文档摘要:炉温控制是高炉过程控制的基础与核心技术,炉温的走势最直接地反应了高炉的运行状况.因此,建立合理的炉温控制模型至关重要.铁水中硅的含量与炉温成正比例关系,而冶炼过程中状态变量、控制变量及入炉基本条件等都会影响炉温,如果考虑全部的相关因素,势必会因信息冗余降低模型的性能.为此,首先采用主成分分析(PCA)方法对多维输入变量进行降维,同时回避了变量间的多重共线性问题.其次,将PCA处理得到的相互独立的主成分用于网络训练,建立了基于极限学习机(ELM)的炉温预测模型,该模型克服了前馈神经网络训练速度慢、容易陷入局部极小的缺点.最后比较了传统的BP学习算法、ELM算法和PCA结合ELM算法的预测效率,试验证明本文算法具有较高的命中率,可以用来指导高炉实际生产.
作者:袁冬芳 曹富军 李德荣Author:YUANDong-fang CAOFu-jun LIDe-rong
作者单位:内蒙古科技大学理学院,内蒙古包头,014010
刊名:内蒙古科技大学学报
Journal:JournalofInnerMongoliaUniversityofScienceandTechnology
年,卷(期):2017, 36(4)
分类号:TF543TP273.4
关键词:硅含量 炉温控制 主成分分析 极限学习机
机标分类号:
在线出版日期:2018年3月2日
基金项目:国家自然科学基金资助项目,内蒙古自然科学基金资助项目(2017MS(LH)0104,2017MS主成分分析结合极限学习机的高炉炉温预测模型[
期刊论文] 内蒙古科技大学学报--2017, 36(4)袁冬芳 曹富军 李德荣炉温控制是高炉过程控制的基础与核心技术,炉温的走势最直接地反应了高炉的运行状况.因此,建立合理的炉温控制模型至关重要.铁水中硅的含量与炉温成正比例关系,而冶炼过程中状态变量、控制变量及入炉基本条件等都会影响炉...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
关键词:
|
|