基于RBF神经网络的转炉炼钢终点预报

• 作者: 孙凯 谢书明 陈昌
• 来源期刊: 沈阳工业大学学报
• 学科: 工学
• 关键词: 转炉炼钢 终点控制 RBF神经网络 最近邻聚类 K-均值聚类 递推最小二乘法
• 年，卷（期）: 2006,（4）
• 所属期刊栏目: 控制工程
• 页码范围: 405-408
• 页数: 4页
• 分类号: TP183
• 字数: 2816字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1646.2006.04.012

摘要

转炉炼钢控制目标是终点温度和碳含量,由于炉温过高,无法在线连续测量.用传统的机理模型建立的终点温度和碳含量模型不够精确.基于RBF神经网络任意逼近函数能力,隐层中心采用最近邻聚类算法,避开K-均值法依赖于聚类中心的初始位置,易陷入局部极小点的缺点.权值调整采用带加权因子的递推最小二乘算法,建立基于RBF神经网络的转炉炼钢终点温度及碳含量的预报模型,并结合某钢铁企业一座180 t转炉的实际数据进行模型验证研究.结果表明,预报精度高于传统的机理模型及BP模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢书明	沈阳工业大学电气工程学院	9	177	7.0	9.0
2	陈昌	沈阳工业大学信息科学与工程学院	2	30	2.0	2.0
3	孙凯	沈阳工业大学信息科学与工程学院	1	11	1.0	1.0