真空感应炉终点碳含量预报  

End-point Carbon Content Prediction Based on RBF Neural Network

作　　者：邓长辉[1] 王姝[1] 王福利[1] 毛志忠[1] 王嘉铮 

机构地区：[1]东北大学教育部暨辽宁省流程工业综合自动化重点实验室 [2]太阳锻造实业有限公司,辽宁鞍山114000

出　　处：《控制与决策》2006年第2期210-212,216,共4页Control and Decision

基　　金：国家自然科学基金项目(60374003);国家"973"计划子课题(2002CB312200)

摘　　要：针对冶炼过程中碳含量不能直接测定的不足,采用RBF神经网络对真空感应炉的终点碳含量进行预报.在第一次预报时,初步计算出冶炼到达终点的时间和终点的碳含量;经过二次预报进行误差校正,使结果更加精确.结合现场120组数据进行学习和预报,预报命中率较高.实验结果表明,采用该方法预报碳含量可以取得良好的效果.Considering the deficiency of measurement in the melting process, an RBF neural network method is developed to predict the end-point carbon content in the vacuum induction furnace. It can give reliable predictions of end-point time and carbon content of molten steel in the first-round prediction. The prediction accuracy can be improved by the error correction in the second-round prediction. Total 120 set of data are used for model training and validation. The results show that the proposed method is effective.

关 键 词：真空感应炉 终点碳含量预报 神经网络 误差校正 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]