您的位置: 专家智库 > >

袁湘环

作品数:2 被引量:1H指数:1
供职机构:中南大学信息科学与工程学院更多>>
发文基金:国家自然科学基金教育部“新世纪优秀人才支持计划”更多>>
相关领域:冶金工程自动化与计算机技术更多>>

文献类型

  • 1篇期刊文章
  • 1篇学位论文

领域

  • 1篇冶金工程
  • 1篇自动化与计算...

主题

  • 2篇碳酸化分解
  • 2篇子群
  • 2篇粒子群
  • 2篇连续碳酸化分...
  • 2篇分解率
  • 1篇氧化铝
  • 1篇氧化铝生产
  • 1篇优化算法
  • 1篇烧结法
  • 1篇神经网
  • 1篇神经网络
  • 1篇群算法
  • 1篇网络
  • 1篇粒子群算法
  • 1篇粒子群优化
  • 1篇粒子群优化算...
  • 1篇连续碳酸化分...
  • 1篇BP神经
  • 1篇BP神经网
  • 1篇BP神经网络

机构

  • 2篇中南大学

作者

  • 2篇袁湘环
  • 1篇谢永芳

传媒

  • 1篇计算机测量与...

年份

  • 2篇2009
2 条 记 录,以下是 1-2
排序方式:
氧化铝碳分过程末槽分解率预测模型及其修正方法研究
在烧结法生产氧化铝过程中,连续碳酸化分解工艺(简称碳分)是一个非常重要的中间环节,它处理上游脱硅工序输送的铝酸钠溶液,生产出满足工艺要求的氢氧化铝,并提供合格母液。末槽分解率是反映碳分过程工况的重要工艺指标,但是分解率不...
袁湘环
关键词:氧化铝生产烧结法连续碳酸化分解粒子群算法
文献传递
连续碳酸化分解过程分解率的预测模型
2009年
连续碳酸化分解过程(简称碳分)是烧结法生产氧化铝的重要环节之一,其末槽分解率直接影响着氧化铝的产量和质量。碳分工艺是一个大滞后、非线性的复杂工业过程,分解率很难在线检测。针对此问题,论文提出了一种基于粒子群优化(PSO)的神经网络预测模型,对末槽分解率进行预测,以便实现分解率在线控制。该预测模型采用BP神经网络来构建,利用粒子群算法对神经网络的参数进行优化;结合实际工艺,对所建预测模型进行仿真研究,实验结果表明,建立的预测模型具有较好的泛化能力和较高的自学习能力,并具有较好预测精度,能为分解率的在线及优化控制提供指导。
袁湘环谢永芳
关键词:连续碳酸化分解粒子群优化算法BP神经网络
共1页<1>
聚类工具0