共查询到17条相似文献,搜索用时 46 毫秒
1.
高炉铁水硅含量的神经网络时间序列预报 总被引:8,自引:3,他引:5
利用BP网络实现了高炉铁水硅含量的时间序列预报,并以高炉铁水硅含量的历史数据对下一炉铁水的硅含量进行离线预报。结果表明,本模型具有较好的预报效果。 相似文献
2.
通过神经网络对韶钢8号高炉的部分生产数据进行了铁水[Si]含量的预报,确定了w(Si)的主要影响因素,构建了较好的神经网络结构,并根据预报结果提出了判定炉热变化趋势的符合率的标准。 相似文献
3.
铁水硅预报神经网络专家系统的遗传优化生成 总被引:9,自引:0,他引:9
利用遗传算法所固有的全局搜索性能,进化多层前馈神经网络连接权,结合BP学习算法和符号主义专家系统,建立了高炉铁水硅含量预报遗传算法神经网络专家系统。该系统解决了神经网络局部的收敛、学习时间过长的问题。实际应用表明该系统可以提高硅预报命中率,并能清楚解释推理过程,提供高炉操作指导。 相似文献
4.
随着现代科技的发展和计算机技术的不断提高,高炉自动化操作显得越来越重要。高炉铁水硅预报能很好地反映高炉内热状态和高炉的成分,对高炉运行状态的判断起到至关重要的作用。在总结前人预报模型的基础上,综合考虑了各种影响因素,建立了BP神经网络模型,并结合现场数据进行计算,模拟结果和实际相符。 相似文献
5.
通过对影响高炉铁水硅含量的各变量分析和分类,在初步判断炉热发展趋势的基础上预报高炉铁水硅含量.用本模型在线预报梅山三号高炉铁水硅含量,预报结果表明当允许误差为±0.1%时的命中率达到81.67%,在没有炉顶煤气连续分析装置的条件下取得了较好的效果. 相似文献
6.
7.
8.
采用基于自学习的参考炉次法,建立了反应高炉炉温和铁水质量的预报模型,对炼铁过程铁水硅含量和硫含量进行预报,建立了基于BP神经网络的高炉铁水硅含量和硫含量预报模型。用国内某高炉的生产数据进行模型训练,经预报结果数据验证,想要通过现有直接获取的高炉参数很难准确同时预报铁水硅含量和硫含量,但基本能准确预报铁水硫含量的变化趋势。 相似文献
9.
10.
11.
石钢高炉铁水含硅量神经网络预报模型 总被引:1,自引:0,他引:1
本文按照现代控制理论,把高炉视为多输入——单输出系统,利用人工神经网络方法,结合高炉生产实际建立了石钢高炉铁水含硅量BP神经网络模型。通过引入动态步长和“惯性项系数”提高了网络收敛速度。采用“修正式”预报模式提高了铁水含硅量预报的命中率。结果表明:在允许误差为0.1%时,命中率达到了86.67%,可以为高炉操作提供指导。 相似文献
12.
按照现代控制理论,利用人工神经网络方法,把高炉视为多输入—单输出系统,结合高炉生产实际建立了石钢高炉铁水含硅量神经网络预报模型。通过引入动态步长和惯性项系数提高了网络收敛速度。采用不断更新学习样本集的方法提高了铁水含硅量预报的命中率。结果表明:在允许误差为0.1%时,命中率达到了86.67%,可以为高炉操作提供指导。 相似文献
13.
分析了石钢0号高炉入炉原料中TiO2含量升高对高炉操作产生的不利影响,采取有效措施,确保了高炉炉况的稳定顺行。 相似文献
14.
15.
16.
采用二维简化的炉壁模型,用ANSYS软件进行热传导仿真计算,同时在MATLAB环境中建立BP网络模型,并利用炉壳外部测点的温度值识别炉壁侵蚀线,从而证明了神经网络方法在高炉炉壁侵蚀状态预测中应用的可行性。 相似文献
17.