论文部分内容阅读
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