由于判断电弧炉炉况的直接条件不好测得,导致电弧炉各个炉况不容易确定.本文针对此类问题,提出一种基于支持向量机(SVM)理论的炉况判断系统.通过传感器采集数据,获得废铁量、废铁温度、炉渣量和炉渣温度等参数作为训练样本,离线训练SVM,得到分离器,然后选取测试的特征数据作为测试样本,根据本文提出的分类方法,通过离线分类器对炉况类型进行判断,从而为调整电极升降提供依据.实验表明SVM在有限的训练样本情况下可以有效地判断炉况.
参考文献
| [1] | 刘锟,何平,刘浏.电弧炉工艺模型及其应用现状[J].钢铁研究学报,2004(02):1-5. |
| [2] | 邓开楠 .基于专家系统的电弧炉炉况判断方法研究[D].东北大学,2005. |
| [3] | 曾燕飞 .基于人工神经网络的高炉热状态预测模型研究[D].中南大学,2005. |
| [4] | V apnik VN;张学工.统计学习理论的本质[M].北京:清华大学出版社,2000 |
| [5] | 张学工.关于统计学习理论与支持向量机[J].自动化学报,2000(01):32-42. |
| [6] | Boneh D.;Franklin M. .Identity-based encryption from the Weil pairing[J].SIAM Journal on Computing,2003(3):586-615. |
| [7] | Melgani F;Bruzzone L .Classification of hyper spectral remote sensing images with support vector machines[J].IEEE Transactions on Geoscience and Remote Sensing,2004,42(08):1778-1790. |
| [8] | 傅杰.现代电弧炉冶炼周期综合控制理论及应用[J].北京科技大学学报,2004(06):588-595. |
上一张
下一张
上一张
下一张
计量
- 下载量()
- 访问量()
文章评分
- 您的评分：
-
10%
-
20%
-
30%
-
40%
-
50%