征选择的LSTM模型和基于互信息的LSTM终点预报模型。针对SVR参数选择问题,采用遗传算法优化SVR的超参数,提升SVR预测效果。结果表明,经过特征选择能够减少参数个数和参数之间的冗余性,降低模型复杂度。同时,将深度学习算法应用于炼钢过程参数预测控制,为炼钢终点预报方法开辟了新方法。仿真实验表明,本文提出的方法优于传统的BP神经网络模型和SVR模型,能够提高VOD精炼炉的终点碳温命中率,可用于指导VOD生产过程,并拓展到其他冶金领域。
冯俊辉[3]（2021）在《120吨双工位精炼炉电极旋转控制研究》文中指出
张航[4]（2021）在《精炼炉钢液温度预测与精炼过程优化研究》文中指出
梁青艳[5]（2021）在《基于流程网络仿真的钢铁企业炼钢调度和能源优化》文中提出绿色化和智能化是钢铁行业智能制造转型升级的两大基本要素,研究生产系统以及能源系统的优化问题具有非常重要的现实意义。近几年随着企业自动化、信息化水平的普遍提高,智能制造提升工程也逐渐着手实施,急需利用智能模型去解决复杂生产流程中的生产优化调度问题以及钢铁企业能源多介质优化调配问题。本文针对当前炼钢调度以及能源优化问题研究中的不足和局限性,提出基于流程网络仿真进行优化建模的新的解决方案,进行了关键技术研究和应用验证,主要研究内容如下:（1）充分考虑钢铁企业炼钢调度的特点及难点,提出了基于多智能体技术的炼钢智能化动态调度方案,构建了通用性的多智能体流程网络仿真优化基础模型,并分别结合普钢和特钢不同实际生产场景进行了应用验证。应用结果表明该技术可以大大减少无效作业时间,提高作业效率,并且能适应多变的现场环境,有效解决了炼钢生产流程中具有强耦合、多路径、多目标、多约束、多干扰特性的计划调度较为困难的难题。（2）充分考虑钢铁企业能源和生产耦合紧密的特点,从能量流的角度出发,构建了能量流网络基本描述模型包括主工序能量流模型、分介质能量流网络模型、能量流网络集成模型,对物质流、能量流之间相互影响、相互耦合的关系进行了信息表征;提出了从钢铁流程生产工艺出发,基于静态因素、动态因素及能源本身波动规律建立主工序能量流节点模型的建模方案,并分别以煤气和电力介质为例进行了主工序能量流具体分析、模型描述及预测验证。预测过程中充分考虑到实时工艺节奏和动态工况信息,使模型具有更好的适应性。煤气预测模型,模型误差基本在10%以内;电力96点负荷预测模型,模型误差在5%以内的达到96%,均获得了较好的预测效果。（3）以能量流网络模型为基础,针对以满足需求,放散最小为目标的能源计划的智能生成问题构建了基于规则的能源仿真调配模型,针对以放散和成本最小为目标的能源动态调度问题构建了基于优化算法的能源优化调配模型,并分别通过仿真分析,验证了模型的适用性和有效性。这两部分的研究分别针对不同的具体应用问题,不同优化目标进行了建模,而且和能量流网络模型结合,形成了完整的模型体系,为能源的多工况场景计划制订、优化协调提供了新方法。
韩大勇[6]（2021）在《炼钢—连铸生产调度与钢包选配的集成优化研究》文中提出钢铁作为工业生产中不可或缺的原材料,为世界经济的高速发展提供了基础保证。同时,由于钢铁行业也是能源消耗大户,因此亟需从制造工序优化、生产组织优化等多方面入手,实现节能减排。炼钢-连铸生产是钢铁制造的核心环节,主要包含炼钢、精炼和连铸三道工序,实现铁水、钢水到铸坯的物料形态转换。该过程主要涉及到两个子问题:生产调度和钢包选配。其中,生产调度旨在确定所有炉次在各阶段的机器分配及其操作时间,并生成调度方案;而钢包选配旨在协调所有加工炉次的运载设备分配,以保障生产调度方案的顺行。然而,现阶段的相关研究主要聚焦于生产调度层面,忽略了钢包选配对整个生产过程的影响。因此,本课题重点探索了炼钢-连铸生产调度与钢包选配的集成优化模型及方法,以保证兼顾生产效率的同时,有效地降低生产成本和能源消耗。该研究具有重要的理论价值和实际意义。本课题针对上述问题,主要研究工作如下:首先,针对带可重入精炼工序的炼钢-连铸生产静态调度问题,建立了以总流经时间最小化为目标的混合整数规划模型,并提出了一种有效的增广拉格朗日乘子法（Augmented Lagrange multiplier method,e-ALM）。在该算法中,通过松弛设备资源约束和工序操作优先级约束、以及设计有效的松弛惩罚项,将原问题模型分解为易于求解的多个子问题。进而,通过融合惩罚系数和拉格朗日松弛特性,提出了一种基于次梯度偏转方向的拉格朗日乘子动态更新策略,以加快算法的收敛速度。与数学优化软件CPLEX和其他现有拉格朗日算法求解结果相对比,eALM在相同计算时间内能获得更好的可行解、以及更小的对偶间隙。其次,针对给定生产调度方案下的钢包选配问题,在满足炉次对钢包材质要求、受钢温度要求及转炉出钢时间等约束下,以最小化钢包转运总能耗为目标,建立了钢包选配问题的混合整数规划模型,并提出了改进候鸟迁移优化算法（Improved migratory birds optimization algorithm,IMBO）。