论文部分内容阅读
采用3层BP神经网络来预测炼钢成品的c、si、Mn成分，根据炼钢的实际生产数据，选取铁水、废钢、供氧、吹氩、硅锰合金、增碳剂等28个因素作为输入变量，对输入参数进行归一化处理，采取附加动量项和自适应学习步长的措施，解决了BP神经网络局部收敛和学习时间过长的问题，提高了神经网络预报的准确率，并用VC＋＋语言编写程序。软件经生产现场运用后，模型预测结果表明：在规定的误差内（C±0．02％、Si±0．05％、Mn±0．06％），预报命中率达到85％以上，证明了模型的有效性。