基于案例推理预测精炼开始钢水温度

针对BP神经网络训练时间长的问题,采用基于案例推理的方法预测精炼开始钢水温度.首先,应用层次分析法确定影响精炼开始钢水温度的各个因素的权值,并使用灰色关联度来计算案例的相似度,克服了传统相似度计算方法在案例信息不完整的情况下无法获取准确结果的缺点.然后,提出一个包含类选、粗选、精选和择优的四步检索方法,大大缩短了检索时间.最后,实验比较了人工神经网络和基于案例推理两种方法,结果表明基于案例推理比人工神经网络具有更高的命中率.     

基于遗传算法的电炉载能值综合优化

引入载能体的方法,统筹电炉炉料结构、电炉供氧、配碳和供电等多种因素,建立了电炉载能值综合优化模型.模型约束复杂,采用线性规划难以求解,本文采用遗传算法进行求解.对BH1H、BHDDQ和SUS304钢种进行能值计算.结果表明:在保证电炉出钢钢水化学成分、温度和渣的碱度等指标符合要求的前提下,每炉钢水能值分别降低了22.8%、21.4%和23.6%.