从高炉状态下的铸钢冷却壁复杂传热过程中提炼出以冷却水流速、水温和冷却壁本体上某一固定测点温度值为参数的简单传热关系式,并将其与神经网络技术相结合,提出了铸钢冷却壁温度预测仿真模型.通过实验数据与仿真模型的输出对比,证明这种基于模型的冷却壁温度预测智能仿真方法不仅结构简单,而且准确可靠.该仿真方法可用于在线监测冷却壁状况.
参考文献
| [1] | 卢虎生,高斌,赵利国,国宏伟,杨天钧.高炉炉况判断神经网络专家系统[J].北京科技大学学报,2002(03):276-279. |
| [2] | 刘金琨;王树青 .高炉异常炉况神经网络专家系统[J].钢铁研究学报,1998,10(05):67-70. |
| [3] | 程冬超;王顺晃;林克真 .高炉异常炉况判断专家系统及神经网络的实现[J].北京科技大学学报,1998,20(04):368-371. |
| [4] | 李家新,周莉英,唐成润.神经网络在梅山高炉铁水硅含量预报中的应用[J].钢铁,2001(05):14-16. |
| [5] | 崔大福,安世奇,杨友松,王建国,晋伟,董大明,牛焕忠,孙国龙,邬虎林,郝志忠,赵文辉,姬跃峰,高学胜,李励新.高炉冷却系统热负荷及检漏在线监测技术[J].包头钢铁学院学报,2000(01):80-86. |
| [6] | 金钰.人工神经网络BP网的应用[J].北京理工大学学报,1998(06):789. |
| [7] | 李春好;李立辉;杨印生.人工神经网络BP算法的数据处理方法及应用[J].系统工程理论与实践,1997(07):106-109. |
| [8] | Gerardo Diaz;Mihir Sen;K. T. Yang;Rodney L. McClain .Dynamic prediction and control of heat exchangers using artificial neural networks[J].International Journal of Heat and Mass Transfer,2001(9):1671-1679. |
上一张
下一张
上一张
下一张
计量
- 下载量()
- 访问量()
文章评分
- 您的评分：
-
10%
-
20%
-
30%
-
40%
-
50%