基于粒子群算法的低碳铬铁磷含量预测研究.pdfVIP

第27卷摇 第6期 计 算机 技 术 与发 展 Vol.27摇 No.6 2017年6月 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 COMPUTERTECHNOLOGY AND DEVELOPMENT摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 June摇 2017 基于粒子群算法的低碳铬铁磷含量预测研究 邱摇 东,刘明硕,郭红涛 (长春工业大学 电气与电子工程学院,吉林 长春 130012) 摘摇 要:低碳铬铁合金冶炼是一种高耦合多相位的物理化学过程,磷是其工艺过程中影响铬铁合金产品质量的主要杂质 之一。 为实现降低磷含量并提高铬铁合金的产品质量,以神经网络预测理论为指导,以RBF人工神经网络作为AOD炉冶 炼过程预测和系统辨识的途径,基于某铁合金公司的生产样本数据,建立了磷含量的神经网络在线预测平台,将其预测的 输出值与实际样本值之间的灰色关联度作为研究的目标函数,并利用改进的粒子群算法(PSO)解决了一般RBF神经网络 出现局部最优的问题,使得磷含量预测误差明显减少,实现了对磷含量的优化控制。 研究结果表明,所建立改进的PSO优 化预测控制模型精度提高到95.4%,分散度在依0.003%之内,为改进冶炼工艺、提高铬铁合金产品质量提供了重要的预测 手段。 关键词:粒子群算法;RBF神经网络;AOD炉;预测控制 中图分类号:TF533.2摇 摇 摇 摇 摇 摇 文献标识码:A摇 摇 摇 摇 摇 摇 文章编号:1673-629X(2017)06-0142-04 doi:10.3969/j.issn.1673-629X.2017.06.029 Investigation on Prediction of Phosphorus Content of Low Carbon Ferrochrome with Particle Swarm Optimization QIU Dong,LIU Ming-shuo,GUO Hong-tao (School of Electrical and Electronic Engineering,Changchun University of Technology,Changchun 130012,China) Abstract:Low carbon ferrochrome smelting isa physical and chemical processing with extreme coupling and multiphase.The discretion ofthephosphorusimpuritycontentisanimportantfactorwhichaffectsthequalityofferrochromeproducts.Inordertoreducethecontent of phosphorusandraisethequalityofferrochrome,basedontheproductionsamplingdatafromaferroalloycompany,anonlineprediction platform of neural network ofphosphoruscontentissetupwiththeneuralnetworkpredictiontheoryastheguidanceandRBFneuralnet鄄 work astheapproach ofAODfurnaceprediction and system identification.Thegray correlationbetweenpredicted ouput andactual sam鄄 pling isselectedasthe objectivefunction.At the sametime,themodifiedParticle Swarm Optimization (PSO)hasbeenusedto solvean local o