小波神经网络在炼铜转炉炉渣重量和成分预报中的应用.pdf

小波神经网络在炼铜转炉炉渣 重量和成分预报中的应用 姚俊峰， 江金宏“， 梅炽， 彭小奇， 任鸿九， 周安梁“ （“ 中南大学热工设备仿真与优化研究所， 长沙 年 月、 年 “ 月、 “ 年 月和 “ 年 月 分属四个季度的四个月的 A 炉数据， 分造渣一期 和造渣二期共 ’ 个样本。对得到的样本进行自标 准化、 过滤噪音、 求变量相关性并合并相关系数很大 的变量， 根据变量对目标的贡献， 去掉分类贡献小的 变量， 得到对象样本 个。特征变量为铜锍量 （700.） 、 铜锍含铜 （ /B2） 、 加入的床下物 （C.;） 、 吹 炼时间 （0.） ， 总鼓风量 （C946） 、 富氧量 （4DE. K 0 0. K ;;ABA BCCBBDA DAC;C;;ADDAC; DCCDCD;B;结论 炼铜转炉吹炼过程原料复杂多变， 具有多变量、 非线性、 大滞后、 强耦合等特点， 难以根据精确的物 料衡算与热量衡算数学模型对炉渣重量与成分作出 预报， 而有效提取炼铜转炉生产过程非平稳时变信 号的特征向量是解决其问题的关键， 信号的小波为 渣量预报的特征提取提供了一种更好的方法。 神经网络的渣量与成分预报模型的非线性映射 特性、 自适应性和鲁棒性， 形成了预报智能软件发展 的新方向。运用小波神经网络技术， 对 C 个样本 的渣量与成分进行了训练， 其拟合误差为 C7； 对 另外 7。所 建立的小波神经网络模型能较准确地对炼铜转炉的 渣量与成分进行预报， 值得在其它类似的企业推广 使用。 参考文献 崔锦泰 小波分析导论 西安 西安交通大学出版社， 西安 西安交通大学出版社， P02/* 0-8 /41-“.* “/“S3； /0“ /*-01； 2PP0YX*3/4 2/.0*0； “4； ,02“*3/4 DD 有色金属第 C; 卷 万方数据