基于徑向基人工神經(jīng)網(wǎng)絡(luò)的造球盤(pán)控制.pdf

1、球團(tuán)礦生產(chǎn)是高爐煉鐵生產(chǎn)冶金原料的重要來(lái)源，其所占的位置也越來(lái)越重要。球團(tuán)礦的質(zhì)量和產(chǎn)量都直接影響高爐生產(chǎn)。然而，在球團(tuán)礦生產(chǎn)過(guò)程中，國(guó)內(nèi)大部分造球過(guò)程都是人工操作，操作工憑借以往的經(jīng)驗(yàn)人工控制造球過(guò)程的加料量、加水量、轉(zhuǎn)速等各參數(shù)。這種人為操作效率低，耗時(shí)長(zhǎng)，影響球團(tuán)質(zhì)量。 近年來(lái)，神經(jīng)網(wǎng)絡(luò)的發(fā)展有了很大的進(jìn)步，神經(jīng)網(wǎng)絡(luò)的工業(yè)應(yīng)用取得了實(shí)質(zhì)性的進(jìn)展。RBF神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)結(jié)構(gòu)易確定、收斂速度快及其良好的非線性函數(shù)逼近特性，本文采用

2、RBF神經(jīng)網(wǎng)絡(luò)作為控制模型。在RBF神經(jīng)網(wǎng)絡(luò)中，隱層中心的數(shù)量和位置的選擇是整個(gè)網(wǎng)絡(luò)性能優(yōu)劣的關(guān)鍵，直接影響網(wǎng)絡(luò)的逼近能力。本文在研究RBF網(wǎng)絡(luò)傳統(tǒng)學(xué)習(xí)算法的基礎(chǔ)上，提出了基于遺傳算法的RBF神經(jīng)網(wǎng)絡(luò)優(yōu)化算法。 本文針對(duì)圓盤(pán)造球過(guò)程提出基于RBF人工神經(jīng)網(wǎng)絡(luò)的智能控制模型，對(duì)圓盤(pán)造球過(guò)程實(shí)現(xiàn)自動(dòng)控制。在研究過(guò)程中，放棄了復(fù)雜的以造球動(dòng)力學(xué)為理論基礎(chǔ)的數(shù)學(xué)模型。因?yàn)檫@些模型是在一定條件下得出的，而且更側(cè)重于理論分析。模型中各變量難