[发明专利]基于BP神经网络和遗传算法的高炉多目标优化控制算法在审
| 申请号： | 201611269284.X | 申请日： | 2016-12-31 |
| 公开（公告）号： | CN106681146A | 公开（公告）日： | 2017-05-17 |
| 发明（设计）人： | 周恒;杨春节 | 申请（专利权）人： | 浙江大学 |
| 主分类号： | G05B13/04 | 分类号： | G05B13/04 |
| 代理公司： | 杭州求是专利事务所有限公司33200 | 代理人： | 林松海 |
| 地址： | 310058 浙江*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于BP神经网络和遗传算法的高炉多目标优化控制算法，属于工业过程监控、建模和仿真领域。首先，选取模型的输入输出变量，将鼓风动能、热风压力、热风温度、冷风流量、全塔压差、富氧率和煤比等7个状态变量设为输入变量，将铁水硫含量、二氧化碳排放量和焦比这3个目标参数设为输出变量；其次，建立BP神经网络，初始化后训练神经网络；然后，建立NSGA‑II多目标优化算法，将训练好的BP神经网络的预测输出当做NSGA‑II的适应度函数；最后，运用本发明提出的算法对目标变量进行优化，找出其Pareto最优和对应的控制变量的值，可提升高炉运行的效率。 | ||
| 搜索关键词： | 基于 bp 神经网络 遗传 算法 高炉 多目标 优化 控制 | ||
【主权项】：
一种基于BP神经网络和遗传算法的高炉多目标优化控制算法，其特征在于，步骤如下：步骤一：选取模型的输入输出变量，根据工厂的具体要求和生产过程的实际情况确定需要优化的目标函数和能够操作的控制变量；步骤二：建立、初始化、训练BP神经网络，通过学习使其具有输入输出的映射规则；步骤三：建立NSGA‑II多目标优化算法，种群初始化后，通过选择、变异、交叉操作计算适应度函数；步骤四：将BP神经网络的输出作为NSGA‑II遗传算法的适应度函数，寻找Pareto最优和对应的输入变量的值。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浙江大学，未经浙江大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201611269284.X/，转载请声明来源钻瓜专利网。
- 上一篇：基于深度学习的球磨机节能优化控制方法
- 下一篇：一种直流微电网分布式控制方法
