基于神经网络的高炉炉温预测模型的研究

被引：8

作者：

邱东 ^{[1
,2
]}

仝彩霞 ^{[2
]}

朱里红 ^{[2
]}

陈爽 ^{[2
]}

王龙山 ^{[1
]}

机构：

[1] 吉林大学机械科学与工程学院

[2] 长春工业大学电气与电子工程学院

来源：

微计算机信息 | 2009年 / 25卷 / 14期

关键词：

铁水硅含量; RBF神经网络; 预测模型; 能耗;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

140502 [人工智能];

摘要：

文章针对BP网络收敛速度慢和易于陷入极小值的问题,应用RBF网络模型对高炉铁水硅含量进行了预测,通过对高炉一段连续时期内正常生产的数据经过归一化处理后进行训练和仿真,结果表明,高炉冶炼在运用了先进的RBF人工神经网络预测模型后,能预测铁水硅含量的高低,从而判断炉温走势,调控炉温,同时监测多个生产过程控制对象,有利于提高高炉生产艺,实现节能降耗。

引用

页码：232 / 233+258 +258

页数：3

共 6 条

[1]

IGA-BP网络模型在高炉铁水硅含量预测中的应用 [J].