邹遂丰
,
郭烈锦
,
谢晨
,
姚添
工程热物理学报
为改善集输立管系统流型识别实时性,本文初步提出了一种基于非完整周期信号的识别方法.从严重段塞流过程中液塞生长、液塞流出、气液喷发、液塞回落的某一阶段或相邻两阶段选取较短时长的压力、压差波动信号序列,采用计算速度较快的方法进行特征提取.通过自组织神经网络融合局部流动特征,描述集输立管系统空间流动特性,实现流型识别.本文实验流速范围内,该方法对稳定流型与不稳定流型的平均识别率达到90％以上,初步验证了该方法的可行性.
关键词:
集输立管系统
,
非完整周期
,
不稳定流型
,
实时识别
,
自组织神经网络
崔桂梅
,
程史
钢铁
高炉炼铁通常采用铁水Si含量间接反映炉温的变化,模型预测精度低.以影响炉温的6个变量为输入变量,采用基于自组织的分布式RBF神经网络模型分别对铁水温度和铁水Si含量建立预测模型,先用自组织神经网络划分输入输出样本空间,然后对每个子空间建立RBF神经网络子网模型,再使用子网模型对测试样本集的同一个样本点进行预测,并以测试样本点对每一子空间的隶属度为权值,对子网预测值进行加权求和,得到最终预测值.对比使用同一输入变量数据的铁水温度和铁水Si含量的预测模型命中率,研究表明,高炉铁水温度的命中率更高,具有更好的炉温预测效果.
关键词:
铁水温度预测
,
铁水Si含量预测
,
分布式建模
,
自组织神经网络
,
RBF神经网络
