论文部分内容阅读
本论文以钢厂的VOD精炼工艺为背景，研究了神经网络算法对VOD精炼工艺的终点碳含量预测模型中的工艺参数进行自学习和动态调整方法，以提高模型预报的命中率。
论文首先论述了课题背景、VOD精炼工艺和自学习算法的发展现状，介绍了VOD技术原理、VOD生产指导软件系统功能及工艺参数自学习调整的需求。接着，重点论述了BP神经网络算法和RBF神经网络算法结合VOD精炼工艺的终点碳含量预测模型进行相关工艺参数自学习调整的技术思路和实现方法，开发了仿真计算软件。基于20余炉实际炼钢数据，采用该软件进行了工艺参数自学习调整，分析比较了两种神经网络算法的应用效果。
最后，采用在VB中调用Matlab程序方法，将精度较高的RBF神经网络自学习算法成功嵌入到实际的VOD生产指导软件系统中，用于预测模型工艺参数的自学习动态调整。