论文部分内容阅读
本文针对LF精炼炉冶炼过程中物理化学反应过程及传热过程的复杂性,采用混合模型对钢水温度进行软测量,将传统的机理模型与智能方法相结合,并采用改进AdaBoost.RT集成BP网络作为智能模型部分校正机理模型中难以准确获得的参数,再用机理模型进行预测。这种混合模型既克服了传统机理模型难以准确实现的不足也避免了"黑箱"模型过分依赖数据的缺陷。同时改进的AdaBoost.RT集成BP网络算法可以提高传统单神经网络的预测精度和稳定性。实验结果表明,此混合模型具有较好的预测结果,终点温度预测误差不大于±5℃的炉