一种基于增量式神经网络的转炉静态控制模型

• 作者: 吴敏 曹卫华 田超
• 来源期刊: 自动化技术与应用
• 学科: 工学
• 关键词: 转炉 增量模型 神经网络 预报模型
• 年，卷（期）: 2005,（5）
• 所属期刊栏目: 控制理论与应用
• 页码范围: 17-19
• 页数: 3页
• 分类号: TP183
• 字数: 3229字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-7241.2005.05.006

摘要

针对中小型转炉不宜增设副枪、难以对钢水成分和温度进行连续检测、难以建立动态模型的实际情况,本文将传统增量模型和神经网络模型有机结合,提出了一种基于增量式神经网络的转炉静态控制模型,对钢水终点进行控制.在该模型引入了RBF神经网络对钢水终点温度和碳含量进行实时预报,使得对增量式神经网络控制模型的训练以预报模型的输出值与所要求的钢水终点温度和碳含量之差为最小,克服了常规静态控制模型存在的不足,改善了控制效果,提高了炼钢一倒命中率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴敏	中南大学信息科学与工程学院	439	5230	34.0	47.0
2	曹卫华	中南大学信息科学与工程学院	120	1459	20.0	29.0
3	田超	中南大学信息科学与工程学院	9	44	3.0	6.0