在算法中,结合问题特性,设计了基于钢包选配规则的解码机制和启发式初始化方法;同时,结合MBO算法独有的V形结构,提出了基于特定问题的邻域搜索策略和竞争机制,增强算法的协同搜索能力;并结合MBO算法独有的分享和收益机制,提出了一种动态接收准则,以平衡算法的全局搜索和局部搜索能力,进而提高算法的性能。通过与多种已有的智能算法以及在实际生产中所采用的人工钢包选配方法进行对比,验证了所提算法的有效性和优越性。随后,综合考虑炼钢-连铸生产过程中的生产调度与钢包选配问题,建立了炼钢-连铸生产调度与钢包选配的能效集成优化模型,并提出一种增强的候鸟迁移优化算法（Enhanced migratory birds optimization algorithm,EMBO）。在该算法中,结合问题特征设计了融合钢包选配规则的三层启发式解码方法和相应的初始化方法;提出了联合邻域搜索策略、动态接收准则和竞争机制,增加算法的协同搜索能力;并在竞争机制中,引入种群重组和队列间交换策略,通过V字型左右队列间的信息交换来增加种群多样性。通过与其他高效的智能算法的实验对比,验证了所提EMBO算法的有效性和优越性。最后,针对国内某钢铁企业炼钢车间的实际工程案例,验证本文所提出的理论和方法。根据该车间生产实绩和钢包选配实际情况,采用生产调度与钢包选配序次优化和集成优化两种方法求解。结果表明,在所提出的能效集成优化方法下制定的生产调度方案明显优于现场采用的序次优化方法,即总流经时间更短、制造周期更短、能耗更低。同时,由于钢包选配规则的应用,提高了现场红包（温度高的钢包）的利用率和周转率,减少了钢包烘烤能耗。
仝尚好[7]（2021）在《RH精炼炉用新型Al-Al2O3-MgO耐火材料应用性能研究》文中指出镁铝氧氮化物（MgAlON）具有良好的热震稳定性、优异的抗熔渣侵蚀和抗熔体渗透性能,因此,MgAlON结合氧化物耐火材料是RH精炼炉用环境友好型耐火材料重要研究方向。基于金属铝在氧化物基体中呈现出的高温反应活性和梯度结构反应特性,本论文将金属铝引入到Al2O3-MgO耐火材料中,探究了高温氮气条件下铝镁溶胶结合Al-Al2O3-MgO耐火材料的物相、结构与性能;制备的MgAlON结合氧化镁质耐火材料服役性能优良,综合炉龄较电熔再结合镁铬耐火材料提升14%。具体研究结果如下:气氛影响着以刚玉和镁砂为原料合成镁铝尖晶石物相的反应路径与反应机理。与空气气氛下反应烧结制备的镁铝尖晶石相比,高温氮气气氛降低了MgO稳定性,赋予了镁铝尖晶石的气-固传质反应路径,提高了镁铝尖晶石反应生成速率,降低了镁铝尖晶石合成温度。气-固传质方式生成的镁铝尖晶石包覆刚玉颗粒,作为结合相将骨料和基质良好地结合在一起,提升了耐火材料性能—常温耐压强度约135MPa,常温抗折强度约17MPa。基于金属铝在氧化物基体中呈现出的高温反应活性和梯度结构反应特性,构建Al-AlN核膜结构,探究了高温氮气气氛下铝镁溶胶结合Al-Al2O3-MgO耐火材料的物相与微结构演变机理。铝镁溶胶结合Al-Al2O3-MgO耐火材料中MgAlON尖晶石呈现三种不同形貌—粒状、壳状、片状。MgAlON尖晶石生成机理为:在低温阶段,Al（s）与氮气发生反应,形成Al-AlN核膜结构;随着温度升高,金属铝发生Al（s）→Al（l）→Al（g）转变,造成Al-AlN核膜破裂,Al（l/g）溢出/逸出,并与氮气反应生成AlN,反应生成的AlN与镁铝尖晶石反应,生成粒状MgAlON尖晶石;Al-AlN核膜原位与镁铝尖晶石发生反应,生成壳状MgAlON尖晶石;在气-气反应阶段,Mg（g）与Al2O（g）、Al（g）、N2（g）和O2（g）发生化学气相沉积,形成MgAlON尖晶石晶核,依附于粒状、壳状MgAlON尖晶石的MgAlON尖晶石晶核最终生长为片状MgAlON尖晶石。RH精炼炉实际运行过程中内衬耐火材料要承受着高温载荷作用,使得探究高温载荷下铝镁溶胶结合Al-Al2O3-MgO耐火材料的物相组成、物相演变机理尤为重要。在高温载荷作用下,Al-Al2O3-MgO耐火材料呈现出分层现象—外部存在Al-Al2O3核膜结构,内部存在Al-AlN核膜结构。外部Al-Al2O3核膜结构破裂,金属铝逸出/溢出,降低了氧分压和镁铝尖晶石反应温度。内部物相演变不同于外部。Al-AlN核膜结构破裂后,Al（l/g）溢出/逸出,与体系物质形成三种不同形貌的MgAlON尖晶石—Al（l）与镁铝尖晶石和N2反应生成的粒状MgAlON尖晶石;Al-AlN核膜原位转变形成的壳状MgAlON尖晶石;Al2O（g）、Al（g）与Mg（g）、N2（g）和O2（g）发生气-气传质反应形成的片状MgAlON尖晶石。镁铝尖晶石和MgAlON尖晶石的反应体积效应、壳状MgAlON的刚性弥散增强效应和片状MgAlON的网络桥接效应,三者共同作用,赋予了 Al-Al2O3-MgO耐火材料优异的抗蠕变性能。蠕变结果表明:未添加金属铝时,Al2O3-MgO耐火材料蠕变速率大,曲线变化幅度大,实验过程中未呈现稳态蠕变阶段;金属铝引入后,Al2O3-MgO耐火材料的蠕变速率小,曲线变化幅度小。