外文翻譯-轉爐煉鋼過程中的噴濺預警的基本模型畢業(yè)論文-全文預覽
【正文】 ping, Sweden,2002,–153.[28] ,Stability of a Riccati equation arising in recursive parameter estimation under lack of excitation,IEEE Transactions on Automatic Control 49(12) (2004) 2275–2280.[29] ,Stationary behavior of an antiwindup scheme for recursive parameter estimation under lack of excitation,Automatica 42 (2006)151–157.[30] M. Evestedt,Windup properties of recursive parameter estimation algorithms in acoustic echo cancellation,Control Engineering Practice 16(11)(2008)1372–1378.[31] ,Adaptive Filtering and Change Detection,John Wiley amp。由于操作者操作過程的的變化引起的虛假警報是不可知的，還有在參數(shù)的檢測系統(tǒng)中應該注重熱項目和原材料的屬性。過程數(shù)據(jù)是2006年9月在SSAB Oxel246。在煙氣通道的聲吶提供音頻數(shù)據(jù)到爐渣水平面估算系統(tǒng)。操作者或相機被認為是值得信賴的預警系統(tǒng)嗎？此時，氧氣流量減少和降低氧槍的位置，發(fā)出警告，表示當過程變化時預警系統(tǒng)的靈敏度。在這種情況下，預警系統(tǒng)發(fā)出了一系列警報，它可以看出，有些由攝像頭拍攝的下落的爐渣。請注意，氧槍高度不能送入該檢測算法中。 過度變化氧槍位置 轉爐生產(chǎn)過程中的常規(guī)操作是控制氧氣流量和氧槍的位置，根據(jù)吹煉過程中某些預先設定的程序來確定。在圖中謹慎的操作者降低了氧氣流量，降低氧槍的位置和通過增加氬氣體流量增加底部攪拌。 已取得的檢測精度是可以接受的，但可以認真修改結合有關轉爐爐型的現(xiàn)有資料，如氧槍噴頭，吹煉工藝和鐵水化學成分。三個爐次的實例結果顯示如圖圖10和圖11所示，分別表示：嚴重噴濺、中度噴濺和沒有噴濺。由于運行過程成本高，數(shù)據(jù)來自正常生產(chǎn)的工廠。全過程的數(shù)據(jù)存儲在一個數(shù)據(jù)庫中。GUI顯示的布局如圖7（見原文）所示。因此，模型B通過。與已知發(fā)生噴濺距離測量t（s），對無論是哪種情況，說明使用中的變化檢測的可行性。噴濺事件的嚴重程度的劃分通過追蹤，有多少警告是由系統(tǒng)隨后收集到的，一個警告導致綠色報警，兩至黃色警報，如果在特定的時間內連續(xù)警告超過三次，警報設置為紅色，表明噴濺持續(xù)了一段時間。由于這是不可行的實時應用，閾值和不定參數(shù)在本研究中仔細挑選通過在鋼廠來自50爐吹煉過程中系統(tǒng)運行的數(shù)據(jù)，精簡參數(shù)，以實現(xiàn)可以接受的整體性能。適當選擇測量的距離，使檢測這兩個參數(shù)的變化和差異，給出了歸一平方剩余量，文獻[ 31 ]。 假定所有噪聲高斯，真正的系統(tǒng)是恒定時間和屬于線性回歸模型集，結果 在方程和矩陣P（t）是方程式（8）的解。當噴濺發(fā)生時，突然由于化學反應中的一個重要原因的改變引起模型參數(shù)變化的。