排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
基于神经网络的板坯连铸二冷水动态控制模型 总被引：1，自引：0，他引：1
以缩小板坯表面实际温度和目标温度的差异为目标,基于神经网络技术,建立以BP神经网络进行连铸二冷段的温度预测和运用模糊神经网络对二冷段的水量进行实时控制的动态控制模型,模型能及时根据拉速、温度的变化做出水量的动态调整和分配.针对某钢厂2#板坯连铸过程进行了仿真计算和现场应用测试,结果表明:该模型将二冷水量控制问题与铸坯在冷却过程中的温度状态相结合,能很好的响应现场的变化,及时给出二冷段水量的动态调节量. 相似文献
2.
基于遗传算法的板坯连铸二冷配水优化方法 总被引：1，自引：0，他引：1
为提高板坯高效连铸二冷水的动态控制水平,在满足生产实时性要求的传热模型基础上,引入遗传算法对二冷区各段水量进行编码,并根据板坯连铸配水所遵循的冶金准则确定多目标优化的适应度函数,该遗传算法与冶金准则、传热模型集成的优化配水方法避免了经验方法的适应性不足,改进了传统优化方法在解决多目标优化非线性求解时搜索效率低下的问题.从攀钢炼钢厂板坯连铸过程的仿真计算和现场测试结果可以看出,优化后的配水方案较优化前相比,水量可节约2%,同时配水沿着拉坯方向水量逐渐递减,符合铸坯质量控制的要求. 相似文献
1
