【技术实现步骤摘要】
本专利技术属于工业过程监控、建模和仿真领域,特别涉及一种改进型EMD-Elman神经网络预测铁水硅含量的方法。
技术介绍
高炉炼铁过程是一个连续进行的动态反应过程,具有时变、非线性、多尺度、大时滞等特征,其内部高温、高压、强腐蚀、强干扰等环境,使我们很难通过直接测量获得内部的热状态。鉴于铁水硅含量和炉温的相关性,一般通过铁水硅含量来间接地反映炉内温度的变化,进而表征高炉的热状态。因此,准确预测硅含量,有利于控制炉温,维持高炉的稳定顺行。长期以来,为了对高炉进行有效地预测和控制,国内外研究人员从热平衡、物料平衡等角度出发建立了多种机理数学模型。理论上,这些模型对于揭示高炉内部现象、反映高炉炼铁机理起了一定的积极作用,但亦存在着准确性低、计算耗时多等缺点。随着计算机等技术的发展,海量数据的获得更加方便,数据驱动的方法引起了越来越多人的关注。目前,基于数据驱动思想建立的高炉预测模型主要有:自回归模型、非线性时间序列分析模型、神经网络模型等。这些模型有各自的优缺点和适用条件,在不同的生产条件下都曾起到过一定的积极作用。神经网络本质为非线性系统,具有并行分布处理、自适应、自学习等能力,非常适合处理非线性、时变的问题。按照连接方式划分,神经网络有两种:前向神经网络和递归神经网络。其中,前向神经网络属于静态网络,在非线性动态系统的应用中存在缺陷。而Elman神经网络是一种典型的动态递归神经网络, ...
【技术保护点】
一种改进型EMD‑Elman神经网络预测铁水硅含量的方法,其特征在于,步骤如下:步骤一:将铁水硅含量的原始数据利用EMD分解为有限个分量,所述的分量包括各IMF分量和剩余分量;步骤二:利用偏自相关函数及偏自相关图确定分量的滞后阶数,进而确定Elman神经网络子模型的输入、输出变量;步骤三:对每个IMF分量和剩余分量建立Elman神经网络子模型;步骤四:将各子模型的预测结果进行加权求和,并利用PSO算法进行权值的寻优,得到硅含量的预测结果。
【技术特征摘要】
1.一种改进型EMD-Elman神经网络预测铁水硅含量的方法,其特征在于,步
骤如下:
步骤一:将铁水硅含量的原始数据利用EMD分解为有限个分量,所述的分
量包括各IMF分量和剩余分量;
步骤二:利用偏自相关函数及偏自相关图确定分量的滞后阶数,进而确定
Elman神经网络子模型的输入、输出...
【专利技术属性】
技术研发人员:杨春节,宋菁华,马淑艳,
申请(专利权)人:浙江大学,
类型:发明
国别省市:浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。