摘要：本文针对烧结过程不确定性大,缺乏足够的结构信息,含有大时滞和变时滞等特点,提出用非参数决策“黑箱”模型来研究复杂系统参数间的制约关系,实例表明,所设计的分类器效果良好,推断烧结矿质量的正确率达81.5％,该模式识别系统具有普遍的工程应用价值。

摘要：本文采用模式识别方法推断烧结矿质量。在给出模糊系统聚类分析算法基础上,用软件实现了基于模糊聚类分类器和动态聚类分类器,并用现场实测的样本采用“留一法”分别对这两种分类器性能进行检验。结果表明:模糊聚类分析法对于先验知识较少、样本量不大时,性能较佳。

摘要：针对烧结过程生产实际，运用神经网络中的ＢＰ学习算法设计了分类器，用于在线推断烧结矿的质量。为了加快ＢＰ学习算法的收敛速度，采用了自适应变步长学习算法。实验结果表明，由此建立的烧结过程神经网络质量预报模型，预报正确率高，具有很好的泛化能力。