链箅机预热段温度场模型的贝叶斯-BP神经网络系统辨识

• 作者: 修晓波 周峰 张铭 李伯全
• 来源期刊: 烧结球团
• 学科: 工学
• 关键词: 链箅机 温度场模型 系统辨识 贝叶斯-BP神经网络 最终预测误差 预测相对误差
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 球团
• 页码范围: 44-48,70
• 页数: 6页
• 分类号: TF046.6|TP18|TP391.9
• 语种: 中文
• DOI: 10.13403/j.sjqt.2020.05.068

摘要

针对球团链箅机预热段温度场因非线性、时滞性、不确定性等特点难以通过传统的理论分析方法建立数学模型的问题,建立贝叶斯-BP神经网络,对该温度场模型进行系统辨识,对比模型预测输出值与实际系统输出值,通过仿真与实验分析该辨识模型的拟合效果.结果 表明:贝叶斯-BP神经网络拟合效果较好,其线性拟合度近似为1,最终预测误差约为0.014 K,预测相对误差在5％范围内,构建的预热段温度场模型准确可靠且适用性强,可为预热段温度场均衡稳定控制提供理论指导.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李伯全		81	661	15.0	21.0
2	周峰		28	120	7.0	10.0
3	张铭		14	33	3.0	5.0
4	修晓波		2	2	1.0	1.0