李家新
,
周莉英
,
唐成润
钢铁
对高炉铁水硅含量预报的统计模型、神经网络模型和神经网络方法加统计方法的综合模型三种预报模型作了对比，结果表明：用神经网络方法和统计模型综合预报的效果较好，离线模型预报结果±0.1命中率达到86.67%，为高炉铁水硅含量预报引入神经网络方法的实现提供了实例。
关键词:
高炉
,
硅含量
,
预报
,
神经网络
,
统计模型
职建军
,
裴云毅
,
文昊
上海金属
doi:10.3969/j.issn.1001-7208.2001.05.011
漏钢预报是连铸的一项重要技术,介绍宝钢自行开发的漏钢预报系统BBPS的机理、系统构成和预报模型.该系统从1999年9月投入现场应用以来,已完全取代了引进技术,在提高连铸机的产能、改善铸坯质量,减少漏钢事故等方面发挥了重要作用.
关键词:
板坯连铸
,
结晶器
,
漏钢
,
预报
,
BBPS
蒋建跃
,
孙亚群
钢铁
用模式识别和人工神经网络方法研究A级船用钢板抗拉强度的规律,建立了预测数学模型.计算表明化学成分是影响抗拉强度的主要因素,碳、锰含量影响最大.据此确定了优化控制区,预测结果与实际生产结果大致符合.
关键词:
模式识别
,
预报
,
强度
,
A级船板
王炜
,
陈畏林
,
叶勇
,
徐智慧
,
贾斌
钢铁
采用3层BP神经网络来预报高炉铁水硫含量,根据高炉冶炼的实际生产数据,选取风温、风量、炉顶温度、焦炭负荷、喷煤量、矿石硫含量、焦炭硫含量、煤粉硫含量和上一炉铁水硅含量9个因素作为输入变量,为提高神经网络预报的准确率,对输入参数进行时滞处理.采取附加动量项和自适应学习步长的措施,解决了BP神经网络局部收敛和学习时间过长的问题.模型预报结果表明:当允许绝对误差不大于0.001时,预报命中率为70.7%;当允许绝对误差不大于0.005时,命中率为90%,证明了模型的有效性.
关键词:
硫含量
,
预报
,
神经网络
,
高炉
孙登月
,
杜凤山
,
朱泉封
,
周坚刚
钢铁
采用改进的BP网络Levenberg-Marquardt优化算法对冷连轧机轧制力进行快速预报,该网络μ参量可自适应调整,收敛速度快.冷连轧生产轧制力预报精度大为提高,为冷连轧轧制力预报提供了一条准确高效的新途径.
关键词:
冷连轧
,
轧制力
,
神经网络
,
预报
职建军
,
裴云毅
,
文昊
钢铁
简要介绍了宝钢开发的漏钢预报系统(BBPS),该系统从1999年9月投入现场应用以来,操作性能和各项技术指标比原引进日本的漏钢预报装置有较大的提高,在提高连铸机的产能、改善铸坯质量、减少漏钢事故等方面发挥了重要作用,该技术已完全取代了原来引进日本的技术.
关键词:
连铸
,
结晶器
,
漏钢
,
预报
杨立红
,
刘浏
,
何平
钢铁研究学报
根据冶炼工艺和现场数据,对转炉终点磷含量的预报方法进行了研究.采用自组织神经网络模式识别方法对303炉现场数据进行了分类,分析了转炉冶炼各变量对终点磷含量的影响,确定了终点磷含量的控制变量,建立了基于自适应模糊神经网络系统的转炉终点磷含量的预报控制模型.研究表明,本模型能够对终点磷含量进行很好的预报和控制.模型计算值与实际值的相关性达到0.586 7;磷含量(质量分数,%)控制在±0.003范围内的命中率达到79.21 %.该模型以低于目标值0.004 %的磷含量来对冶炼过程进行控制,冶炼合格率超过91 %.
关键词:
转炉
,
脱磷
,
自适应模糊神经网络
,
预报
,
控制
王春红
,
王瑞
,
杨雪
,
陈汉军
,
材料工程
doi:10.3969/j.issn.1001-4381.2010.z1.004
采用非织造结合热压成型工艺制备了亚麻落麻纤维增强聚乳酸(PLA)基可降解复合材料(亚麻落麻/PLA),发现植物纤维模量具有Weibull概率分布特征,将其引入到Cox模量预报模型及相关修正理论中,提出了非连续植物纤维增强可降解复合材料(D-NFRBC)弹性模量预报模型,该模型可包含纤维模量、长度、取向角概率分布对复合材料模量的影响.结果表明:亚麻落麻/PLA弹性模量在纤维体积分数为39.6％时达到最大.修正后模型对亚麻落麻/PLA弹性模量的预报精度较修正前提高3.67％.
关键词:
亚麻落麻纤维
,
可降解复合材料
,
弹性模量
,
预报
白振华
,
王骏飞
钢铁
以宝钢2 030 5机架冷连轧机为研究对象,经过现场试验与理论研究,在分析了影响冷连轧机成品带钢表面粗糙度的主要因素的基础上,提出了一套冷连轧机成品板面粗糙度预报模型,给出了针对冷连轧机的成品板面粗糙度控制方案,并将其应用到现场成品板面粗糙度控制,命中率达到80%以上.
关键词:
粗糙度
,
冷连轧
,
预报
,
控制
