摘要
将人工神经网络和经典控制技术有机结合,开发了贫化电炉计算机监督控制系统。采用前向多层人工神经网络学习出贫化电炉渣含钴与渣中Fe/SiO2关系模型,并优化出最佳Fe/SiO2;采用BP网络对产出物成分进行预测;采用改进的Hopfield网络对物料进行优化计算。优化结果用来修改现场控制器的设定参数;用现场模拟控制系统直接控制贫化电炉。
No abstract available
出处
《化工自动化及仪表》
EI
CAS
北大核心
2004年第2期21-23,共3页
Control and Instruments in Chemical Industry
关键词
计算机监督控制系统
神经网络
优化
贫化电炉
computer supervisory control system
neural networks
optimization
electric furnace for cleaning slag