基于集成模糊神经网络的铁水硅含量预测系统
发布时间：2021-08-17 20:48
在高炉炼铁中,铁水硅含量是衡量生铁质量的重要指标之一。而且由于铁水硅含量与高炉炉温之间存在正相关系,通过硅含量的获取,可间接地获得高炉炉温。但是在实际生产过程中,生铁的硅含量只有在生铁样本送到实验室经过化验后方可得知,检测存在滞后性,这样采取的调整铁水硅含量的措施也会滞后。为了消除检测的滞后性,有必要对铁水硅含量进行预测,建立有效的预测模型。目前铁水硅含量预测大多采用基于单个神经网络的预测模型。基于单个神经网络的预测模型存在预测准确率低,训练难度大,泛化能力差等诸多问题。因此,本文提出了集成模糊神经网络硅含量预测模型和基于集成灰色模糊神经网络的组合预测模型。集成模糊神经网络预测模型将复杂的铁水硅含量预测任务分解成多个简单的子任务,并交由子网络完成,最后由决策融合网络将多个子任务的处理结果汇总、分析与处理,得到整个预测任务的处理结果。基于集成灰色模糊神经网络的组合预测模型由灰色预测模型与集成模糊神经网络预测模型两部分组成。在组合预测模型当中,集成预测模型的训练与预测数据样本不再是各建模工艺参数的原始数据,而是经过灰色预测模型预测得到的各参数原始数据的预测值。这些预测值具有很强的规律性,弱...
【文章来源】：沈阳建筑大学辽宁省
【文章页数】：64 页
【学位级别】：硕士
【部分图文】：
图６．３主界面??Ｆｉｇ．?６．３?Ｍａｉｎ?ｉｎｔｅｒｆａｃｅ??本上位机管理系统主界面的主要功能是进行数据查询与插含量预测
模型的允许误差在预测之前也可由用户自定义设置。预测模型自动读取机器的当前时间，??通过分析插含量数据获得高炉热巧态，计算预测命中率并实时的显示在界面右侧。界面如??图６．５所示。??
本上位机管理系统的另一个比较重要的功能模块是枉含量查询模块。与主界面的桂含??量查询不同，在赶含量查询模块当中，可Ｗ为用户提供更具体的查询。用户可Ｗ选择查询??的炉号，１＾＾＞及所选择高炉的指定炉次赶含量数值。如图６．６所示，指定查巧２号高炉的第??２０到第５０炉的铁水枉含量数值。??挂含量查询珪含載彌！退出織??口?日?Ｉ?＇?＾?＇?＇?＇?Ｉ＂賞号?．??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?结菜Ｍ??日．１?＇?＇?＇?１?＇?????２０?２５?３０?３５?４０?４５?５０?欄查询??．?齡項祕??图６．６猛含量详细杳询界面??Ｆｉ呂．６．６?Ｉｎ化ｒｆａｃｅ?ｏｆ?ｑｕｅｒｙ?ｄｅｔａｉｌｓ?ｏｆ?ｓｉｌｉｃｏｎ?ｃｏｎｔｅｎｔ??在插含量预测与查询功能模块上分别为用户设置了退出菜单，用户可不必退回主界??面，直接退出上位机管理系统。且退出模式为安全退出，当需要再次进入系统时需要再一??
