【摘要】：球团矿生产是高炉炼铁生产冶金原料的重要来源,其所占的位置也越来越重要。球团矿的质量和产量都直接影响高炉生产。然而,在球团矿生产过程中,国内大部分造球过程都是人工操作,操作工凭借以往的经验人工控制造球过程的加料量、加水量、转速等各参...
【摘要】：球团矿生产是高炉炼铁生产冶金原料的重要来源,其所占的位置也越来越重要。球团矿的质量和产量都直接影响高炉生产。然而,在球团矿生产过程中,国内大部分造球过程都是人工操作,操作工凭借以往的经验人工控制造球过程的加料量、加水量、转速等各参数。这种人为操作效率低,耗时长,影响球团质量。近年来,神经网络的发展有了很大的进步,神经网络的工业应用取得了实质性的进展。RBF神经网络网络结构易确定、收敛速度快及其良好的非线性函数逼近特性,本文采用RBF神经网络作为控制模型。在RBF神经网络中,隐层中心的数量和位置的选择是整个网络性能优劣的关键,直接影响网络的逼近能力。本文在研究RBF网络传统学习算法的基础上,提出了基于遗传算法的RBF神经网络优化算法。本文针对圆盘造球过程提出基于RBF人工神经网络的智能控制模型,对圆盘造球过程实现自动控制。在研究过程中,放弃了复杂的以造球动力学为理论基础的数学模型。因为这些模型是在一定条件下得出的,而且更侧重于理论分析。模型中各变量难以与特定的实际生产参数建立确定关系,且模型系数难以确定。本文在总结数学模型和人工操作经验的基础上提出了基于RBF人工神经网络的造球控制模型。模型通过学习操作工现场操作的经验数据,能够根据现场造球情况和环境自动控制造球圆盘的转速和加水量参数,从而实现造球过程的自动控制。达到节省人力、物力,提高工作效率,造出合格率更高的球团产品。
版权声明
本文仅代表作者观点，不代表百度立场。
本文系作者授权百度百家发表，未经许可，不得转载。
发表评论