基于神经网络的高炉炉温预测模型的研究

摘要：

文章针对BP网络收敛速度慢和易于陷入极小值的问题,应用RBF网络模型对高炉铁水硅含量进行了预测,通过对高炉一段连续时期内正常生产的数据经过归一化处理后进行训练和仿真,结果表明,高炉冶炼在运用了先进的RBF人工神经网络预测模型后,能预测铁水硅含量的高低,从而判断炉温走势,调控炉温,同时监测多个生产过程控制对象,有利于提高高炉生产艺,实现节能降耗.

关键词：铁水硅含量、RBF神经网络、预测模型、能耗

所属期刊栏目：25

分类号：TP183(自动化基础理论)

资助基金：基金申请人:邱东;计划名称:国家科技支撑计划2007BAQ00097;项目名称:冶金企业氩氧精炼铁合金工艺及综合节能技术的开发与示范2007BAQ00097-4;项目名称:冶炼过程能耗监测与能耗系统优化

在线出版日期：2009-07-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：232-233,258