【参考文献】：
期刊论文
[1]多传感器数据融合技术概述[J]. 张延龙,王俊勇. 舰船电子工程. 2013(02)
[2]ADO技术在VC编程中的研究及应用分析[J]. 郭强. 电子科技. 2013(01)
[3]基于特征选择的神经网络集成研究[J]. 王涛. 微计算机信息. 2012(09)
[4]基于模糊积分的多神经网络集成信息融合[J]. 王征宇,肖南峰. 计算机工程. 2012(16)
[5]基于COM组件的MATLAB和VB混编方法在机械可靠性工程中的应用[J]. 马培勇,罗红润,周思柱. 计算机应用与软件. 2012(07)
[6]基于神经网络集成的DNA序列分类方法研究[J]. 敖丽敏,罗存金. 计算机仿真. 2012(06)
[7]基于粒子群优化的灰色神经网络组合预测模型研究[J]. 马吉明,徐忠仁,王秉政. 计算机工程与科学. 2012(02)
[8]改进的动态模糊神经网络及其在人脸识别中的应用[J]. 梅蓉蓉,吴小俊,冯振华. 计算机应用与软件. 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]灰色神经网络模型在物流需求预测中的研究[J]. 闫娟. 计算机仿真. 2011(07)
硕士论文
[1]基于炉热指数和RBF的高炉热状态预测系统[D]. 黄艳清.重庆大学 2007
[2]基于GA-BP网络的铁水硅含量预测系统[D]. 高云.合肥工业大学 2006
本文编号：3348468
【文章来源】：沈阳建筑大学辽宁省
【文章页数】：64 页
【学位级别】：硕士
【部分图文】：
图６．３主界面??Ｆｉｇ．?６．３?Ｍａｉｎ?ｉｎｔｅｒｆａｃｅ??本上位机管理系统主界面的主要功能是进行数据查询与插含量预测
模型的允许误差在预测之前也可由用户自定义设置。预测模型自动读取机器的当前时间，??通过分析插含量数据获得高炉热巧态，计算预测命中率并实时的显示在界面右侧。界面如??图６．５所示。??
本上位机管理系统的另一个比较重要的功能模块是枉含量查询模块。与主界面的桂含??量查询不同，在赶含量查询模块当中，可Ｗ为用户提供更具体的查询。用户可Ｗ选择查询??的炉号，１＾＾＞及所选择高炉的指定炉次赶含量数值。如图６．６所示，指定查巧２号高炉的第??２０到第５０炉的铁水枉含量数值。??挂含量查询珪含載彌！退出織??口?日?Ｉ?＇?＾?＇?＇?＇?Ｉ＂賞号?．??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?结菜Ｍ??日．１?＇?＇?＇?１?＇?????２０?２５?３０?３５?４０?４５?５０?欄查询??．?齡項祕??图６．６猛含量详细杳询界面??Ｆｉ呂．６．６?Ｉｎ化ｒｆａｃｅ?ｏｆ?ｑｕｅｒｙ?ｄｅｔａｉｌｓ?ｏｆ?ｓｉｌｉｃｏｎ?ｃｏｎｔｅｎｔ??在插含量预测与查询功能模块上分别为用户设置了退出菜单，用户可不必退回主界??面，直接退出上位机管理系统。且退出模式为安全退出，当需要再次进入系统时需要再一??
【参考文献】：
期刊论文
[1]多传感器数据融合技术概述[J]. 张延龙,王俊勇. 舰船电子工程. 2013(02)
[2]ADO技术在VC编程中的研究及应用分析[J]. 郭强. 电子科技. 2013(01)
[3]基于特征选择的神经网络集成研究[J]. 王涛. 微计算机信息. 2012(09)
[4]基于模糊积分的多神经网络集成信息融合[J]. 王征宇,肖南峰. 计算机工程. 2012(16)
[5]基于COM组件的MATLAB和VB混编方法在机械可靠性工程中的应用[J]. 马培勇,罗红润,周思柱. 计算机应用与软件. 2012(07)
[6]基于神经网络集成的DNA序列分类方法研究[J]. 敖丽敏,罗存金. 计算机仿真. 2012(06)
[7]基于粒子群优化的灰色神经网络组合预测模型研究[J]. 马吉明,徐忠仁,王秉政. 计算机工程与科学. 2012(02)
[8]改进的动态模糊神经网络及其在人脸识别中的应用[J]. 梅蓉蓉,吴小俊,冯振华. 计算机应用与软件. 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]灰色神经网络模型在物流需求预测中的研究[J]. 闫娟. 计算机仿真. 2011(07)
硕士论文
[1]基于炉热指数和RBF的高炉热状态预测系统[D]. 黄艳清.重庆大学 2007
[2]基于GA-BP网络的铁水硅含量预测系统[D]. 高云.合肥工业大学 2006
本文编号：3348468
本文链接：https://www.wllwen.com/projectlw/yjlw/3348468.html
