RBF神經(jīng)網(wǎng)絡(luò)理論及其在脫硫智能控制系統(tǒng)中的應(yīng)用.pdf

1、本文詳細(xì)論述了神經(jīng)網(wǎng)絡(luò)尤其是基于徑向基函數(shù)(RBF)的神經(jīng)網(wǎng)絡(luò)基本理論以及攀鋼鐵水脫硫智能控制模型的建立過程。針對(duì)攀枝花鋼鐵集團(tuán)有限公司煉鋼廠的脫硫預(yù)處理過程，國(guó)內(nèi)外目前還沒有一套成熟的建模技術(shù)來(lái)對(duì)脫硫過程進(jìn)行控制。在深入了解國(guó)內(nèi)、國(guó)際研究現(xiàn)狀，研究并分析脫硫預(yù)處理工藝流程特點(diǎn)及對(duì)脫硫率的各種影響因素的情況下，本文提出了一種基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的建模方法，對(duì)脫硫預(yù)處理過程進(jìn)行智能控制；并根據(jù)已經(jīng)獲得的數(shù)據(jù)來(lái)預(yù)報(bào)未來(lái)的操作參數(shù)，有效的指

2、導(dǎo)生產(chǎn)，從而提高脫硫率以及后步工序生產(chǎn)的效率和成品鋼材的產(chǎn)量和質(zhì)量。 本文在詳細(xì)分析和深入研究了神經(jīng)網(wǎng)絡(luò)基本理論及傳統(tǒng)的正交最小二乘算法(OLS)訓(xùn)練RBF網(wǎng)絡(luò)中心的基礎(chǔ)之上，提出用遞歸正交最小二乘法(ROLS)來(lái)訓(xùn)練RBF網(wǎng)絡(luò)。同時(shí)還利用ROLS算法訓(xùn)練網(wǎng)絡(luò)后所得的有用信息來(lái)順序選擇網(wǎng)絡(luò)中心，即后向選擇法。理論研究和仿真實(shí)驗(yàn)證明：ROLS法比起批處理正交最小二乘法(OLS)所需的計(jì)算空間小，訓(xùn)練速度快；用后向選擇法選擇中心能最

3、大程度地減小網(wǎng)絡(luò)的輸出誤差，使網(wǎng)絡(luò)結(jié)構(gòu)簡(jiǎn)化，并且具有更強(qiáng)的泛化能力和逼近能力。在此基礎(chǔ)上，用所建立的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型對(duì)攀鋼煉鋼廠的脫硫過程進(jìn)行離線控制。同統(tǒng)計(jì)分析結(jié)果比較，得出以下結(jié)論：利用改進(jìn)ROLS算法訓(xùn)練RBF網(wǎng)絡(luò)比k-均值算法能夠得到更加合理的網(wǎng)絡(luò)結(jié)構(gòu)和網(wǎng)絡(luò)輸出；利用RBFNN所建立的脫硫智能控制模型具有自學(xué)習(xí)性、自組織性和自適應(yīng)性，其控制精度達(dá)到90％以上；RBF神經(jīng)網(wǎng)絡(luò)模型基本可以對(duì)脫硫過程進(jìn)行及時(shí)控制；基于RBFNN