转炉炼钢多变量神经网络预报模型
赵晓东;徐生林;杨成忠
杭州电子科技大学信息与控制研究所,浙江 杭州 310018
Multivariable neural network predictive model for BOF steelmaking
ZHAO Xiaodong;XU Shenglin;YANG Chengzhong
摘要:
终点钢水温度和碳、硫、磷等成分含量的有效控制是转炉炼钢过程的重要任务。本文基于多变量输入输出的神经网络来建立转炉炼钢的预报模型,首先对采集数据进行预处理,并采用滚动优化方法来提高模型的准确性,仿真与试验对比证实了该方法建立模型的有效性和高命中率。