基于RBF神經網(wǎng)絡的鐵水脫硫預報模型的研究及應用.pdf

1、硫元素是絕大多數(shù)鋼種中的有害元素，目前國內的鐵水脫硫技術比較落后，鐵水硫含量波動大、脫硫粉劑消耗大，經濟效益不理想。鐵水脫硫過程是一個非常復雜的多元非線性反應過程，應用傳統(tǒng)的工藝理論建模已難以適應其多參數(shù)、非線性的特點。本文以鐵水脫硫生產為背景，在分析了脫硫過程特點的基礎上，建立了基于徑向基函數(shù)(RBF)的神經網(wǎng)絡鐵水脫硫預報模型，主要包括以下幾方面的工作:
　　(1)以寶鋼股份浦鋼鐵水脫硫系統(tǒng)為背景，介紹了鐵水脫硫生產工藝流程，

2、分析了脫硫過程的機理，確定了影響硫含量的因素。
　　(2)采用遞歸正交最小二乘法(ROLS)作為學習算法，提出了一種基于徑向基神經網(wǎng)絡的脫硫劑投入量預報模型。
　　(3)為了克服脫硫劑變化引起的模型誤差，需根據(jù)預報誤差對模型數(shù)據(jù)進行校正，本文設計了集數(shù)據(jù)采集，樣本預處理，統(tǒng)計分析，脫硫劑投入量計算及技術指標驗證于一體的綜合智能鐵水脫硫預報模型。
　　(4)采用了Oracle數(shù)據(jù)庫對數(shù)據(jù)進行處理和存儲，通過C++和MAT