人工神经网络在转炉炼钢控制中的开发

转炉炼钢是一个非常复杂的很难用数学方程精确描述的高温冶金反应过程，人工神经网络因其具有较强的非线性问题处理能力且容错性强而得以在钢铁工业中应用。本文叙述了其开发现状，并最后通过分析增出，神经网络必将在炼钢生产过程中得到广泛的应用并起到不可估量的作用。     

用回归分析方法探讨氧气转炉炼钢终点命中率

本文对某钢厂氧气转炉炼钢的日常生产原始数据进行了回归分析,分别得出了反映终点钢水碳含量与终点钢水温度控制状况的氧耗增量与铁矿石增量的多元回归与逐步回归方程。并根据实际计算结果,提出了提高终点命中率的途径。     

基于神经网络的转炉冶炼终点锰、磷静态预报模型

我国钢铁企业所使用的转炉多为中小型转炉，因容量小无法采用动态控制技术。而传统的静态控制模型计算精度差，终点命中率低，实际生产中的应用效果不好。所以本文充分利用最近发展起来的人工神经网络技术，以Visual Basic编程语言为工具，建立了基于神经网络的转炉冶炼终点锰、磷静态预报模型。     

LD转炉终点控制模型

本文以马钢５０ｔ转炉为背景，在理论分析的基础上，考虑大生产的实际条件，采用回归分析的方法建立了ＬＤ转炉终点静态控制的全量模型。     

基于神经网络的转炉冶炼终点锰、磷静态预报模型

我国钢铁企业所使用的转炉多为中小型转炉,因容量小无法采用动态控制技术.而传统的静态控制模型计算精度差,终点命中率低,实际生产中的应用效果不好.所以本文充分利用最近发展起来的人工神经网络技术,以Visual Basic编程语言为工具,建立了基于神经网络的转炉冶炼终点锰、磷静态预报模型.     

转炉优化配料与冶炼静态控制模型

在分析转炉炉料结构优化及 BP 预报模型特点的基础上,针对某厂50 t 转炉生产条件,构建了由优化配料、静态预测、过程控制、脱氧合金化和成本计算等模块构成转炉冶炼静态控制系统。以机理模型为基础、采用增量模型校正的优化配料模块,用以精确计算入炉料结构;以 BP 神经网络为基础构建了静态预测模块,对转炉冶炼终点碳和温度进行预测;以操作经验为基础构建了过程控制模块,动态给出冶炼过程控制的枪位曲线、加料时机和加入量;基于终点预测和全氧计算模型构建了脱氧及合金化模块,进而对转炉冶炼成本进行计算,构建了成本计算模块。通过本系统的开发,建立了全过程指导的炉料结构优化与冶炼静态控制,为现场生产提供了指导。     

转炉炼钢智能控制系统

采用神经网络作为转炉炼钢的预报模型和控制模型,并将终点温度和终点碳含量作为控制目标值,计算氧气补吹量和冷却剂的补入量,从而实现转炉炼钢的终点控制.仿真结果表明,终点温度和终点碳含量仿真结果很理想,控制策略很有效.     

基于因果关系的CBR模型用于转炉炼钢静态控制

转炉炼钢静态控制是动态控制的基础,准确的静态控制对于改善动态控制质量、提高终点命中率具有重要意义.采用案例推理方法建立了转炉炼钢静态控制模型,计算了吹氧量和冷却剂加入量;并将因果关系分析用于案例属性的确定,增强了属性选择的有效性,降低了模型计算的复杂度.对一座150t转炉的实际生产数据进行仿真,结果表明,因果关系分析能够有效地确定案例属性,基于案例推理的转炉炼钢静态控制模型是切实可行的.     

浅析转炉冶炼自动化控制

在转炉冶炼中实现自动化控制不但有利于提高劳动生产率,增加转炉冶炼的效率,而且是提高转炉冶炼的技术含量及降低生产成本,提高产品质量的有效途径。本文简述了转炉冶炼自动化控制的内涵,对转炉冶炼自动化控制进行了简要的应用分析。     

25t转炉自适应静态模型动态化控制

针对中小转炉不宜增设副枪检测,无法进行动态控制的实际状况,提出了自适应静态模型动态化控制的思想;首先建立自适应终点静态控制模型;然后根据枪位－加料模型进行吹炼并自动动态化控制知识库,修正枪位－加料模型及控制量,最后启动预报模型进行终点预报指导出钢。根据实际吹炼数据验证,终点控制模型具有良好的跟踪性,终点预报模型的终点Ｃ,Ｔ命中率分别达到６８％和６３％。     

基于一类GA—RBF神经网络的转炉炼钢静态模型控制

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．     

基于一类GA-RBF神经网络的转炉炼钢静态模型控制

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.     

人工神经网络在ATM链路容量控制中的应用

研究人工神经网络（ＡＮＮ）在异步转移模式（ＡＴＭ）链路容量分配中的应用，设计了神经网络预测器以解决ＡＴＭ链路容量分配中的困难。与其它方法相比较，该方法不需对网络进行复杂的数学分析，借助足够的学习样本，即可自动学习输入和输出之间的关系，预测网络性能。文中分别采用呼损率和链路利用率两种优化目标进行计算机模拟，结果表明该方法能正确完成容量分配，并且易于实现和推广。     

交叉口多相位神经网络智能控制

针对城市交叉口交通流的特点和普遍存在的拥挤问题,以F-B配时理论为基础,提出了一种基于神经网络的交叉口多相位智能控制,并以镇江市大市口为例,在调查了大量的交通流数据的基础上,描述了建立网络的方法,给出了学习算法,仿真结果表明,该神经网络控制器具有良好的学习和泛化能力,实时性良好．     

基于DSP的人工神经网络环境控制系统

文章提出了将人工神经网络结合遗传算法应用于环境控制的新方法。该方法利用遗传算法在线计算控制量,利用人工神经网络模拟被控对象的动态特性,从而代替被控环境进行分析。同时,针对DSP的高速运算机能,解决了在工程应用中难以用一般的CPU完成实时控制的要求。该系统充分发挥了人工神经网络和遗传算法各自的特点,是具有良好发展前途的新型的环境控制系统。     

基于人工神经网络的火控系统故障诊断

阐述了人工神经网络的基本原理,研究分析了BP神经网络的缺陷并提出了优化策略。在此基础上,将BP神经网络应用于火控系统故障诊断之中,提出了基于此网络的火控系统故障诊断模型、实现方法和优点。     

基于人工神经元网络的图象重建

文章探讨利用人工神经元网络重建图象的方法 ,并讨论经过改进的 Hopfield网络的基本模型及其实现算法。研究完成了同步跳变、异步跳变和混合跳变等算法在图象重建中的实现 ,最后将衰减最大能量神经元准则应用于上述算法中。实验证明收敛的迭代步骤减少 ,收敛精度提高。     

人工神经网络在软件预估分析中的应用

将人工神经网络理论应用于软件预估分析领域，通过BP神经网络和功能点估算模型的介绍与结合，提供了一种估算软件工作量的方法．使用智能神经网络可分析软件开发这一十分复杂的过程。     

神经网络的应用与展望

基于对BP神经网络理论的基本分析,重点探讨了神经网络与遗传算法的结合。在此基础上,给出了神经网络的研究热点与发展方向。