烧结终点预报对于提高烧结矿强度和产量、降低能耗具有重要意义,但是烧结终点状态受多种因素影响,无法直接检测,只能由操作工依据经验进行判断,严重影响了烧结生产的稳定运行.本系统运用K均值聚类分析的样本优选方法对海量数据进行处理,选择具有代表性的样本,从而有效缩小样本空间、改善样本质量.使用风箱温度曲线计算废气温度上升点和烧结终点软测量值,以台车速度和点火温度作为输入,采用BP神经网络模型,对烧结终点位置进行预报.在实际应用中,该模型预报结果较准确地反映了烧结终点位置的变化,起到了稳定生产、节约能源的作用.

作 者：

汪春鹏 WANG Chun-peng  

作者单位：

山钢股份莱芜分公司自动化部,山东莱芜,271104 

刊 名：

测控技术  ISTIC PKU

英文刊名：

Measurement & Control Technology 

年，卷(期)：

2017 36(3) 

基金项目：