炼钢精炼环节存在许多非线性因素,直接影响最终成品钢的成分.以实际数据为基础,运用传统经验公式法和SVM网络分别建立LF精炼炉终点成分预测模型,并对其预测效果进行比较,实践证明了SVM网络预测模型的准确性和实用性.
参考文献
[1] | Buckley J;Hayshi Y.Fuzzy neural network:A survey[J].Fuzzy Sets and Systems,1994(66):1-13. |
[2] | 王峰,张雪英,李炳男.基于支持向量机的乐音识别[J].微计算机信息,2010(01):19-20,38. |
[3] | 沈才芳;孙社成;陈建斌.电弧炉炼钢工艺与设备[M].北京:冶金工业出版社,2003:56-82. |
[4] | 胡斌斌,姚明海.基于SVM的图像分类[J].微计算机信息,2010(01):115-116,156. |
[5] | Cai Zixing.A new structural theory on intelligent control[J].High Technology Letters,1996(02):45. |
[6] | Anderson C.W. .Learning to control an inverted pendulum using neural networks[J].IEEE Control Systems Magazine,1989(3):31-37. |
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%