為了準(zhǔn)確地預(yù)測(cè)煉鋼生產(chǎn)中脫氧合金化過(guò)程中元素收得率,本研究基于BP與RBF神經(jīng)網(wǎng)絡(luò)模型對(duì)脫氧合金冶煉中元素收得率預(yù)測(cè)精度進(jìn)行對(duì)比分析。結(jié)果表明:（1）根據(jù)預(yù)測(cè)結(jié)果精度確定脫氧合金冶煉中元素收得率預(yù)測(cè)使用BP神經(jīng)網(wǎng)絡(luò)模型;（2）基于BP神經(jīng)網(wǎng)絡(luò)模型對(duì)脫氧合金冶煉中C、Mn兩種元素收得率進(jìn)行預(yù)測(cè)分析得出:C元素收得率預(yù)測(cè)區(qū)間為[0.894 9,0.901 2]、 Mn元素收得率預(yù)測(cè)區(qū)間為[0.904 5,0.919 5]。基于BP神經(jīng)網(wǎng)絡(luò)模型能夠較為準(zhǔn)確地預(yù)測(cè)脫氧合金冶煉中元素收得率區(qū)間,從而控制合金用量,達(dá)到降低煉鋼成本的目的。 

【文章來(lái)源】：青海大學(xué)學(xué)報(bào). 2020,38(04)

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖

RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖

通過(guò)對(duì)C元素收得率預(yù)測(cè)結(jié)果的網(wǎng)絡(luò)響應(yīng)進(jìn)行分析,將驗(yàn)證數(shù)據(jù)、訓(xùn)練數(shù)據(jù)、測(cè)試數(shù)據(jù)放在數(shù)據(jù)集中,由于線性回歸之前需要對(duì)網(wǎng)絡(luò)輸出進(jìn)行反規(guī)范轉(zhuǎn)換,三組輸出值進(jìn)行三次回歸分析。網(wǎng)絡(luò)輸出和相應(yīng)的期望輸出進(jìn)行線性回歸分析見(jiàn)圖7。由圖7可知,基于BP神經(jīng)網(wǎng)絡(luò)模型擬合程度較為準(zhǔn)確,三次回歸分析相關(guān)系數(shù)均在0.5左右,表明網(wǎng)絡(luò)輸出和期望輸出間關(guān)系較為顯著,可以基于BP神經(jīng)網(wǎng)絡(luò)建立脫氧合金冶煉中元素預(yù)測(cè)模型。3.2 Mn元素收得率預(yù)測(cè)

【參考文獻(xiàn)】：
期刊論文
[1]BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制在色素得率的應(yīng)用[J]. 程換新,孟祥勇,崔麗潔,孔玲玲.  電子測(cè)量技術(shù). 2017(11)
[2]基于RSRBFNN的鈦合金焊接接頭疲勞壽命預(yù)測(cè)[J]. 鄒麗,楊鑫華,孫屹博,鄧武.  焊接學(xué)報(bào). 2015(04)

碩士論文
[1]多目標(biāo)粒子群算法及其在轉(zhuǎn)爐煉鋼中的應(yīng)用研究[D]. 何泳.大連理工大學(xué) 2016
[2]基于群智能優(yōu)化算法的燒結(jié)配料優(yōu)化設(shè)計(jì)與應(yīng)用[D]. 王明.天津理工大學(xué) 2013
[3]LF精煉脫氧合金化模型開(kāi)發(fā)與在線應(yīng)用[D]. 胡井濤.東北大學(xué) 2011
[4]基于多目標(biāo)微粒群的轉(zhuǎn)爐合金加入量?jī)?yōu)化研究[D]. 徐俏.大連理工大學(xué) 2010



本文編號(hào)：3514326