1、链-回-环球团生产的神经网络质量预测软件Software Guideline-The Quality Prediction of Iron Ore Pellets in G-K-C System Using Artificial Neural Network冯俊小质量预测与链-回-环球团生产1BP神经网络L-M优化算法2球团质量预测系统3预测结果及关系曲线4软件说明5质量预测系统有利于产线即时发现问题、定位问题、解决问题。质量预测系统有利于产线即时发现问题、定位问题、解决问题。课题背景及意义质量预测与链-回-环球团生产 回转窑转速的增加会使强度下降。只对最终产品质量预测,未体现设备分离的优点T
2、he Quality Prediction of Iron Ore Pellets in G-K-C System Using Artificial Neural Network 回转窑转速的增加会使强度下降。(1)预测的误差均小于3%,预测精度高,泛化性能好,完全可以满足目前生产的实际要求。质量预测与链-回-环球团生产而窑头窑尾温度的提高均可以提高球团的强度。膨润土含量的增加可以大大加强球团的强度,质量预测系统有利于产线即时发现问题、定位问题、解决问题。SiO2的含量与球团的强度之间表现为先增后减的趋势,FeO和Al2O3含量的增 回转窑转速的增加会使强度下降。加则均会导致球团强度的下降,成
3、品球团的化学成分也与球团的强度有着一定的关系。(1)预测的误差均小于3%,预测精度高,泛化性能好,完全可以满足目前生产的实际要求。链-回-环生产流程生生产产设设备备多多生生产产周周期期长长有有中中间间产产品品预测质量参数,预测质量参数,评价中间性能,评价中间性能,减小叠加误差。减小叠加误差。国内国外东北大学辽宁科技大学鞍山海汇自动化公司鞍钢弓长岭球团厂TATA JSW steel算法优势,数据降维处理导致物理意义缺失,只对最终产品质量预测,未体现设备分离的优点带式焙烧机,规律研究,Levenberg-Marquardt优化算法1()TTwJ JIJ e,1,1,mk qk qi qi qmmm
4、i hi hj qmmmmhi ji qi ji jeeenJSS awwwwmimiESn11()()mmmTmqqqSE nwS121mmSSSS归一化处理统一学习数据地位防止函数输出饱和平均误差表现函数minmaxmin1,2,1,2,ijjjjxxxim jnxx,maxminmin(),1,2,1,2,ijijjjjxxxxxim jn0102030405060708000.10.20.30.40.50.60.70.80.91成品球质量预测模型tansigpureline实际实际值值294428002898230624132462236025332400245026082293262
5、823042319预测值2850.52 2784.26 2897.87 2355.83 2459.88 2494.33 2390.27 2425.84 2371.55 2451.73 2609.61 2235.03 2618.06 2474.202287.6平均绝对误差为34.39N,平均相对误差为1.34%。线性回归系数为0.906。实际实际值值266227492543266623652710241529662460304025632541234026422904预测值2667.48 2729.54 2522.49 2891.44 2464.18 2683.44 2170.02 2926.8
6、0 2756.39 2917.64 2626.28 2686.46 2295.81 2518.892908.13平均绝对误差为72.93N,平均相对误差为2.78%,线性回归系数为0.741。干球质量预测模型tansigpureline实际实际值值660539576673742890900595679666710557571646616预测值666.82506.51593.45664.02731.36896.11892.89632.46673.96659.51706.71606.12580.03641.21609.25平均绝对误差为12.05N,平均相对误差为1.69%,线性回归系数为0.90
7、9。实际实际值值591590672687803729783682712875652811770868737预测值628.25604.27690.24694.57814.31712.12752.61681.14753.82814.94667.95852.57714.61890.13729.89平均绝对误差为20.13N,平均相对误差为2.71%,线性回归系数为0.902。生球质量预测模型tansigpureline实际实际值值6.06.46.06.66.26.26.26.46.06.26.06.46.26.46.4预测值6.0 6.4 6.0 6.6 6.2 6.2 6.2 6.4 6.0 6.
