规则与数据驱动的层流冷却过程带钢卷取温度模型


针对现有层流冷却过程带钢温度模型缺乏换热系数、带钢定位、带钢卷取温度计算的有效方法这一问题,提出了由冷却单元阀门开闭状态模型、带钢冷却单元定位模型、不同换热方式下的带钢温度模型组成的带钢卷取温度动态模型,将案例推理、规则推理、神经网络等相结合,提出了规则与数据驱动的模型参数智能辨识方法.采用某钢厂实际生产运行数据对所提出的带钢卷取温度动态模型进行了实验研究,实验结果表明本文提出的方法能够有效提高带钢卷取温度模型的精度.
层流冷却、参数辨识、规则驱动、数据驱动、卷取温度
38
国家重点基础研究发展计划973计划2009CB320601;国家自然科学基金61104084;创新引智计划111计划B08015;住建部科学技术计划项目2012-K7-19
2013-01-22(万方平台首次上网日期,不代表论文的发表时间)
共9页
1861-1869