文件名称：基于一类GA-RBF神经网络的转炉炼钢静态模型控制 (2005年)
文件大小：226KB
文件格式：PDF
更新时间：2024-05-29 12:51:57
自然科学 论文
讨论了具有非线性、大时滞、不确定特性的工况复杂的转炉炼钢过程建模与控制问题。针对传统的控制方法控制效果差、精度不高，难以达到期望结果的问题，结合RBF神经网络的特点，提出用基于混合编码方式的混合遗传算法训练的RBF神经网络，同时优化网络的结构和参数，并利用RBF神经网络建立转炉炼钢静态模型。仿真结果表明，该模型具有在线调整和学习的功能，比传统模型具有更好的计算精度和适应能力，为提高转炉冶炼过程的控制精度给出了一个有效的方法。