论文部分内容阅读
基于某钢厂连铸现场采集的历史数据,通过对AFLC模糊神经网络学习算法和网络结构的改进,建立了融合模糊模式识别和模糊聚类的新型竞争型模糊神经网络,并将模型应用于连铸漏钢预报的过程中。结果表明,模型能够有效地识别连铸粘结漏钢过程中两种典型的温度模式和预报拉漏事故的发生。在警戒参数为0.88的条件下,该模型对两种典型温度模式的预报率分别达到95.6%和97.8%,报出率都达到100%。