模糊神经网络技术在铅锌烧结过程中的应用研究.pdfVIP

第 第卷期第 期 电脑与信息技术 ! ! ! ’()*! +(*! 年 月 #$$% 3UV*2)FW /OX =O+UWV/)=UO )F31OUYUZ[ , -./ #$$% 文章编号： （ ） !#$!%% %# ’$#!$( 模糊神经网络技术在铅锌烧结过程中的应用研究 朱承学 （中南大学信息科学与工程学院，湖南 长沙 ( !’ ） 摘 要：烧结过程是铅锌冶炼过程中的一个重要环节，但烧结过程的建模难度较大。文章提出 了一种烧结块成分预测的模糊神经网络模型，并通过仿真验证了其可行性。 关键词：烧结过程；预测模型；模糊神经网络 中图分类号： ； 文献标识码： )*!’ )+%,-. / !#$%’$() *’+,- (. .+//- )0+1# )0’2(13 ’0%4)(#(5- $) ’40 60,7/$)% 8$)’01$)5 1(%0** 012 34567$895 （ ， 3:;;575 : =6:?@AB:6 CDB56D5 @6E F67B655B67G356A@; C:9A4 26BH5IBAJ 34@67I4@G196@6 ( !’G34B6@ ） ： ， !9*’1%’ CB6A5B67 K:D5II K;@JI @6 B?K:A@6A K@A B6 I?5;AB67 ;5@E L MB6D, 1:N5H5 A45 ， ?:E5;B67 : A45 IB6A5B67 K:D5II BI EBBD9;A, =6 A4BI K@K5 @ +OO P+9MMJ O59@; O5AN:QR ?:E5; A: :5D@IA A45 B675EB56A : A45 IB6A5B67 S;:DQ BI S:974A :N@E @6E BAI 5@IBSB;BAJ BI H@;BE@A5E SJ IB?9;@AB:6, ； ； :0- 2(1,*;IB6A5B67 K:D5II :5D@IA ?:E5; +OO 烧结过程是一个极为复杂的物理化学过程， 与效果评价。仿真结果表明]* 网络学习次数大 是一个高复杂的动态系统。其机理复杂，参数繁 大减少，在精度和稳定性上有很大的提高，且辨识 多，具有非线性、时变、空间分布等难以用传统的 效果也相当理想，在非线性系统建模中具有非常 数学模型描述的性质，无法采用经典的控制理论 广阔的应用前景。 予以优化控制和决策，极大地限制了产量与质量 ! 烧结成分块预测建模框架 的提高。利用神经网络具有高度的自学习、自组织 和自适应能力，以及神经网络自身具有的非线性 烧结块成分预测模型主要是通过混合料中的 特性，通过样本数据学习和训练系统，从而获取神 铅、锌、硫含量以及台车速度预测烧结块中的铅、 经网络的权值和结构，找出隐含在系统输入\ 输出 锌、硫三元素的含量。台车速度的引入基