基于非线性自回归神经网络的烧结混合料水分智能控制
来源期刊:冶金自动化2021年第1期
论文作者:吴岳明 聂慧远 吴朝霞
文章页码:27 - 33
关键词:烧结混合料;深度学习;非线性自回归;前馈控制;
摘 要:为提高烧结混合料加水控制的智能程度,针对烧结生产线现场的实际情况,提出了一种非线性自回归(nonlinear autoregressive models with exogenous inputs,简称NARX)神经网络加水前馈控制模型。首先,利用工厂的历史生产数据和物料平衡原理建立烧结混合料的加水模型,其中涉及各种原料量及混合加水量;然后,将深度监督学习与自学习NARX算法结合,建立烧结混合料水分预测模型;最后,将NARX水分预测模型与极限学习机(extreme learning machine,简称ELM)模型进行对比。结果表明,NARX算法在水分控制的准确性、平稳性上均更优,可以为烧结混合料加水前馈控制提供新的解决方案。
吴岳明1,聂慧远2,吴朝霞3
1. 宝钢股份上海梅山钢铁股份有限公司设备部2. 宝钢股份上海梅山钢铁股份有限公司炼铁厂3. 东北大学秦皇岛分校控制工程学院
摘 要:为提高烧结混合料加水控制的智能程度,针对烧结生产线现场的实际情况,提出了一种非线性自回归(nonlinear autoregressive models with exogenous inputs,简称NARX)神经网络加水前馈控制模型。首先,利用工厂的历史生产数据和物料平衡原理建立烧结混合料的加水模型,其中涉及各种原料量及混合加水量;然后,将深度监督学习与自学习NARX算法结合,建立烧结混合料水分预测模型;最后,将NARX水分预测模型与极限学习机(extreme learning machine,简称ELM)模型进行对比。结果表明,NARX算法在水分控制的准确性、平稳性上均更优,可以为烧结混合料加水前馈控制提供新的解决方案。
关键词:烧结混合料;深度学习;非线性自回归;前馈控制;