点此下载——基于辅料运行特性的烧结矿质量预测模型 摘要：从辅料运行特性的角度对烧结工艺做了总体分析，并对烧结矿的质量指标及其影响因素做了研究，在此基础上运用了一种带动量项和变学习率的BP神经网络算法建立了烧结矿质量预测模型。模型预报结果表明，用拓扑结构为15-20-4的BP神经网络和0．000191的网络误差进行训练后，模型的命中率在83．3％以上，充分展示了基于辅料运行特性的烧结矿质量预测模型的准确性和有效性。 关键词：烧结工艺；辅料；质量预测；神经网络 随着高炉大型化和冶炼技术的提高，对精料提出了更高要求，烧结矿作为高炉冶炼主原料中不可缺少的组成部分，其质量直接影响到高炉的运行状态，因此从一个合理的角度建立一种快捷有效的模型对烧结矿质量进行预测极为必要。烧结过程是一个高度复杂的动态系统，其参数繁多、机制复杂，具有显著的非线性、时变性、空问分布不确定性等特征[1]。从烧结工艺的原料准备、中间变化到生产出符合高炉冶炼需要的烧结矿的整个过程来看，在烧结工艺中主料(含铁原料)配合辅料(烧结原料中除主料外其他的原料)形成复杂的时空特性，从而使烧结过程成为一个复杂多变的非线性系统。传统建模方式适用于简单的静态系统..