有色金属（冶炼部分）
有色金屬（冶煉部分）
유색금속（야련부분）
Nonferrous Metals(Extractive Metallurgy)
2015年
5期
5-9,46
,共6页
铜闪速熔炼%在线控制%改进型BP神经网络%预测模型
銅閃速鎔煉%在線控製%改進型BP神經網絡%預測模型
동섬속용련%재선공제%개진형BP신경망락%예측모형
copper flash smelting%on-line control%back propagation neural network%prediction model
基于某厂实际铜闪速熔炼工艺和控制过程,对神经网络模型在铜闪速熔炼过程在线控制进行了研究.在分析影响溶剂率、熔炼氧单耗、反应塔总风量操作参数因素的基础上,提出一种基于BP神经网络的操作参数的预测方法,分别建立了输入向量只包含主要元素和考虑杂质元素的BP神经网络模型.网络的训练和测试结果表明,两种神经网络的输出值与实际值的最大相对误差均小于1.0％,输出值与实际样本值吻合得较好,模型输入参数中包括杂质元素时具有更高的计算精度.
基于某廠實際銅閃速鎔煉工藝和控製過程,對神經網絡模型在銅閃速鎔煉過程在線控製進行瞭研究.在分析影響溶劑率、鎔煉氧單耗、反應塔總風量操作參數因素的基礎上,提齣一種基于BP神經網絡的操作參數的預測方法,分彆建立瞭輸入嚮量隻包含主要元素和攷慮雜質元素的BP神經網絡模型.網絡的訓練和測試結果錶明,兩種神經網絡的輸齣值與實際值的最大相對誤差均小于1.0％,輸齣值與實際樣本值吻閤得較好,模型輸入參數中包括雜質元素時具有更高的計算精度.
기우모엄실제동섬속용련공예화공제과정,대신경망락모형재동섬속용련과정재선공제진행료연구.재분석영향용제솔、용련양단모、반응탑총풍량조작삼수인소적기출상,제출일충기우BP신경망락적조작삼수적예측방법,분별건립료수입향량지포함주요원소화고필잡질원소적BP신경망락모형.망락적훈련화측시결과표명,량충신경망락적수출치여실제치적최대상대오차균소우1.0％,수출치여실제양본치문합득교호,모형수입삼수중포괄잡질원소시구유경고적계산정도.
