高炉铁水硅质量分数的模糊预测函数控制

在模糊预测函数控制的基础上，建立了一种新型算法来预测高炉铁水硅质量分数.基于莱钢1号高炉在线采集的数据，并结合专家语言规则生成模糊规则.控制参数作为模型的输入参数，主要有：料速、透气性指数、喷煤量、风温、风量，计算得到了各个参数的时滞.应用该算法对高炉铁水硅质量分数进行了局部预测控制，结果表明,改变喷煤量对控制铁水硅质量分数的波动起到明显作用，当喷煤量控制在区间［10 t/h,15.5 t/h］时，铁水硅质量分数在［0.36,0.58］区间内波动，且铁水硅质量分数的波动逐渐变小.     

高炉异常炉况的模糊预测模型

将神经网络和模糊数学理论相结合，建立了一种新型的炉况预报模型，利用模糊神经网络的并行处理特性进行模糊推理。模糊神经网络的并行数学计算过程取代了专家系统中传统的参数处理，具有更高的推理效率；且神经网络的学习能力实现了隶属函数和模糊规则的自学习，从而满足了高炉专家系统知识库的动态特征，有效提高了炉况预报模型的自适应能力。最后，应用莱钢1号高炉在线采集的数据动态模拟了高炉炉况的变化趋势。     

一个奇性两点边值问题

考虑一个非线性奇性两点边值问题正解的存在性及唯一性．主要是通过Ｇｒｅｅｎ函数,先验估计, Ｓｃｈａｕｄｅｒ不动点定理,比较原理及扰动技巧等来获得所述结果．