基于量子微粒群的BPNN在转炉炼钢静态模型中的应用*

作者：朱亚萍，王文龙，徐生林 日期：2011-08-01/span> 浏览：3879 查看PDF文档

基于量子微粒群的BPNN在转炉炼钢静态模型中的应用*
朱亚萍，王文龙，徐生林
（杭州电子科技大学 自动化学院，浙江 杭州 310018）

摘要：针对转炉炼钢静态模型终点命中率较低的问题，首先分析了影响转炉炼钢终点命中率的各种因素，确定了BP神经网络（BPNN）的拓扑结构，并依此建立了转炉炼钢静态模型。然后把量子微粒群算法（QPSO）应用于BP网络的学习中，并比较了QPSO、基本微粒群优化算法(PSO)、梯度下降法的学习性能。最后，基于某炼钢厂的历史数据进行了仿真实验，比较了三种BP网络学习算法下的炼钢终点命中率。研究结果表明，该研究提高了转炉炼钢静态模型的终点C含量和温度预测精度。
关键词：BP神经网络；转炉炼钢；量子微粒群优化算法；基本微粒群优化算法
中图分类号：TP273；TF721文献标志码：A文章编号：1001-4551(2011)05-0598-03

 

本文的文献著录格式：

 朱亚萍，王文龙，徐生林.基于量子微粒群的BPNN在转炉炼钢静态模型中的应用[J],机电工程,2011,28(5):598-600.
ZHU Yaping, WANG Wenlong, XV Shenglin.Application of BPNN in static model of converter steelmaking based on quantumbehaved particle swarm optimization[J],Journal of Mechanical & Electrical Engineering,2011,28(5):598-600.