共查询到20条相似文献,搜索用时 78 毫秒
1.
应用改进的神经网络模型预报转炉冶炼终点 总被引:3,自引:0,他引:3
准确预报转炉冶炼终点的钢水温度与碳含量对提高转炉终点命中率具有重要意义。针对现有多层前馈网络学习算法的不足,基于BP模型提出一种改进算法,建立了复吹转炉冶炼终点的预报模型,并与BP模型的预测结果进行了统计比较。研究表明,改进后的模型能够对冶炼终点进行良好的预报。采用单节点输出模型对终点钢水碳含量与温度分别进行预报,预测误差w(Δ[C])<±0.03%的命中率达97.22%,Δt<±12℃的命中率为94.44%。还建立了神经网络双节点输出模型对转炉终点钢水碳含量及温度同时进行预报,误差Δt<±15℃、w(Δ[C])<0.03%的双命中率为76.92%。 相似文献
2.
3.
4.
基于自适应模糊神经网络系统的转炉终点磷的预报控制模型 总被引:6,自引:1,他引:5
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 30 3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 .5 86 7;磷含量 (质量分数 ,% )控制在± 0 .0 0 3范围内的命中率达到 79.2 1%。该模型以低于目标值 0 .0 0 4 %的磷含量来对冶炼过程进行控制 ,冶炼合格率超过 91%。 相似文献
5.
6.
7.
提出了一种高效的BP神经网络学习算法,首次对神经网络输出结果进行自适应残差补偿,基于此提出炼铜转炉吹炼终点组合预报模型.经实践检验.本预报模型的预测结果具有较高的精度和较强的实时性,而且本模型具有较好的自学习能力,能有效指导生产实践。 相似文献
8.
9.
针对邯钢集团邯宝钢铁有限公司西区炼钢厂转炉的冶炼工艺特点和生产数据,建立了基于PCA-GA-BP神经网络的转炉终点磷含量预测模型。通过主成分分析(PCA)将终点磷含量的影响因素降维,并采用遗传算法(GA)对BP神经网络的初始权重进行优化。用Java语言开发了转炉终点磷含量预测模型的软件,在炼钢厂进行了现场使用。结果表明:转炉终点钢水w(P)控制精度在±0.007%时,命中率达到96.67%;控制精度在±0.005%时,命中率达到93.33%;控制精度在±0.004%时命中率达到86.67%。 相似文献
10.
目前广泛采用的RBF神经网络具有训练时间长与训练困难等缺陷.本研究结合实际生产数据,建立了FOA-GRNN神经网络预报模型,并对转炉终点温度与碳质量分数进行预报.结果表明:与RBF神经网络相比,FOA-GRNN神经网络可以有效提高命中率并满足实际生产要求.当碳质量分数绝对误差小于±0. 03%时,FOA-GRNN神经网络预报命中率可由91%提高至94%;当温度绝对误差小于±15℃时,预报命中率可由89%提高至97%.同时,FOA-GRNN神经网络训练时间在RBF神经网络基础上分别降低了42. 22%与37. 08%,预报结果与实测值的均方差也有一定的降低,故可为现场生产提供重要的参考. 相似文献
11.
12.
13.
14.
15.
在传统BP神经网络预测模型的基础上,依据灰色理论中的灰色关联度,提出了输出变量各个影响因素的灰色关联度权值,首次建立基于灰色理论的神经网络预测模型,并依据国内某钢厂300组实际生产数据进行仿真试验。试验结果表明:误差绝对值小于5%的炉数有39炉,占总炉数的65.00%;误差绝对值小于10%的炉数共有58炉,占到96.67%。与传统BP神经网络相比,基于灰色理论的神经网络模型的预测精度提高近12.5%,说明基于灰色理论的铁水预处理终点磷含量神经网络预测模型能更精确地反映现场实际水平。 相似文献
16.
17.
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
18.
An efficient training and pruning methodology based on the H∞ filtering algorithm is proposed for artificial neural networks (ANNs). ANNs are first trained by the H∞ filtering algorithm and then some unimportant weights are removed based on the training. The results presented in the paper show that the proposed method provides better pruning results of the network without losing its generalization capacity. It also provides a robust training algorithm for given arbitrary network structures. The usefulness and effectiveness of the proposed methodology are demonstrated in developing an ANN model of a hysteretic structural system. 相似文献
19.
神经网络在50tDC电弧炉炼钢中的运用 总被引:3,自引:0,他引:3
利用BP神经网络预测50tDC电弧炉钢水生产过程温度和终点温度,当允许误差为10℃,网络预测命中率≥90%,其预测精度满足了炼钢的需求。 相似文献
20.
应用模糊辨识方法对 (% ) :0 0 1~ 0 0 5C ,0~ 0 89Si,0~ 1 2 5Mn ,10 2~ 16 0Cr,0~ 9 0Ni,0~1 8Cu ,0~ 0 8Al,0~ 0 9Ti马氏体时效不锈钢的力学性能进行预测。该方法是基于T S模糊模型 ,采用三角形隶属函数计算给定样本的隶属度 ,利用稳态卡尔曼滤波器辨识模糊模型的结论参数。根据收集整理国内外文献的实验数据 ,使用模糊模型建立化学成分和热处理主要工艺参数与产品力学性能之间的关系。离线仿真表明 ,产品力学性能的预测值与实际值拟合良好 ,抗拉强度 (10 0 0~ 2 0 0 0MPa)相对误差 91%在± 2 %以内 ,断面收缩率 (4 5 %~ 77% )的相对误差 85 %在± 2 %以内 ,延伸率 (6 %~ 2 2 % )的相对误差 84 %在± 4 %以内。 相似文献