基于金属铝对铝镁溶胶结合Al-Al2O3-MgO耐火材料的物相、结构与性能的基础研究,当基质部分加入6 wt%金属铝时,Al-Al2O3-MgO耐火材料的常温性能、热震稳定性能及高温抗折强度等综合性能优。制备的新型Al（6 wt%）-Al2O3-MgO耐火材料,在国内250 t RH精炼炉的关键部位（浸渍管、环流管、下部槽）进行试用,其平均寿命较电熔再结合镁铬耐火材料提高14%,是RH精炼炉用新型环境友好型耐火材料。新型Al-Al2O3-MgO耐火材料对不同类型RH精炼渣（CaO/SiO2比分别为0.94和5.01）均具有优异的抗化学侵蚀和抗渗透性能。不同于由方镁石和（Mg,Fe）（Al,Cr）2O4组成的电熔再结合镁铬耐火材料,Al-Al2O3-MgO耐火材料内含有三种不同类型尖晶石—镁铝尖晶石、片状MgAlON尖晶石和非片状MgAlON尖晶石。与钢液和熔渣接触时,氧化镁与尖晶石结合相（镁铝尖晶石和非片状MgAlON尖晶石）吸收钢水或熔渣中的Fe2+、Mn2+、Cr3+等离子形成（Mg,Mn,Fe）O和（Mg,Mn,Fe）（Al,Cr）2O4固溶体过渡层,改变了材料的结构及接触熔渣的成分;片状MgAlON尖晶石和氧化镁、镁铝尖晶石致密层,改善Al-Al2O3-MgO耐火材料内的气孔结构、降低了气孔径。两者共同作用下,赋予了 Al-Al2O3-MgO耐火材料与钢水或熔渣渗透侵蚀反应的新路径,延长了与钢水或熔渣的反应时间,提升了材料的抗化学侵蚀性能和抗介质渗透性能。在RH精炼炉停炉操作期间,Al-Al2O3-MgO耐火材料因（Mg,Mn,Fe）O和（Mg,Mn,Fe）（Al,Cr）2O4固溶体过渡层出现剥落,产生的剥落层厚度较电熔再结合镁铬耐火材料薄,固Al-Al2O3-MgO耐火材料抗侵蚀性能优。
敖翔[8]（2021）在《基于数据的LF炉合金优化系统控制模型的研究》文中认为钢包精炼炉（Ladle furnace,LF）是钢铁冶炼中二次精炼的关键设备,对于提高钢材质量和企业生产效率有重要作用。作为LF炉精炼技术的核心步骤,合金元素窄成分控制不仅要精准的保证钢水中的合金元素含量达到期望,还需要控制杂质元素含量在标准范围内,按照最小成本并且所添加物料中杂质含量元素最少的配料方案,可以有效的达到精炼钢的合金元素窄成分的控制效果,完善这种配料方案后,可以降低冶钢企业的成本,提高冶钢企业的生产效率。本文以某钢铁企业LF炉加料系统为研究背景,结合公司现场ERP系统和PLC控制系统两部分得到实际冶炼数据,同时根据生产工艺,分析LF精炼过程中合金窄成分控制问题的重点、难点,开发建立LF炉合金加料模型,主要研究工作如下:一、本文利用支持向量机回归（support vector regression,SVM）建立合金元素收得率预估模型,并将该模型通过BP神经网络建立的模型做对比实验。结果证明SVM算法建立模型的预估结果更契合期望结果,预估效果更优。但是,随着提供的样本数据量减少,该模型的预估稳定性出现了较大的波动。针对此问题,本文选用Grey Wolf Optimization算法（GWO,又叫灰狼优化算法）对SVM模型中两个重要参数,即惩罚因子和核函数参数g进行优化,提升模型的预估效果。二、采用灰狼优化算法（GWO）优化SVM模型的惩罚因子C和核函数参数g的选取,为了比对GWO算法的优化效果,同时选用交叉验证（Cross-validation,CV）的方法优化SVM模型参数的选取,分别建立了GWO-SVM模型和CV-SVM模型,将两种优化后的模型进行多次仿真实验对比分析。实验结果表明灰狼优化（GWO）算法优化后的模型（GWO-SVM）,各项性能指标（均方根误差RMSE,平均百分比误差MAPE,决定系数）都要优于CV-SVM模型,GWO-SVM模型合金元素收得率预估精度最高,同时稳定性最好,泛化能力以及拟合能力最优。三、建立合金加料模型。采用多目标规划的方法,结合GWO-SVM模型,建立了以最小成本并且使添加物料中杂质元素含量最少为目标的LF炉合金加料模型,该模型可以自动完成合金加料的设置,提高加料的准确性和工作效率。最后,将模型LF炉合金加料模型与实际冶炼系统并行模拟运行,验证系统的可行性,比对现场的加料组合,本文提出的模型在加料配比最小化上优于实际情况。
刘挺[9]（2020）在《基于计算机神经网络的工业电弧炉智能化控制系统设计》文中研究表明随着计算网络的发达,设计出了三层网络机构的电弧炉控制系统,就是通过控制层、设备层、管理层来实现对电弧炉及精炼炉的控制。这套系统实现使炼钢作业效率的提高和优化,并且可以优化控制和数据监控。精炼炉和电弧炉控制在采用控制专家系统的同时,提出了另外一种在精炼炉和电弧炉控制在采用控制专家系统的同时,另外提出了一种可以使用到神经网络来实现对对象的预估,这种方法可以在常规的控制器做出输出时,做出与之能呼应起来的补偿,这能够让该系统更好地应对负荷情况,还可以对外部的扰动进行补救,进而可以使控制质量得以提高。
