采用基于改进BP算法的人工神经网络模型,提前预报了烧结矿的R和TFe、SiO2含量,将模型的预报结果转化为规则的输入,设计了基于经验规则的专家系统,结合R、TFe的变化趋势和配料计算提前调整原料的配比.系统正式投入运行后,烧结矿碱度(R)预报命中率达到91%,全铁(TFe)预报命中率达到94%,操作指导建议采纳率为92%,实现了对烧结矿化学成分的稳定控制.
参考文献
| [1] | 叶匡吾.提高烧结矿质量改善高炉原料条件[J].矿冶工程,1996(z2):25-27. |
| [2] | 申炳昕 .烧结矿化学成分预报的研究[D].长沙:中南大学,2002. |
| [3] | 范晓慧;王海东.烧结过程数学模型与人工智能[M].长沙:中南大学出版社,2002 |
| [4] | 程慧霞.用C++建造专家系统[M].北京:电子工业出版社,1996 |
| [5] | 郑耀东 .烧结过程控制专家系统骨架的研究[D].中南大学,2004. |
| [6] | 许云,樊孝忠.在专家系统中利用关系数据库来表达知识[J].计算机工程与应用,2003(22):91-93,138. |
| [7] | Hoffman R R.A Survey of Methods for Eliciting the Knowledge of Experts[J].SIGART Bulletin,1998(108):19-27. |
上一张
下一张
上一张
下一张
计量
- 下载量()
- 访问量()
文章评分
- 您的评分：
-
10%
-
20%
-
30%
-
40%
-
50%