论文部分内容阅读
模式识别和人工神经网络方法是处理数据的有用技术。特别适用于影响因素多、错综复杂的数据集，以提取有用信息。将模式识别和人工神经网络技术应用到转炉炼钢过程控制中，可在一定程度上克服常规模型的不足，提高终点命中率，为生产优化提供指导。 论文通过模式识别中的PLS(偏最小二乘法)分析，建立了转炉冶炼终点磷含量统计模型，由主成分映照图中找出提高磷分配比的参数优化方向。为了预测终点磷含量，建立了基于改进BP(前向反馈)网络算法的磷含量人工神经网络模型。调整网络参数，结合现场数据训练和预报，终点磷含量在偏差±0.002％的预测命中率达到74％。同时，利用模式识别和神经网络结合的PLS-BP降维网络设计了4个冶炼工艺参数点，预测的结果与理论和实际都比较符合。