尹嘉巍[10]（2020）在《基于PLC的皮带卸料小车智能控制系统设计》文中认为皮带卸料小车是皮带运输系统中的一种运送设备,在钢铁、化工等大型厂矿企业广泛应用,其作用是将所在皮带上游运送来的物料输送进入料仓,实现对物料的暂时或长期存储。皮带卸料小车的运行效率关系到一个企业的生产节奏,影响着企业的生产效率,因此怎样使皮带卸料小车更加稳定的运行,怎样使料仓不出现空仓或溢仓的现象值得深思。随着自动控制技术的不断发展以及厂矿对自动控制技术的应用,使得皮带卸料小车的自动化、智能化控制成为可能。本文以包钢稀土钢板材厂麦尔兹石灰窑成品皮带卸料系统为研究对象,对皮带卸料小车的智能控制系统的构成及设计进行了深入的阐述。控制系统采用西门子S7-400 PLC作为控制核心,通过传感器等现场设备实现系统的检测、控制功能,并应用西门子先进的组态软件Win CC建立监控画面,实现现场状态的远程监控。为了了解卸料控制系统的功能需求,深入生产现场进行了调研,确定了明确的控制目标,并制定了控制方案。在本课题的硬件设计过程中,本着硬件性能可靠、经济性好以及硬件与系统兼容性好、实时性好的原则,通过查阅相关设备资料、设备手册,对硬件进行了合理的选型,提出了合理的硬件设计方案,并通过PLC硬件组态实现了控制器与现场设备的连接,为软件设计打下了良好的基础。在软件设计过程中,通过对生产工艺流程的分析以及现场操作工人工作过程的了解,做出了合理的控制流程图,根据流程图进行了控制程序的编写。在监控画面设计过程中,建立了上位机与PLC之间的以太网通讯,建立了所有需要实时显示的监控点变量,本着方便操作人员使用的原则,完成了生产监控画面的制作,包括主画面、设定画面以及报警信息画面等。本系统的设计不仅可以避免由于现场环境较差引起的工人身心健康的损害,还可以提高设备的利用率,提高设备运行的安全性与稳定性,节约了生产成本,提高了工作效率。同时,采用上位机监控整个生产过程,便于工作人员对物料状态的控制与管理。
二、PROFIBUS网络在精炼炉的应用（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、PROFIBUS网络在精炼炉的应用（论文提纲范文）
（1）安钢100t电炉精炼炉控制系统升级与优化（论文提纲范文）
| 1 前言 |
| 2 精炼炉工艺流程及功能 |
| 2.1 精炼炉工艺流程 |
| 2.2 精炼炉的主要功能 |
| 3 原精炼炉控制系统的组成 |
| 3.1 主要控制系统设备组成 |
| 3.2 一级控制系统主要功能 |
| 4 存在问题及分析 |
| 5 系统升级与改造 |
| 5.1 精炼炉本体PLC和上投料PLC的控制系统升级 |
| 5.2 电极调节控制系统的升级 |
| 5.3 炉下双钢包车控制系统的优化 |
| 5.4 上投料控制系统升级后的网络优化改造 |
| 5.5 新电极调节PRIMETALS与新控制系统的兼容处理 |
| 6 应用效果 |
| 6.1 本体控制系统升级 |
| 6.2 电极调节控制系统升级 |
| 6.3 钢包车控制系统优化 |
| 6.4 控制系统升级后的网络优化 |
| 6.5 电极调节与AB-Controllogix的兼容 |
| 7 结语 |
（2）基于LSTM的VOD精炼炉终点预报模型研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 引言 |
| 1.2 国内外发展现状 |
| 1.2.1 不锈钢炼钢工艺发展现状 |
| 1.2.2 VOD精炼工艺发展现状 |
| 1.2.3 炼钢终点预报方法研究现状 |
| 1.2.4 深度学习在工业过程建模研究现状 |
| 1.3 本文的主要内容与结构安排 |
| 2 VOD精炼炉生产工艺流程与精炼机理过程分析 |
| 2.1 VOD冶炼工艺简介 |
| 2.1.1 VOD精炼技术简介 |
| 2.1.2 VOD冶炼工艺特点 |
| 2.2 VOD生产工艺流程 |
| 2.2.1 吹氧阶段生产工艺 |
| 2.2.2 真空阶段生产工艺 |
| 2.2.3 还原阶段生产工艺 |
| 2.3 VOD精炼炉精炼机理简要分析 |
| 2.3.1 精炼过程氧化还原反应 |
| 2.3.2 精炼过程速率方程分析 |
| 2.3.3 VOD精炼炉体系热量分析 |
| 2.4 VOD终点影响参数因素分析 |
| 2.4.1 终点碳含量影响因素 |
| 2.4.2 终点温度影响因素 |
| 2.5 VOD终点参数预测方法 |
| 2.5.1 终点预报模型 |
| 2.5.2 模型性能评价指标 |
| 2.6 本章小结 |
| 3 基于互信息的VOD炉输入特征选择 |
| 3.1 特征选择方法概述 |
| 3.1.1 特征选择相关知识 |
| 3.1.2 特征选择方法分类 |
| 3.2 VOD炉输入特征选择过程 |
| 3.2.1 搜索策略 |
| 3.2.2 评价函数 |
| 3.2.3 终止条件 |
| 3.2.4 结果验证 |
| 3.3 熵与互信息 |
| 3.3.1 熵,联合熵与条件熵 |
| 3.3.2 互信息与条件互信息 |
| 3.4 基于互信息的特征选择方法 |
