自反馈RBF网络在高炉热状态模型预测中的应用

摘要

在RBF神经网络的输入上加入了自反馈的神经元,提出了自反馈RBF神经网络,使网络时过去时态的数据具有了记忆能力,时该网络进行了稳定性分析后,采用层叠的自反馈神经元以增加网络的动态处理能力,并设计了自反馈RBF的在线训练算法,通过对混沌时序数据的仿真实验证明该算法的有效性.在此研究基础上,建立了高炉的热状态预测控制模型,预报铁水中硅的含量以达到判断高炉热状态的目的,实验表明该模型提高了高炉热状态的预报精度.