基于BP神经网络预报钢锭成分的软件开发

《基于BP神经网络预报钢锭成分的软件开发》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、软件天地文章编号：1008--0570(2009)09-1--0207-03基于BP神经网络预报钢锭成分的软件开发SoftwareofPredictionModelBasedonArtificialNeuralNetworkforSteelIngredients(1．贵州师范大学；2．水城钢铁(集团)有限责任公司炼钢厂)张毅2徐卫平郑家良肖纯ZHANGYiXUWei-·pingZHENGJia·liangXlAOChun摘要：采用3层BP神经网络来预测炼钢成品的C、Si、Mn成分，根据炼钢的实际生产数据，选取铁水、废钢、供氧、吹氩、硅锰合金、增碳剂等28个因素作为输入变量

2、，对输入参数进行归一化处理，采取附加动量项和自适应学习步长的措施，解决了BP神经网络局部收敛和学习时间过长的问题．提高了神经网络预报的准确率，并用VC++语言编写程序。软件经生产现场运用后．模型预测结果表明：在规定的误差内(C+0．02％、Si~O．05％、Mn~0。06％)，预报命中率达到85％以上，证明了模型的有效性。关键词：人工神经网络：BP算法：产品成分中图分类号：TF531文献标识码：AAbstract：ThepredictionofC、Si、Mncomponentsoffinishedsteelwasdiscussedinthispaperwhichadopt

3、ed3layersBPneuraInetworks．Accordingtotheactualsteelproductiondata，themolteniron，scrap，oxygen，argonblowing，Silicon—manganesealloy，car—bonetc28factorswereselectedasinputvariables．Thevariableswerealsonormalized．AdditionalmomentumandadaptivelearningstepwereusedtosolvetheBPneuralnetworklOCalco

4、nvergenceandtheproblemoflongtimetolearnandimprovetheforecastingaccuracy．ThesoftwarewasprogramedbyClanguageandwasappliedinproduceflied．TheresultsshowedthatwithinthespecifiederrorfC±0．02％．Si±0．05％，Mn±0．06％)，themodelreachtheforecastrateover85％．Keywords：artificialneuralnetwork(ANN)：BPalgorith

5、m；composition值器件(见图1)。图1中的X，X：，⋯x表示它的n个输入，w，，1前言w，⋯w表示与它相连的n个突触的连接强度，其值称为权炼钢生产是一个很复杂的过程，其控制对象是一个复杂的值；XwiX，称为激活值，表示人工神经元的输入总和，0表示人多因素控制对象，具有不确定、强耦合、大滞后、非线性、状态不工神经元的输出；0表示人工神经元的阈值。如果输入信号的加权完全可测等特性，对于炼钢生产的成品成分含量将直接影响到和超过0，人工神经元被激活，这样，人工神经元网络可描述为：下道工序的生产。因此．有必要采用一种有效的方法建立模型预0=，(∑置-o)(1)测成品钢的化

6、学成分．及时、准确地了解炼钢生产时的工作状式中f(X一)是神经元输入一输出关系的激活函数。态，调整工作制度，使生产始终处于最佳工作状态从而确保钢成品成分的稳定性，为下步工序的生产提供有力保障，最终提高钢材的质量。用于复杂工业生产过程的建模方法很多，其中BP神经网络作为一种智能化建模方法，能通过若干简单非线性处理单元的复合映射，获得复杂的非线性处理能力，已成功用于各领域的预测研究。由于转炉炼钢时各参数之间是相互联系的．其中某一因素的变化会影响到其他因素，因此，很难区分每个因素单独作图1人工神经网络模型用的效果。本文作者以某钢铁公司炼钢厂为研究对象，采用基3BP网络及算法于B

7、P神经网络预测模型的方法．开发出HRB335及HRB400BP网络f反向传播网络)是一种单向传播的多层前向网络，钢种的成品成分C、Si、Mn的预测模型，为实现品种钢成品成分是一种具有三层或三层以上的神经网络，包括输入层、隐含层的精确控制奠定了基础。和输出层，当一对学习样本提供给网络后，神经元的激活值从2人工神经网络的基本原理输入层经各中间层向输出层传播，在输出层的各神经元获得网络的输入响应。接下来，按照减少目标输出与实际误差的方向，人工神经网络(ANN)是基于对人脑组织结构、活动机制的从输出层经过各中问层逐层修正各连接权值，最