| 3.5 本章小结 |
| 4 深度学习模型LSTM介绍及算法实验 |
| 4.1 LSTM模型发展现状 |
| 4.2 神经网络的基本结构 |
| 4.2.1 神经网络工作原理 |
| 4.2.2 多层感知机前向传播过程 |
| 4.2.3 多层感知机反向传播过程 |
| 4.3 循环神经网络 |
| 4.3.1 RNN基本结构 |
| 4.3.2 RNN前向传播过程 |
| 4.3.3 RNN反向传播过程 |
| 4.3.4 传统RNN存在的问题 |
| 4.4 LSTM神经网络 |
| 4.4.1 LSTM网络基本理论 |
| 4.4.2 LSTM网络基本结构 |
| 4.4.3 LSTM的门控结构与传播过程 |
| 4.5 LSTM算法测试实验 |
| 4.5.1 燃气轮机原理说明 |
| 4.5.2 CO排放量预测模型 |
| 4.5.3 NOx排放量预测模型 |
| 4.6 本章小结 |
| 5 VOD精炼炉终点参数预报模型 |
| 5.1 VOD预报模型输入参数的确定 |
| 5.2 LSTM网络模型的损失函数选择 |
| 5.2.1 平均绝对误差 |
| 5.2.2 均方误差和均方根误差 |
| 5.3 模型泛化能力的提升 |
| 5.3.1 提前停止和保存最优模型 |
| 5.3.2 模型参数设置 |
| 5.3.3 数据预处理 |
| 5.4 VOD精炼炉终点预测模型的建立 |
| 5.4.1 支持向量机模型 |
| 5.4.2 基于互信息的LSTM预测模型 |
| 5.5 本章总结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间参与的项目 |
（5）基于流程网络仿真的钢铁企业炼钢调度和能源优化（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 炼钢生产优化调度问题研究现状 |
| 1.2.1 炼钢生产调度的特点及难点 |
| 1.2.2 炼钢生产调度问题的研究方向 |
| 1.2.3 生产调度问题主要研究方法 |
| 1.2.4 当前研究中的不足和局限性 |
| 1.3 能源优化调配问题研究现状 |
| 1.3.1 能源产耗模型的研究 |
| 1.3.2 单一能源介质的优化模型的研究 |
| 1.3.3 多能源介质的优化模型的研究 |
| 1.3.4 当前研究中的不足和局限性 |
| 1.4 研究思路及技术路线 |
| 1.5 本论文主要研究内容和创新点 |
| 1.5.1 研究内容 |
| 1.5.2 创新点 |
| 2 基于多智能体技术的炼钢流程仿真优化模型 |
| 2.1 建模方案 |
| 2.2 基于多智能体的仿真优化模型 |
| 2.2.1 多智能体基本概念 |
| 2.2.2 智能体体系结构 |
| 2.2.3 智能体基本结构 |
| 2.2.4 智能体状态划分 |
| 2.2.5 物料智能体 |
| 2.2.6 设备管理智能体 |
| 2.2.7 设备智能体 |
| 2.2.8 天车管理智能体 |
| 2.2.9 天车智能体 |
| 2.2.10 智能体任务协调流程 |
| 2.3 本章总结 |
| 3 炼钢-连铸流程仿真优化模型实现及仿真分析 |
| 3.1 炼钢-连铸生产工艺流程及阶段 |
| 3.2 生产工艺流程特点 |
| 3.3 技术方案 |
| 3.3.1 仿真优化流程 |
| 3.3.2 多智能体模型实例化 |
| 3.3.3 作业时间波动分析 |
| 3.4 案例分析 |
| 3.4.1 仿真优化分析 |
| 3.4.2 多场景下的生产调度 |
| 3.5 本章总结 |
| 4 高速工具钢炼钢流程仿真优化模型实现及仿真分析 |
| 4.1 高速工具钢生产工艺流程及阶段 |
| 4.2 生产工艺流程特点 |
| 4.3 技术方案 |
| 4.3.1 仿真优化流程 |
| 4.3.2 多智能体模型实例化 |
| 4.4 案例分析 |
| 4.4.1 案例描述 |
| 4.4.2 冶炼浇铸流程优化调整 |
| 4.4.3 电渣工序优化调整 |
| 4.4.4 设备故障调整 |
| 4.4.5 炉次优化调整 |
| 4.5 本章总结 |
| 5 能量流网络模型 |
| 5.1 能源系统分析 |
| 5.1.1 能源消耗分析 |
| 5.1.2 能源平衡分析 |
| 5.1.3 能源转换分析 |
| 5.1.4 能源系统特点总结 |
| 5.2 能量流网络模型 |
| 5.2.1 能量流网络结构描述 |
| 5.2.2 主工序能量流模型 |
| 5.2.3 分介质能量流网络模型 |
| 5.2.4 能量流网络集成模型 |
| 5.3 煤气能量流网络中主工序节点模型 |
| 5.3.1 煤气产耗波动特点 |
| 5.3.2 煤气主工序节点模型 |
| 5.3.3 模型验证 |
| 5.4 电力能量流网络中主工序节点模型 |
| 5.4.1 负荷波动特点 |
| 5.4.2 电力负荷主工序节点模型 |
| 5.4.3 模型验证 |
| 5.5 本章总结 |
