降噪自编码神经网络下高炉冶炼质量在线预测

摘要：

高炉冶炼过程中,其内部发生的复杂反应会对产出的铁水质量产生重要影响,为了调整冶炼参数,并实时掌握产品质量变化趋势,有效提高冶炼产品的质量,提出降噪自编码神经网络下高炉冶炼质量在线预测方法.根据烧结工艺和烧结矿的同化性、液相流动性和粘结相强度等基础特征,确定烧结矿质量评价指标及包含9大类参量的主要工艺参数.基于神经网络并行处理、分布式存储和自适应性强等优势条件,改善神经网络模型对输入数据的泛化性,获取降噪自编码器代价函数,结合激活函数提取隐含层中任意神经元残差,建立液相神经元模型,得到降噪自编码网络神经元,以误差反向传播算法作为神经网络学习方法,通过输出误差实现层级之间的逆传播,确定学习步骤和学习模式,构建烧结矿质量在线预测模型,为了提高预测精度,定义学习速率修正预测模型,实现烧结矿质量预测.实验结果表明,采用所提方法对高炉冶炼质量进行在线预测后,烧结矿碱度预测误差较小,预测结果可信程度较高,预测时间较短,具有良好的预测能力,能够实现实时反馈.

关键词：降噪自编码、神经网络、烧结矿、预测模型、激励算法

所属期刊栏目：52

分类号：TH89

资助基金：广西高校中青年教师科研基础能力提升项目;广西职业教育教学改革研究项目

在线出版日期：2023-10-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：36-41