基于GA—PSO-BP神经网络的LF终点温度预测
针对LF冶炼特点和现有钢水温度预报方法存在的不足,提出了一种新的预测LF终点温度的BP神经网络模型。用遗传算法(GA)和粒子群算法(PSO)混合优化BP神经网络的权值和阈值,提高BP神经网络的预测精度。混合模型既克服了传统机理模型难以准确实现的困难,也弥补了传统BP算法的不足,结合了2种算法的优点,改善了预测模型的收敛性能。开发了基于Java语言的现场应用软件。仿真结果表明,该算法可以提高预测精度和速度,预测误差在5℃以内的炉次达到了88%。
LF精炼炉、钢水温度预测BP神经网络、遗传算法、粒子群算法
28
TF769.2(炼钢)
2012-07-09(万方平台首次上网日期,不代表论文的发表时间)
共3页
50-52