发明名称 | 高炉炉渣粘度预报方法 | ||
摘要 | 根据本发明揭示了一种高炉炉渣粘度预报方法,包括如下的步骤:神经元网络构建步骤,构建的神经元网络结构包含输入层、隐含层和输出层,输入层、隐含层和输出层之间由连接权值连接,隐含层具有阈值;初始化步骤,获取训练数据,并对训练数据、连接权值和阈值进行初始化;神经元网络自学步骤,依次提取训练数据,根据误差和局部梯度,调整连接权值和阈值,直至所有的训练数据都被使用,保存连接权值和阈值的最终值;炉渣粘度预报步骤,将神经元网络的连接权值和阈值固定在最终值,输入实际的炉渣中各成分的百分含量,输出预报的不同温度下的炉渣粘度、熔化性温度和脱硫系数。本发明的方法误差能稳定在±2%左右,比传统的方式的误差±6%有明显的提高。 | ||
申请公布号 | CN103679268A | 申请公布日期 | 2014.03.26 |
申请号 | CN201210342377.6 | 申请日期 | 2012.09.14 |
申请人 | 宝钢不锈钢有限公司 | 发明人 | 储滨;肖阳;凌丹;郑鑫 |
分类号 | G06N3/08(2006.01)I | 主分类号 | G06N3/08(2006.01)I |
代理机构 | 上海集信知识产权代理有限公司 31254 | 代理人 | 肖祎 |
主权项 | 一种高炉炉渣粘度预报方法,其特征在于,包括:神经元网络构建步骤,构建的神经元网络结构包含输入层、隐含层和输出层,输入层、隐含层和输出层之间由连接权值连接,隐含层具有阈值,输入层的输入参数为炉渣中各成分的百分含量,输出层的输出参数为不同温度下的炉渣粘度、熔化性温度和脱硫系数;初始化步骤,获取训练数据,并对训练数据、连接权值和阈值进行初始化,所述训练数据包括参考输入参数和参考输出参数;神经元网络自学习步骤,提取一个训练数据,将其中的参考输入参数导入神经元网络,经由输入层、隐含层和输出层输出训练输出参数,比较训练输出参数和该训练数据中的参考输出参数,计算各层的误差和局部梯度,根据误差和局部梯度以设定步长调整连接权值和阈值,根据局部梯度调整设定步长,提取下一个训练数据并重复上述过程,直至所有的训练数据都被使用,保存连接权值和阈值的最终值;炉渣粘度预报步骤,将神经元网络的连接权值和阈值固定在最终值,输入实际的炉渣中各成分的百分含量,输出预报的不同温度下的炉渣粘度、熔化性温度和脱硫系数。 | ||
地址 | 200431 上海市宝山区长江路735号 |