| 6 基于能量流网络动态仿真的能源优化调配 |
| 6.1 基于调度规则的仿真优化模型 |
| 6.1.1 基于规则的整体调配流程 |
| 6.1.2 燃气调配计算逻辑 |
| 6.1.3 蒸汽调配计算逻辑 |
| 6.1.4 电力调配计算逻辑 |
| 6.2 基于优化算法的仿真优化模型 |
| 6.2.1 仿真优化调配流程 |
| 6.2.2 目标函数 |
| 6.2.3 约束条件 |
| 6.2.4 模型求解 |
| 6.3 能源仿真优化模型软件化 |
| 6.4 案例分析 |
| 6.4.1 案例说明 |
| 6.4.2 基于调度规则的能源仿真计算 |
| 6.4.3 基于优化算法的能源仿真分析 |
| 6.5 本章总结 |
| 7 结论和展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 在学科研工作及发表论文 |
| 致谢 |
（6）炼钢—连铸生产调度与钢包选配的集成优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题的来源、研究背景意义 |
| 1.1.1 课题来源与目的 |
| 1.1.2 研究背景及意义 |
| 1.2 炼钢-连铸生产调度与钢包选配问题相关概述 |
| 1.2.1 炼钢-连铸生产流程 |
| 1.2.2 炼钢-连铸生产调度的作用及特点 |
| 1.2.3 钢包选配的作用及特点 |
| 1.3 国内外研究现状 |
| 1.3.1 炼钢-连铸生产调度的研究现状 |
| 1.3.2 钢包选配问题的研究现状 |
| 1.4 存在的问题及发展动态分析 |
| 1.5 本文内容与结构 |
| 第2章 带可重入精炼工序的炼钢-连铸生产调度优化 |
| 2.1 引言 |
| 2.2 SCC问题描述 |
| 2.2.1 SCC生产过程概述 |
| 2.2.2 求解难度分析 |
| 2.3 SCC模型构建 |
| 2.3.1 机器能力约束 |
| 2.3.2 设备资源约束 |
| 2.3.3 时序约束 |
| 2.3.4 完整性约束及参数定义域 |
| 2.3.5 目标函数 |
| 2.4 增广拉格朗日乘子法设计 |
| 2.4.1 增广拉格朗日松弛问题构造 |
| 2.4.2 增广拉格朗日对偶问题求解 |
| 2.5 案例分析 |
| 2.5.1 增广拉格朗日算法的可行性分析 |
| 2.5.2 增广拉格朗日算法的改进性能分析 |
| 2.6 本章小结 |
| 第3章 给定调度方案下的钢包选配优化 |
| 3.1 引言 |
| 3.2 钢包选配问题描述 |
| 3.1.1 钢包选配问题的意义 |
| 3.1.2 钢包选配的约束条件和性能指标 |
| 3.3 钢包选配调度模型 |
| 3.3.1 参数符号及其定义 |
| 3.3.2 钢包分配和排序约束 |
| 3.3.3 时序约束 |
| 3.3.4 生产调度与钢包选配的关系约束 |
| 3.3.5 能效目标 |
| 3.3.6 钢包选配问题的示例说明 |
| 3.4 基于启发式规则的钢包选配方法 |
| 3.4.1 钢包选配规则提取 |
| 3.4.2 基于规则优先级的钢包选配策略 |
| 3.5 基于MBO钢包优化选配方法 |
| 3.5.1 编码方式和启发式初始化算法 |
| 3.5.2 两种邻域解生成算子 |
| 3.5.3 基于SA动态接受准则 |
| 3.5.4 基于队列重组的竞争机制 |
| 3.6 钢包选配仿真实验 |
| 3.6.1 IMBO算法参数校验 |
| 3.6.2 算法改进性能分析 |
| 3.6.3 与其他算法对比分析 |
| 3.7 本章小结 |
| 第4章 炼钢-连铸生产调度与钢包选配的集成优化 |
| 4.1 引言 |
| 4.2 面向能效的炼钢-连铸生产调度与钢包选配集成问题描述 |
| 4.3 集成问题建模 |
| 4.3.1 分配和排序约束 |
| 4.3.2 时序约束 |
| 4.3.3 生产调度与钢包选配的耦合关系约束 |
| 4.3.4 能效目标 |
| 4.4 集成优化的调度策略 |
| 4.4.1 生产调度的设备指派和操作定时 |
| 4.4.2 物料运输的规则提取策略 |
| 4.5 基于MBO炼钢连铸集成优化调度方法 |
| 4.5.1 编码方式和启发式初始化算法 |
| 4.5.2 联合邻域搜索策略 |
| 4.5.3 新解的接受准则 |
| 4.5.4 基于队列信息互换的竞争机制 |
| 4.6 数值实验 |
| 4.6.1 案例生成 |
| 4.6.2 参数校验 |
| 4.6.3 集成优化方法节能本质的微观性分析 |
| 4.6.4 集成与非集成的宏观分析 |
| 4.6.5 EMBO算法对小规模案例的有效性检验 |
| 4.6.6 针对中大规模,EMBO对比其他算法的性能评估 |
| 4.7 本章小结 |
| 第5章 炼钢生产调度问题的实例分析 |
| 5.1 引言 |
| 5.2 工业实验对象描述 |
| 5.2.1 生产设备及功能介绍 |
| 5.2.2 设备条件 |
