|
1 引 言
炼钢过程是一个非常复杂的高温、多相的物理化学过程，其间存在很多难以定量的因素，建立准确的数学模型非常困难，既使建立了模型,求解难度也大，不能随着工况的改变而自动调整。这都加大了对炼钢过程实现有效控制的难度，已经跟不上时代发展的需要。由于人工神经网络具有较快的学习特性和逼近任意非线性映射的能力，非常适合应用于涉及多因素、复杂过程的控制领域。近二十年来，神经网络的应用在不断扩大，尤其是解决复杂的工业问题。本研究是应用神经网络对炼钢进行终点成分的估计，从而控制过程，改善作业工序、降低原料消耗和提高钢的质量。
在炼钢的过程中，要对钢水终点成分进行估计，再根据成分的含量标准，决定成分的添加量。本研究对象是终点Cr估计模型。Cr成分的主要来源是熔化的原料矿石，但部分原料矿石含有不定量Cr，并且波动性很大，如混合废料(Mixed scrap)含Cr0.9%～5.0%，并且Mixed scrap占“原料矿石”的1/3。另外，取样的检测误差大，主要原因是原料的不充分熔化，测量仪器的偏差和许多随机因素，且各因素之间存在着非线性的关系，这给传统估计系统造成极大的困难。Multon process technology Ltd提供的数据显示，即使通过4～6次采样、评估，Cr的测量值往往低于真实值，终点Cr含量仍然是超出或接近标准的上限。本研究的目标是只通过两次采样，就可以准确估计终点Cr含量，减少多余Cr的加入，从而提高劳动生产率，降低生产成本，提高产品质量。
2 RBF神经网络算法
RBF网络是径向基函数网络，与BP网络都有很强的函数逼近能力，但是BP网络有其自身的弱点，例如存在局部极小问题、学习算法收敛速度慢、收敛速度与初始权值有关以及网络隐层节点个数尚没有理论指导等。相比之下，RBF网络是一类结构简单、性能优越、具有局部逼近能力的神经网络。RBF网络是只有单个隐层的三层前馈神经网络。设网络的输入节点数为n，隐层节点为m，输出节点数为1。 | 
