一种基于改进的RBF神经网络的铁水脱硫预报模型

• 作者: 曹长修 李治友 陈才
• 来源期刊: 重庆大学学报(自然科学版)
• 学科: 工学
• 关键词: 最近邻聚类 k均值聚类 RBF神经网络 预报
• 年，卷（期）: 2003,（9）
• 页码范围: 119-122
• 页数: 4页
• 分类号: TP183
• 字数: 3407字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-582X.2003.09.031

摘要

脱硫过程是炼钢生产中一个十分重要的环节.脱硫效果的好坏,直接关系到炼钢生产能否保质保量地进行,而这又取决于对脱硫过程的控制,其关键是脱硫剂的加入量.因而必须建立脱硫过程模型,实时和高精度地预报脱硫剂的加入量.而脱硫过程又是一个非常复杂的工艺过程,采用传统的方法建立的模型无法保证稳定和高精度的脱硫效果.笔者提出了一种基于改进的RBF神经网络的铁水脱硫预报模型及其具体设计方法,并在炼钢厂进行了实际投运.结果表明,该模型性能良好,这同时说明了设计方法的有效性和实用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹长修	重庆大学自动化学院	162	2835	26.0	47.0
2	陈才	重庆大学自动化学院	7	14	2.0	3.0
3	李治友	重庆大学自动化学院	1	0	0.0	0.0