基于粒子群优化径向基神经网络的烧结终点预测研究

发布时间：2018-01-21 18:39

  本文关键词： 粒子群算法 RBF神经网络数 烧结终点　出处：《铸造技术》2016年11期 　论文类型：期刊论文

【摘要】：针对烧结生产过程中多变量、强耦合的特点和RBF神经网络结构参数选取依据经验的问题,为提高烧结终点预报模型的精度,提出粒子群算法优化RBF神经网络的烧结终点预测方法。在标准PSO算法的基础上,优化RBF神经网络隐层节点中心和宽度2个结构参数,并建立烧结终点预测模型;在此基础上利用UCI数据库中的Computer Hardware和Concrete Slump Test标准数据,验证了方法的有效性,并以某钢厂265 m2烧结机的实际生产数据,建立烧结终点的预报模型。结果表明,与标准BP,RBF相比,基于PSO优化RBF的烧结终点预测模型精度高、泛化能力强。
[Abstract]:Aiming at the characteristics of multivariable and strong coupling in sintering process and the experience of selecting parameters of RBF neural network structure, the precision of the prediction model of sintering end point is improved. Particle swarm optimization (PSO) algorithm is proposed to predict the sintering endpoint of RBF neural network. Based on the standard PSO algorithm, two structural parameters of the hidden layer node center and width of RBF neural network are optimized. The prediction model of sintering end point is established. On this basis, the validity of the method is verified by using the standard data of Computer Hardware and Concrete Slump Test in UCI database. Based on the actual production data of 265 m2 sintering machine in a steel plant, a prediction model of sintering end point is established. The results show that the model is compared with the standard BPU RBF. The prediction model of sintering end point based on PSO optimization RBF has high precision and strong generalization ability.
【作者单位】： 内蒙古科技大学机械工程学院;包钢集团炼铁厂;内蒙古科技大学材料与冶金学院;
【基金】：国家自然科学基金(21366017) 内蒙古自然科学基金(2015MS0512) 内蒙古高等学校科学研究项目(NJZY146) 内蒙古科技大学创新基金(2015QDL12)
【分类号】：TF046.4;TP183
【正文快照】： 我国冶金行业中,烧结矿己占高炉炉料的90%以上[1],其质量和产量直接关联到炼铁及炼钢的产量和质量指标。烧结生产是一个非常复杂的物理、化学反应过程,作为判断烧结生产的重要质量指标,烧结终点与烧结机产量、质量和成本戚戚相关;其优化对提高烧结矿质量、降低成本至关重要。，

本文编号：1452269