智能方法在煉鐵系統(tǒng)實(shí)現(xiàn)多目標(biāo)預(yù)測(cè)及優(yōu)化的研究.pdf

1、該研究提出將BP神經(jīng)網(wǎng)絡(luò)與遺傳算法(GA)相結(jié)合,建立GA-BP網(wǎng)絡(luò)模型.模型利用遺傳算法篩選網(wǎng)絡(luò)模型的輸入變量,通過(guò)網(wǎng)絡(luò)自構(gòu)性學(xué)習(xí)確定網(wǎng)絡(luò)隱含層結(jié)點(diǎn)數(shù).通過(guò)這些手段,使網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化和簡(jiǎn)化,縮短網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練時(shí)間,提高模型預(yù)測(cè)精度.該研究應(yīng)用GA-BP網(wǎng)絡(luò)模型,建立了三層GA-BP神經(jīng)網(wǎng)絡(luò)模型,對(duì)煉鐵系統(tǒng)進(jìn)行多目標(biāo)質(zhì)量預(yù)測(cè),獲得了較高的預(yù)測(cè)精度.其中,燒結(jié)礦質(zhì)量預(yù)測(cè)包括FeO含量和轉(zhuǎn)鼓強(qiáng)度兩個(gè)指標(biāo),燒結(jié)礦FeO含量預(yù)測(cè)子模型從10個(gè)工藝參

2、數(shù)中,通過(guò)遺傳操作篩選出混合料粒度、溫度、廢氣溫度、料層厚度、機(jī)速、原始水6個(gè)因素作為網(wǎng)絡(luò)輸入變量,隱含層數(shù)為2層,通過(guò)自構(gòu)性學(xué)習(xí),結(jié)點(diǎn)數(shù)分別選擇為20和8.當(dāng)要求FeO含量預(yù)測(cè)絕對(duì)誤差為±0.15％時(shí),命中率可達(dá)82.78％.燒結(jié)礦轉(zhuǎn)鼓強(qiáng)度預(yù)測(cè)模型的輸入變量分別是點(diǎn)火溫度、廢氣溫度、混合料溫度、機(jī)速、二次水、混合料粒度,隱含層數(shù)為2層,結(jié)點(diǎn)數(shù)分別選擇為20和9.當(dāng)要求轉(zhuǎn)鼓強(qiáng)度預(yù)測(cè)絕對(duì)誤差為±0.15％時(shí),命中率可達(dá)91.46％.高爐鐵

3、水質(zhì)量預(yù)測(cè)包括鐵水[Si]、[S]含量的預(yù)測(cè),網(wǎng)絡(luò)輸入變量為風(fēng)量、熱風(fēng)壓力、全壓差、透氣性指數(shù)、熱風(fēng)溫度、爐頂溫度、噴煤量、富氧量、鐵間料批數(shù)九個(gè)因素,當(dāng)要求硅含量預(yù)報(bào)的絕對(duì)誤差為±0.1％時(shí),命中率為95％;當(dāng)要求硫含量預(yù)報(bào)的絕對(duì)誤差為±4ppm時(shí),命中率可達(dá)84.69％,命中率較高.結(jié)果表明:GA-BP網(wǎng)絡(luò)模型比傳統(tǒng)的BP網(wǎng)絡(luò)模型能夠獲得更高的精度.該研究提出應(yīng)用GA-BP網(wǎng)絡(luò)模型建立煉鐵系統(tǒng)多目標(biāo)優(yōu)化分析模型,分別將高爐系統(tǒng)和燒結(jié)