基于灰色Elman神经网络转炉吹氧量预测.PDFVIP

第３５卷第１１期　　　 计算机应用与软件 Ｖｏｌ３５Ｎｏ．１１ ２０１８年１１月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｎｏｖ．２０１８ 基于灰色Ｅｌｍａｎ神经网络转炉吹氧量的预测 张子阳　孙彦广 （中国钢研科技集团有限公司冶金自动化研究设计院　北京 １０００７１） 摘　要　　钢铁企业转炉动态吹炼的过程复杂，其冶炼过程中存在的非线性问题导致消耗的氧气量难以准确估 量造成能源浪费。传统方法不能准确预测，一些简单的神经网络预测的精度较低。为了提高预测效果，提出采用 灰色Ｅｌｍａｎ神经网络来建立转炉吹氧量预测模型。通过优化权值和阈值，解决普通的神经网络局部最优和过拟 合等问题。结合转炉炼钢用氧的特点对实际生产数据进行仿真计算，预测用氧量的平均误差为３３４ｍ３，远小于 ＢＰ神经网络预测用氧量的平均误差９７６ｍ３。结果显示所建立的预测模型可有效快捷地确定转炉吹氧量，验证方 法是有效的，具有更高的预测精度。 关键词　　转炉用氧量　灰色Ｅｌｍａｎ神经网络　预测　高精度 中图分类号　ＴＰ３１９　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１８．１１．０１６ ＰＲＥＤＩＣＴＩＯＮＯＦＯＸＹＧＥＮＡＭＯＵＮＴＩＮＣＯＮＶＥＲＴＥＲＢＡＳＥＤＯＮ ＧＲＥＹＥＬＭＡＮＮＥＵＲＡＬＮＥＴＷＯＲＫ ＺｈａｎｇＺｉｙａｎｇ　ＳｕｎＹａｎｇｕａｎｇ （ＡｕｔｏｍａｔｉｏｎＲｅｓｅａｒｃｈａｎｄＤｅｓｉｇｎＩｎｓｔｉｔｕｔｅｏｆＭｅｔａｌｌｕｒｇｉｃａｌＩｎｄｕｓｔｒｙ，ＣｈｉｎａＩｒｏｎ＆ＳｔｅｅｌＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅＧｒｏｕｐ，Ｂｅｉｊｉｎｇ１０００７１，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｔｈｅｐｒｏｃｅｓｓｏｆｄｙｎａｍｉｃｂｌｏｗｉｎｇｏｆｃｏｎｖｅｒｔｅｒｓｉｓｃｏｍｐｌｅｘｉｎｉｒｏｎａｎｄｓｔｅｅｌｃｏｍｐａｎｉｅｓ．Ｔｈｅｎｏｎｌｉｎｅａｒ ｐｒｏｂｌｅｍｓｉｎｔｈｅｓｍｅｌｔｉｎｇｐｒｏｃｅｓｓｍａｋｅｉｔｄｉｆｆｉｃｕｌｔｔｏａｃｃｕｒａｔｅｌｙｅｓｔｉｍａｔｅｔｈｅａｍｏｕｎｔｏｆｏｘｙｇｅｎｃｏｎｓｕｍｅｄ，ｗｈｉｃｈｃａｕｓｅｓ ｅｎｅｒｇｙｗａｓｔｅ．Ｔｒａｄｉｔｉｏｎａｌｍｅｔｈｏｄｓｃａｎｎｏｔａｃｃｕｒａｔｅｌｙｐｒｅｄｉｃｔ，ａｎｄｓｏｍｅｓｉｍｐｌｅｎｅｕｒａｌｎｅｔｗｏｒｋｐｒｅｄｉｃｔｉｏｎｓｈａｖｅｌｏｗｅｒ ａｃｃｕｒａｃｙ．Ｉｎｏｒｄｅｒｔｏｉｍｐｒｏｖｅｔｈｅｐｒｅｄｉｃｔｉｏｎａｃｃｕｒａｃｙ，ｗｅｐｒｏｐｏｓｅｄａｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｏｆｏｘｙｇｅｎａｍｏｕｎｔｉｎｃｏｎｖｅｒｔｅｒ ｂａｓｅｄｏｎｇｒａｙＥｌｍａｎｎｅｕｒａｌｎｅｔｗｏｒｋ．Ｔｈｅｐｒｏｂｌｅｍｓｓｕｃｈａｓｌｏｃａｌｏｐｔｉｍａｌｉｔｙａｎｄｏｖｅｒｆｉｔｔｉｎｇｏｆｏｒｄｉｎａｒｙｎｅｕｒａｌｎｅｔｗｏｒｋｓ ｗｅｒｅｓｏｌｖｅｄｂｙｏｐｔｉｍｉｚｉｎｇｔｈｅｗｅｉｇｈｔｓａｎｄｅｎｔｈａｌｐｙｖａｌｕｅｓ．Ｃｏｍｂｉｎｅｄｗｉｔｈｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｏｘｙｇｅｎｉｎｃｏｎｖｅｒｔｅｒ ｓｔｅｅｌｍａｋｉｎｇ，ｔｈｅｓｉｍｕｌａｔｉｏｎｗａｓｃａｒｒｉｅｄｏｕｔｗｉｔｈａｃｔｕａｌｐｒｏｄｕｃｔｉｏｎｄａｔａ．Ｔｈｅａｖｅｒａｇｅｅｒｒｏｒｏｆｐｒｅｄｉｃｔｅｄｏｘｙｇｅｎ ｃｏｎｓｕｍｐｔｉｏｎｗａｓ３３４ｍ３，ｗｈｉｃｈｗａｓｍｕｃｈｌｅｓｓｔｈａｎｔｈａｔｏｆｏｘｙｇｅｎｃｏｎｓｕｍｐｔｉｏｎｐｒｅｄｉｃｔｅｄｂｙＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｗｈｉｃｈ ｗａｓ９７６ｍ３．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｅｓｔａｂｌｉｓｈｅｄｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｃａｎｅｆｆｉｃｉｅｎｔｌｙａｎｄｑｕｉｃｋｌｙｄｅｔｅｒｍｉｎｅｔｈｅｏｘｙｇｅｎ ａｍｏｕｎｔｉｎｃｏｎｖｅｒｔｅｒ．Ｔｈｅｍｅｔｈｏｄｉｓｖｅｒｉｆｉｅｄｔｏｂｅｅｆｆｅｃｔｉｖｅａｎｄｈａｓｈｉｇｈｅｒｐｒｅｄｉｃｔｉｏｎａｃｃｕｒａｃｙ． Ｋｅｙｗｏｒｄｓ　　Ｏｘｙｇｅｎａｍｏｕｎｔｉｎｔｈｅｃｏｎｖｅｒｔｅｒ　ＧｒｅｙＥｌｍａｎｎｅｕｒａｌｎｅｔｗｏ