高炉铁水硅含量在线感知系统
发明了一种基于 EMD-GA-Elman 神经网络的硅含量预测模型,可以弥补高炉过程中较强的非线性、动态性。运用经验模态分解技术得到内在模函数(IMF)和残差,利用遗传算法优化 Elman 神经网络参数,建立硅含量预测模型,实现高炉铁水硅含量的在线精准预测。
特色优势
- 模型具有循环单元的权重共享,能更好地表征数据的非线性特征。
- 能建模长距离时间依赖,表征系统过程的动态特征,实现高精度预测。
应用案例
广西柳州钢铁集团有限公司、江苏省镔鑫钢铁集团有限公司、宁波钢铁有限公司等。
