基于一类GA-RBF神经网络的转炉炼钢静态模型控制
本文讨论了具有非线性、大时滞、不确定特性的工况复杂的转炉炼钢过程建模与控制问题.针对传统的控制方法控制效果差、精度不高,难以达到期望结果的问题,结合RBF神经网络的特点,提出用基于混合编码方式的混合遗传算法训练的RBF神经网络,同时优化网络的结构和参数,并利用RBF神经网络建立转炉炼钢静态模型.仿真结果表明,该模型具有在线调整和学习的功能,比传统模型具有更好的计算精度和适应能力,为提高转炉冶炼过程的控制精度给出了一个有效的方法.
转炉炼钢 模型控制 神经网络 遗传算法
王建辉 徐林 方晓柯 顾树生
东北大学信息科学与工程学院,沈阳,110004
国内会议
南京
中文
90-94
2005-11-10（万方平台首次上网日期，不代表论文的发表时间）