文献类型：专利

专利类型：发明专利

是否失效：否

是否授权：否

申 请 号：CN201610452075.2

申 请 日：20160621

发 明 人：王坎 辜小花 李太福 张倩影 耿讯 唐海红

申 请 人：重庆科技学院

申请人地址：401331 重庆市沙坪坝区虎溪大学城

公 开 日：20211022

公 开 号：CN106096788B

代 理 人：王玉芝

代理机构：50223 重庆蕴博君晟知识产权代理事务所(普通合伙)

语　　种：中文

摘　　要：本发明提供一种基于PSO_ELM神经网络的转炉炼钢工艺成本控制方法及系统，其中的方法包括选择影响成本的控制参数；构建建模样本集；获得归一化样本集；构建前馈神经网络；采用PSO算法对ELM神经网络参数进行训练获取神经网络参数；利用遗传算法对PSO_ELM神经网络构建的模型进行优化，获取所构建模型的最值，并根据所构建模型的最值确定最优控制参数；根据最优控制参数成本值与所述建模样本集中的最小成本值的对比结果，确定转炉炼钢工艺的最小成本值。利用本发明，能够解决转炉炼钢成本高的问题。

主 权 项：1.一种基于PSO_ELM神经网络的转炉炼钢工艺成本控制方法，包括：根据转炉炼钢的工艺选择影响成本的控制参数；所述控制参数包括铁水量、废钢量、造渣材料加入量、入炉铁水的温度、出钢温度、白云石加入量、石灰石加入量、铁矿石加入量、氧气消耗量、氧枪位置；利用模拟转炉炼钢平台采集不同控制参数的成本，构建建模样本集；将构建的建模样本集进行归一化处理，获得归一化样本集；根据所述归一化样本集和极限学习机理论改进算法构建前馈神经网络；利用PSO算法对ELM神经网络进行训练，获取神经网络参数；利用遗传算法对PSO_ELM神经网络构建的模型进行优化，获取所构建模型的最值，并根据所构建模型的最值确定最优控制参数；根据所述最优控制参数获取最优控制参数成本值；根据所述最优控制参数成本值与所述建模样本集中的最小成本值的对比结果，确定转炉炼钢工艺的最小成本值；根据最优控制参数改进转炉炼钢工艺。

关 键 词：构建  神经网络参数 转炉炼钢工艺 最小成本  最优控制  建模  转炉炼钢 前馈神经网络 神经网络构建  归一化样本  成本控制  对比结果  控制参数  神经网络 遗传算法  影响成本  样本集  样本  优化  

IPC专利分类号：G06Q10/04(20120101);G06Q10/06(20120101);G06Q30/02(20120101);G06Q50/04(20120101);G06N3/08(20060101)