基于蒙特卡洛方法的神经网络钢水温度预报方法技术

本发明专利技术提供基于蒙特卡洛方法的神经网络钢水温度预报方法，属于温度预报技术领域。该基于蒙特卡洛方法的神经网络钢水温度预报方法包括如下步骤：S1：建立分析模型；2：确定分析网络结构；S3：获取第一预设权值和第一预设阀值。本发明专利技术相比于传统的神经网络算法省去了由人工试验不断尝试来确定网络结构的复杂过程，针对迭代次数较多，时间较长的问题采用遗传算法对生成的神经网络模型进行优化，不仅提高了模型的精度，还节省了人力，使模型具有更好的泛化能力。

Temperature prediction method of molten steel based on Monte Carlo neural network

【技术实现步骤摘要】
基于蒙特卡洛方法的神经网络钢水温度预报方法
本专利技术属于温度预报
，涉及基于蒙特卡洛方法的神经网络钢水温度预报方法。
技术介绍
LF精炼炉是炼钢生产的主要工序，作为炼钢过程的重要一环，位于转炉和连铸之间，具有承上启下调节生产节奏的作用。生产中钢水温度控制、合金加入、底吹氩气控制的精度和准确性,直接影响钢水的质量和工序的顺序进行。传统炼钢中主要是操作工依据工作经验来预测钢水温度，只能通过多次测温来判断是否需要电机升温或者加废钢降温，该预估方法不可靠且多次测温效率不高，可能会带来很大误差，直接影响吹氩压力大小、加合金时间等致使钢成分不达标，严重情况下可能会由于温度过低导致钢水报废，造成极大的经济损失。因此建立精确的LF炉温度控制模型具有很强大的实际意义。从国内外温度模型的研究实例可以看到，过去常用的建模方法分为三类：经验建模、机理建模和数据建模。经验建模是操作工经过长期的现场冶炼过程和经验总结的经验公式，它忽略了一些内在和外在的因素，因此经验公式准确性势必受到影响。机理建模主要考虑精炼过程中物理反应和化学反应发生的热量变化、钢包散热本文档来自技高网...

【技术保护点】
1.基于蒙特卡洛方法的神经网络钢水温度预报方法，其特征在于，包括如下步骤：/nS1：建立基于BP神经网络的分析模型；/nS2：采用蒙特卡洛方法确定分析模型中反馈值在第一预设范围内的分析网络结构；/nS3：通过遗传算法优化分析网络结构的权值和阀值以获取第一预设权值和第一预设阀值。/n

【技术特征摘要】
1.基于蒙特卡洛方法的神经网络钢水温度预报方法，其特征在于，包括如下步骤：
S1：建立基于BP神经网络的分析模型；
S2：采用蒙特卡洛方法确定分析模型中反馈值在第一预设范围内的分析网络结构；
S3：通过遗传算法优化分析网络结构的权值和阀值以获取第一预设权值和第一预设阀值。


2.如权利要求1所述的基于蒙特卡洛方法的神经网络钢水温度预报方法，其特征在于：所述分析模型的输入量包括钢包初始温度、钢水重量、钢包处理时间、钢水氧含量、渣厚、罐况、电耗、冶炼过程中的吹氩量、加入合金量和废钢加入量。


3.如权利要求1或2所述的基于蒙特卡洛方法的神经网络钢水温度预报方法，其特征在于，步骤S2中包括如下步骤：
S21：在分析模型中定义搜索样本空间；
S22：通过基于蒙特卡洛方法的搜索策略获取多个第一预设网络结构；
S23：通过对第一预设网络结构进行评估并获取反馈值，如果反馈值在第一预设范围内则将第一预设网络结构作为分析网络结构，如果反馈值不在第一预设范围内则执行步骤S21。


4.如权利要求3所述的基于蒙特卡洛方法的神经网络钢水温度预报方法，其特征在于，步骤S21中定义搜索样本空间如下：所述第一预设网络结构的输入层神经元个数为10，所述第一预设网络结构的输出层神经元个数为1，所述第一预设网络结构的隐藏层个数为1，所述第一预设网络结构的隐藏层神经元个数为1~50，所述第一预设网络结构的激活函数为logsig函数、tansig函数、relu函数、purelin函数、hardlim函数中的一种，所述第一预设网络结构的训练函数为traimlm函数、trainbr函数、trainrp函数、trainscg函数中的一种。


5.如权利要求4所述的基于蒙特卡洛方法的神经网络钢水温度预报方法，其特征在于，步骤S22中所述搜索策略包括：每次随机生成三个网络结构并获取三个网络结构中的最优网络结构，然后将剩下的两个中的一个在保持当前最优网络结构的隐藏层神经元个数不变的情况下对各层网络的激活函数和训练函数随机生成，另一个在保证与当前最优网络结构中激活函数和训练函数相同的情况下对于隐藏层神经元个数的随机生成，所述最优网络结构的反馈值和预设范围之间差值为三个网络结构中的最小差值。


6.如权利要求5所述的基于蒙特卡洛方法的...

【专利技术属性】
技术研发人员：刘惠康，曹宇轩，鲍考明，柴琳，皮瑶，江典蔚，鄢梦伟，孙博文，李倩，
申请(专利权)人：武汉科技大学，
类型：发明
国别省市：湖北;42