作者：袁冬芳; 曹富军; 李德荣硅含量炉温控制主成分分析极限学习机
摘要：炉温控制是高炉过程控制的基础与核心技术,炉温的走势最直接地反应了高炉的运行状况.因此,建立合理的炉温控制模型至关重要.铁水中硅的含量与炉温成正比例关系,而冶炼过程中状态变量、控制变量及入炉基本条件等都会影响炉温,如果考虑全部的相关因素,势必会因信息冗余降低模型的性能.为此,首先采用主成分分析（PCA）方法对多维输入变量进行降维,同时回避了变量间的多重共线性问题.其次,将PCA处理得到的相互独立的主成分用于网络训练,建立了基于极限学习机（ELM）的炉温预测模型,该模型克服了前馈神经网络训练速度慢、容易陷入局部极小的缺点.最后比较了传统的BP学习算法、ELM算法和PCA结合ELM算法的预测效率,试验证明本文算法具有较高的命中率,可以用来指导高炉实际生产.
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
