基于神經(jīng)網(wǎng)絡(luò)在煉焦配煤過(guò)程中的應(yīng)用與研究.pdf

1、煉焦過(guò)程是一個(gè)具有多參數(shù)、時(shí)變、非線性和不確定性等特性的復(fù)雜生產(chǎn)過(guò)程。在這個(gè)過(guò)程中發(fā)生了一系列的物理化學(xué)變化，因此很難用一個(gè)傳統(tǒng)的、確定的數(shù)學(xué)模型來(lái)預(yù)測(cè)焦炭的質(zhì)量。而神經(jīng)網(wǎng)絡(luò)是由大量神經(jīng)元互相連接組成的復(fù)雜網(wǎng)絡(luò)系統(tǒng)，對(duì)非線性系統(tǒng)具有很強(qiáng)的模擬能力，可以實(shí)現(xiàn)或逼近所希望的輸入輸出的映射關(guān)系，這種非線性的映射能力使其能以任意精度逼近一個(gè)非線性函數(shù)?；谏窠?jīng)網(wǎng)絡(luò)具有的上述優(yōu)點(diǎn)，為解決這類問(wèn)題提供了新的方法。
　　本文首先對(duì)焦炭的煉焦工藝

2、進(jìn)行了基本介紹，接著總結(jié)分析了對(duì)國(guó)內(nèi)外配煤理論和焦炭質(zhì)量預(yù)測(cè)理論的研究現(xiàn)狀，在此基礎(chǔ)上，對(duì)焦炭質(zhì)量指標(biāo)進(jìn)行因素分析和焦炭質(zhì)量模型分析之后，建立了配合煤的質(zhì)量預(yù)測(cè)模型，同時(shí)對(duì)焦炭質(zhì)量指標(biāo)灰分和硫分建立了一元線性回歸的預(yù)測(cè)模型。
　　其次，對(duì)于焦炭的質(zhì)量指標(biāo)抗碎強(qiáng)度、耐磨強(qiáng)度、反應(yīng)性指數(shù)和反應(yīng)后強(qiáng)度，在對(duì)BP神經(jīng)網(wǎng)絡(luò)算法分析的基礎(chǔ)上建立了基于BP神經(jīng)網(wǎng)絡(luò)的焦炭質(zhì)量預(yù)測(cè)模型。在對(duì)遺傳算法和RBF神經(jīng)網(wǎng)絡(luò)算法分析的基礎(chǔ)上，建立了基于遺傳算

3、法優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的焦炭質(zhì)量預(yù)測(cè)模型。在對(duì)模糊控制理論和模糊RBF神經(jīng)網(wǎng)絡(luò)分析的基礎(chǔ)上，提出了基于遺傳算法優(yōu)化模糊RBF神經(jīng)網(wǎng)絡(luò)的焦炭質(zhì)量預(yù)測(cè)模型。仿真結(jié)果表明基于遺傳算法優(yōu)化模糊RBF神經(jīng)網(wǎng)絡(luò)的焦炭質(zhì)量預(yù)測(cè)模型的預(yù)測(cè)性能優(yōu)于基于BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)模型和基于遺傳算法優(yōu)化RBF網(wǎng)絡(luò)的預(yù)測(cè)模型，并且易于實(shí)現(xiàn)，預(yù)測(cè)精度和預(yù)測(cè)命中率高。
　　最后設(shè)計(jì)了基于遺傳算法的配煤比優(yōu)化模型，在對(duì)配煤比計(jì)算優(yōu)化的實(shí)際問(wèn)題分析的基礎(chǔ)上，建立了配煤比優(yōu)