论文部分内容阅读
钢铁工业是国民经济的支柱产业,高炉炼铁是钢铁工业的重要组成部分。高炉炉温是高炉顺行、稳定以及产品质量的保证,也是判断高炉炉况的一个重要指标。在正常的冶铁条件下铁水硅含量与炉温成正比,铁水硅含量越高,炉温越高,反之亦然。因为铁水硅含量可间接的反映出高炉炉温的变化,所以本课题选用铁水硅含量模型作为高炉炉温模型。本文将自适应遗传算法和BP网络相结合,介绍了一种AGA-BP网络模型。该模型应用了自适应遗传算法的全局搜索和BP算法的局部搜索,优化多层前馈神经网络的连接权值和阈值,可避免陷入局部极小从而得到最佳的神经网络。本文将该模型应用到高炉炉温的预测中,选取影响炉温的主要参数作为网络的输入参数,采用一定数量的现场数据作为样本进行仿真实验,仿真结果证明了其有效性。采用自适应遗传算法神经网络模型对高炉炉温预测的准确率为与BP网络模型和改进的BP网络模型的仿真结果相比较,预测精度得到了提高。