基于BP神经网络和遗传算法的高炉多目标优化控制算法

摘要

本发明公开了一种基于BP神经网络和遗传算法的高炉多目标优化控制算法，属于工业过程监控、建模和仿真领域。首先，选取模型的输入输出变量，将鼓风动能、热风压力、热风温度、冷风流量、全塔压差、富氧率和煤比等7个状态变量设为输入变量，将铁水硫含量、二氧化碳排放量和焦比这3个目标参数设为输出变量；其次，建立BP神经网络，初始化后训练神经网络；然后，建立NSGA‑II多目标优化算法，将训练好的BP神经网络的预测输出当做NSGA‑II的适应度函数；最后，运用本发明提出的算法对目标变量进行优化，找出其Pareto最优和对应的控制变量的值，可提升高炉运行的效率。