基于BP神经网络对脱氧合金冶炼中元素收得率的预测

发布时间：2021-11-23 17:12

　　为了准确地预测炼钢生产中脱氧合金化过程中元素收得率,本研究基于BP与RBF神经网络模型对脱氧合金冶炼中元素收得率预测精度进行对比分析。结果表明:（1）根据预测结果精度确定脱氧合金冶炼中元素收得率预测使用BP神经网络模型;（2）基于BP神经网络模型对脱氧合金冶炼中C、Mn两种元素收得率进行预测分析得出:C元素收得率预测区间为[0.894 9,0.901 2]、 Mn元素收得率预测区间为[0.904 5,0.919 5]。基于BP神经网络模型能够较为准确地预测脱氧合金冶炼中元素收得率区间,从而控制合金用量,达到降低炼钢成本的目的。 

【文章来源】：青海大学学报. 2020,38(04)

【文章页数】：8 页

【部分图文】：

BP神经网络结构示意图

RBF神经网络结构示意图

通过对C元素收得率预测结果的网络响应进行分析,将验证数据、训练数据、测试数据放在数据集中,由于线性回归之前需要对网络输出进行反规范转换,三组输出值进行三次回归分析。网络输出和相应的期望输出进行线性回归分析见图7。由图7可知,基于BP神经网络模型拟合程度较为准确,三次回归分析相关系数均在0.5左右,表明网络输出和期望输出间关系较为显著,可以基于BP神经网络建立脱氧合金冶炼中元素预测模型。3.2 Mn元素收得率预测

【参考文献】：
期刊论文
[1]BP神经网络预测控制在色素得率的应用[J]. 程换新,孟祥勇,崔丽洁,孔玲玲.  电子测量技术. 2017(11)
[2]基于RSRBFNN的钛合金焊接接头疲劳寿命预测[J]. 邹丽,杨鑫华,孙屹博,邓武.  焊接学报. 2015(04)

硕士论文
[1]多目标粒子群算法及其在转炉炼钢中的应用研究[D]. 何泳.大连理工大学 2016
[2]基于群智能优化算法的烧结配料优化设计与应用[D]. 王明.天津理工大学 2013
[3]LF精炼脱氧合金化模型开发与在线应用[D]. 胡井涛.东北大学 2011
[4]基于多目标微粒群的转炉合金加入量优化研究[D]. 徐俏.大连理工大学 2010



本文编号：3514326