基于膜算法进化极限学习机的氧气转炉炼钢终点预报模型

氧气转炉炼钢的控制目标是终点温度和碳含量,但由于不能对其进行在线连续测量,直接影响了出钢的质量．针对该问题,提出一种基于膜算法进化极限学习机(ELM)的抗干扰终点预报模型．利用进化膜算法的全局寻优能力调整ELM网络参数,不仅避免了ELM网络受异常点影响出现过拟合现象,还可以寻找最优复杂度的ELM模型．将找到的ELM模型应用到转炉炼钢领域并建立终点碳含量和温度的预报模型．在仿真实验中,分别使用含有高斯噪声的标准sinC函数和氧气转炉炼钢实际生产数据进行仿真,结果表明所提模型在含噪声的数据中具有较好的预报精度和鲁棒性．