基于BP神经网络预报钢锭成分的软件开发

摘要：

采用3层BP神经网络来预测炼钢成品的C、Si、Mn成分.根据炼钢的实际生产数据,选取铁水、废钢、供氧、吹氩、硅锰合金、增碳剂等28个因素作为输入变量,对输入参数进行归一化处理,采取附加动量项和自适应学习步长的措施,解决了BP神经网络局部收敛和学习时间过长的问题,提高了神经网络预报的准确率.并用VC++语言编写程序.软件经生产现场运用后.模型预测结果表明:在规定的误差内(C±0-02%、SiO±0.5%、Mn±0-06%),预报命中率达到85%以上,证明了模型的有效性.

关键词：人工神经网络、BP算法、产品成分

所属期刊栏目：25

分类号：TF531(炼铁)

在线出版日期：2009-12-08（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：207-209