基于神經(jīng)網(wǎng)絡(luò)的加熱爐鋼溫建模方法研究.pdf

1、鋼坯的出爐溫度直接影響鋼坯的組織性能和力學(xué)性能。合理控制鋼坯出爐溫度不僅能保證軋制質(zhì)量而且能夠降低加熱爐燃料的消耗，特別是在能源日益緊張的今天，建立有效的加熱爐鋼溫模型，推算鋼坯的出爐溫度具有重要的意義。
　　本文以蓄熱式步進(jìn)梁加熱爐為研究背景，介紹了加熱爐的工藝過(guò)程和智能優(yōu)化方法的基本原理。針對(duì)傳統(tǒng)建模方法存在計(jì)算復(fù)雜、參數(shù)繁多且難以確定等問(wèn)題，本文采用了RBF神經(jīng)網(wǎng)絡(luò)智能方法建立預(yù)報(bào)模型，并用K均值聚類(K-means)、微分

2、進(jìn)化(DE)和正交最小二乘(OLS)方法分別對(duì)該模型進(jìn)行優(yōu)化。MATLAB仿真證明了這四種預(yù)測(cè)模型的有效性，但仍存在一定問(wèn)題，對(duì)此本文提出了一種新的基于微分進(jìn)化正交最小二乘算法(DEOLS)與RBF神經(jīng)網(wǎng)絡(luò)相結(jié)合的鋼溫預(yù)測(cè)模型。DEOLS算法將DE與OLS自然融合、相互作用，OLS利用DE對(duì)隱節(jié)點(diǎn)中心和寬度進(jìn)行編碼，以解碼后得到的隱層輸出陣作為備選集;DE利用OLS快速評(píng)判種群個(gè)體的優(yōu)劣。該算法能更合理地確定RBF模型的隱節(jié)點(diǎn)個(gè)數(shù)、中心