vd炉钢水温度预报模型开发

《vd炉钢水温度预报模型开发》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、东北大学硕士学位论文VD炉钢水温度预报模型开发姓名：周勇申请学位级别：硕士专业：计算机应用技术指导教师：吕振辽20040101查!!垄堂壁主堂堡垒查一一—立i：塾VD炉钢水温度预报模型开发摘要建立一个VD炉钢水温度的预报模型，在了解和掌握VD处理过程中钢水温度变化规律的基础上，制定合理的温度制度，实现对VD终点温度的精确控制，对生产的顺行有着重要的意义。本文通过对现场的系统结构、网络的分析，设计了VD温度预报系统。通过远程访问现场的ORACLE数据库，提取基础数据：通过对工艺的分析，提取神经网络程序处理的数据；设计了本地

2、数据库，实现对数据的合理存储。VD温度预报系统程序由三个应用程序组成：1．接口程序；2．主程序；3．神经网络程序。接口程序为系统提供现场数据，保存现场数据。主程序实现对数据的整理、筛选，为神经网络程序提供数据文件，并将预测的结果以图形的方式显示，保存训练的结果。神经网络程序实现对VD过程温度的预测，并且能够对自身的神经网络进行训练，提高预测精度。系统分成了三个部分，使现场数据的提取过程与数据的处理过程分离，增强了系统的灵活性；独立的神经网络程序使得神经网络的结构可以不断的改进。系统不仅实现了对VD终点温度的预报，而且实现

3、对VD高真空过程中温度的预报，对精确控制VD时间有着重要的意义。关键词VD(VacuumDegas)温度预报神经网络数据库数据分析一Ⅱ一查!!查兰堡主堂堡垒查垒里!!垦竺!PredictorSystemofMoltenSteelTemperatureinVDStoveAbstractAfterunderstandingandmasteringchangingtemperatureruleofmoltensteeldealtwithinVDstove，createapredictortemperaturemodelofmo

4、kensteelinVDstoveandmadeareasonedtemperaturesystemandcontrollasttemperatureofmoltensteelinVDstoveaccurately,thosearesignificativetoproducesteel．DesignPredictorSystemofmoltensteeltemperatureinVDstove,afteranalyzingsystemandNetworkstructureofequipment．GetBasicDatao

5、fproducefromOracleDataBasebylong-distanceNetworkandNeuralNetworkProgramDatabyanalyzingtechniques．InordertostoreallData,setuplocalDataBase．PredictorSystemofmoltensteeltemperatureinVDstoveismadeupofthreeappliedProcedure，namely：AccessProcedureandMainProcedureandNeur

6、alNetworkProgram．AccessProceduregetsBasicDataofproduceandstoreDateatsametimeMainProcedureOfferpredictorDatafilesandtrainfiles,aRerBasicDataofproducearesealedandfilteredbyMainProcedure．PredictorresultsareshowedwithgraphicsmodeandtrainresultsaresavedbyMainProcedure

7、．NeuralNetworkProgramdopeoutmoltensteeltemperatureinVDstove，NeuralNetworkProgramtrainthemselvesPrecisionsofpredictorresultsareimproved．AccessProcedureandMainProcedureandNeuralNetworkProgramconstitutePredictorSystemofmoltensteeltemperatureinVDstove,itisseparatedth

8、atPredictorSystemofmoltensteeltemperatureinVDstovegetsandhandlesDataofproduce．So，itisagilethatNeuralNetworkProgramstructurecallbeimprovedbydependentNeuralNetwo