RBF神經網(wǎng)絡理論及其在脫硫智能控制系統(tǒng)中的應用.pdf

1、本文詳細論述了神經網(wǎng)絡尤其是基于徑向基函數(shù)(RBF)的神經網(wǎng)絡基本理論以及攀鋼鐵水脫硫智能控制模型的建立過程。針對攀枝花鋼鐵集團有限公司煉鋼廠的脫硫預處理過程，國內外目前還沒有一套成熟的建模技術來對脫硫過程進行控制。在深入了解國內、國際研究現(xiàn)狀，研究并分析脫硫預處理工藝流程特點及對脫硫率的各種影響因素的情況下，本文提出了一種基于徑向基函數(shù)神經網(wǎng)絡的建模方法，對脫硫預處理過程進行智能控制；并根據(jù)已經獲得的數(shù)據(jù)來預報未來的操作參數(shù)，有效的指

2、導生產，從而提高脫硫率以及后步工序生產的效率和成品鋼材的產量和質量。 本文在詳細分析和深入研究了神經網(wǎng)絡基本理論及傳統(tǒng)的正交最小二乘算法(OLS)訓練RBF網(wǎng)絡中心的基礎之上，提出用遞歸正交最小二乘法(ROLS)來訓練RBF網(wǎng)絡。同時還利用ROLS算法訓練網(wǎng)絡后所得的有用信息來順序選擇網(wǎng)絡中心，即后向選擇法。理論研究和仿真實驗證明：ROLS法比起批處理正交最小二乘法(OLS)所需的計算空間小，訓練速度快；用后向選擇法選擇中心能最

3、大程度地減小網(wǎng)絡的輸出誤差，使網(wǎng)絡結構簡化，并且具有更強的泛化能力和逼近能力。在此基礎上，用所建立的徑向基函數(shù)神經網(wǎng)絡模型對攀鋼煉鋼廠的脫硫過程進行離線控制。同統(tǒng)計分析結果比較，得出以下結論：利用改進ROLS算法訓練RBF網(wǎng)絡比k-均值算法能夠得到更加合理的網(wǎng)絡結構和網(wǎng)絡輸出；利用RBFNN所建立的脫硫智能控制模型具有自學習性、自組織性和自適應性，其控制精度達到90％以上；RBF神經網(wǎng)絡模型基本可以對脫硫過程進行及時控制；基于RBFNN