论文部分内容阅读
以传统的物料平衡和热量平衡为基础,对炼铜转炉中最新的300炉历史数据进行动态仿真,计算出吹炼过程中每隔1min的熔体主要元素组成和熔体温度,然后对之进行四次曲线拟合,将拟合出的系数作为人工神经网络的输出,优化模块中优化出的操作参数和部分原始数据作为神经网络的输入,经过训练,使之能模拟吹炼过程中的炉况变化,达到炉况监控的目的。可以通过不断增加样本数,使网络进行自学习,并组合成为炼铜转炉炉况实时预报系统。该系统成功地应用于某厂的炼铜转炉中,2000年6~10月经过四个多月的试运行,炉况实时预报系统使操作人员按