Budowa inteligentnego modelu procesu roztapiania złomu w piecu łukowym z wykorzystaniem sieci neuronowo-rozmytych

• Autorzy: Wieczorek T. , Blachnik M.

Warianty tytułu

EN

Building an intelligent model ofsteel scrap melting process in the electric arcfurnace using neuro-fuzzy nets

• Języki publikacji: PL

Abstrakty

PL

Redukcja czasu topienia wsadu w piecu łukowym jest ważnym zagadnieniem praktycznym. Mimo że wiele parametrów procesu EAF ma charakter stochastyczny, do sterowania nim wykorzystuje się proste modele, bazujące na liniowych obwodach elektrycznych. Celem artykułu jest prezentacja nowego sposobu budowy modelu procesu opartego na metodach inteligencji obliczeniowej, w szczególności sieci neuronowo-rozmyte, które pozwalają wyznaczyć energię niezbędną dla poprawnego przeprowadzenia procesu elektrołukowego.

EN

Time reduction of steel scraps meltdown is a really challenging problem. Typically this process is stochastic without any determinism and only simple and naive rules, based on linear electric circuits, are currently used to manage such processes. The goal of the paper is to present the way of building an accurate model concerning neuro-fuzzy approach, that would be helpful in predicting amount of the energy needed by the electric are furnace.

Słowa kluczowe

PL

piec łukowy; sieci neuronowo-rozmyte; inteligentne modelowanie

EN

electric are furnace; fuzzy neural networks; computational intelligence

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Hutnik, Wiadomości Hutnicze
• Rocznik: 2008
• Tom: Vol. 75, nr 10
• Strony: 592--596
• Opis fizyczny: Bibliogr. 8 poz., rys.

Twórcy

autor

Wieczorek T.

autor

Blachnik M.

• Politechnika Śląska, Wydział Inżynierii Materiałowej i Metalurgii; ul. Krasińskiego 8, 40-019 Katowice,

Bibliografia

• 1. Wieczorek T., Blachnik M., Mączka K.: Building a model for time reduction of steel scrap meltdown in the electric arc furnace (EAF). General strategy with a comparison of feature selection methods, Lecture Notes in Artificial Intelligence, vol. 5097, 2008, s. 1149–1159, Springer Berlin Heidelberg
• 2. Wieczorek T.: Neuronowe modelowanie procesów technologicznych, Wydawnictwo Politechniki Śl. Gliwice 2008
• 3. Duch W., Wieczorek T., Biesiada J., Blachnik M.: Comparison of feature ranking methods based on information entropy, Proc. of Int. Joint Conference Neural Network (IJCNN) Budapest, 2004, IEEE Press, s. 1415–1420
• 4. Blachnik M., Duch W., Wieczorek T.: Selection of prototype rules: context searching via clustering, Lecture Notes in Computer Science, 2006, vol. 4029, 573–582, Springer Berlin Heidelberg
• 5. Zadeh L. A.: Toward a Generalized Theory of Uncertainty (GTU), Information Science, 2005, No. 172, s. 1–40
• 6. Jang R.: ANFIS, Adaptive-Network-Based Fuzzy Inference System, IEEE Trans. on Systems, Man, and Cybernetics, vol. 23, 1993, s. 665–684
• 7. Piegat A.: Modelowanie i sterowanie rozmyte. AOW Exit Warszawa 1998
• 8. Dokumentacja pakietu programowego NFIDENT http:// fuzzy.cs.uni-magdeburg.de/nefprox/nefprox.html