主权项 |
1.一种钢包卷渣过程识别方法,其特征在于:其步骤过程如下:首先,对钢包浇注过程中的钢流冲击振动信号时间序列进行阶段定义,包括未有钢渣混入钢流的初始阶段,钢水、钢渣与空气混合成钢流的过渡阶段,以钢渣为主的钢流的完结阶段;然后,处理现场干扰信号,确定钢包卷渣过程特征参数,包括最大值、最小值、平均值、均方根、标准差、峰峰值、偏度、峭度、频率重心、均方频率、频率方差和烈度;再者,基于动态模式识别方法,建立面向钢包卷渣过程识别的人工神经网络模型;所述人工神经网络模型的信号输入层以卷渣过程特征参数作为输入信号,其过程输出层是需要识别的三个阶段定义;所述输入层的输入信号在中间隐含层经过作用函数运算后得到输出值;其中,所述的作用函数是<img file="DEST_PATH_IMAGE001.GIF" wi="97" he="42" />; (1)然后利用快速模拟退火组合优化算法把网络中所有权重的集合看成是一个解向量,然后构造目标函数<img file="DEST_PATH_IMAGE002.GIF" wi="162" he="46" />; (2)式(2)中,<img file="DEST_PATH_IMAGE003.GIF" wi="17" he="18" />为训练样本数,<img file="DEST_PATH_IMAGE004.GIF" wi="14" he="20" />为输出层神经元的个数,<img file="DEST_PATH_IMAGE005.GIF" wi="21" he="26" />为第<img file="471063DEST_PATH_IMAGE004.GIF" wi="14" he="20" />神经元关于第<img file="823547DEST_PATH_IMAGE003.GIF" wi="17" he="18" />个样本的期望输出,<img file="DEST_PATH_IMAGE006.GIF" wi="25" he="26" />为第<img file="139997DEST_PATH_IMAGE004.GIF" wi="14" he="20" />神经元关于第<img file="640248DEST_PATH_IMAGE003.GIF" wi="17" he="18" />个样本的实际网络输出;最后,通过修改网络权值来得到式(2)的目标函数的最小值,取得钢包卷渣过程中各个阶段定义的标准状态。 |