论文摘要
本文针对高炉炼铁过程铁水硅含量的预测提出了一种新的建模方法即基于建模误差概率密度函数(PDF)形状优化的数据驱动建模方法,因为建模误差内部包含有一定的随机性及不确定性,所以建模误差可以看作为一个随机变量,通过引入概率密度函数(PDF)对建模误差进行描述能够全面的刻画建模误差内部包含的随机信息,本文只针对干扰为非高斯干扰过程通过小波神经网络(WNN)建模,采用梯度下降方法优化WNN模型参数集,使得最终建模误差PDF逼近目标PDF,将所提方法应用在高炉炼铁过程铁水硅含量预测中,验证了其有效性和实用性。
论文目录
文章来源
类型: 国际会议
作者: 赵向志,周平
关键词: 建模误差,小波神经网络,梯度下降,高炉炼铁,铁水硅含量
来源: 第30届中国过程控制会议(CPCC 2019) 2019-07-31
年度: 2019
分类: 基础科学,工程科技Ⅰ辑,信息科技
专业: 数学,冶金工业,自动化技术
单位: 东北大学流程工业综合自动化国家重点实验室
分类号: TP183;O211.9;TF53
页码: 122
总页数: 1
文件大小: 466k
下载量: 7