在建立VD炉温度预报神经网络模型过程中,考察了影响目标温度的因素,并应用模式识别方法对各因素进行特征分析与筛选,删除了其中三个不必要的变量:吹氩量、VD罐冷却时间以及VD罐上炉使用时间.用筛选后的样本训练神经网络,预报精度有15%左右的提高.模型在线连续预报了76炉次,预报温度与实际测量温度之差在±4℃、士5℃之内的炉次分别占67.1%与80.3%.
参考文献
[1] | Ernst Dieter Schmitter .Neural nets - types, configurations and pitfalls[J].Steel Research,1995(10):444-448. |
[2] | 艾立群 .人工神经网络在钢铁工业中的应用[J].钢铁研究学报,1997,9(04):60-63. |
[3] | Edward Wilson.Adaptive profile optimization for the EAF[J].Steel Technology,1998:140-145. |
[4] | 李金宗.模式识别导论[M].北京:高等教育出版社,1994 |
[5] | 朱双东.神经网络应用基础[M].沈阳:东北大学出版社,2000 |
[6] | 张际先;宓霞.神经网络及其在工程中的应用[M].北京:机械工业出版社,1998 |
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%