共查询到10条相似文献,搜索用时 31 毫秒
1.
2.
为了解决加热炉煤气消耗量无法精准预测的问题,提出了融合事件和数据的加热炉煤气消耗量预测方法.根据操作事件将加热炉的运行状态分为正常运行、停炉检修和待料运行,以各运行状态下差分自回归移动平均模型(ARIMA)和人工神经网络模型(ANN)的预测性能为基础,结合生产大数据对加热炉煤气消耗量进行混合预测.结果表明:混合预测模型的预测性能好,滞后性小;混合预测模型的平均绝对误差为1542.45 m3/min,平均相对误差为0.0654,对称平均绝对误差为0.0665,与使用单纯的ARIMA模型和ANN模型相比,混合预测模型精度更高. 相似文献
3.
CVC辊形以其较强的凸度控制能力在热连轧中有着广泛的应用,但是CVC辊形不具有均匀磨损的能力,其磨损往往比较严重,且呈现出非对称性。针对该特点提出CVC工作辊非对称磨损的表征方法,利用该方法对某1 800 mm CSP生产线下游机架CVC工作辊非对称磨损情况进行分析。统计结果表明,下游机架工作辊磨损多为非对称形式,并与CVC辊形呈现出一定的对应性。在此基础上,提出辊径对整体磨损影响系数及辊径对轧制力影响系数2个新的磨损模型参数,并建立针对CVC轧辊的非对称磨损预报模型,利用遗传算法对模型参数进行优化,并利用实测数据进行验证,改进后磨损模型精度比常规磨损模型精度平均提高了约35%。 相似文献
4.
5.
6.
基于Sugeno型自适应模糊神经网络系统(ANFIS)及利用某闪速炼铜厂生产实践的稳定数据,建立了网络结构为3输入、单输出、隶属度函数个数为[5 3 5]的闪速炼铜过程的渣含Fe/SiO2模型.结果显示其训练数据平均绝对误差为0.0055,相对误差为1.4%;仿真检验数据平均绝对误差为0.028,相对误差为2.9%,表... 相似文献
7.
BP (Baek Propagation)算法和遗传算法相结合的混合训练方法步骤为:首先用遗传算法定位出一个较好的搜索空间,然后采用BP算法在这个小的解空间中搜索出最优解。分别用遗传算法和混合遗传算法训练100 t电弧炉终点温度神经网络预报模型。仿真结果表明:混合遗传算法有更快的收敛速度和更高的预报命中率。当目标温度的精度范围为±2℃、±4℃、±6℃和±8℃时,BP算法的温度命中率分别为75%、82%、86%和92%,混合遗传算法的温度命中率分别为80%、88%、90%和96%。 相似文献
8.
采用BP神经网络方法建立了铝热连轧精轧机组出口厚度预测模型,采用试错法解决了中间隐层最佳隐层单元数的问题,采用回归法确定了轧机的相关弹性系数,建立了轧机的弹跳方程数学模型。通过比较有、无传统弹跳方程数学模型输入的神经网络厚度预测模型,确定了弹跳方程对神经网络在热连轧厚度预报应用中的重要性,提出了BP神经网络与数学模型相结合的综合网络方法。相比全部使用整体神经网络,中间隐层最佳隐层单元数减小,网络结构得以简化,网络负担减小,网络的泛化能力也得到加强,同时也进一步提高了预报精度。预测结果与实测数据对比表明,相对误差在1%以内,实现了高精度预报,为铝热连轧出口厚度预报提供了一条准确高效的新途径。 相似文献
9.
10.