混沌粒子群算法在连铸传热模型参数辨识中的应用

"基于混沌粒子群算法的连铸传热模型参数辨识 (2014年)" 这篇论文探讨了在连续铸造（连铸）过程中如何利用混沌粒子群算法解决传热模型参数辨识的问题。连铸是钢铁制造中的关键工艺，涉及到复杂的热力学过程，其中的传热模型通常由偏微分方程描述，具有高度的非线性和复杂性。传统的参数辨识方法在处理这类问题时可能效率低下或结果不准确。 论文中提到的混沌粒子群算法是一种优化方法，它结合了粒子群优化（PSO）算法和混沌理论。PSO是一种基于群体智能的全局搜索算法，能够有效地在高维度空间中寻找最优解。而混沌理论引入的目的则是增加算法的探索能力和跳出局部最优的能力，防止陷入早熟收敛。 在连铸传热模型中，有两个关键参数：二冷换热系数和有效导热系数。这些参数直接影响模型的预测精度，对连铸过程的控制至关重要。通过结合不同位置的射钉测量坯壳厚度（用于获取内部温度信息）和二冷外测得的铸坯表面温度数据，论文提出了一个优化框架来识别这两个参数。这种方法使得模型能够更准确地模拟实际的热传递过程。 实验结果显示，在线计算得到的铸坯表面温度与实际二冷出口处测得的温度偏差小于13℃，这表明所提出的混沌粒子群算法在参数辨识方面具有较高的可靠性和准确性。这一成果对于提高连铸过程的控制精度，尤其是二冷配水的优化和动态控制，有着重要的实践意义。 论文还提到了该研究得到了国家自然科学基金的支持，并由东北大学和沈阳理工大学的相关研究人员共同完成。作者们对连铸传热模型参数辨识的深入研究，为连铸工艺的改进提供了新的理论工具和技术手段，有助于提升钢铁生产的质量和效率。关键词包括连铸、传热模型、参数辨识、粒子群算法以及混沌，表明了研究的主要方向和方法论。