高炉炼铁通常采用铁水Si含量间接反映炉温的变化,模型预测精度低.以影响炉温的6个变量为输入变量,采用基于自组织的分布式RBF神经网络模型分别对铁水温度和铁水Si含量建立预测模型,先用自组织神经网络划分输入输出样本空间,然后对每个子空间建立RBF神经网络子网模型,再使用子网模型对测试样本集的同一个样本点进行预测,并以测试样本点对每一子空间的隶属度为权值,对子网预测值进行加权求和,得到最终预测值.对比使用同一输入变量数据的铁水温度和铁水Si含量的预测模型命中率,研究表明,高炉铁水温度的命中率更高,具有更好的炉温预测效果.
参考文献
| [1] | 周传典.高炉炼铁生产技术手册[M].北京:冶金工业出版社,2005.,2005. |
| [2] | 刘学艺,刘祥官,王文慧.贝叶斯网络在高炉铁水硅含量预测中的应用[J].钢铁,2005(03):17-20. |
| [3] | 渐令,刘祥官.支持向量机在铁水硅含量预报中的应用[J].冶金自动化,2005(03):33-36. |
| [4] | Bhattacharya T .Prediction of Silicon Content in Blast Furnace Hot Metal Using Partial Least Squares (PLS)[J].ISIJ International,2005,45(12):1943.,2005. |
| [5] | 文学铭,陈经隆.利用连续测量铁水温度判断高炉炉况[J].武钢技术,1966(1):47.,1966. |
| [6] | 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.,2010. |
| [7] | 王雅琳,桂卫华,阳春华,吴敏.自适应监督式分布神经网络及其工业应用[J].控制与决策,2001(05):549-552,556. |
| [8] | 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. |
| [9] | Sitao W,Tommy W S.Clustering of the Self-Organization Map Using a Clustering Validity Index Based on Inter-Cluster and Intra-Clustering Density[J].Pattern Recognition,2004 (3):175.,2004. |
| [10] | 柴天佑,王笑波.RBF神经网络在加速冷却控制系统中的应用[J].自动化学报,2000(02):219-225. |
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%