科研之友
微信
新浪微博
Facebook
分享链接
摘要
高炉冶炼过程中，其内部发生的复杂反应会对产出的铁水质量产生重要影响，为了调整冶炼参数，并实时掌握产品质量变化趋势，有效提高冶炼产品的质量，提出降噪自编码神经网络下高炉冶炼质量在线预测方法。根据烧结工艺和烧结矿的同化性、液相流动性和粘结相强度等基础特征，确定烧结矿质量评价指标及包含9大类参量的主要工艺参数。基于神经网络并行处理、分布式存储和自适应性强等优势条件，改善神经网络模型对输入数据的泛化性，获取降噪自编码器代价函数，结合激活函数提取隐含层中任意神经元残差，建立液相神经元模型，得到降噪自编码网络神经元，以误差反向传播算法作为神经网络学习方法，通过输出误差实现层级之间的逆传播，确定学习步骤和学习模式，构建烧结矿质量在线预测模型，为了提高预测精度，定义学习速率修正预测模型，实现烧结矿质量预测。实验结果表明，采用所提方法对高炉冶炼质量进行在线预测后，烧结矿碱度预测误差较小，预测结果可信程度较高，预测时间较短，具有良好的预测能力，能够实现实时反馈。
- 单位
