收藏本站
《甘肃冶金》 2009年02期
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

小波RBF神经网络在高炉铁水硅含量预测中的应用

万金镇  秦莉娜  路永辉  
【摘要】:在运用RBF神经网络进行预测的基础上,建立了一种应用小波理论对时间信号进行去噪,根据去噪处理对RBF神经网络作相应处理的预测模型,并将所建模型应用于预测高炉铁水硅含量。仿真结果表明小波RBF神经网络比RBF神经网络更具优越性,预测准确率明显提高。

手机知网App
【参考文献】
中国硕士学位论文全文数据库 前1条
1 王文慧;基于小波分析理论的高炉炉温预测模型研究[D];浙江大学;2005年
【共引文献】
中国期刊全文数据库 前10条
1 张瑞祥;赵军红;;基于数据采集卡的异步电机故障检测系统[J];兵工自动化;2006年01期
2 程伟;徐国卿;牟龙华;;基于Morlet复小波的牵引网故障相量估算法研究[J];电工技术学报;2006年02期
3 梁秀满;刘振东;;基于CAN总线技术的高炉冷却壁水温差及热流强度在线监测系统[J];电气应用;2006年05期
4 徐强超;刘沛;林湘宁;;一种新型的适用于配网状态监控方案的研究[J];电气应用;2006年07期
5 潘文霞,李春林,史林军;基于最佳小波包基的电能质量暂态数据压缩[J];电力系统及其自动化学报;2005年03期
6 江涛;林伟斌;;电力系统谐波及其检测技术[J];江西电力职业技术学院学报;2006年03期
7 邢亚辉;王海军;吕艳萍;;基于线路零序频率特性的小电流接地系统故障选线[J];电力自动化设备;2006年04期
8 刘锐,余臻;小波分析及其在电力系统扰动检测中的应用[J];福建电脑;2005年10期
9 张楠;郭伟;;电力系统故障诊断中智能化方法的应用述评[J];福建电脑;2006年03期
10 刘祥官,王文慧;应用小波分析方法改进铁水硅含量预测[J];钢铁;2005年08期
中国博士学位论文全文数据库 前8条
1 王喜珍;小波变换在地震数据压缩和震相到时拾取中的应用研究[D];中国地震局地球物理研究所;2004年
2 李慧;配电系统负荷数据处理方法的研究[D];中国农业大学;2005年
3 李启会;高炉冶炼过程的模糊辨识、预测及控制[D];浙江大学;2005年
4 郭术义;高炉回旋区湍流特性研究[D];山东大学;2006年
5 史岩彬;基于CFD/NHT分析技术的高炉炼铁过程建模与仿真研究[D];山东大学;2006年
6 王海瑞;密闭式城市生活垃圾直接气化熔融焚烧过程控制策略研究[D];昆明理工大学;2007年
7 罗世华;高炉冶炼过程的分形特征辨识及其应用研究[D];浙江大学;2006年
8 许晓彦;船舶多模式电站与船舶电网电能质量研究[D];上海海事大学;2007年
中国硕士学位论文全文数据库 前10条
1 赵春泽;高炉铁水硅含量自组织经验进化预测系统软件开发与研究[D];重庆大学;2002年
2 谢灵杰;高炉铁水硅含量预测中的直接经验和间接经验[D];重庆大学;2003年
3 范志刚;基于神经网络和专家系统的铁水硅含量预报、控制软件研究[D];重庆大学;2003年
4 刘剑;容性设备分布式绝缘在线监测系统及介损值算法研究[D];湖南大学;2005年
5 李春林;基于小波变换的电能质量检测与识别[D];河海大学;2005年
6 闫晓茹;电缆故障选线与定位方法的研究[D];西安科技大学;2005年
7 孙云;小波分析在电力系统短期负荷预测中的应用研究[D];浙江大学;2005年
8 李保滨;具有不同伸缩和平移因子向量小波的特征刻划[D];河南大学;2005年
9 杨佳;电网暂态电压扰动的监测与评价[D];西南交通大学;2005年
10 袁之泉;电能质量分析系统研究[D];东北大学;2005年
【二级参考文献】
中国期刊全文数据库 前5条
1 周明;秦民生;;高炉铁水含硅预报数学模型[J];钢铁;1986年05期
2 刘祥官,刘芳,刘元和,罗登武,王子金,吴晓峰;莱钢1号750m~3高炉智能控制专家系统[J];钢铁;2002年08期
3 刘祥官,刘芳;高炉过程优化与智能控制模型[J];高校应用数学学报A辑(中文版);2001年04期
4 郜传厚,刘祥官;高炉冶炼过程的混沌性辨识 Ⅰ.饱和关联维数的确定[J];金属学报;2004年04期
5 刘祥官,刘显著,蒋美华,吴晓峰,陈玉明,张晓军,陈铁军;智能控制专家系统在莱钢高炉的应用[J];冶金自动化;2002年06期
中国硕士学位论文全文数据库 前1条
1 刘显著;炉温预测及智能控制的研究和实现[D];浙江大学;2003年
【相似文献】
中国期刊全文数据库 前10条
1 柴天佑,王笑波;RBF神经网络在加速冷却控制系统中的应用[J];自动化学报;2000年02期
2 汪晓东,叶美盈;RBF神经网络在表面粗糙度光纤传感器中的应用[J];光电子.激光;2001年09期
