10.3969/j.issn.2095-2716.2022.01.003
基于PSO-BP神经网络的转炉炼钢碳含量预测
针对转炉炼钢终点控制问题,对炼钢过程中采集的炉口火焰光谱信息进行研究,采用阿特曼Z-score模型将光谱数据做标准化处理,获取量纲一致的样本集信息.采用主成分分析方法,提取了13个有效的光谱特征频率.基于耦合粒子群算法(PSO)与BP神经网络算法,构建基于炉口火焰光谱信息的炼钢后期钢水碳含量连续预报模型.预报效果采用正交试验方法验证与测试,研究结果表明:PSO-BP神经网络模型的整体测试误差在±0.05以内,具有一定的准确性与普适性,可为炼钢终点控制策略的优化提供定量指导.
转炉炼钢;Z-score模型;主成分分析;PSO-BP神经网络
44
TF71(炼钢)
国家自然科学基金面上项目51974130
2022-01-05(万方平台首次上网日期,不代表论文的发表时间)
共8页
16-23