基于FOA-GRNN的纳米铁粉分解炉温度预测

• 作者: 王盛慧 秦石凌
• 来源期刊: 中国测试
• 关键词: 纳米铁粉 温度预测 果蝇优化算法 广义神经网络 光滑因子
• 年，卷（期）: 2017,（4）
• 页码范围: 100-104
• 页数: 5页
• 字数: 3370字
• 语种: 中文
• DOI: 10.11857/j.issn.1674-5124.2017.04.021

摘要

为提高纳米铁粉的制备工艺,实现纳米铁粉分解炉温度的精确控制,提出一种基于果蝇优化算法和广义回归神经网络的纳米铁粉分解炉温度预测方法.该方法采用现场采集数据,选取进液量和各个温区加热装置的开度因素来预测待预测温区温度.通过广义回归神经网络,建立温度预测模型,并利用果蝇优化算法对光滑因子进行动态寻优.选取不同种群规模对建立模型进行验证,并将该文建立模型与普通广义神经网络和粒子群算法优化的广义神经网络模型的预测效果进行对比.验证表明:该文建立模型平均相对误差为0.43%,且能够排除人为设置参数的干扰,具有较好的准确性与稳定性,可进一步用于分解炉温度控制的研究.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王盛慧	长春工业大学电气与电子工程学院	29	88	5.0	8.0
2	秦石凌	长春工业大学电气与电子工程学院	4	9	2.0	2.0