在高爐煉鐵中,鐵水硅含量是衡量生鐵質(zhì)量的重要指標之一。而且由于鐵水硅含量與高爐爐溫之間存在正相關系,通過硅含量的獲取,可間接地獲得高爐爐溫。但是在實際生產(chǎn)過程中,生鐵的硅含量只有在生鐵樣本送到實驗室經(jīng)過化驗后方可得知,檢測存在滯后性,這樣采取的調(diào)整鐵水硅含量的措施也會滯后。為了消除檢測的滯后性,有必要對鐵水硅含量進行預測,建立有效的預測模型。目前鐵水硅含量預測大多采用基于單個神經(jīng)網(wǎng)絡的預測模型。基于單個神經(jīng)網(wǎng)絡的預測模型存在預測準確率低,訓練難度大,泛化能力差等諸多問題。因此,本文提出了集成模糊神經(jīng)網(wǎng)絡硅含量預測模型和基于集成灰色模糊神經(jīng)網(wǎng)絡的組合預測模型。集成模糊神經(jīng)網(wǎng)絡預測模型將復雜的鐵水硅含量預測任務分解成多個簡單的子任務,并交由子網(wǎng)絡完成,最后由決策融合網(wǎng)絡將多個子任務的處理結(jié)果匯總、分析與處理,得到整個預測任務的處理結(jié)果�；诩苫疑：窠�(jīng)網(wǎng)絡的組合預測模型由灰色預測模型與集成模糊神經(jīng)網(wǎng)絡預測模型兩部分組成。在組合預測模型當中,集成預測模型的訓練與預測數(shù)據(jù)樣本不再是各建模工藝參數(shù)的原始數(shù)據(jù),而是經(jīng)過灰色預測模型預測得到的各參數(shù)原始數(shù)據(jù)的預測值。這些預測值具有很強的規(guī)律性,弱... 

【文章來源】：沈陽建筑大學遼寧省

【文章頁數(shù)】：64 頁

【學位級別】：碩士

【部分圖文】：

圖６．３主界面??Ｆｉｇ．?６．３?Ｍａｉｎ?ｉｎｔｅｒｆａｃｅ??本上位機管理系統(tǒng)主界面的主要功能是進行數(shù)據(jù)查詢與插含量預測

模型的允許誤差在預測之前也可由用戶自定義設置。預測模型自動讀取機器的當前時間，??通過分析插含量數(shù)據(jù)獲得高爐熱巧態(tài)，計算預測命中率并實時的顯示在界面右側(cè)。界面如??圖６．５所示。??

本上位機管理系統(tǒng)的另一個比較重要的功能模塊是枉含量查詢模塊。與主界面的桂含??量查詢不同，在趕含量查詢模塊當中，可Ｗ為用戶提供更具體的查詢。用戶可Ｗ選擇查詢??的爐號，１＾＾＞及所選擇高爐的指定爐次趕含量數(shù)值。如圖６．６所示，指定查巧２號高爐的第??２０到第５０爐的鐵水枉含量數(shù)值。??掛含量查詢珪含載彌！退出織??口?日?Ｉ?＇?＾?＇?＇?＇?Ｉ＂賞號?．??０．５?■?Ｑ?－?－??／、?Ｓｉｉｌｉ；?１４：２０：０６?‘??０．４．?＇Ｉ?Ｐ?－??，？??口３；／?９?００?？?。?＼?赫餓淚同］??Ｄ３式?畫??日．２．?分?公?結(jié)菜Ｍ??日．１?＇?＇?＇?１?＇?????２０?２５?３０?３５?４０?４５?５０?欄查詢??．?齡項祕??圖６．６猛含量詳細杳詢界面??Ｆｉ呂．６．６?Ｉｎ化ｒｆａｃｅ?ｏｆ?ｑｕｅｒｙ?ｄｅｔａｉｌｓ?ｏｆ?ｓｉｌｉｃｏｎ?ｃｏｎｔｅｎｔ??在插含量預測與查詢功能模塊上分別為用戶設置了退出菜單，用戶可不必退回主界??面，直接退出上位機管理系統(tǒng)。且退出模式為安全退出，當需要再次進入系統(tǒng)時需要再一??

【參考文獻】：
期刊論文
[1]多傳感器數(shù)據(jù)融合技術概述[J]. 張延龍,王俊勇.  艦船電子工程. 2013(02)
[2]ADO技術在VC編程中的研究及應用分析[J]. 郭強.  電子科技. 2013(01)
[3]基于特征選擇的神經(jīng)網(wǎng)絡集成研究[J]. 王濤.  微計算機信息. 2012(09)
[4]基于模糊積分的多神經(jīng)網(wǎng)絡集成信息融合[J]. 王征宇,肖南峰.  計算機工程. 2012(16)
[5]基于COM組件的MATLAB和VB混編方法在機械可靠性工程中的應用[J]. 馬培勇,羅紅潤,周思柱.  計算機應用與軟件. 2012(07)
[6]基于神經(jīng)網(wǎng)絡集成的DNA序列分類方法研究[J]. 敖麗敏,羅存金.  計算機仿真. 2012(06)
[7]基于粒子群優(yōu)化的灰色神經(jīng)網(wǎng)絡組合預測模型研究[J]. 馬吉明,徐忠仁,王秉政.  計算機工程與科學. 2012(02)
[8]改進的動態(tài)模糊神經(jīng)網(wǎng)絡及其在人臉識別中的應用[J]. 梅蓉蓉,吳小俊,馮振華.  計算機應用與軟件. 2012(01)
[9]Model of Hot Metal Silicon Content in Blast Furnace Based on Principal Component Analysis Application and Partial Least Square[J]. SHI Lin 1,LI Zhi-ling 2,YU Tao 1,LI Jiang-peng 1(1.School of Mathematics,Physics and Biological Engineering,University of Science and Technology Inner Mongolia,Baotou 014010,Inner Mongolia,China;2.School of Information Engineering,University of Science and Technology Inner Mongolia,Baotou 014010,Inner Mongolia,China).  Journal of Iron and Steel Research（International）. 2011(10)
[10]灰色神經(jīng)網(wǎng)絡模型在物流需求預測中的研究[J]. 閆娟.  計算機仿真. 2011(07)

碩士論文
[1]基于爐熱指數(shù)和RBF的高爐熱狀態(tài)預測系統(tǒng)[D]. 黃艷清.重慶大學 2007
[2]基于GA-BP網(wǎng)絡的鐵水硅含量預測系統(tǒng)[D]. 高云.合肥工業(yè)大學 2006



本文編號：3348468