连续碳酸化分解过程分解率的预测模型
连续碳酸化分解过程(简称碳分)是烧结法生产氧化铝的重要环节之一,其末槽分解率直接影响着氧化铝的产量和质量.碳分工艺是一个大滞后、非线性的复杂工业过程,分解率很难在线检测.针对此问题,论文提出了一种基于粒子群优化(PSO)的神经网络预测模型,对末槽分解率进行预测,以便实现分解率在线控制.该预测模型采用BP神经网络来构建,利用粒子群算法对神经网络的参数进行优化;结合实际工艺,对所建预测模型进行仿真研究,实验结果表明.建立的预测模型具有较好的瑟化能力和较高的自学习能力,并具有较好预测精度,能为分解率的在线及优化控制提供指导.
连续碳酸化分解、预测模型、粒子群优化算法、BP神经网络
17
TP391(计算技术、计算机技术)
国家自然科学基金重点项目60634020;教育部新世纪人才计划资助项目NCET-07-0867
2009-05-26(万方平台首次上网日期,不代表论文的发表时间)
共3页
695-696,722