. 针对炼钢过程工艺性强和影响因素复杂的特点,将神经网络技术作为传彻ひ帐P偷牟钩洌诠淘けê椭盏憧刂颇P椭校⒐ひ绽砺?经验)模型与神经网绶椒ㄓ谢岷系幕旌仙窬缒P?Hybrid-Neural Model)。以提高模型的预报精度和适应性,优化自学习功能。这是针对钢铁流程计算机控制中新的模型化方法研究,应用前景广泛,是实现"数字化"炼钢的基础。
{{i.achievement_title}}
数据更新时间:2023-05-31
一种基于多层设计空间缩减策略的近似高维优化方法
二维FM系统的同时故障检测与控制
2009 -2017年太湖湖泛发生特征及其影响因素
扶贫资源输入对贫困地区分配公平的影响
基于直观图的三支概念获取及属性特征分析
炼钢过程反应速度的电化学控制研究
兴奋抑制混合神经网络的频率控制
基于模糊神经网络的铜熔炼过程智能优化控制模型研究
煤热解气化综合过程混合神经网络模拟