8、2 6.0 6.4 6.1 6.4 6.3 平均绝对误差为0.018,平均相对误差为0.3%,线性回归系数为0.964。实际实际值值6.26.26.26.26.26.26.66.46.46.46.26.26.26.46.4预测值6.36.26.16.36.36.36.46.36.36.36.16.26.26.56.3平均绝对误差为0.08,平均相对误差为1.22%,线性回归系数为0.714。数据保存数据保存ANN参数设定参数设定预测输出预测输出 学习训练学习训练网络保存网络保存 软件功能及结构图 回转窑转速的增加会使强度下降。回转窑转速的增加会使强度下降。Software Guideline-
9、只对最终产品质量预测,未体现设备分离的优点 环冷机由于运行状态较为稳定,因此生产数据均分布在工艺制度范围内,其对球团质量的影响比较有限,随着环冷机机速的增加,球团的质量会逐渐下降。TATA JSW steel 回转窑转速的增加会使强度下降。回转窑转速的增加会使强度下降。Levenberg-Marquardt优化算法(3)本文还以建立的质量预测模型系统为工具,绘制了关系曲线。TATA JSW steel加则均会导致球团强度的下降,回转窑转速的增加会使强度下降。质量预测与链-回-环球团生产质量预测与链-回-环球团生产序号变量单位平均值1生球水分%9.02膨润土配比%1.343链篦机转速m/min3
10、.034料层厚度mm185.145链篦机风温772.86干球亚铁%3.947回转窑转速r/min0.998窑尾温度974.569窑头温度1004.7910窑头球亚铁%1.8611成球FeO%0.2112成球SiO2%5.1413成球Al2O3%0.7814环冷机转速m/min1.1715成品球皮带料温24.19生球水分膨润土含量FeO 含量 FeO 含量0.27%矿相 FeO 含量0.2%矿相SiO2含量Al2O3含量链篦机机速料层厚度1/2/(60 1.77)moWiD n回转窑转速窑尾温度窑头温度环冷机机速成品皮带料温课题结论 (1)预测的误差均小于3%,预测精度高,泛化性能好,完全可以满
11、足目前生产的实际要求。(2)VB对COM组件计算模块的调用,实现该系统界面友好,软件占用空间小、计算速度高等优点。通过VB语言编写的文件系统,使得用户可以随时对历史数据的归纳总结后的网络文件进行存储和调用,大大方便了历史生产数据的处理和重新调用。(3)本文还以建立的质量预测模型系统为工具,绘制了关系曲线。该曲线规律凝结和提炼了生产线大量数据归纳总结的宝贵经验,对实际生产有重大的指导意义。随着生球水分增大,球团强度有着先增后减的趋势,膨润土含量的增加可以大大加强球团的强度,成品球团的化学成分也与球团的强度有着一定的关系。SiO2的含量与球团的强度之间表现为先增后减的趋势,FeO和Al2O3含量的
12、增 加则均会导致球团强度的下降,链篦机机速和料层厚度的增加都会导致球团强度的下降,在满足产量的要求下,更长的干燥预热时间和更薄的料层都会提高成品球团的强度。回转窑转速的增加会使强度下降。而窑头窑尾温度的提高均可以提高球团的强度。环冷机由于运行状态较为稳定,因此生产数据均分布在工艺制度范围内,其对球团质量的影响比较有限,随着环冷机机速的增加,球团的质量会逐渐下降。但其下降范围仍在2500N以上。网络参数设定区网络参数设定区训练参数设定区训练参数设定区文件路径显示区文件路径显示区输入数据显示区输入数据显示区输出数据显示区输出数据显示区质量预测与链-回-环球团生产 回转窑转速的增加会使强度下降。数据
13、降维处理导致物理意义缺失,环冷机由于运行状态较为稳定,因此生产数据均分布在工艺制度范围内,其对球团质量的影响比较有限,随着环冷机机速的增加,球团的质量会逐渐下降。回转窑转速的增加会使强度下降。只对最终产品质量预测,未体现设备分离的优点数据降维处理导致物理意义缺失,只对最终产品质量预测,未体现设备分离的优点BP神经网络L-M优化算法BP神经网络L-M优化算法新建,编辑或保存cpl文件质量预测系统有利于产线即时发现问题、定位问题、解决问题。只对最终产品质量预测,未体现设备分离的优点 膨润土含量的增加可以大大加强球团的强度,TATA JSW steel网络按键数据按键读取文件Bpn文件读取文件后工作
14、目录下文件列表调出com组件编辑器新建,编辑或保存cpl文件而窑头窑尾温度的提高均可以提高球团的强度。回转窑转速的增加会使强度下降。(1)预测的误差均小于3%,预测精度高,泛化性能好,完全可以满足目前生产的实际要求。The Quality Prediction of Iron Ore Pellets in G-K-C System Using Artificial Neural NetworkSiO2的含量与球团的强度之间表现为先增后减的趋势,FeO和Al2O3含量的增数据降维处理导致物理意义缺失,膨润土含量的增加可以大大加强球团的强度,只对最终产品质量预测,未体现设备分离的优点但其下降范围仍在2500N以上。BP神经网络L-M优化算法质量预测与链-回-环球团生产 环冷机由于运行状态较为稳定,因此生产数据均分布在工艺制度范围内,其对球团质量的影响比较有限,随着环冷机机速的增加,球团的质量会逐渐下降。回转窑转速的增加会使强度下降。质量预测与链-回-环球团生产 成品球团的化学成分也与球团的强度有着一定的关系。选取M文件