一個正式的事實證明，該算法是無法計算的， 甚至對事實缺乏依據(jù)，在文獻[ 28 ]中給出。在文獻[ 27 ]中所采取的做法，特別選擇Q（t）是用來控制固定點Riccati方程： （10）在式中。一個常見的實際并發(fā)癥發(fā)生在Riccati方程卡爾曼濾波器，當回歸矢量Ψ（t）不屬于ImQ（t），例如持續(xù)激勵條件是不能實現(xiàn)的，這種現(xiàn)象通常稱為作為協(xié)揮臂（或爆破）的一些特征和引起一些特征值在方程式（8）中隨時間增長線性。 （5）然后用最低限度的后驗參數(shù)誤差協(xié)方差矩陣進行優(yōu)化，通過下式可估算出結果： （6） 卡爾曼增益： （7）式中P（t）是t=3…….時Riccati方程的解。為了能使模型參數(shù)因改變工藝條件及時變化，參數(shù)估計的遞歸算法將在下一節(jié)中描述。根據(jù)文獻[ 4 ]中初步的結果，這種噴濺現(xiàn)象的捕獲在很大程度上由一個四階的動態(tài)模型，它帶有兩個ARX裝置帶有不同的輸入和輸出信號，這在文獻[ 8 ]和[ 22 ]中詳細描述。輸出信號，男，是自然對數(shù)的聲波米信號。系統(tǒng)識別方法被用來作為一個安裝模型去通過分配適當?shù)臄?shù)值作為它的參數(shù)以記錄數(shù)據(jù)。自適應濾波器有相當多結構模型下面兩節(jié)中只描述出了兩種以節(jié)省空間。一種是可以使用聲波計信號或者是直接接收原始麥克風信號。因此，在這篇文章中所收集的數(shù)據(jù)不僅反映由噴濺引起的前期變化和過程變化，而且還開始改變通過操作者判斷生產(chǎn)狀況。操作者在進程中斷的情況下（如噴濺）這些程序操作者可以超越。這種做法在文獻[ 7 ]中的水模型實驗中估值顯示出高的精度。相反，從實驗中估算出健全的衰減系數(shù) 并用于生產(chǎn)中爐渣水平面的估算。 根據(jù)文獻[ 6 ]中泡沫渣厚度 H、聲音強度I、時間t和頻率w是指數(shù)關系如下： （1）式中：I0表示沒有渣時的聲音強度。其基本思路是：由于爐渣水平面的增高， 從爐底發(fā)出的聲音在某個頻帶減弱，聲音的主要來源是在氧槍噴嘴處氧氣以超音速沖擊到熔融金屬的表面產(chǎn)生的。選擇亮度不變或閾值圖像灰度級，由于渣和背景之間亮度差異的下降，因此圖片可以很容易地分離成像素值高于閾值的零件和低于它亮度的零件，有效地從黑暗的背景中分離熔化金屬，圖3分離的結果如圖4所示。為了后續(xù)實驗的描述，實施照相機現(xiàn)場過程監(jiān)測制度。評估是基于正常爐前生產(chǎn)的大量數(shù)據(jù)，也突出了一些有關最終系統(tǒng)和操作實踐的問題。在文獻[ 4 ]中噴濺檢測通過結合聲波計量和氣體分析進行。爐渣發(fā)泡地區(qū)的動態(tài)模型進一步采取文獻[ 17 ]中的結果。第三步是一個新的并且很有前途的研究方向，即結合在線測量裝置的噴濺早期檢測，并用它啟動進程的干預，以緩解噴濺。在文獻[12 ]中用無線電波測量渣厚度。文獻[ 9 ]的結果是第一步的一個例子， 其中根據(jù)原始鐵水的成分預測一個最佳的吹煉過程。遺憾的是，在已經(jīng)過去幾十年證明，這是一個相當具有挑戰(zhàn)性的任務。有時，必須停止生產(chǎn)去清除爐子下面的區(qū)域和爐口?；緮?shù)據(jù)所體現(xiàn)的是關于過程中豐富多樣的信息，但沒有一個測量結果是直接相關的工藝參數(shù)。另外，當過程出現(xiàn)問題時記錄的數(shù)據(jù)可用來查出可能發(fā)生的故障。遺憾的是，操作者對轉爐中渣的形成條件
研究報告相關推薦
鄂ICP備17016276號-1