| 5.2.3 生产工艺特点 |
| 5.3 SCC智能生产控制系统 |
| 5.3.1 功能需求 |
| 5.3.2 智能优化的功能 |
| 5.4 工业实验 |
| 5.4.1 工程案例介绍 |
| 5.4.2 案例验证 |
| 5.5 本章小结 |
| 第6章 结论与展望 |
| 6.1 全文总结 |
| 6.2 创新之处 |
| 6.3 工作展望 |
| 致谢 |
| 参考文献 |
| 附录1 攻读博士学位期间取得的科研成果 |
| 附录2 攻读博士学位期间参加的科研项目 |
（7）RH精炼炉用新型Al-Al2O3-MgO耐火材料应用性能研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 引言 |
| 2 研究背景与意义 |
| 2.1 RH精炼与耐火材料 |
| 2.1.1 RH精炼工艺 |
| 2.1.2 RH精炼炉用耐火材料 |
| 2.1.3 RH精炼炉无铬化研究进展 |
| 2.2 金属-氧化物复合耐火材料 |
| 2.3 AlON材料性能 |
| 2.3.1 AlN-Al_2O_3二元系相关系 |
| 2.3.2 AlON组成与结构 |
| 2.3.3 AlON合成方法 |
| 2.3.4 AlON材料性能 |
| 2.4 MgAlON材料性能 |
| 2.4.1 MgAlON尖晶石物相关系 |
| 2.4.2 MgAlON组成与结构 |
| 2.4.3 MgAlON合成方法 |
| 2.4.4 MgAlON材料性能及其在耐火材料领域应用 |
| 2.5 研究内容和创新点 |
| 2.5.1 研究内容 |
| 2.5.2 论文创新点 |
| 2.5.3 使用设备及性能测试标准 |
| 3 气氛对以刚玉和镁砂为原料合成镁铝尖晶石的影响研究 |
| 3.1 引言 |
| 3.2 实验过程 |
| 3.2.1 试样制备 |
| 3.2.2 试样表征 |
| 3.3 实验结果 |
| 3.3.1 物相表征与分析 |
| 3.3.2 组织结构表征与分析 |
| 3.3.3 物理性能表征与分析 |
| 3.4 讨论与分析 |
| 3.5 本章小结 |
| 4 Al-Al_2O_3-MgO耐火材料中MgAlON演变机理研究 |
| 4.1 引言 |
| 4.2 合成MgAlON材料热力学评估 |
| 4.3 AluOv气相产物热力学评估及Al-AlN核膜结构设计 |
| 4.4 Al-Al_2O_3-MgO耐火材料中MgAlON演变机理研究 |
| 4.4.1 实验过程 |
| 4.4.2 实验结果 |
| 4.4.3 讨论与分析 |
| 4.5 本章小结 |
| 5 Al-Al_2O_3-MgO耐火材料蠕变性能研究 |
| 5.1 引言 |
| 5.2 实验过程 |
| 5.2.1 试样制备 |
| 5.2.2 试样表征 |
| 5.3 实验结果 |
| 5.3.1 蠕变性能分析 |
| 5.3.2 物相分析 |
| 5.3.3 微观结构分析 |
| 5.4 讨论与分析 |
| 5.5 本章小结 |
| 6 Al-Al_2O_3-MgO耐火材料在RH精炼炉试用 |
| 6.1 引言 |
| 6.2 Al-Al_2O_3-MgO耐火材料检测样品制备 |
| 6.2.1 试样制备 |
| 6.2.2 试样表征 |
| 6.3 Al-Al_2O_3-MgO耐火材料性能检测 |
| 6.4 Al-Al_2O_3-MgO耐火材料在RH精炼炉应用 |
| 6.4.1 Al-Al_2O_3-MgO耐火材料试验产品制备 |
| 6.4.2 在250 t RH精炼炉应用 |
| 6.5 本章小结 |
| 7 Al-Al_2O_3-MgO与电熔再结合镁铬耐火材料损毁机理研究 |
| 7.1 引言 |
| 7.2 实验过程 |
| 7.2.1 试样制备 |
| 7.2.2 试验条件 |
| 7.2.3 试样表征 |
| 7.3 耐火材料抗RH炉渣侵蚀性能 |
| 7.3.1 耐火材料在炉渣中损毁方式 |
| 7.3.2 RH精炼渣与Al-Al_2O_3-MgO耐火材料反应热力学评估 |
| 7.3.3 Al-Al_2O_3-MgO与镁铬耐火材料抗A类型渣侵蚀性能 |
| 7.3.4 耐火材料受A类型渣侵蚀后表征 |
| 7.3.5 Al-Al_2O_3-MgO与镁铬耐火材料抗B类型渣侵蚀性能 |
| 7.3.6 耐火材料受B类型渣侵蚀后表征 |
| 7.3.7 Al-Al_2O_3-MgO耐火材料侵蚀机理分析 |
| 7.4 本章小结 |
| 8 结论 |
| 参考文献 |
| 作者简历及在学研究成果 |
| 学位论文数据集 |
（8）基于数据的LF炉合金优化系统控制模型的研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 主要研究内容 |
| 1.4 论文章节安排 |
| 第2章 LF炉精炼技术介绍 |
| 2.1 LF炉组成与工艺流程 |
| 2.2 LF炉合金化操作 |
| 2.3 本章小结 |
