韩庆
,
周石光
钢铁
为了改善国内某钢铁厂炉卷轧机的轧制力模型的预报精度,提出将结合热模拟实验建立的传统轧制力模型计算值作为Elman神经网络的一个输入项,将传统数学模型预报的轧制力与实测轧制力的相对误差作为此神经网络输出项的方式构建网络模型,通过大量的在线数据分析,这种将神经网络与传统数学模型相结合的方法明显地改善了轧制力的预报精度.该神经网络模型可为以轧制力为主要控制目标的炉卷轧机的过程自动化系统提供可靠的模型参数.
关键词:
炉巷轧机
,
热模拟
,
轧制力
,
Elman神经网络
李红娟
,
熊文真
钢铁
doi:10.13228/j.boyuan.issn0449-749x.20150609
针对钢铁企业副产煤气系统产消量频繁波动，不平衡现象比较严重，供需之间的平衡程度对钢铁企业的生产成本、能源消耗情况影响较大，并且钢铁企业中工序、设备繁多，每道工序都涉及多种能源介质的问题，利用HP滤波、支持向量机分类（SVC）、最小二乘支持向量机(LSSVM)和Elman神经网络的特性建立了SVC-HP-ENN-LSSVM模型，并根据用能设备的能源利用特点和预测结果对副产煤气进行优化调度。模型应用表明：所建预测模型对煤气系统的预测平均相对误差小于4%，满足工业生产需要。根据预测结果进行的优化调度解决了煤气系统的不平衡问题，应用于钢铁企业典型工况，主工序可降低10%左右能耗，应用其自备电厂（一年按照330天计算），可多产蒸汽约104148 t，节能约9998208 kg标煤。
关键词:
支持向量机分类
,
HP滤波
,
Elman神经网络
,
最小二乘支持向量机
,
优化调度
李红娟
,
王建军
,
王华
,
孟华
钢铁研究学报
针对钢铁企业富余煤气的频繁波动对自备电厂能耗及煤气平衡影响严重,且难以通过建立机制模型进行预测的问题,依据HP滤波和Elman神经网络性质建立了HP(2)-Elman预测模型.并根据自备电厂能源利用的特点,建立拟合模型求解锅炉的经济运行负荷,在此基础上对富余煤气进行优化调度.模型应用表明:所建预测模型对煤气柜位预测平均相对误差小于2.8％,自备电厂煤气供入量30、45、60个点预测平均相对误差分别为1.7％、1.6％、1.6％.根据预测结果进行的优化调度可为煤气柜位调整及自备电厂锅炉负荷分配提供操作依据,一年按照330天计算,可多产蒸汽约100495t,节能约11670481kg标煤.
关键词:
HP滤波
,
Elman神经网络
,
优化调度
毕志敏
,
王焱
钢铁研究学报
doi:10.13228/j.boyuan.issn1001-0963.20160313
针对目前的板形缺陷识别方法精度不高、识别速度慢的问题,根据Elman神经网络模型可以反映系统动态特性,而且可以逼近任意非线性函数的特点,提出了一种利用改进的遗传算法优化Elman神经网络,使其泛化能力强、学习速度快、识别精度高,并建立板形缺陷模式识别模型的方法.为了验证该方法的识别能力,在隐层节点数与学习次数相同的条件下,分别与遗传算法优化的Elman网络和BP网络模型进行板形识别仿真对比分析.试验结果表明,改进遗传算法优化的Elman神经网络模型对板形缺陷识别精度高于BP网络等模型,并且具有收敛速度快的优点.
关键词:
改进遗传算法
,
Elman神经网络
,
板形缺陷识别
