GA-BP算法及其在冰铜品位神经网络模型中的应用

分析了遗传算法(GA)和BP算法的优缺点，将GA算法与BP算法有机地结合，形成了遗传BP算法。对冰铜品位神经网络模型的训练和检验结果比较表明，该算法优于BP算法，是一种快速全局搜索算法。模型训练结果也说明了神经网络技术应用于铜闪速熔炼过程建模的可行性和有效性。     

改进粒子群优化神经网络及其在产品质量建模中的应用

针对传统神经网络优化算法易陷入局部最优值的问题,在标准粒子群算法的基础上,对粒子速度与位置更新策略进行改进,提出一种基于改进粒子群优化算法的BP神经网络建模方法.使用sinc函数、波士顿住房数据及某钢厂带钢热镀锌生产的实际数据进行验证.结果表明,与标准的反向传播神经网络和支持向量机相比,基于改进粒子群优化的神经网络模型可以有效提高预测精度.     

神经网络在冶金工业中的应用

详细介绍了神经网络在国内外冶金工业中的应用现状，分析了神经网络在冶金工业中的应用前景。     

BP神经网络技术在钢铁工业中的应用

BP神经网络具有结构清晰、可操作性强等特点,在炼铁、炼钢、轧钢、钢材性能以及组织预报等领域得到了广泛的应用。介绍了BP神经网络的发展历程、基本原理和结构,对BP神经网络在钢铁工业中的应用现状进行了阐述,指出了其局限性,并对其发展前景进行了展望。     

主成分分析法与神经网络在选矿建模中的应用

应用主成分分析法与BP神经网络结合建立选矿厂数学模型,通过实例验证,模型取得了较好的预测效果。     

BP神经网络在地下巷道支护中的应用

通过现场调查与测试，找出采准巷道失稳的原因，提出支护形式及其支护方案的选择，并利用BP神经网络预测程潮铁矿围岩的稳定性及其支护等级。     

BP神经网络在莱钢卷取温度控制中的应用

在带钢热连轧中,卷取温度对带钢的品质有着重要的影响,因此,提高卷取温度的控制精度有着重要意义。卷取温度控制系统是一个具有非线性、时变性和大滞后的复杂控制系统,传统的基于精确模型的控制方法难以进一步提高控制精度。本文简要介绍BP神经网络在莱钢1500mm带钢热连轧卷取温度控制中的应用。     

神经网络技术在钢铁工业中的应用

简要介绍了神经网络技术中的三类神经网络模型及其在钢铁工艺中的连铸漏钢预报和电弧炉电极控制两个应用实例。     

神经网络在信号处理中的应用

运用BP网络来消除信号的随机噪声和模式识别.作为例子,考虑了正弦波、矩形波和三角波3种信号.在50%噪声情况下,BP网络仍能有效地消除这3种信号中的随机噪声并正确地找出它的理想模式.     

神经网络在井巷支护参数优化中的应用

影响井巷文护方式的因素很复杂，其参数的选取更是具有不确定性。由于神经网络方法不仅能考虑定量因素，而且能考虑定性因素的影响，因而神经网络适用于解决非确定性的井巷文护方式选择及参数优化问题。本文建立了井巷文护方式选择及文护参数优化的人工神经网络模型，并利用大量国内成功工程资料对网络进行训练和测试，其结果表明与实际相符。     

BP神经网络在带钢卷取温度控制中的应用

在带钢热连轧中,卷取温度对带钢的品质有着重要的影响,因此,提高卷取温度的控制精度有着重要意义.卷取温度控制系统是一个具有非线性、时变性和大滞后的复杂控制系统,传统的基于精确模型的控制方法难以进一步提高控制精度.通过BP神经网络在1 500 mm带钢热连轧卷取温度控制中的应用,取得了良好的效果.     

应用神经网络建立采矿经验知识库

应用神经网络建立了获取采矿方法选择时所需的主要技术经济指标的采矿经验知识库,并以普通全面法为例,描述建造BP网络模型的过程.研究结果表明:利用这个采矿经验知识库,就可以根据采矿方法的工程背景,求得它的主要技术经济指标.     

BP神经网络模型应用于结晶器漏钢预报的研究

连铸生产过程中,漏钢事故会严重影响生产.针对钢厂的漏钢事故,研究BP神经网络理论,应用神经元算法参与计算,准确预报事故信息.在用钢厂实际生产数据的模拟过程中,取得较好的结果,验证了算法的有效性和可行性.     

神经网络在宝钢连铸漏钢预报系统中的应用

介绍了连铸粘结性漏钢产生的机理和过程,以及宝钢利用人工神经网络技术建立的一套新的漏钢预报系统。该系统在预报精度和系统性能等方面均优于宝钢原有的漏钢预报装置。     

网络参数对神经网络BP算法预报结果的影响

应用ＢＰ算法程序，对钢材力学性能按单隐蔽层不同结点数和不同学习速率进行预报计算，结果表明，在以成分Ｃ、Ｓｉ、Ｍｎ和精轧温度Ｔ四项因素作为网络输入，网络结构为单隐蔽层时，学习速率可高达０．９５，仅两千多次训练就得到与实测极为接近的结果。     

免疫遗传算法在BP神经网络中的应用

提出了一种基于免疫遗传算法(IGA)的BP神经网络设计方法.该算法在遗传算法(GA)的基础上引入生物免疫系统中的多样性保持机制和抗体浓度调节机制,有效地克服了GA算法的搜索效率低、个体多样性差及早熟现象,提高了算法的收敛性能.为了解决BP神经网络权值随机初始化带来的问题,用多样性模拟退火算法(SAND)进行神经网络权值初始化,并给出了算法详细的设计步骤.仿真结果表明,同混合遗传算法相比,该算法设计的BP神经网络具有较快的收敛速度和较强的全局收敛性能.     

基于神经网络的模糊控制在炼钢加热炉温度控制中的应用

钢厂加热炉是一个复杂的受控对象,存在着非线性、时变性、纯滞后因素和不确定随机干扰等因素.从对其燃烧状况的分析来看,加热炉温度的调节主要是靠对煤气流量的控制来完成的,因而确立一种合理的煤气流量控制方案是实现加热炉燃烧智能化控制的关键.提出了将模糊控制、PID控制和神经网络3种技术相结合,共同控制煤气流量.仿真研究结果表明,这种BP神经网络模糊PID控制在克服对象的大惯性、抗干扰性、非线性和纯滞后方面,大大改善了控制品质.     

基于神经网络的仿真输出方法在地应力场分析中的应用

本文将基于计算机仿真输出分析中的人工神经网络ＢＰ算法，应用于地下工程原岩应力场模型的辨识研究中，并将网络输出结果与某金矿实测原岩应力值进行比较，显示计算值与实测值吻合，由此训练网络便可确定出矿区内任一给定位置处的原岩应力值，从而可建立该矿区的原岩应力场分布规律模型。