LF炉精炼过程中钢水温度变化研究

对LF精炼过程中影响温度变化的主要因素(包括LF精炼进站温度、通电时间、软吹时间、精炼总处理时间、石灰加入量及Al加入量)进行了统计分析,并在此基础上利用多元线性回归方法建立了钢水温度变化模型。将实际生产过程中相关数据采用模型进行计算,计算温度与实际温度误差在±10℃的比例达到了86%以上,对现场生产具有一定的指导作用。通过对模型进行分析得知,引起精炼过程中温度降低的因素依次为精炼时间、炉料加入量及软吹时间。且通过优化吹氩制度、缩短精炼时间可以有效的减少钢水温度损失。

基于支持向量回归与极限学习机的高炉铁水温度预测

选取某4000 m^(3)级别高炉2014年至2019年时间范围内的日平均数据,以铁水温度为目标函数,首先对铁水温度的特征参量进行线性与非线性相关性分析、特征选择与规范化处理,获取了显著影响铁水温度的正负相关性特征参量.在此基础上,基于支持向量回归与极限学习机两种算法对铁水温度构建预测模型,模型均可对铁水温度实现有效预测,基于支持向量回归算法构建的预测模型较优,预测平均绝对误差为4.33℃,±10℃误差范围内的命中率为94.0%.

湿热地区城市热环境评价指标的简化计算方法

针对室外热环境评价指标——湿球黑球温度在实测和数值计算中较难获得的问题,于夏季在湿热地区广州收集了空气干球温度、湿球温度、黑球温度、相对湿度、风速、太阳辐射和湿球黑球温度等数据,对收集的数据进行相关性分析和回归分析.相关性分析结果表明:空气温度、相对湿度、太阳辐射与湿球黑球温度具有一定的线性相关性,可以用作湿球黑球温度的简化计算参数;回归分析结果表明:回归的关联式与实测湿球黑球温度的相关性较高,并且满足多元线性回归的各项检验,因此具有较高的可信度,可以在城市热环境的实测评价和数值预测过程中,作为湿球黑球温度的简化计算方法来使用.

基于支持向量回归的金属谐振陀螺多元温度补偿方法

针对金属谐振陀螺随温度漂移的问题,提出了一种基于支持向量回归的多元温度补偿方法。首先分析温度、温度梯度及温度变化率对陀螺输出的影响,在此基础上设计全温区实验,采用小波去噪对实验数据进行预处理,然后根据金属谐振陀螺输出特性,综合每次实验陀螺输出的微小变化,选择径向基核函数对实验数据进行特征提取,并基于此建立基于温度、温度变化率及温度梯度的多元补偿模型,剔除非相关项,最终得到金属谐振陀螺多元温度补偿模型。实验结果表明,此方法可有效提高金属谐振陀螺的温度性能,全温区陀螺零偏稳定性提高一个量级以上。

室内高温环境评价指标简化计算方法

针对室内高温环境评价指标湿球黑球温度(WBGT)在现场实测和模拟预测中较难获得的问题,搭建了高温环境测试平台,对不同热源温度下室内环境的基本参数空气温度、相对湿度、辐射热强度、风速和WBGT进行了测试和数据收集。通过对室内环境基本参数和WBGT进行相关性分析和回归分析,得到了环境基本参数表示的WBGT关联式。结果表明:室内空气温度和辐射热强度与WBGT具有较高的线性相关度;所得关联式满足多元线性回归的各项检验,并且由该式得到的室内WBGT预测值和实测值相符程度较高,认为关联式有很高的可信度,可作为WBGT值简化计算方法。

涟钢KR法脱硫过程铁水温度变化规律研究

采用多元线性回归方法建立了涟钢KR法铁水预处理过程中铁水温度的变化模型,并利用此模型对涟钢KR法处理过程中铁水温度变化规律和影响脱硫过程温降的主要因素进行研究。结果表明,导致铁水温降的主要因素依次是搅拌时间、脱硫剂量、脱后扒渣时间和铁水等待时间;采用KR法处理过程中,铁水温降为24~53℃,允许KR处理最低温度约为1 210℃;通过合理确定脱硫剂加入量及搅拌强度、提高扒渣速度和缩短铁水等待时间可减少过程温降,降低处理成本。

基于多元线性回归的烘丝出口水分影响因素的研究

在制丝生产线中滚筒式烘丝机是关键设备之一,通过干燥方法来去除叶丝或梗丝中的水分,使其含水率从18%左右下降至13%左右,同时含水率允差控制在±0.5%以内,满足卷烟工艺技术要求。采用多元线性回归分析方法,通过对烘丝入口水分稳定变化下适时调整烘丝风速,以达到稳定出口水分数据的分析,计算出出口叶丝含水率与HT入口烟丝含水率、HT蒸汽压力、筒壁温度的回归方程。通过试验验证得出,在实际制丝线生产过程中,当HT入口水分发生变化时,按照该方程可以有效指导热风风速的调整。

铁水预脱硫综合预报模型的研发

为准确预测复合喷吹铁水预脱硫终点硫含量,降低成本并减少二次喷吹,将多元回归模型、增量模型和神经元网络模型相结合,开发了复合喷吹铁水预脱硫综合预报模型。综合模型以增量模型为基础,利用神经元模型动态检索参照炉次,并用多元回归模型进行增量计算及结果筛查,比单一模型的偏差比例降低至少50%以上,提高了模型的准确性和稳定性。其在河钢集团唐钢不锈钢公司实际生产中获得了良好应用,钝化镁消耗率降低10 kg/炉,脱硫一次处理的终点命中率达8%以上,取得了显著的经济效益。

基于T-S模糊神经网络模型的高炉铁水温度预测建模

针对高炉炉温与铁水硅含量呈正相关而非严格的线性关系和机制建模的主观性以及其难以建立各变量之间隐含的数学关系等的不足,在数据挖掘理论的基础上,对海量的样本数据进行预处理和特征提取,然后以高炉铁水温度为研究对象,建立了基于T-S模糊神经网络的高炉铁水温度预测模型。最后,应用某高炉数据进行模型验证,并将该模型与T-S模糊多元回归模型以及BP神经网络模型进行比较研究,仿真结果表明T-S模糊神经网络模型的有效性和优越性。

面向热轴故障的高速列车轴温阈值预测模型

针对现有基于车轴温度固定阈值的故障检测系统适应性差且误报率、漏报率高的问题,综合考虑列车速度、环境温度与运行工况等因素对轴温的影响以及各因素之间的关系,建立了高速列车轴温动态阈值预测模型;考虑高速列车在不同运行工况下轴温变化的差异特征,将列车运行状态分为加速、匀速和减速3个阶段,并针对每个阶段运用皮尔逊相关系数法分析列车速度、环境温度、荷载等原始监测数据以及各阶段运行时间、初始轴温等衍生数据与轴温的相关程度;提取与轴温变化密切相关的因素,基于多元回归分析方法,针对列车的3个运行阶段,分别建立基于原始监测数据的轴温动态阈值预测模型和基于原始监测数据与衍生数据的改进轴温动态阈值预测模型,并采用F检验方法对模型的有效性进行检验,基于中国高速列车实测轴温数据对模型的正确性进行了验证。研究结果表明:列车在加速、匀速与减速3个阶段中,轴温真实值与改进轴温动态阈值预测模型预测值的平均相对误差分别为2.0%、4.1%和3.3%;相对于基于原始监测数据的轴温动态阈值预测模型,3个阶段中改进轴温动态阈值预测模型的预测精确度分别提高了79.8%、64.3%和65.6%;改进预测模型的决定系数大于0.99,显著性概率小于0.05,表明模型有效。