基于组合训练方法的RBFNN转炉炼钢静态模型

• 作者: 徐峥 徐生林 朱亚萍 王文龙
• 来源期刊: 杭州电子科技大学学报（自然科学版）
• 关键词: 径向基神经网络 转炉炼钢 梯度下降法 量子微粒群优化算法
• 年，卷（期）: 2011,（3）
• 页码范围: 62-65
• 分类号: TF721
• 语种: 中文
• DOI: 10.3969/j.issn.1001-9146.2011.03.016

摘要

为了提高转炉炼钢终点碳含量和温度的预报命中率,该文采用径向基神经网络建立转炉炼钢静态模型.量子微粒群优化算法具体较好的全局搜索能力,而梯度下降法有较好的局部搜索能力,为了能够发挥这两种算法的优势,该文提出了一种组合训练方法,用来训练径向基神经网络.并通过对某炼钢厂的历史数据进行仿真实验,比较组合训练方法与非组合训练方法的学习性能,研究结果表明该研究提高了转炉终点C含量和温度的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐生林	杭州电子科技大学自动化学院	28	88	4.0	7.0
2	朱亚萍	杭州电子科技大学自动化学院	24	64	4.0	6.0
3	王文龙	杭州电子科技大学自动化学院	2	4	1.0	2.0
4	徐峥	杭州市七格污水处理厂工程建设指挥部	3	3	1.0	1.0