3 刘文菊,郭景;RBF神经网络中心选取OLS算法的研究[J];天津工业大学学报;2002年02期
4 陶红勇,王京,刘聪;基于RBF神经网络的板形缺陷识别[J];新疆钢铁;2003年02期
5 马翔,陈新楚,王劭伯;基于RBF神经网络的电站锅炉燃烧系统非线性建模[J];福州大学学报(自然科学版);2004年03期
6 张焱,沈振康,王平;基于RBF神经网络的背景估计及红外小目标检测[J];国防科技大学学报;2004年05期
7 杨延西;刘丁;辛菁;;基于LS-SVM的机器人逆运动学建模[J];系统仿真学报;2006年05期
8 荣盘祥;杨晶;胡林果;马广富;;基于RBF网络的SCARA机器人的运动学逆解[J];电机与控制学报;2007年03期
9 王丽蓉;徐荃;;改进型RBF神经网络在系统建模中的应用[J];科技资讯;2007年20期
10 谢慕君;孟祥光;;基于MATLAB的RBF神经网络在离心压缩机性能预测中的应用[J];石油化工自动化;2008年05期
中国重要会议论文全文数据库 前10条
1 游培寒;王振家;;一种构造径向基神经网络的新型IPL算法[A];图像 仿真 信息技术——第二届联合学术会议论文集[C];2002年
2 张秀艳;王秀芳;王庆蒙;陶国彬;;基于RBF神经网络的非线性滤波研究[A];首届信息获取与处理学术会议论文集[C];2003年
3 宋宜斌;王培进;;一种改进的RBF神经网络预测模型[A];2005年中国智能自动化会议论文集[C];2005年
4 田晓;颜勇;孔凡坊;顾德英;;新型神经网络在短期负荷预测中的应用研究[A];山东电机工程学会第五届供电专业学术交流会论文集[C];2008年
5 于秀丽;沈雪勤;;RBF神经网络的一种新的学习算法[A];第六届全国计算机应用联合学术会议论文集[C];2002年
6 张东昌;符秀辉;;RBF神经网络在网络时延预测中的应用[A];第七届全国信息获取与处理学术会议论文集[C];2009年
7 付培众;尹怡欣;;基于PSO-RBF的神经网络及其应用研究[A];2007'仪表,自动化及先进集成技术大会论文集(一)[C];2007年
8 崔超;徐筱麟;韩晶;;一种两种算法结合的网络延时预测算法[A];2007北京地区高校研究生学术交流会通信与信息技术会议论文集(下册)[C];2008年
9 唐红艳;徐正光;;基于PSO-RBF的神经网络及其应用[A];全国炼钢连铸过程自动化技术交流会论文集[C];2006年
10 刘芳;曹秀英;彭晶;;高炉铁水温度的神经网络软测量及应用[A];第十一届全国自动化应用技术学术交流会论文集[C];2006年
中国博士学位论文全文数据库 前10条
1 蒋鹏;小波理论在信号去噪和数据压缩中的应用研究[D];浙江大学;2004年
2 崔根群;用于危险品检测的移动机械手的运动性能分析及其控制[D];河北工业大学;2007年
3 景春国;低能射线法油水气相含率测量研究[D];燕山大学;2008年
4 叶光;基于VV&A的船舶运动控制系统仿真的研究[D];大连海事大学;2007年
5 林壮;欠驱动水平机械臂滑模变结构控制研究[D];哈尔滨工程大学;2007年
6 祖莉;智能割草机器人全区域覆盖运行的控制和动力学特性研究[D];南京理工大学;2005年
7 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年
8 陈璟华;多Agent技术在电力系统中的应用研究[D];广东工业大学;2007年
9 刘志刚;多小波理论及其在电力系统故障信号处理中的应用研究[D];西南交通大学;2003年
10 罗睿;遥感图像信息系统的设计与分析[D];解放军信息工程大学;2001年
中国硕士学位论文全文数据库 前10条
1 张振;基于解析冗余的非线性系统故障诊断方法研究[D];南京理工大学;2005年
2 戎辉;移动机械手的分层控制结构及其协调控制方法研究[D];河北工业大学;2006年
3 姜晓君;基于无线传感器网络的信息融合算法研究[D];郑州大学;2007年
4 吴明圣;径向基神经网络和支持向量机的参数优化方法研究及应用[D];中南大学;2007年
5 李玲玲;RBF神经网络集成研究及在个人信用评估中的应用[D];山东师范大学;2008年
6 宫璇;语音识别在工业机器人上的应用研究[D];兰州理工大学;2009年
7 李彬;径向基函数神经网络的学习算法研究[D];山东大学;2005年
8 李斌;基于神经网络的移动机械手运动学分析[D];河北工业大学;2006年
9 朱爱华;基于RBF神经网络的ECT图像重建研究[D];沈阳工业大学;2006年
10 孙凯;基于神经网络的转炉炼钢终点控制模型的研究[D];沈阳工业大学;2006年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026