基于量子微粒群的BPNN在转炉炼钢静态模型中的应用

• 作者: 徐生林 朱亚萍 王文龙
• 来源期刊: 机电工程
• 学科: 工学
• 关键词: BP神经网络 转炉炼钢 量子微粒群优化算法 基本微粒群优化算法
• 年，卷（期）: 2011,（5）
• 所属期刊栏目: 自动化、计算机技术
• 页码范围: 598-600
• 分类号: TP273|TF721
• 字数: 2541字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-4551.2011.05.021

摘要

针对转炉炼钢静态模型终点命中率较低的问题,首先分析了影响转炉炼钢终点命中率的各种因素,确定了BP神经网络(BPNN)的拓扑结构,并依此建立了转炉炼钢静态模型.然后把量子微粒群算法(QPSO)应用于BP网络的学习中,并比较了QPSO、基本微粒群优化算法(PSO)、梯度下降法的学习性能.最后,基于某炼钢厂的历史数据进行了仿真实验,比较了三种BP网络学习算法下的炼钢终点命中率.研究结果表明,该研究提高了转炉炼钢静态模型的终点C含量和温度预测精度.

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