基于AP聚类的RBF神经网络研究及其在转炉炼钢中的应用 转炉炼钢过程是一个非常复杂的高温、多相的物理化学过程,它的终目标是获得合格的钢水,而终点钢水的碳含量和温度是衡量钢水是否合格的重要指标。对终点钢水碳含量和温度的控制是转炉炼钢过程中主要的控制之一,因此转炉炼钢终点预报模型也是转炉炼钢过程的重要模型。目前常用的转炉炼钢终点预报模型有理论模型、统计模型和人工神经网络模型。
安徽工业大学的学者针对RBF神经网络学习算法不能很好地确定其隐含层节点数、隐含层节点中心及其半径的问题,利用AP聚类算法无需事先确定聚类数的特点,提出了一种基于AP聚类的RBF神经网络算法。将该算法应用于120t转炉Q235B钢种冶炼过程的终点碳含量和温度预报,预测结果与实际结果比较,表明该算法具有预测精度高等优点,可为类似应用提供借鉴。
|