小波模糊神经网络在高炉铁水硅质量分数预测中的应用.pdfVIP

第28卷第5期 江 西 冶 金 Vo1．28 ．No．5 2008年 10月 JIANGXIMETALLURGY 0ctoher 2008 文章编号：1006-2777(2008)05-0040-03 小波模糊神经网络在高炉铁水硅质量分数预测中的应用 路永辉 ，马翠红 (河北理工大学 ，河北 唐山 063009) 摘 要 ： 在运用模糊神经网络进行预测的基础上，建立了一种应用小波理论对时间信号进行去噪， 根据去噪处理对模糊神经网络作相应处理的预测模型，并将所建模型应用于预测高炉铁水中硅的质量分数。仿真 结果表明小波模糊神经网络比模糊神经网络更具优越性，预测准确率明显提高。 关 键 词： 小波理论；模糊神经网络；硅的质量分数 中图分类号： TP15；TF53 文献标识码 ：、B TheApplicationofW aveletFuzzyNeuralNetworkinPrediction ofSi．contentinHotM etaIf0rA BlastFurnace LU Yong—hui，MA Cui—hong (HebeiPolytechnicUniversity，Tangshan063009Hebei，China) Abstract： Onthebasisoffuzzyneuralnetwork，settingupamodelofforecastingsiliconcontentinhotmetalbasedOffwavelet fuzzyneuralnetwork，whichUSeSthewaveletthem7 todenoisethetimesigna1．Tilepracticalresultsshowsthattheproposedmethodhas increasedsignificantlythehittingrateofsiliconcontentinhotmetalcomparingwithfuzzyneuralnetwork． KeyW ords： wavelettheory；fuzz),neuralnetworko，siliconcontent 小波分 析 (WaveletAnalysis)和 小波变换 0 引言 (WaveletTransform)是 2O世纪80年代后期迅速发 在高炉冶炼过程控制中，炉温控制是最重要的， 展起来的应用数学分支，在理论上已构成了较系统 是高炉过程控制的基础与核心技术。炉温控制在正 的框架 。小波变换可将各种交织在一起的不同 常范围内，高炉就顺行。如果炉温控制发生波动，形 频率组成的混合信号分解成不相同频率的块信号， 成 “过热”或 “过凉”的趋势，则容易诱发炉况故 在时域和频域同时具有 良好的 “显微镜”功能 J。 障 。在严格意义上，“炉温”包括铁水的物理温度 l 小波包的基本概念及快速算法 和化学温度两方面。铁水物理温度由热电偶测量得 到，而化学温度则 以铁水中含硅质量分数来描述。 由于小波变换具有多尺度频谱变换的能力，特 在 日常高炉炼铁生产中，“炉温”主要是指铁水含硅 别是根据 Mallet(1989)提出的塔式多分辨率分解与 质量分数 』。本文按照炼铁工艺需要，建立铁水硅 综合算法，即可以将一个时间序列的连续逼近分别 质量分数的预测模型。 由