BP神经网络模型对浮法退火窑内玻璃温度的预测
DOI:
CSTR:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

TP183 TQ171.64

基金项目:


Temperature Prediction for the Float Glass Ribbon in Lehr Based on BP Neural Network
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    利用热电偶测得的退火窑中空气温度和红外测温仪测得的玻璃表面温度作为训练样本,建立了基于BP神经网络的玻璃温度预测模型.通过与实际工况对比,证实了该模型的有效性.该模型对改善玻璃退火窑运行质量,预测玻璃成型性能具有积极的意义.

    Abstract:

    By using the air temperature measured by thermocouples and the glass temperature measured by infrared thermometer as the training sample , a model for prediction of the temperature parameters for the float glass in lehr was created based on the ameliorated BP neural network. The results of simulation show that the model is effective and feasible. It can improve the quality of the annealing process and diagnose some failures.

    参考文献
    相似文献
    引证文献
引用本文

朱锦杰,童树庭,郭凤姣. BP神经网络模型对浮法退火窑内玻璃温度的预测[J].建筑材料学报,2006,(3):377-380

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:2005-05-10
  • 录用日期:
  • 在线发布日期:
  • 出版日期:
文章二维码