论文部分内容阅读
转炉炼钢控制目标是终点温度和碳含量,由于炉温过高,无法在线连续测量.用传统的机理模型建立的终点温度和碳含量模型不够精确.基于RBF神经网络任意逼近函数能力,隐层中心采用最近邻聚类算法,避开K-均值法依赖于聚类中心的初始位置,易陷入局部极小点的缺点.权值调整采用带加权因子的递推最小二乘算法,建立基于RBF神经网络的转炉炼钢终点温度及碳含量的预报模型,并结合某钢铁企业一座180 t转炉的实际数据进行模型验证研究.结果表明,预报精度高于传统的机理模型及BP模型.