论文部分内容阅读
氧气转炉炼钢的控制目标是终点温度和碳含量，但由于不能对其进行在线连续测量，直接影响了出钢的质量。针对该问题，提出一种基于膜算法进化极限学习机（ELM ）的抗干扰终点预报模型。利用进化膜算法的全局寻优能力调整ELM网络参数，不仅避免了ELM 网络受异常点影响出现过拟合现象，还可以寻找最优复杂度的EL M模型。将找到的EL M 模型应用到转炉炼钢领域并建立终点碳含量和温度的预报模型。在仿真实验中，分别使用含有高斯噪声的标准sin C函数和氧气转炉炼钢实际生产数据进行仿真，结果表明所提模型在含噪声的数据中具有较