在高爐煉鐵中,鐵水硅含量是衡量生鐵質(zhì)量的重要指標(biāo)之一。而且由于鐵水硅含量與高爐爐溫之間存在正相關(guān)系,通過(guò)硅含量的獲取,可間接地獲得高爐爐溫。但是在實(shí)際生產(chǎn)過(guò)程中,生鐵的硅含量只有在生鐵樣本送到實(shí)驗(yàn)室經(jīng)過(guò)化驗(yàn)后方可得知,檢測(cè)存在滯后性,這樣采取的調(diào)整鐵水硅含量的措施也會(huì)滯后。為了消除檢測(cè)的滯后性,有必要對(duì)鐵水硅含量進(jìn)行預(yù)測(cè),建立有效的預(yù)測(cè)模型。目前鐵水硅含量預(yù)測(cè)大多采用基于單個(gè)神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)模型�；趩蝹�(gè)神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)模型存在預(yù)測(cè)準(zhǔn)確率低,訓(xùn)練難度大,泛化能力差等諸多問(wèn)題。因此,本文提出了集成模糊神經(jīng)網(wǎng)絡(luò)硅含量預(yù)測(cè)模型和基于集成灰色模糊神經(jīng)網(wǎng)絡(luò)的組合預(yù)測(cè)模型。集成模糊神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型將復(fù)雜的鐵水硅含量預(yù)測(cè)任務(wù)分解成多個(gè)簡(jiǎn)單的子任務(wù),并交由子網(wǎng)絡(luò)完成,最后由決策融合網(wǎng)絡(luò)將多個(gè)子任務(wù)的處理結(jié)果匯總、分析與處理,得到整個(gè)預(yù)測(cè)任務(wù)的處理結(jié)果�；诩苫疑：窠�(jīng)網(wǎng)絡(luò)的組合預(yù)測(cè)模型由灰色預(yù)測(cè)模型與集成模糊神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型兩部分組成。在組合預(yù)測(cè)模型當(dāng)中,集成預(yù)測(cè)模型的訓(xùn)練與預(yù)測(cè)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(guò)灰色預(yù)測(cè)模型預(yù)測(cè)得到的各參數(shù)原始數(shù)據(jù)的預(yù)測(cè)值。這些預(yù)測(cè)值具有很強(qiáng)的規(guī)律性,弱... 

【文章來(lái)源】：沈陽(yáng)建筑大學(xué)遼寧省

【文章頁(yè)數(shù)】：64 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖６．３主界面??Ｆｉｇ．?６．３?Ｍａｉｎ?ｉｎｔｅｒｆａｃｅ??本上位機(jī)管理系統(tǒng)主界面的主要功能是進(jìn)行數(shù)據(jù)查詢(xún)與插含量預(yù)測(cè)

模型的允許誤差在預(yù)測(cè)之前也可由用戶自定義設(shè)置。預(yù)測(cè)模型自動(dòng)讀取機(jī)器的當(dāng)前時(shí)間，??通過(guò)分析插含量數(shù)據(jù)獲得高爐熱巧態(tài)，計(jì)算預(yù)測(cè)命中率并實(shí)時(shí)的顯示在界面右側(cè)。界面如??圖６．５所示。??

本上位機(jī)管理系統(tǒng)的另一個(gè)比較重要的功能模塊是枉含量查詢(xún)模塊。與主界面的桂含??量查詢(xún)不同，在趕含量查詢(xún)模塊當(dāng)中，可Ｗ為用戶提供更具體的查詢(xún)。用戶可Ｗ選擇查詢(xún)??的爐號(hào)，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(hào)高爐的第??２０到第５０爐的鐵水枉含量數(shù)值。??掛含量查詢(xún)珪含載彌！退出織??口?日?Ｉ?＇?＾?＇?＇?＇?Ｉ＂賞號(hào)?．??０．５?■?Ｑ?－?－??／、?Ｓｉｉｌｉ；?１４：２０：０６?‘??０．４．?＇Ｉ?Ｐ?－??，？??口３；／?９?００?？?。?＼?赫餓淚同］??Ｄ３式?畫(huà)??日．２．?分?公?結(jié)菜Ｍ??日．１?＇?＇?＇?１?＇?????２０?２５?３０?３５?４０?４５?５０?欄查詢(xún)??．?齡項(xiàng)祕(mì)??圖６．６猛含量詳細(xì)杳詢(xún)界面??Ｆｉ呂．６．６?Ｉｎ化ｒｆａｃｅ?ｏｆ?ｑｕｅｒｙ?ｄｅｔａｉｌｓ?ｏｆ?ｓｉｌｉｃｏｎ?ｃｏｎｔｅｎｔ??在插含量預(yù)測(cè)與查詢(xún)功能模塊上分別為用戶設(shè)置了退出菜單，用戶可不必退回主界??面，直接退出上位機(jī)管理系統(tǒng)。且退出模式為安全退出，當(dāng)需要再次進(jìn)入系統(tǒng)時(shí)需要再一??

【參考文獻(xiàn)】：
期刊論文
[1]多傳感器數(shù)據(jù)融合技術(shù)概述[J]. 張延龍,王俊勇.  艦船電子工程. 2013(02)
[2]ADO技術(shù)在VC編程中的研究及應(yīng)用分析[J]. 郭強(qiáng).  電子科技. 2013(01)
[3]基于特征選擇的神經(jīng)網(wǎng)絡(luò)集成研究[J]. 王濤.  微計(jì)算機(jī)信息. 2012(09)
[4]基于模糊積分的多神經(jīng)網(wǎng)絡(luò)集成信息融合[J]. 王征宇,肖南峰.  計(jì)算機(jī)工程. 2012(16)
[5]基于COM組件的MATLAB和VB混編方法在機(jī)械可靠性工程中的應(yīng)用[J]. 馬培勇,羅紅潤(rùn),周思柱.  計(jì)算機(jī)應(yīng)用與軟件. 2012(07)
[6]基于神經(jīng)網(wǎng)絡(luò)集成的DNA序列分類(lèi)方法研究[J]. 敖麗敏,羅存金.  計(jì)算機(jī)仿真. 2012(06)
[7]基于粒子群優(yōu)化的灰色神經(jīng)網(wǎng)絡(luò)組合預(yù)測(cè)模型研究[J]. 馬吉明,徐忠仁,王秉政.  計(jì)算機(jī)工程與科學(xué). 2012(02)
[8]改進(jìn)的動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)及其在人臉識(shí)別中的應(yīng)用[J]. 梅蓉蓉,吳小俊,馮振華.  計(jì)算機(jī)應(yīng)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(luò)模型在物流需求預(yù)測(cè)中的研究[J]. 閆娟.  計(jì)算機(jī)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(yù)測(cè)系統(tǒng)[D]. 黃艷清.重慶大學(xué) 2007
[2]基于GA-BP網(wǎng)絡(luò)的鐵水硅含量預(yù)測(cè)系統(tǒng)[D]. 高云.合肥工業(yè)大學(xué) 2006



本文編號(hào)：3348468