转炉炼钢过程是一个非常复杂的物理化学变化过程,人工控制很难一次达到终点目标值,通常需要经过多次补吹才能出钢.通过研究影响转炉冶炼终点磷含量的主要因素,确定了影响转炉终点磷含量的参数,建立了基于Levenberg-Marquardt(LM)算法BP神经网络转炉终点磷含量的预报模型.结果表明:在预报误差目标精度为土0.002%内,命中率达到了90%.
参考文献
| [1] | 甄云璞,冯聚和.基于神经网络的转炉冶炼终点锰、磷静态预报模型[J].河北理工学院学报,2007(02):16-19. |
| [2] | 朱光俊,梁本川.转炉炼钢静态控制优化模型[J].炼钢,1999(04):25-28. |
| [3] | 常立忠,李正邦.基于BP神经网络的转炉静态模型[J].炼钢,2006(06):41-44. |
| [4] | 柴天佑,谢书明,杜斌,任德祥.基于RBF神经网络的转炉炼钢终点预报[J].中国有色金属学报,1999(04):868-872. |
| [5] | 王永富,李小平,柴天佑,谢书明.转炉炼钢动态过程预设定模型的混合建模与预报[J].东北大学学报(自然科学版),2003(08):715-718. |
| [6] | Wasserman P D.Neural Computing:Theory and Practice[M].New York:Van Nostrand Reinhold Company Inc,1989 |
| [7] | 冯明霞,邹宗树,李强.应用改进的神经网络模型预报转炉冶炼终点[J].炼钢,2006(01):40-44. |
| [8] | Hagan M.T.;Menhaj M.B. .Training feedforward networks with the Marquardt algorithm[J].IEEE Transactions on Neural Networks,1994(6):989-993. |
| [9] | 原隆康;山口貴弘;段上孝良 .転炉終点ダイナミックりん制御技術の開発[J].日新製鋼技報,1999(79):33-40. |
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%