基于 BP神经网络的转炉供氧模型研究

• 作者: 付佳 孙闻革 蔡海 陈春雨 陶百生
• 来源期刊: 冶金自动化
• 关键词: BP神经网络 供氧模型 供氧量 静态模型 转炉
• 年，卷（期）: 2014,（4）
• 所属期刊栏目: 人工智能技术应用
• 页码范围: 11-15
• 页数: 5页
• 字数: 4093字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-7059.2014.04.003

摘要

为了准确控制转炉静态吹炼过程的供氧量，研发了基于BP神经网络的转炉供氧模型。通过分析元素之间的化学反应确定影响转炉供氧量的主要因素，根据转炉历史炉次信息对神经网络模型进行训练，并通过加入动量项和采用变步长法对模型进行改进。通过仿真以及对实际值、静态模型预测值和神经网络预测值的均方差分析，表明该模型可以更加准确地预测和确定供氧量，并具有较好的计算精度和适应能力，最终可提高静态模型的控制精度与终点命中率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙闻革		3	17	2.0	3.0
2	陶百生		8	31	4.0	5.0
3	付佳		1	12	1.0	1.0
4	陈春雨		1	12	1.0	1.0
5	蔡海		1	12	1.0	1.0