| 第3章 合金元素收得率预估模型的建立 |
| 3.1 数据预处理 |
| 3.1.1 数据的获取与清洗 |
| 3.1.2 数据筛选 |
| 3.2 基于支持向量机建立合金元素收得率预估模型 |
| 3.2.1 支持向量机算法简介 |
| 3.2.2 SVM回归模型结构 |
| 3.2.3 构建SVM模型步骤 |
| 3.2.4 SVM模型仿真结果 |
| 3.3 本章小结 |
| 第4章 GWO算法改进的SVM模型 |
| 4.1 建立基于GWO算法的优化SVM模型 |
| 4.1.1 算法简介 |
| 4.1.2 GWO算法流程 |
| 4.1.3 GWO算法优化SVM模型的建立 |
| 4.2 优化后模型的预估结果比对分析 |
| 4.3 本章小结 |
| 第5章 LF炉合金加料模型开发 |
| 5.1 基于多目标规划求合金加料配比最优方案 |
| 5.2 LF炉合金加料模型在系统中的仿真分析 |
| 5.3 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和科研成果 |
| 致谢 |
（9）基于计算机神经网络的工业电弧炉智能化控制系统设计（论文提纲范文）
| 1 控制系统的组成 |
| 2 网络通信的TCP/IP编程 |
| 3 采用电弧炉法来控制神经网络的算法 |
| 4 应用 |
| 5 结论 |
（10）基于PLC的皮带卸料小车智能控制系统设计（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 选题背景与目的 |
| 1.2 研究现状 |
| 1.2.1 过程控制研究现状 |
| 1.2.2 皮带卸料车控制的现状研究 |
| 1.3 本文研究内容及结构安排 |
| 第二章 料仓布料工艺流程及自动布料控制需求分析 |
| 2.1 麦尔兹窑成品系统工艺流程 |
| 2.2 布料系统简介 |
| 2.3 移动式卸料小车操作过程 |
| 2.4 布料系统的控制目标 |
| 2.5 本章小结 |
| 第三章 控制系统的设计方案 |
| 3.1 卸料小车自动运行控制流程 |
| 3.2 料仓料位的控制策略 |
| 3.3 卸料小车控制策略 |
| 3.4 本章小结 |
| 第四章 布料小车控制系统的硬件设计 |
| 4.1 硬件设计原则 |
| 4.2 控制系统的硬件设计方案 |
| 4.2.1 上位监控系统的选择 |
| 4.2.2 可编程逻辑控制器的选择 |
| 4.2.3 检测设备及仪表选型 |
| 4.2.4 PLC控制设计 |
| 4.3 STEP7硬件组态 |
| 4.3.1 硬件组态 |
| 4.3.2 PROFIBUS通信设计 |
| 4.3.3 分布式I/O组态 |
| 4.4 执行机构硬件设计 |
| 4.5 本章小结 |
| 第五章 布料小车控制系统的软件设计 |
| 5.1 控制系统操作功能设计 |
| 5.2 卸料小车智能控制系统的程序设计 |
| 5.2.1 模拟量采集转换子程序 |
| 5.2.2 信号处理子程序 |
| 5.2.3 料位比较子程序 |
| 5.2.4 卸料小车控制子程序 |
| 5.3 控制系统监控画面设计 |
| 5.3.1 WinCC画面组态 |
| 5.3.2 控制系统主画面设计 |
| 5.3.3 入库报表画面 |
| 5.3.4 预停止值设定画面 |
| 5.3.5 报警信息显示 |
| 5.4 本章小结 |
| 第六章 系统测试 |
| 6.1 网络及信号传输测试 |
| 6.1.1 网络测试 |
| 6.1.2 信号测试 |
| 6.2 设备运行测试及应用效果分析 |
| 6.3 本章小结 |
| 第七章 结束语 |
| 参考文献 |
| 致谢 |
四、PROFIBUS网络在精炼炉的应用（论文参考文献）
- [1]安钢100t电炉精炼炉控制系统升级与优化[J]. 李明,王岚潇. 自动化博览, 2021(12)
- [2]基于LSTM的VOD精炼炉终点预报模型研究[D]. 涂芝润. 西安理工大学, 2021
- [3]120吨双工位精炼炉电极旋转控制研究[D]. 冯俊辉. 辽宁科技大学, 2021
- [4]精炼炉钢液温度预测与精炼过程优化研究[D]. 张航. 内蒙古科技大学, 2021
- [5]基于流程网络仿真的钢铁企业炼钢调度和能源优化[D]. 梁青艳. 钢铁研究总院, 2021(01)
- [6]炼钢—连铸生产调度与钢包选配的集成优化研究[D]. 韩大勇. 武汉科技大学, 2021(01)
- [7]RH精炼炉用新型Al-Al2O3-MgO耐火材料应用性能研究[D]. 仝尚好. 北京科技大学, 2021(02)
- [8]基于数据的LF炉合金优化系统控制模型的研究[D]. 敖翔. 沈阳理工大学, 2021(01)
- [9]基于计算机神经网络的工业电弧炉智能化控制系统设计[J]. 刘挺. 工业加热, 2020(10)
- [10]基于PLC的皮带卸料小车智能控制系统设计[D]. 尹嘉巍. 内蒙古大学, 2020(05)