基于改进模糊ART神经网络的连铸漏钢预报模型

摘要：

在模糊ART神经网络的基础上,有机结合模糊模式识别和模糊聚类算法,并通过引入新的学习机制和优化网络结构,建立了改进的新型模糊ART神经网络模型;同时,结合某钢厂连铸现场采集的历史数据,将该模型应用于连铸漏钢预报过程中.其结果表明,该模型对粘结漏钢过程中2种典型温度模式的预报率分别达到95.6%和97.8%,报出率都达到100%,且在避免漏报的同时保证了较低的误报率,能准确识别典型的温度模式和预测拉漏事故的发生.

关键词：连铸、漏钢预报、模糊神经网络、模糊聚类

所属期刊栏目：17

分类号：TF777.1(炼钢)

在线出版日期：2007-12-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：26-29,53