欢迎登录材料期刊网

材料期刊网

高级检索

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:
  • 1
    0%
  • 2
    0%
  • 3
    0%
  • 4
    0%
  • 5
    0%