文献

J-GLOBAL ID：201702242605647264   整理番号：17A1632656

作業中国の国立科学財団により支持される溶銑~11中のシリコン含有量の予測のためのスライディングウィンドウT-Sファジィ神経回路網モデル(61290321)。【Powered by NICT】

A Sliding-Window T-S Fuzzy Neural Network Model for Prediction of Silicon Content in Hot Metal ¹ 1 This work is supported by the National Science Foundation of China(61290321).

著者 (4件)： Zhou Heng (College of Control Science and Engineering, State Key Laboratory of Industrial Control Technology, Zhejiang University, Zheda Road 38, Hangzhou, China) ,  Yang Chunjie (College of Control Science and Engineering, State Key Laboratory of Industrial Control Technology, Zhejiang University, Zheda Road 38, Hangzhou, China) ,  Liu Wenhui (College of Control Science and Engineering, State Key Laboratory of Industrial Control Technology, Zhejiang University, Zheda Road 38, Hangzhou, China) ,  Zhuang Tian (College of Control Science and Engineering, State Key Laboratory of Industrial Control Technology, Zhejiang University, Zheda Road 38, Hangzhou, China)
資料名： IFAC PapersOnLine  (IFAC PapersOnLine)
巻： 50  号： 1  ページ： 14988-14991  発行年： 2017年 
JST資料番号： W3101A  ISSN： 2405-8963  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 高炉における製鉄は最も複雑な工業プロセスの一つであり,特にその動力学,慣性特性とマルチスケールアベイラビリティである。年以上,研究者は温度と極端な温度と複雑な環境から生じる実際の状態を測定することの複雑さのために,高炉内の状態を判断するためのシリコン含有量を使用している。これらの限界を,溶銑中のけい素含有量を予測するために提案するスライディングウィンドウTakagi-Sugenoファジィニューラルネットワーク(SW TS FNN)モデル。スライディングウィンドウの適切な幅の滑りにより,T-Sファジィニューラルネットワーク(FNN)モデルのための列車データは,所望の時間増分で更新され,けい素含有量の最新予測を与えた。けい素含有量の予測に関する簡単なT-S FNNモデルと比較して,このSWTS FNNモデルはヒット率と平均二乗誤差で大きな改善を示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *ファジィニューラルネットワーク ,  *予測 ,  *中華人民共和国 ,  *ケイ素 ,  *溶銑 ,  高炉
準シソーラス用語： 平均二乗誤差 ,  ヒット率 ,  複雑性 ,  工業プロセス ,  *スライディングウィンドウ , 【Automatic Indexing@JST】

著者キーワード (5件)： ファジィニューラルネットワーク ,  スライディングウィンドウ ,  予測 ,  けい素含有量 ,  高炉

分類 (1件)： 製銑  (WD01050P)

タイトルに関連する用語 (9件)： 中国 ,  科学 ,  支持 ,  溶銑 ,  シリコン含有量 ,  予測 ,  スライディングウィンドウ ,  ファジィ ,  神経回路網モデル