张帆
,
魏国
,
庞巍
,
高强健
,
陈伟亮
,
温秋林
,
杜钢
材料与冶金学报
分析烧结生产中影响烧结矿FeO含量的众多因素,选择碱度、配煤量、一次温度、制粒效果、加水量、料层厚度、点火温度、煤气流量等8个工艺参数以及4种矿粉配比作为FeO含量预报模型的输入变量.分别采用BP神经网络、RBF神经网络、SVM 3种进行建模预测.预测结果表明,SVM预测性能优于BP神经网络,RBF神经网络优于SVM.
关键词:
FeO含量预测
,
BP
,
SVM
,
RBF
李泾
,
孙洪刚
,
赵宪明
金属世界
doi:10.3969/j.issn.1000-6826.2006.05.007
在长型材生产过程中,影响最终产品质量和力学性能的因素很多,采用计算机对特钢型材生产过程进行模拟,可以分析现场出现的问题,制定出解决办法,这对优化钢材生产工艺有着重要意义.提出了利用初始化学成分和生产工艺参数组成预测特钢型材产品力学性能的BP神经网络模型,通过生产过程中的实际数据的训练,实现了对型材力学性能的离线预测,预测模型适应性好,预测精度高.
关键词:
特殊钢
,
力学性能
,
模型
,
预测
,
BP
,
神经网络
