手机知网 App
24小时专家级知识服务
打 开
手机知网|搜索

板坯连铸过程漏钢预报神经网络算法研究

张水仙

  漏钢是板坯连铸过程中最常见,也是最严重的事故,一旦发生将会给企业带来严重的损失。采用漏钢预报系统是解决板坯连铸漏钢问题最有效和最直接的手段,其中以基于神经网络的漏钢预报系统应用最为广泛。神经网络算法是神经网络漏钢预报系统的核心,因此对神经网络算法进行研究具有重要的意义。 首先,对粘结漏钢的形成机理进行了分析与研究,提出了防止粘结漏钢的措施,建立了神经网络漏钢预报系统模型。模型包括两部分:时序网络模型和空间网络模型。时序网络模型用于对单个热电偶在时间序列上温度曲线的识别,当时序网络模型发出报警信号时,再由空间网络模型对其周围的热电偶在时间序列上的温度曲线进行识别,然后由空间网络的输出经过逻辑判断给出漏钢报警信息。 然后,对神经网络漏钢预报系统中常用的的BP神经网络算法和RBF神经网络算法进行了研究,针对BP神经网络算法易陷入局部极小点的问题,将遗传算法引入到BP神经网络中,建立了基于遗传算法的BP神经网络,有效地避免了BP神经网络算法存在局部极小点的问题,并且基于遗传算法的BP神经网络在泛化能力方面优于RBF神经网络算法。 最后,基于WINDOWS平台,利用Microsoft Visual C++ 6.0编程软件开发了漏钢预报仿真系统,将基于遗传算法的BP神经网络运用到漏钢预报系统中,再将从钢厂采集到的温度数据输入到漏钢预报系统当中,进行了实验室离线仿真,仿真结果表明该漏钢预报仿真系统能够有效地降低误报并避免漏报,基于遗传算法的BP神经网络可以运用到漏钢预报系统中。……   
[关键词]:连铸;漏钢预报;BP神经网络;遗传算法;RBF神经网络
[文献类型]:硕士论文
[文献出处]:燕山大学2012年
App内打开