基于模糊神經(jīng)網(wǎng)絡(luò)的高爐鐵水硅含量的預(yù)測.pdf

1、鋼鐵是現(xiàn)代化最重要的原材料之一，高爐煉鐵對我國經(jīng)濟(jì)的發(fā)展起著十分重要的作用。因此，研究高爐過程檢測和控制，提高生鐵產(chǎn)量和質(zhì)量，必將產(chǎn)生巨大的經(jīng)濟(jì)效益和社會效益。 在高爐生產(chǎn)中，生鐵硅含量的降低和穩(wěn)定是高爐冶煉條件和技術(shù)水平的標(biāo)準(zhǔn)性指標(biāo)，也是提高產(chǎn)量、降低燃料、降低生鐵成本的重要因素。但是含硅量只有在每爐鐵出來之后，鐵水樣本送到實(shí)驗(yàn)室，經(jīng)化驗(yàn)后方可得知，然后才可在后續(xù)操作中采取相應(yīng)的措施。硅含量存在檢測滯后的問題，因此要對硅含量進(jìn)

2、行預(yù)測。 文中結(jié)合唐鋼2號高爐生產(chǎn)的實(shí)際情況，分析了影響高爐鐵水硅含量的主要因素，采集現(xiàn)場冶煉過程的數(shù)據(jù)，分別建立了BP神經(jīng)網(wǎng)絡(luò)模型和基于T-S模型的模糊神經(jīng)網(wǎng)絡(luò)模型。在模糊神經(jīng)網(wǎng)絡(luò)模型建立中，采用了模糊聚類技術(shù)確定模型結(jié)構(gòu)，再利用神經(jīng)網(wǎng)絡(luò)對模型參數(shù)進(jìn)行優(yōu)化。結(jié)果表明，聚類算法解決了神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)確定問題，并可獲得較好的初始值，學(xué)習(xí)速度快，建模精度高。 最后，利用實(shí)際生產(chǎn)數(shù)據(jù)對兩種模型進(jìn)行訓(xùn)練，并對連續(xù)60爐次的鐵水硅含