基于免疫的混合学习算法在转炉提钒静态模型中的应用研究

《基于免疫的混合学习算法在转炉提钒静态模型中的应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、重庆大学硕士擘位论文中文摘攘摘要铽稼为～稃蚤妻盒耩，在锈铁冶金、电子工渡和嗣防工监等众多领域有着广泛的应用。我重毯兹黪提镊罴联熬怒转妒提铙麴方式，餐转炉提镳为久工搽佟模式，塞动化控熹l承乎低，产品获量波动大。蕤着“；薹信惑位带动工渣毒乏”袋为务个工业企业发展的核心战燎任务，转炉炼钢过程瓣诗舞极应爆鼹转炉发鼹敷莛安方向。计辫机应用的一个黧要方式就是建立转炉掇钒过程的数学模型。数学模型能定量地描述系统运动的觏律，对科学研究翱指导生产都舆有非常霪要的意义。哥前，在炼钢、炼铁的许多领竣，都建立起了数学模激，在提商技术水平、稳定技术指标等方面取得了稆囊好的应糟效菜。

2、本论文慰重庆大学是凌控戳磅袋鬓与菜镪铁公霹台襻开发髂“提铽过耩静恣模型及箕控裁凌繁谤雾磐戆磅究”矮器<鞋下簿稼磺鏊)遴杼7深入豹研究。瓣本项曩的建模极制、模型算法、模熬垅蚀从受疫理论戆惫发终了瑟趣探讨，搀蘩于免疫的混台学习算法用于项目中径向旗函数神缀网络的建模，丰富了此项目舱建模方法，避一步深他了对项目的理解。在对基予免痰的溉台学习算法的探讨过程中，我们对簿法的免疫学鹜景，兔疫溺络的福美理论作了较详细酌阐述，并瓤免疫系统的角度对RBF神经网络做了全凝鳇织释，撬窭了l{8F章枣经籀终藏是久工免疫系统的蕊赢。对綦予兔疫静混合举弼葵法瓣掰耱予葵法：逶建交隆选择进

3、行学习方法襄添过痰都亲秘方遴行学习方法，从算法原理、簿法步骤鞠算法验涯等多个方霆进学了谬缨熬滔述。势最终将冀焉到了我们的提钒静态模型的建模上：采用通过克隆选择进行学习的冀法建立只有足够预报精度的模楚，褥采用通过内郄亲和力进行学习这种减量算法对模型遴行调整，以使模疆结构最简。遥过仿真实验，{芷明基于免疫的混合学习算法稿对于传统算法有孵虢的优越髋。荚毽谗：蒸予免疫麴浚食学习算法，逶邀竟殛选舞避黪学嚣算浚，潺过逛罄浆稳力进行学习算法，提钒，静态模型萤庆大学硕士论文英文摘鬻ABSTRACTVanadiumisakindofimportantandvaluablem

4、entalthathaswiIdapplicationinsteelmaking，electronicproductionandnationaldefenseindustry，Atpresent,ourcountry’Srefiningofvanadiumisbasedonhuman’Sexperience．TheautomaticdegreeisSOlowthatthequalityoftheproductsfluctuatesgreatly。Withthe‘'Informationtechnologydriveindustrialization"has

5、becomethekeystrategyoftheeveryenterprise,theapplicationofcomputerinrefiningofvanadiumisanimportantdirection．Animportantwayofusing，computerisconstructingmathematicalmodelofrefiningofvanadium。MathematicalmodelCandescribetherulesofsystem’Smovementinquantity,SOithasimportantmeaningtos

6、cientificresearchandpracticalmanufacturing．Atpresent,inmanyfieldsofsteel-making，therehaveconstructedmathematicalmodelthathavepositiveeffectonraisingtechnicallevelandstabilizingtechnicalguideline．Thisdissertationhasmade玉锩researchonthe“staticmodelofrefiningofvanadiumandtheresearchof

7、itscomputableintelligenceofcontrolstrategy”project．Itmakessomeinnovativediscussiononthemodelingmechanism，modelalgorithm,andmodeloptimizationfromthepointofviewofimmunitytheory．Itthenusestheimmunity-basedhybridlearningmethodinthemodelingoftheRBFneuralnetwork，whichhasenrichedthemodel

8、ingmethod,andmadedeeperunderstand