欢迎登录材料期刊网

材料期刊网

高级检索

针对高炉炉温与铁水硅含量呈正相关而非严格的线性关系和机制建模的主观性以及其难以建立各变量之间隐含的数学关系等的不足,在数据挖掘理论的基础上,对海量的样本数据进行预处理和特征提取,然后以高炉铁水温度为研究对象,建立了基于TS模糊神经网络的高炉铁水温度预测模型.最后,应用某高炉数据进行模型验证,并将该模型与T-S模糊多元回归模型以及BP神经网络模型进行比较研究,仿真结果表明T-S模糊神经网络模型的有效性和优越性.

参考文献

[1] 文林.高炉出铁过程中铁水温度及成份的变化[J].四川冶金,2001(03):1-3,19.
[2] 冯婷,刘祥官,马祥,赵斌.高炉炉温预测控制的变系数回归模型[J].浙江大学学报(工学版),2007(10):1743-1745,1772.
[3] 曾九孙,刘祥官,罗世华,颜光.主成分回归和偏最小二乘法在高炉冶炼中的应用[J].浙江大学学报(理学版),2009(01):33-36.
[4] 李启会,刘祥官.高炉铁水含硅量的模糊预测函数控制[J].郑州大学学报(理学版),2007(03):104-108.
[5] 桂卫华;阳春华.复杂有色冶金生产过程智能建模、控制与优化[M].北京:科学出版社,2010
[6] 姜长生;王从庆;魏海坤.智能控制与应用[M].北京:科学出版社,2007
[7] 高翠芳,吴小俊,张松顺.改进的半监督模糊聚类算法[J].控制与决策,2010(01):115-120.
[8] 王骏,王士同,邓赵红.聚类分析研究中的若干问题[J].控制与决策,2012(03):321-328.
[9] 王健,关添,叶大田.基于特征比较和模拟退火-遗传算法的普通话音素评分模型[J].清华大学学报:自然科学版,2012(06):880-884.
[10] 谢中华.MATLAB统计学分析与应用40个案例分析[M].北京:北京航空航天大学出版社,2012
[11] Lai Y C;Ye N .Recent Development in Chaotic Time Series Analysis[J].International Journal of Bifurcation and Chaos,2003,13(06):1383.
[12] 郜传厚,渐令,陈积明,孙优贤.复杂高炉炼铁过程的数据驱动建模及预测算法[J].自动化学报,2009(06):725-730.
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%