关键词：钢铁冶炼;小波降噪;BP神经网络;遗传算法;检测;燃气利用率
摘 要：在钢铁冶炼过程中,若能实时有效地检测使用煤气的热值、及时设计合理的供气方案,将有效提高煤气利用率、降低废气排放。这不仅能降低企业成本,而且对环境保护具有重要意义。国内热值检测设备的检测方式和手段,在热值检测的准确性和快速性方面有着很大的弊端。为改善燃气热值仪存在的大滞后,提高精准度,提出了一种由小波分析进行数据处理,应用BP神经网络建模并用遗传算法优化的学习算法,用来检测燃气热值。小波分析主要用来对过程数据进行降噪变换,提高源信号的信噪比;BP神经网络用来辨识过程模型;遗传算法用来优化神经网络的初始权值。小波分析可以克服源信号的噪声干扰。小波变换可以变换初始数据并进行特征提取,变换后的数据具有更高的信噪比。采用Matlab软件进行仿真,结果表明:该神经网络模型具有良好的逼近能力和泛化性能。该研究方法同样适用其他相关领域的研究。
内 容：原文可通过湖北省科技信息共享服务平台（http://www.hbstl.org.cn)获取