【技术实现步骤摘要】
本专利技术属于炼钢
，涉及。
技术介绍
随着炼钢厂生产精细化程度的提高，对钢水温度控制要求越来越高，及时准确地获取各个工序钢水温度的要求更加迫切。传统的热电偶测量方法的缺点是劳动强度大、测量的准确性和稳定性不高、无法进行连续测量，且数据反馈滞后，不能适应紧凑高效的现代化生产。由于不能及时准确地获取钢水温度，导致很多企业较大幅度地提高转炉出钢温度， 浪费了大量能源。由于炼钢厂各个工序之间存在着复杂的物理化学反应和传递现象，很难使用机理或数学模型加以描述。Jose Manuel等使用人工神经网络(Artificial Neural Network, ANN)作为分类器，并设计模糊推理函数预测电炉出钢温度；毛志忠等结合传统机理模型和智能方法，并采用改进AdaBoost RT集成BP网络作为智能模型部分校正机理模型中难以准确获得的参数，再使用机理模型预测LF炉终点钢水温度；田慧欣等提出一种基于 Bagging或ELM的多模型预报方法，实现对LF炉出钢钢水的温度预测，该方法是一种混合方法，在提高智能方法预报精度的同时使得机理模型与智能模型的优势得以互补；韩颖采用最...
【技术保护点】
１．一种基于案例推理的钢水温度预测方法，其特征在于，包括以下步骤：步骤一，建立存储有钢水温度的影响因素的值和钢水温度的案例库；步骤二，定义当前问题和问题解；所述当前问题是一条钢水温度的影响因素取值的记录，所述问题解是当前问题的预测温度；步骤三，根据关键的状态向量对案例库中的案例集进行类选；所述状态向量为取值形式为离散值的影响因素；步骤四，根据所有状态向量的离散值对类选后的案例集进行粗选；步骤五，根据当前问题与候选案例的灰度相似度对粗选后的案例集进行精选；步骤六，择优加权计算大于预设相似度阈值的匹配案例，得出当前问题的问题解。
【技术特征摘要】
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。