|本期目录/Table of Contents|

 基于BP神经网络的电炉终点碳质量分数预报模型()

《工业加热》[ISSN:1002-1639/CN:61-1208/TM]

期数:
2018年04
页码:
28-31
栏目:
模拟仿真
出版日期:
2018-09-28

文章信息/Info

Title:
 

Prediction Model of Mass Fraction of Endpoint Carbon of Electric Furnace Based on BP Neural Network

文章编号:
1002-1639(2018)04-0028-04
作者:
 刘志明1战东平1葛启桢1孟沈童1郑 瑶1张慧书2
 1.东北大学冶金学院,辽宁 沈阳 110819;2.辽宁科技学院冶金工程学院,辽宁 本溪 117004
Author(s):
 LIU Zhiming1ZHAN Dongping1GE Qizhen1MENG Shentong1ZHENG Yao1ZHANG Huishu2
 

1.School of Metallurgy Northeasten University, Shenyang 110819,China; 2.School of

Metallurgy Engineering Liaoning Institute of Science and Technology, Benxi 117004,China

关键词:
 BP神经网络 成分预报 电弧炉 模型
分类号:
TF355.3
DOI:
10.3969/j. issn. 1002-1639.2018.04.008
文献标识码:
A
摘要:
 

采用3层BP神经网络预测电炉终点C成分,根据现场实际情况,选取电耗量、氧耗量、生铁量、废钢量、碳粉量、天然气消耗量、石灰量和原始 C、P 元素的质量分数9 个影响因素作为本模型的输入节点,终点C元素质量分数作为输出节点。输入参数采用线性变换法对数据进行归一化处理,同时应用实际生产数据对终点成分预报模型进行离线验证通过对比其误差与收敛速度,得出最适合本模型的隐层节点数,保证了预报的准确性。实际检验结果表明,预报精度较高,可达到90%以上。

参考文献/References

备注/Memo

备注/Memo:
更新日期/Last Update: