论文部分内容阅读
根据RBF神经网络具有收敛速度快和全局优化的特点，建立了RBF网络模型，并将其应用对高炉铁水硅含量预报。监于铁水硅含量与炉缸温度之间的密切相关性，通过铁水硅含量来间接地反映炉内温度变化。采用MATLAB中的Newrbe函数进行函数逼近，对高炉一段连续时期内正常生产的数据的归一化处理后进行训练和仿真，提高了铁水硅含量预报的命中率。高炉冶炼运用先进的RBF人工神经网络预报模型，能预报铁水硅含量的高低，判断炉温走势，实现炉温调控，有利于节能降耗，并可监测多个主要控制对象，为高炉操作提供指导。